國(guó)產(chǎn)GPU跑滿血DeepSeek，已經(jīng)可以100 tokens/s了！

金磊 發(fā)自 WAIC

量子位 | 公眾號(hào) QbitAI

放眼當(dāng)下，到底哪個(gè)芯片跑滿血DeepSeek是最快的？

答案很意外——不是你以為的英偉達(dá)，而是一家國(guó)產(chǎn)GPU。

因?yàn)楝F(xiàn)在它的速度，已經(jīng)直接來到了100 tokens/s！

這個(gè)速度相比國(guó)外GPU的50 tokens/s和國(guó)內(nèi)的15 tokens/s，已經(jīng)稱得上是快上了一個(gè)數(shù)量級(jí)。

若是將三者放在一起同時(shí)運(yùn)行，效果會(huì)更加一目了然。

當(dāng)中間的國(guó)產(chǎn)GPU以行云流水之勢(shì)給出了完整準(zhǔn)確答案之際，兩邊的“選手”則是還在深度思考過程中：

那么這個(gè)國(guó)產(chǎn)GPU到底是誰？

不賣關(guān)子，它就是摩爾線程。

但這時(shí)肯定有很多小伙伴會(huì)問了，從成立到現(xiàn)在不到5年時(shí)間，摩爾線程的何以取得如此速度。

在量子位了解完其在“算力之道”的全貌之后發(fā)現(xiàn)，答案，遠(yuǎn)比“做出一顆更快的芯片”要宏大和深刻。

已經(jīng)造了個(gè)AI超級(jí)工廠

沒錯(cuò)，這是因?yàn)槟柧€程在搞算力這件事兒上，已經(jīng)給自家打造了一個(gè)AI超級(jí)工廠（AI Foundry）。

提到Foundry這個(gè)單詞，很多人第一反應(yīng)或許就是造芯片時(shí)的“晶圓廠”，它的價(jià)值取決于于生產(chǎn)芯片的良率、產(chǎn)能和工藝先進(jìn)性。

但AI超級(jí)工廠，它并非指代一個(gè)物理上生產(chǎn)芯片的晶圓廠，而是一個(gè)類比的概念：

這個(gè)AI工廠的進(jìn)化，就像升級(jí)制程一樣，絕不是改改某個(gè)單一技術(shù)就完事兒了，而是一個(gè)系統(tǒng)性、全方位的變革。

它要求整個(gè)技術(shù)?！懊撎Q骨”：從最底層的芯片架構(gòu)必須革新、到集群的整體架構(gòu)得巧妙設(shè)計(jì)，再到軟件層面——算法怎么調(diào)更聰明，資源調(diào)度怎么跑更高效，每一個(gè)環(huán)節(jié)都至關(guān)重要。

正是這種從根兒上動(dòng)起來的基礎(chǔ)設(shè)施大改造，才能真正釋放AI算力，實(shí)現(xiàn)大規(guī)?！吧a(chǎn)”和“迭代”前沿AI大模型。

需要強(qiáng)調(diào)的一點(diǎn)是，要建成這樣一座超級(jí)工廠，絕非暴力地將成千上萬張顯卡堆砌在一起這么簡(jiǎn)單。

它需要五大核心要素的緊密耦合與協(xié)同進(jìn)化，缺一不可；

這個(gè)AI工廠的產(chǎn)能，用一套公式可概括為：

AI工廠生產(chǎn)效率 = 加速計(jì)算通用性 × 單芯片有效算力 × 單節(jié)點(diǎn)效率 × 集群效率 × 集群穩(wěn)定性

摩爾線程正是圍繞這五大要素，構(gòu)建了技術(shù)護(hù)城河。

全功能GPU：超級(jí)工廠的基石

AI超級(jí)工廠的基石，指的是一顆具備強(qiáng)大通用性的“全功能GPU”。因?yàn)榛仡櫵懔Φ倪M(jìn)化史，其實(shí)就是一部全功能GPU的發(fā)展史。

從最初只能加速3D圖形的“顯卡”（VGA Card），到開放編程接口、允許開發(fā)者創(chuàng)造無限可能的“現(xiàn)代圖形處理器”，再到被廣泛應(yīng)用于超算、深度學(xué)習(xí)、區(qū)塊鏈等領(lǐng)域的通用計(jì)算平臺(tái)，GPU的每一次飛躍，都源于其通用性的拓展。

單一功能的加速器，如早期的3D加速卡或今天的某些專用AI芯片（ASIC），雖然在特定任務(wù)上效率極高，但其靈活性差、編程困難，無法適應(yīng)AI模型日新月異、應(yīng)用場(chǎng)景層出不窮的發(fā)展趨勢(shì)。

