A | 我们正在迈入Agentic AI（智能体）时代。
B | 克莱·汤普森去迈阿密，表面上看，只是一名36岁老将换了一支球队。
C | 在AI时代，Token（词元）正成为最大的消耗品，而Agent正在成为消耗Token的主体。 面对这样的变革，7月18日，在摩尔线程“词元时代 万物智能”主题论坛上，摩尔线程创始人、董事长兼CEO张建中给AI产业的“卖铲人”下了新定义：AI产业需要AI工厂，而这个工厂分为三类，分别是模型训练工厂、词元生产工厂、智能体生产工厂。
D | 但真正值得讨论的，其实不是克莱。 张建中阐述三大“AI工厂”概念 模型训练工厂：打造万卡级长稳训推的硬底座 训练一个前沿大模型，成本动辄数亿甚至上十亿元。 而是热火。 因为今年夏天的迈阿密已经干了一件足以改变联盟格局的大事——他们得到了字母哥。 现在，他们又把目光放到了克莱身上。模型能不能达到前沿水平、能不能快速从语言扩展到多模态乃至物理AI，与训练工厂的基础设施能力息息相关。 一个上赛季场均只有11.7分、69场比赛只首发8次的36岁后卫，为什么还能进入一支争冠球队的补强名单？ 答案可能恰恰藏在那11.7分之外。 一个合格的模型训练工厂需要具备以下几个条件：全功能——下一个要训练的模型可能是语言、视觉、世界模型或具身大脑，模型训练工厂必须什么都能训；高扩展——随着集群训练规模扩大，训练工厂需要保持极高的线性扩展效率；高精度——训练损失曲线和评测指标必须对齐国际主流；高稳定——万卡级长连续训练，中断一次代价巨大；软件栈完备——从算子到框架再到强化学习，缺一环就跑不通全链路。 热火要的，从来不是巅峰克莱。 他们真正需要的，是一个还能站在字母哥身边投进三分的克莱。 一、先别嫌克莱老，他最值钱的东西还没有完全消失 如果只看名字，很多人对克莱还有过去的印象。
E | 摩尔线程以夸娥（KUAE）智算集群为核心，逐一回应了这些要求。在万卡级规模下，集群保持95%的线性扩展效率，有效训练时长占比超过90%，训练精度与国际主流计算卡持平。
F | 软件栈方面，摩尔线程从底层MUSA SDK出发，兼容Torch、Triton、TileLang等算子生态，支持Megatron-LM、DeepSpeed、FSDP等主流训练框架，并提供MT-HTA仿真系统（SimuMax/SimuInfer）在训练前预估时长与效果。 在夸娥万卡级集群和训练套件之外，摩尔线程还针对MoE架构，集成了DeepEP通信库、算子融合等先进技术，原生支持Per-Block FP8精度，使算力得以显著提升。 WAIC 2026摩尔线程展台 “我经常听到国内的模型公司担心，用国产的训练平台会不会耽误时间，会不会影响追赶世界先进水平。
G | ”张建中在演讲中传达出用户的疑问。 水花兄弟。
H | 但摩尔线程已经通过实践对这一质疑给出了直接反击：MoE-236B在万卡级集群上从零起步完成了完整训练，基于25T+高质量语料，精度与损失曲线同国际主流高度一致；北京大学5D世界模型EvoPhys-World在夸娥集群上完成全栈原生训练，连续37天登顶斯坦福WorldScore“世界生成”维度；北京智源研究院RoboBrain 2.5在MTT S5000千卡集群上完成全流程训练，国产算力首度跑通具身大脑训练。
I | 在WAIC 2026的展台上，记者还看到摩尔线程在WAIC现场首发的MTT C256超节点：首创一层Scale-up网络，实现标准单宽机柜128卡全互联、并柜扩展可达256卡极速互联，采用计算与交换一体化的高密设计，可大幅提高智算中心GPU部署密度，成为支撑长稳训推的硬件底座。 词元生产工厂：把每一份算力变成高质量Token 如果说训练工厂解决的是“训得出”，词元工厂解决的就是“供得上”——而且要供的是高质量Token。
