跳到主要内容

6 篇博文 含有标签「MTT S5000」

摩尔线程 MTT S5000 全功能 GPU

查看所有标签

摩尔线程 MTT S5000：国产全功能 GPU 往训练主战场迈出的关键一步

· 阅读需 3 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

摩尔线程的 MTT S5000 是国产 GPU 阵营里少见的"全功能"路线产品——图形渲染与 AI 计算共用一套 MUSA 架构，而不是只做 AI 的 ASIC。本文基于 MTT S5000 卡片，看它的规格成色和训练场景的适配边界。

规格速览​

项目参数
架构第四代 MUSA（平湖）
芯片PH100
FP8 算力1000 TFLOPS（稠密）
BF16 算力400 TFLOPS
显存80 GB
显存带宽1.6 TB/s
互联MTLink 784 GB/s
TDP500W

三个值得注意的点：

FP8 稠密 1000 TFLOPS 是它的旗舰信号。上一代 MTT S4000 还停留在 BF16 时代，S5000 直接把 FP8 稠密算力拉到 1000 TFLOPS、BF16 400 TFLOPS——意味着它瞄准的是大模型训练的主战场，而不只是推理和图形。

80GB + 1.6 TB/s 是训练够用的底子。80GB 显存可以容纳 7B 级模型的全量训练、更大模型的 ZeRO 切分；1.6 TB/s 带宽在国内 GDDR6/HBM 混合方案里属于第一梯队。

MTLink 784 GB/s 决定了它的集群上限。训练卡的真正天花板从来不是单卡算力，而是卡间互联。784 GB/s 的 MTLink 支持多卡组网，但与 NVLink 900 GB/s（H20）乃至更高带宽的旗舰方案相比，超大规模集群的扩展效率仍需实测数据验证。

和上一代比：跨了一大步​

从 S4000 到 S5000，摩尔线程完成了架构代际切换（进入第四代 MUSA 平湖）和算力精度升级（补齐 FP8）。对国产 GPU 而言，"全功能 + FP8 训练"这个组合此前只有规划图，S5000 把它变成了可采购的产品。结合公司层面的进展——Q3 财报单季扣非转正、十万卡级别集群方案落地（详见 Q3 财报季汇总）——S5000 是这轮国产 GPU 叙事里成色较硬的一环。

训练场景适配判断​

  • ✅ 中大规模模型的国产化训练试点：FP8 + 80GB + MTLink 的组合，配合 MUSA 软件栈，适合愿意投入适配的团队做训练侧验证。
  • ✅ 训推/图形混合负载：全功能架构让同一批卡可以兼顾渲染、推理与训练，适合业务多元的机构。
  • ⚠️ 超大规模集群：MTLink 带宽与生态成熟度决定了它目前在千卡级以上集群的效率仍需谨慎评估，建议以实际模型做 benchmark 再下结论。
  • ⚠️ CUDA 迁移成本：MUSA 与 CUDA 的兼容层能覆盖主流框架，但长尾算子与调优经验仍是隐性成本，选型时要把迁移工时算进总成本——用 TCO 计算器 拉平后再比较。

一句话总结​

MTT S5000 的意义大于它的跑分：它证明国产全功能 GPU 能进入 FP8 训练主场。单卡竞争力仍与 B200 这类旗舰有代差（对比见 B200 卡片），但在"有货、可买、生态在补"的国产算力供给侧，它是绕不开的一个选项。

更多背景可读 AI 算力卡指南，或在 全库对比表 里把它与 S4000、昇腾 910C 等放在一起对齐口径比较。

摩尔线程 Q3 扣非转正：国产 GPU 第一次在主业上赚到钱

· 阅读需 3 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

财报要点​

10 月 28 日晚，摩尔线程（688795.SH）交出上市后首份单季扣非盈利的财报：

指标2026 Q3备注
营业收入15.52 亿元同比 +1773.9%，环比 +55.4%
归母净利润4,926 万元同比扭亏
扣非净利润2,007 万元单季主业首次转正
前三季度营收32.89 亿元同比 +319.1%
前三季度扣非-1.31 亿元累计仍亏，Q3 无法覆盖上半年缺口
经营现金流-33.09 亿元前三季度净流出