一個(gè)AI模型可能既需要處理語言，也需要理解圖像，甚至要進(jìn)行物理世界的模擬。如果工廠的“機(jī)床”只能處理一種任務(wù)，那么它很快就會(huì)被淘汰。

因此，摩爾線程從創(chuàng)立之初就堅(jiān)持打造真正的全功能GPU，既要“功能完備”，也要“精度完整”。

首先是“功能完備”，即芯片內(nèi)部集成了四大核心引擎：

1. AI計(jì)算加速引擎：不僅能做推理，更能做訓(xùn)練，實(shí)現(xiàn)訓(xùn)推一體。
2. 先進(jìn)的3D圖形渲染引擎：支持DX12等現(xiàn)代圖形API，滿足游戲、AIGC、數(shù)字孿生等視覺計(jì)算需求。
3. 物理仿真與科學(xué)計(jì)算引擎：這是常被忽視卻至關(guān)重要的一環(huán)。未來的Agentic AI、空間智能都需要與物理世界交互，強(qiáng)大的科學(xué)計(jì)算能力是連接數(shù)字世界與物理世界的橋梁。
4. 超高清視頻編解碼引擎：AI的計(jì)算結(jié)果最終需要通過視覺和聽覺呈現(xiàn)給人類，高清、低延遲的流媒體處理能力是人機(jī)交互體驗(yàn)的保證。

其次，“全計(jì)算精度”覆蓋。從FP32、FP16到業(yè)界前沿的FP8，乃至更低精度的INT8/INT4，完整的精度支持讓開發(fā)者可以根據(jù)不同任務(wù)的需求，在性能和精度之間找到最佳平衡點(diǎn)。

特別是在大模型訓(xùn)練中，混合精度訓(xùn)練已是標(biāo)配，而摩爾線程是國(guó)內(nèi)極少數(shù)能夠提供FP8訓(xùn)練能力的平臺(tái)?！叭δ堋焙汀叭取蹦芰?，確保了摩爾線程的GPU這座“機(jī)床”能夠承接各類AI模型生產(chǎn)訂單。

MUSA統(tǒng)一系統(tǒng)架構(gòu)：超級(jí)工廠的“總設(shè)計(jì)師”

如果說全功能GPU是工廠的機(jī)床，那么MUSA就是整個(gè)工廠的“總設(shè)計(jì)師”。一個(gè)卓越的頂層架構(gòu)，能夠決定一家公司未來十年甚至更長(zhǎng)時(shí)間的技術(shù)路線和發(fā)展?jié)摿Α?/p>

MUSA的核心理念是“一個(gè)架構(gòu)，萬千應(yīng)用”（One Architecture for Many Applications）。它采用創(chuàng)新的多引擎、可伸縮、可配置的統(tǒng)一系統(tǒng)架構(gòu)，將GPU內(nèi)部的計(jì)算、通信、內(nèi)存、調(diào)度等功能進(jìn)行頂層設(shè)計(jì)和統(tǒng)一管理。

先來看可伸縮，顧名思義，MUSA架構(gòu)是可以根據(jù)不同客戶、不同市場(chǎng)的需求，快速裁剪出優(yōu)化的芯片配置，大幅降低了新品芯片的開發(fā)成本。

其次，資源全局共享，簡(jiǎn)單說，就是把所有硬件資源——像計(jì)算核心、內(nèi)存、通信這些——都打通，變成一個(gè)大資源池，然后用智能調(diào)度靈活分配。

這招兒直接解決了大問題：以前那種單引擎GPU，多個(gè)任務(wù)一起跑的時(shí)候特別容易卡?，F(xiàn)在好了，所有資源大家共享，按需取用！

再例如，統(tǒng)一編程接口與指令集，開發(fā)者只需學(xué)習(xí)一套API和編程模型，就能驅(qū)動(dòng)MUSA架構(gòu)下所有的硬件引擎，極大地降低了開發(fā)門檻，提升了開發(fā)效率。

除此之外，MUSA架構(gòu)內(nèi)部包含了多個(gè)摩爾線程自研的核心技術(shù)。

例如，專門為FP8設(shè)計(jì)的“Transformer引擎”，使其FP8的訓(xùn)練性能相比沒有該引擎的方案能提升30%；獨(dú)創(chuàng)的ACE異步通信引擎，可以讓計(jì)算和通信并行不悖，解決了傳統(tǒng)架構(gòu)中通信會(huì)占用計(jì)算資源的痛點(diǎn)，減少了15%的計(jì)算資源損耗，將GPU的算力釋放；自研的MTLink2.0互聯(lián)協(xié)議，實(shí)現(xiàn)了GPU之間高效、低延遲的通信，提供了高出國(guó)內(nèi)行業(yè)平均水平60%的帶寬，為大規(guī)模集群部署奠定了堅(jiān)實(shí)基礎(chǔ)。