J | 国家信息中心大数据发展部副主任魏颖在论坛上给出了一个判断：词元时代，产业正从卖电、卖算力升维到卖Token——按实际消耗付费，告别粗放的打包兜售，迈向按需付费的精细运营。 单节37分。 但用不同算力设施、不同模型生产的Token质量可能千差万别，Token的质量也直接决定了用户的消费意愿。 顶级3D。 勇士王朝核心。 但现在必须承认： 那个克莱已经回不来了。 上赛季在独行侠，他场均11.7分，三分命中率38.3%，而且大部分时间已经不再是首发。 年龄、伤病和移动能力下降，这是任何球队都绕不过去的问题。
K | 所以如果热火指望克莱重新变成场均20分的全明星，那这笔操作没有多少意义。中国工程院院士、清华大学计算机科学与技术系教授郑纬民在演讲中阐述，从技术指标来看，Token质量的差别主要体现在四个方面——首字延迟（TTFT）、吞吐量（TPS，每秒生成Token数）、并发请求数（同时服务多少请求）以及质量保障（SLO）。 可问题在于： 热火根本不需要他拿20分。首字延迟越低、吞吐量越大、并发请求数越高、质量保障越好的Token对于用户而言越有价值。 郑纬民阐述何为高质量Token “如何规模化地生产高质量Token？”成为词元生产工厂的核心命题。 郑纬民对推理计算实现的过程进行了详细剖析：他表示，大模型推理涵盖两个关键过程——Prefill（预填充，简称P）把用户请求一次性处理成中间格式，是计算密集型；Decode（生成，简称D）逐字吐出结果，要求内存带宽高、延迟小，是带宽密集型。 这两大过程对硬件的诉求截然不同。
L | 过去很多计算芯片既要做P过程又做D过程，存在资源错配。而P过程与D过程的物理分离，意味着P过程与D过程可以分别部署在不同的算力芯片上，实现“各取所长”。 基于PD分离的思想，摩尔线程推出了异构推理方案：由摩尔线程的算力芯片S5000完成Prefill过程，同时Decode依然安排在国际主流卡上，以此实现异构组合、分池部署。但令人惊喜的是，这样的组合带来的不是“1+1=2”的结果，而是“1+1”远大于2的效果。 38.3%。张建中解释道：“在这样的情况下，约3台S5000+2台国际主流卡，性能相当于9台国际主流卡。
M | ” 这一方案也得到了行业伙伴的支持。趋境科技创始人艾智远在论坛上直言，S5000是他们经过全面评测后选择的当前阶段最优Prefill方案——原生FP8精度无需额外适配、稳定支撑超长上下文、生态迁移顺畅、供应链可靠。 这才是关键。在Prefill为王的编程场景里，4台S5000的Prefill性能能够超过1台B300。趋境科技目前日均供应万亿级高质量Token，下半年这一数字将达数万亿。 哪怕已经36岁，克莱依然能够在NBA级别的防守下保持接近四成的外线效率。 模型厂商的判断也在印证这一转变。
N | MiniMax副总裁薛子钊在论坛上表示，从整体训练和推理来看，今年是国产芯片非常重要的拐点，越来越多真实的线上场景开始承担起推理和训练任务，MiniMax很快也会有非常大规模的国产芯片推理集群真实上线承担任务。