公司此前给市场的指引是 2027 年实现盈利，本季直接把盈利时间表提前了一年多。

增长的三台发动机​

S5000 智算产品放量。 财报将增长归因于「以 MTT S5000 为代表的智算产品加速落地」。无锡惠山 2,000 卡集群 10 月满载、中国移动移动云顺义节点部署、PD 分离异构推理方案承接头部模型厂商真实 Token 流量——S5000 已经进入生产环境而非 POC 阶段。

客户结构变化。 收入来源包括互联网及云服务商、Token 服务商、AI 创新企业、运营商与智算中心。9 月与京东云宣布合作建设十万卡全功能 GPU 集群，是国内全功能 GPU 迄今最大规模的采购意向之一。

研发进入兑现期。 Q3 研发投入 5.71 亿元（同比 +87.9%），前三季度 13.4 亿元已超 2025 全年；围绕新一代「花港」架构的研发正在加速。

硬币的另一面：现金流与存货​

扣非转正的成色需要用现金流检验：

  • 存货 33.63 亿元，较上年末 +152%，已超过前三季度营收
  • 预付款项 25.99 亿元（+45%）、应收账款 9.94 亿元（+129%）
  • 货币资金 53.9 亿元，较上年末 -41%

这是典型的「战略性备货」特征：HBM 与代工产能紧缺，国产厂商必须提前锁产能。毛利率 56.95%（2026 H1）在国产 GPU 中居第一梯队，与沐曦（57.2%）、寒武纪（55.3%）接近——问题不在单位经济模型，而在交付节奏。

行业坐标：IDC 份额与非 GPU 拐点​

据路透转引的 IDC 数据，2026 上半年中国 AI 加速器市场：英伟达 33.8%、华为 28.5%，摩尔线程 2.8%、沐曦 1.3%、天数智芯 0.4%。更结构性的信号是：非 GPU 加速器出货量首次超过 GPU，GPU 整体出货同比下降 26%，华为、平头哥、昆仑芯、寒武纪四家合计占非 GPU 市场约 95%。

结语​

摩尔线程单季扣非转正是国产 GPU 商业化的里程碑，但前三季度累计扣非仍亏、经营现金流 -33 亿元说明公司仍处于「用现金换交付」的扩张期。国产替代的渗透曲线才刚起势，交付能力而非纸面算力，才是下一个分水岭。

摩尔线程 MTT S5000 出货与生态最新进展

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

国产 GPU 厂商中，摩尔线程是 2026 年上半年财报最亮眼的一家。据其 2026 年半年度报告，MTT S5000 智算集群已实现规模化销售，营收 17.36 亿元、同比增长 147.42%，这一数字已超越 2025 年全年的 15.06 亿元。规模化的信号不是发布PPT，而是在无锡的智算中心投运两个多月就接近满载。

财务与出货：规模化销售的最硬证据​

据公开报道，摩尔线程 2026 年上半年实现营业收入 17.36 亿元，同比增长 147.42%；毛利总额 9.89 亿元，同比增长 103.78%，整体毛利率 56.95%；归属于上市公司股东的净利润为 -1156.31 万元，较上年同期 2.71 亿元的亏损大幅收窄 95.73%；扣非净利润 -1.51 亿元，亏损收窄 52.37%。

关键的一句话在半年报里：旗舰级 AI 训推一体智算卡 MTT S5000（PH100 芯片）智算集群已实现规模化销售，并在北京、无锡、杭州等多地完成部署与交付，且首批通过国家《安全可靠测评》。

指标2026 年上半年2025 年全年同比
营业收入17.36 亿元15.06 亿元+147.42%
毛利总额9.89 亿元—+103.78%
整体毛利率56.95%——
归母净利润-1156.31 万元—亏损收窄 95.73%
扣非净利润-1.51 亿元—亏损收窄 52.37%

这组数字的含义需要放在国产算力的语境里理解：国产 GPU 长期被质疑"只能做政府试点、无法支撑生产负载"。营收超过上年全年、亏损收窄 95%，意味着 S5000 正在从验证走向可重复的集群交付。

无锡智算中心：两个多月接近满载​

最有说服力的单一案例来自无锡。据报道，摩尔线程在无锡惠山区建设的 AI 算算中心于 2026 年 6 月 11 日投运，一期运行 2000 张 MTT S5000，搭建在摩尔线程自研的夸娥（KUAE）智算集群系统之上，投运一个多月后利用率接近满载。