MUSA架構(gòu)的先進(jìn)性，確保了摩爾線程的每一顆芯片都不是孤立的算力單元，而是一個(gè)高度協(xié)同、管理高效的“作戰(zhàn)小組”，有效提升每顆芯片有效算力，為整個(gè)AI超級(jí)工廠提供了堅(jiān)實(shí)的、可擴(kuò)展的算力底座。

MUSA全棧系統(tǒng)軟件：超級(jí)工廠的“操作系統(tǒng)”與“工具箱”

再好的硬件，若是沒有高效的軟件，同樣也無法發(fā)揮其全部潛力。因此，摩爾線程打造了與MUSA硬件架構(gòu)深度耦合的全棧軟件系統(tǒng)，它在AI超級(jí)工廠中扮演著“操作系統(tǒng)”和“開發(fā)者工具箱”的角色。

這個(gè)軟件?？梢哉f是覆蓋了從底層驅(qū)動(dòng)到上層應(yīng)用框架的方方面面：

• 高效驅(qū)動(dòng)：摩爾線程的驅(qū)動(dòng)經(jīng)過深度優(yōu)化，核函數(shù)啟動(dòng)時(shí)間縮短50%，任務(wù)派發(fā)延遲極低，可以一次性并發(fā)處理上千個(gè)任務(wù)，領(lǐng)先業(yè)界水平。
• 核心算子庫：對(duì)標(biāo)國(guó)際大廠的cuDNN，摩爾線程的muDNN在算子層面進(jìn)行了大量?jī)?yōu)化，GEMM算子算力利用率達(dá)98%，F(xiàn)lash Attention 算子算力利用率突破95%。

• 通信效能躍升：MCCL訓(xùn)練通信庫實(shí)現(xiàn)RDMA網(wǎng)絡(luò)97%帶寬利用率；基于異步通信引擎優(yōu)化計(jì)算通信并行，集群性能提升10%。
• 生態(tài)兼容與Triton支持：通過MUSIFY等工具，實(shí)現(xiàn)了對(duì)PyTorch、TensorFlow等主流AI框架的無縫支持。尤其值得一提的是，基于Triton-MUSA編譯器 + MUSA Graph 實(shí)現(xiàn)DeepSeek R1推理加速1.5倍，全面兼容Triton等主流框架。
• 完善的開發(fā)者套件：提供了一整套涵蓋性能分析（Profiler）、調(diào)試、調(diào)優(yōu)、一鍵部署等功能的工具鏈，如同一個(gè)“百寶箱”，讓開發(fā)者能夠洞察硬件運(yùn)行的每一個(gè)細(xì)節(jié)，榨干硬件的每一分性能。

這套全棧系統(tǒng)軟件，確保了開發(fā)者不僅能“用起來”，更能“用得好”，將MUSA硬件架構(gòu)的強(qiáng)大能力順暢地傳遞到上層應(yīng)用，是連接硬件與算法的關(guān)鍵樞紐。并且通過MUSA全棧系統(tǒng)軟件的優(yōu)化，摩爾線程實(shí)現(xiàn)了“單節(jié)點(diǎn)計(jì)算效率”全面提升。

KUAE計(jì)算集群：超級(jí)工廠的“生產(chǎn)車間”

單卡、單節(jié)點(diǎn)的性能再強(qiáng)，也無法完成動(dòng)輒千億、萬億參數(shù)大模型的訓(xùn)練。AI超級(jí)工廠必須以大規(guī)模集群的形式存在。為此，摩爾線程構(gòu)建了夸娥（KUAE）大規(guī)模智能計(jì)算集群。

夸娥計(jì)算集群遠(yuǎn)非簡(jiǎn)單的服務(wù)器堆疊，它是一個(gè)軟硬一體化的系統(tǒng)工程，相當(dāng)于AI大模型的“生產(chǎn)車間”：