o | 他特别提到，包括摩尔线程在内的多家国产芯片企业都在规划超节点，互联规模超过英伟达当前的72卡方案，“这一点国产芯片是做得比较领先的”——这让大参数、长上下文的推理场景能获得非常高的吞吐；而同构或异构的PD分离，则能把各类卡的性能发挥到最大化，整体降低系统推理成本。 智能体生产工厂：从数字世界到物理世界 第三座工厂是最少被提及、却可能最具想象空间的。 而当你的球队里站着字母哥的时候，这种能力会被重新放大。 二、字母哥最需要的，从来不是另一个持球大核 想象一个最简单的场景。张建中把它定义为"连接数字世界与物理世界"的基础设施——AI最终落地到每个消费者身边，需要两种智能体：数字智能体和物理智能体（具身智能）。
p | 字母哥持球突破。 对手怎么办？ 收缩。 数字智能体的核心要求是：能跨应用控制、能记忆、能调用工具完成复杂工作流、支持主流开源与闭源框架。 协防。摩尔线程自研了全域数字智能体“小麦”，掌握60余项技能，支持38款APP的跨应用控制，通过前端多模型、丰富知识库的灵活配置，做到更快、更准、更懂用户。
q | 堵禁区。 甚至提前把第二个人放到他的突破路线上。 这时候真正决定进攻质量的，往往不是字母哥还能不能再顶着两个人冲进去。 而是： 外面站着的人，能不能把球投进去。 WAIC 2026上摩尔线程展示智能体生产工厂 物理智能体的要求则更为严苛。 这就是克莱存在的意义。 他不需要运20秒。 不需要大量挡拆。 甚至不需要球队专门给他设计复杂的持球进攻。机器人需要在虚拟环境中完成训练与验证，才能部署到真机，实现Sim-to-Real（从虚拟到现实）。 摩尔线程为此打造了具身智能仿真平台MT Lambda，从底层算力、核心引擎到上层框架构建了完整解决方案。平台集成了三大物理仿真引擎——开源的MuJoCo和Newton，以及摩尔线程自研的AlphaCore物理引擎。 字母哥突破。在图形渲染方面，平台集成了3DGS、自研AI生成式渲染（AGR），以及光线追踪（Ray-Tracing）——MTT S5000是国内唯一具备Ray-Tracing能力的智算芯片，这意味着仿真环境中可以实现高度拟真的数字孪生渲染，让机器人在虚拟世界中充分训练后再部署到真机。 防守收缩。 球传出来。WAIC展台上，一只机器狗的仿真训练动作与真机跳起动作几乎一模一样。
r | 平台还支持百卡到千卡级的大规模集群扩展，满足海量仿真训练需求。
s | 克莱出手。
t | 就这么简单。 京东集团技术委员会主席、京东云总裁曹鹏则从产业应用端印证了三大工厂的价值。 过去勇士最可怕的地方之一，就是克莱能够在极少持球的情况下制造巨大进攻威胁。
u | 他表示，AI基础设施层面正发生一个很大的转变，包括国产GPU、国产推理引擎、国产模型在内的全国产化体系正越来越多地被行业认可和使用，“摩尔线程就是一个非常典型的案例。
v | 如今他的爆发力下降了，防守也不可能再回到巅峰。”在模型工厂中，京东结合MTT S5000进行模型训练、适配与调优，刚刚发布的一系列JoyAI大模型，相当一部分训练算力正是依托摩尔线程提供的国产化算力；在Token侧，京东自研的xLLM推理引擎与MTT S5000做了深度适配，支撑集团每天大量的Token应用。 曹鹏透露，京东正在全面布局无人配送、仓储机器人、家政服务机器人等物理世界场景，其"女娲"项目计划采集超过1000万小时的音视频数据用于训练具身大脑模型，而基于摩尔线程的计算与渲染优势，双方在数据生成和具身仿真领域开展了深度合作。
w | 现在，京东内部已部署400多个智能应用、4万多个智能体，每天Token消耗已近10万亿，从研发、采销到快递配送、客服，遍布各业务环节。 但有一种能力衰退得相对慢： 投篮。 运维侧的智能体实践同样值得关注。