该中心已有 20 多家客户在测试或使用集群，包括中国头部高校、国家实验室、科研院所与 AI 初创企业，其中无锡本地用户占比近半。基于该中心算力资源落地的 AI 智能体应用已有六类，涵盖政务、医疗、教育、芯片设计等场景——医疗领域无锡惠山区人民医院与南京邮电大学合作部署了近 30 个临床辅助模型；教育领域华东师范大学启创平台集成了 300 多个教育 AI 智能体；EDA 领域芯华章利用该算力加速低功耗无线芯片的端到端设计。摩尔线程副总裁方朝霞表示，目标规模是迈向万卡级算力。

训练与生态：国芯训国模的成果​

据公开报道，在 2026 年 9 月 3 日的半年度业绩说明会上，摩尔线程董事长、总经理张建中表示，公司基于 MTT S5000 智算集群已完成 MoE-236B 超大参数基础大模型从零训练，并完成智源具身大脑模型 RoboBrain 2.5、5D 世界模型 EvoPhys-World 等前沿模型的全流程训练。

这一成果的量级需要留意：MoE-236B 的语料超过 25 万亿 Token，是从零起步完整训练的；北大 EvoPhys 团队则在 S5000 全功能 GPU 上完成了 5D 世界模型 EvoPhys-World 的全栈原生训练。摩尔线程联合创始人张钰勃进一步介绍，公司已打通具身智能从合成数据生成、大模型训练、仿真验证到端侧硬件部署的完整链路。

产品侧的三个动作值得关注：MTT C256 超节点架构规划采用计算与交换一体化的高密设计，服务万卡乃至十万卡级训练与推理集群；PD（Prefill-Decode）异构分离方案把高算力需求的 Prefill 计算池（S5000）与高带宽的 Decode 生成池分池部署，支持 KV Cache FP8 与 1M 超长上下文；此外摩尔线程联合中国移动研究院、之江实验室等产业伙伴，通过 OISA 协同创新平台正式发布了《OISA 高密超节点参考设计技术规范》。

需要注意的约束​

规模化的另一面是产能瓶颈。据公开报道的行业调研，S5000 在阿里仅有少量采购测试，字节做了小规模灰度测试（几百片），原因是客户担忧量产后供应；2026 年 4-5 万卡的出货目标仍可能有之江实验室、运营商及地方算力平台项目支撑。此外，高阶双带版本尚未量产，主要卡在双带性能和带间互联指标，需重新流片优化；S6000 目前未回片，预计 2026 年底提供小批量样品。

生态侧也有坦率之处：S5000 尚未发布足够多的独立复现基准，官方性能指标多为厂商声明。同时 PD 异构分离方案中的 Decode 池使用国际主流 GPU，这说明纯国产方案在长上下文解码环节仍有工程缺口。

研判​

摩尔线程 2026 年上半年交出的答卷，是国产 GPU 商业化进程中少见的硬数据：营收翻倍以上、集群接近满载、模型训练跑通闭环、拿到安全可靠测评。但从投资与采购视角看，仍有三个问题待解：营收集中度与复购比例尚未披露、产能是否支撑 4-5 万卡的年度目标、以及 S6000 回片后能否补上 HBM 容量短板。

《OISA 高密超节点参考设计技术规范》的发布是一个容易被忽视的信号——摩尔线程正在从卖卡转向输出系统标准，这与昇腾走超节点架构、百度走天池超节点是同一方向。国产算力的竞争维度，已经从单卡参数转向系统与标准的话语权争夺。

摩尔线程双线作战：MTT S5000 智算卡与"庐山"图形 GPU 的AI+游戏并举

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

当多数国产 AI 芯片公司all in 大模型算力时，摩尔线程依然坚持"两条腿走路"：一手是 MTT S5000 智算卡撑起的夸娥万卡集群，一手是瞄准 3A 游戏的"庐山"图形 GPU。9 月初的半年度业绩说明会给出了两条线的最新坐标——这条"AI+游戏"并举的路线，正在从权宜之计变成差异化壁垒。