• 軟硬一體化設(shè)計(jì)：從服務(wù)器節(jié)點(diǎn)、交換機(jī)到機(jī)柜，再到上層的集群管理軟件、任務(wù)調(diào)度系統(tǒng)，全部進(jìn)行了協(xié)同設(shè)計(jì)和優(yōu)化。
• 創(chuàng)新5D并行訓(xùn)練：摩爾線程整合數(shù)據(jù)并行（DP）、流水線并行（PP）、張量并行（TP）等所有主流的并行訓(xùn)練策略，全面支持Transformer等主流架構(gòu)，并能根據(jù)模型特點(diǎn)自動(dòng)搜索和推薦最優(yōu)的并行方案。
• 端到端訓(xùn)練優(yōu)化：覆蓋了從數(shù)據(jù)預(yù)處理、模型預(yù)訓(xùn)練、強(qiáng)化學(xué)習(xí)、微調(diào)到驗(yàn)證評(píng)估的全流程，提供一站式服務(wù)。
• 性能仿真工具（Simumax）：自主研發(fā)的Simumax工具面向超大規(guī)模集群自動(dòng)搜索最優(yōu)并行策略，精準(zhǔn)模擬FP8混合精度訓(xùn)練與算子融合，為DeepSeek等模型縮短訓(xùn)練周期提供科學(xué)依據(jù)。
• 高效Checkpoint：針對(duì)大模型穩(wěn)定性難題，創(chuàng)新CheckPoint加速方案利用RDMA技術(shù)，將百GB級(jí)備份恢復(fù)時(shí)間從數(shù)分鐘壓縮至1秒，提升GPU有效算力利用率。

通過夸娥計(jì)算集群，摩爾線程將單點(diǎn)的GPU性能優(yōu)勢(shì)，成功擴(kuò)展到了千卡、萬卡乃至更大規(guī)模的集群層面，構(gòu)建起了一個(gè)真正具備強(qiáng)大“生產(chǎn)力”的AI超級(jí)工廠。并且通過實(shí)測(cè)，KUAE 2大規(guī)模智算集群，在不同架構(gòu)模型的MFU，已經(jīng)達(dá)到了行業(yè)領(lǐng)先水平。

零中斷容錯(cuò)技術(shù)：超級(jí)工廠的“安全生產(chǎn)協(xié)議”

對(duì)于一個(gè)需要7×24小時(shí)不間斷運(yùn)行的AI超級(jí)工廠來說，穩(wěn)定性壓倒一切。一次意外的宕機(jī)，可能意味著數(shù)百萬美元的損失和數(shù)周工作的付諸東流。因此，摩爾線程開發(fā)了獨(dú)有的“零中斷容錯(cuò)技術(shù)”，這是保障工廠穩(wěn)定運(yùn)行的“安全生產(chǎn)協(xié)議”。

傳統(tǒng)的容錯(cuò)機(jī)制，在硬件（如GPU卡）發(fā)生故障時(shí)，需要暫停整個(gè)訓(xùn)練任務(wù)，人工替換硬件，再從最近的Checkpoint恢復(fù)，整個(gè)過程耗時(shí)耗力。而摩爾線程的零中斷技術(shù)則完全不同：

• 零中斷容錯(cuò)技術(shù)：當(dāng)某個(gè)節(jié)點(diǎn)變慢或出現(xiàn)故障時(shí)，僅隔離受影響節(jié)點(diǎn)組，其余節(jié)點(diǎn)繼續(xù)訓(xùn)練，備機(jī)無縫接入，全程無中斷。這一方案使KUAE集群有效訓(xùn)練時(shí)間占比超99%，大幅降低恢復(fù)開銷。
• 多維度訓(xùn)練洞察：通過多維度的數(shù)據(jù)監(jiān)控和AI預(yù)測(cè)模型，系統(tǒng)能夠提前感知到哪些節(jié)點(diǎn)可能會(huì)成為“慢節(jié)點(diǎn)”，并進(jìn)行預(yù)警或隔離，實(shí)現(xiàn)動(dòng)態(tài)監(jiān)測(cè)與智能診斷，異常處理效率提升50%；
• 集群自檢及調(diào)度優(yōu)化：在訓(xùn)練任務(wù)開始前，系統(tǒng)會(huì)自動(dòng)對(duì)整個(gè)集群進(jìn)行“體檢”，確保所有軟硬件都處于最佳狀態(tài)，如同飛機(jī)起飛前的安全檢查，訓(xùn)練成功率提高10%，為大規(guī)模AI訓(xùn)練提供穩(wěn)定保障。

總結(jié)來看，上述的五大要素，即全功能GPU、MUSA架構(gòu)、全棧軟件、KUAE集群、零中斷容錯(cuò)技術(shù)，共同構(gòu)成了摩爾線程的AI超級(jí)工廠。