x | 这也是为什么很多伟大射手到了职业生涯后期，依然能在争冠球队找到位置。
y | 三、所以热火买的其实不是“11.7分” 这是这笔操作最容易被忽略的地方。 普通球队看一个36岁球员，可能会问： 他还能拿多少分？ 争冠球队问的是另外一个问题： 季后赛某一场比赛，他还能不能帮我赢球？ 这两件事完全不同。 热火不需要克莱82场比赛都像全明星。无问芯穹技术副总裁吴保东分享了Infini-AIOps运维智能体在摩尔线程集群上的部署成果：调用摩尔线程的专家知识库与SDK，把故障处理评分从人工的50分提升到86分，平均处理时长从1小时缩短到20分钟以内，效率提升5倍；复杂问题的解决率从不到45%跃升至90%。 甚至不需要他每晚都得15分。无问芯穹与信通院联合发布的AISHPerf运维智能体评测基准，弥补了GPU集群运维智能体缺乏统一标准的不足。用吴保东的话说，智能体不仅要“造得出来”，还要“管得住、跑得稳”。 作者丨姬晓婷 编辑丨张心怡 美编丨马利亚 监制丨连晓东。 他们真正想要的可能只是： 东部半决赛第五场。 对手疯狂夹击字母哥。 克莱在底角或者45度连续投进三个三分。 比赛结束。 这就够了。 因为季后赛打到最后，角色球员真正的价值从来不是平均值。 而是： 你有没有一项能力，可以让对手不敢放你。
z | 克莱还有。 四、还有一个东西，是数据表根本写不出来的 四个总冠军。
| 这就是克莱另外一张牌。 现在很多球队拥有天赋。 很多球队拥有年轻人。 甚至很多球队拥有超级巨星。 但真正打到总决赛最后两分钟的时候，有些东西不是常规赛能训练出来的。 克莱经历过抢七。 经历过总决赛。 经历过73胜。 经历过3比1领先被逆转。 也经历过伤停两年之后重新回来夺冠。 这种球员进入更衣室以后，他提供的不只是11.7分。 尤其对于一支把目标直接放在总冠军上的球队而言，季后赛经验本身就是资产。
| 五、当然，这笔操作同样存在风险 不能因为名字叫克莱，就假装他还是2019年的克莱。 他已经36岁。 防守横移下降。 持球创造能力有限。 如果三分球出现明显波动，他在场上的价值会迅速下降。 而到了季后赛，对手一定会针对老将的移动能力。 所以热火真正需要解决的问题是： 怎么使用克莱，而不是克莱还能不能成为巨星。 控制时间。 减少持球。 让他围绕字母哥打无球。 把他的任务压缩到最擅长的区域。
| 如果迈阿密还要求克莱承担年轻时候的工作，这笔补强很可能失败。 可如果他们只是需要一个顶级体系里的“最后一块射手拼图”，情况就完全不同了。 六、这也是为什么我越来越觉得，热火这次补强很有意思 字母哥解决的是上限。 克莱解决的是空间。 一个负责把防守往篮下吸。 一个负责惩罚那些收缩的防守。 克莱已经不再是决定球队能走多远的那个人。
| 但他完全可能成为： 那个让超级巨星打得更舒服的人。 这可能也是36岁的克莱重新进入争冠球队视野的真正原因。 不是因为大家还活在勇士王朝的回忆里。 而是因为NBA到了今天，有一件事情始终没有改变： 只要你身边拥有一个能够疯狂冲击禁区的超级巨星， 那么一个真正敢投、能投、见过大场面的射手， 永远不会过时。 所以别再盯着克莱的11.7分了。 热火真正下注的不是他的场均得分。 他们赌的是—— 明年季后赛某个夜晚，当字母哥吸引两个人的时候，那个站在三分线外的人，依然叫克莱·汤普森。
Current article:http://bd43.deshabisaoguonouzuo.cfd/list_sesvf8/vnj4.html
Published on:22:59:22