它是一個(gè)有機(jī)的整體，從芯片設(shè)計(jì)的最底層到集群管理的最上層，環(huán)環(huán)相扣，協(xié)同進(jìn)化。正是這個(gè)完整的、端到端的體系，才造就了文章開頭的性能表現(xiàn)。

那么接下來的一個(gè)問題是：

為什么要造AI超級(jí)工廠？

這個(gè)問題的答案，或許植根于摩爾線程對(duì)計(jì)算革命過去、現(xiàn)在與未來的深刻洞察。

十年前，以人臉識(shí)別、自動(dòng)駕駛為代表的“感知AI”大爆發(fā)，催生了第一批AI巨頭。而從2022年ChatGPT橫空出世至今，我們正處在“生成式AI”的指數(shù)級(jí)爆發(fā)期。

大模型的“智商”迭代速度令人咋舌，從去年還在人類平均水平的四五十分，到如今頂尖模型已經(jīng)飆升至七八十分，直逼人類頂尖水準(zhǔn)。

模型的迭代速度，也從過去的數(shù)月一更，壓縮到如今的數(shù)周甚至每周一更。這場(chǎng)競(jìng)賽的背后，驅(qū)動(dòng)力只有一個(gè)——算力。

正如馬斯克能夠憑借其20萬張H100，讓Grok模型在短時(shí)間內(nèi)登頂排行榜，這殘酷地揭示了一個(gè)事實(shí)：Scaling Law是AI發(fā)展的鐵律。

誰擁有更大、更強(qiáng)的算力基礎(chǔ)設(shè)施，誰就能更快地迭代模型，搶占技術(shù)和市場(chǎng)的制高點(diǎn)。

而展望未來五年，Agentic AI（智能體AI）和空間智能將成為新的爆發(fā)點(diǎn)。AI將不再僅僅是聊天的工具，而是成為可以自主完成復(fù)雜任務(wù)的“數(shù)字員工”，并與物理世界深度融合。

這一切，都意味著對(duì)算力的需求將再次呈幾何級(jí)數(shù)增長(zhǎng)。在這樣的大背景下，僅僅滿足于當(dāng)下的計(jì)算能力是遠(yuǎn)遠(yuǎn)不夠的，必須為未來更加龐大的計(jì)算需求做好準(zhǔn)備。

面對(duì)永無止境的算力需求，僅僅追求“快”是片面的。未來的計(jì)算，更需要的是全方位的“穩(wěn)”——穩(wěn)定、可靠、高效、通用。

這正是建設(shè)AI超級(jí)工廠的根本原因。

訓(xùn)練一個(gè)萬億參數(shù)的大模型，好比建造一座港珠澳大橋，是一項(xiàng)極其復(fù)雜的系統(tǒng)工程。它對(duì)基礎(chǔ)設(shè)施的要求，堪比建造一座芯片晶圓廠。

你不能指望靠“人海戰(zhàn)術(shù)”，找十億個(gè)兒童去抬起一棟大樓；同樣，你也不能簡(jiǎn)單地將一萬張低效的顯卡堆在一起，就期望能訓(xùn)練出高質(zhì)量的大模型。

這個(gè)過程充滿了挑戰(zhàn)，例如在成本方面，一次大規(guī)模訓(xùn)練動(dòng)輒耗費(fèi)數(shù)月和數(shù)百萬美元，任何中斷或失敗都是巨大的損失。

再如面對(duì)復(fù)雜的系統(tǒng)，上千個(gè)節(jié)點(diǎn)、上萬顆芯片如何高效通信、同步？軟件和硬件如何完美適配？又該如何快速定位和解決問題？

還有在實(shí)際應(yīng)用過程中，往往任務(wù)又是多樣性的：今天訓(xùn)練語言模型，明天可能就要處理多模態(tài)數(shù)據(jù)，后天又要進(jìn)行科學(xué)計(jì)算……

這些挑戰(zhàn)，都無法通過購買單一的“最快芯片”來解決。它需要一個(gè)從底層硬件到上層軟件，再到集群管理和運(yùn)維服務(wù)的端到端解決方案。

這恰恰是摩爾線程“AI超級(jí)工廠”的核心價(jià)值所在——它提供的不是孤立的算力，而是一種確定性的、高效率的、高成功率的AI模型生產(chǎn)能力。

總而言之，摩爾線程選擇了一條最艱難，但可能也是最正確的道路。他們沒有滿足于在某個(gè)單點(diǎn)上追趕或超越，而是立足于未來，從根本上思考如何為這個(gè)時(shí)代提供最先進(jìn)的“生產(chǎn)力工具”。

這，就是摩爾線程給出的答案，一個(gè)不止于快，更關(guān)乎未來的答案。