一、MTT S5000：平湖架构的训推一体旗舰​

MTT S5000 基于第四代 MUSA"平湖"架构，搭载 PH100 芯片、4096 个自研 MUSA Core，2025 年 2 月公开参数。核心规格如下：

项目参数
架构MUSA 第四代（平湖），PH100 芯片
显存80 GB（颗粒类型官方未公开）
显存带宽1.6 TB/s
FP8 稠密算力1000 TFLOPS（液冷版）/ 920 TFLOPS（风冷版）
BF16/FP16400 TFLOPS
FP32100 TFLOPS
INT8800 TOPS
互联MTLink 784 GB/s（8 卡节点内全互联）
TDP500 W（市场口径）
形态OAM / PCIe，液冷 + 风冷双版本
单价~$4000–6000（OAM）

几点澄清值得注意：其一，"单卡 AI 稠密算力 1000 TFLOPS"特指 FP8 精度（液冷版），并非 FP16；其二，80GB 显存的颗粒类型官方从未公布，市场流传的"GDDR6X"说法与 1.6 TB/s 带宽自相矛盾，本站已订正为"类型未公开"；其三，S5000 配备硬件级 FP8 Tensor Core，支持 FP8→FP64 全精度，并已基于 FP8 完成 DeepSeek-V4 的 Day-0 适配。加上《安全可靠测评结果公告（2026 年第 2 号）》的通过——AI 训推芯片首次纳入该体系——S5000 同时拿到了信创市场的入场券。

二、万卡落地：夸娥集群与京东云合作​

S5000 的成色，最终要靠集群说话。基于夸娥（KUAE）万卡智算集群的实测数据：

指标实测值
集群算力10 EFLOPS
Dense 大模型训练 MFU60%
MoE 大模型训练 MFU40%
训练线性扩展效率95%（64 卡→1024 卡保持 90%+）
有效训练时间占比>90%
第三方对齐智源 RoboBrain 2.5 与 H100 集群 loss 差异仅 0.62%

95% 的线性扩展效率背后是 ACE 异步通信引擎——把通信任务从计算核心卸载，实现计算与通信零冲突并行。商业侧，2026 年 3 月签下 6.6 亿元夸娥集群订单；软件侧，MiniMax M3、智谱 GLM-5.2、阿里 Qwen3.5、美团万亿参数 LongCat-2.0 相继完成 Day-0 适配。最关键的落地信号来自 9 月 19 日：京东云与摩尔线程合作的万卡级集群已部署上线服务——从"能跑通"到"规模化服务外部客户"，国产 GPU 集群跨过了商用验证的分水岭。随后的数贸会（9 月 23–27 日，杭州）上，摩尔线程集中展示了 AI 智算卡、万卡级集群，以及"模型训练工厂、词元生产工厂、智能体生产工厂"三层能力，产品覆盖云-边-端全场景。

三、"庐山"GPU：从兼容显卡到渲染范式革命​

图形产品线上，9 月 3 日半年度业绩说明会披露了新一代"庐山"GPU 的指标——基于花港架构，预计 2026 年底推出：

  • 3A 游戏渲染性能提升 15 倍；
  • 光线追踪性能提升 50 倍；
  • AI 性能提升 64 倍。

比倍数更重要的是两项渲染技术的组合：一是硬件光线追踪，原生支持 DirectX Raytracing，让国产 GPU 第一次在光追管线层面与主流标准对话；二是AI 生成式渲染 AGR，基于全自研 MTAGR 1.0，把渲染范式从"逐像素计算"推向"生成"——用 AI 直接生成画面内容，而非暴力算出每个像素。前者补齐了传统管线的硬件短板，后者则是在渲染范式切换窗口期的卡位：当英伟达 DLSS、AMD FSR 都在走向 AI 化时，AGR 让摩尔线程有机会在下一代渲染标准里占据一席，而不是永远追赶。

四、游戏反哺 AI：双架构复用的独特路线​

把两条产品线放在一起看，摩尔线程的打法浮现出独特逻辑：图形与 AI 共享同一套 MUSA 架构底座——SIMT 核心、张量单元、光追核心、统一软件栈全部复用。游戏 GPU 的价值因此不只是营收 diversification：海量游戏场景是最好的架构压力测试与现金流来源，图形侧打磨的调度、显存与光速能力，反向反哺 AI 卡的通用计算质量；而 AI 业务积攒的先进制程流片经验，又拉高图形芯片的天花板。

已登陆科创板的摩尔线程，如今可以用上市平台的融资能力同时养两条产品线。这与纯 AI 芯片公司"单点押注大模型"的路线形成鲜明对比——在国产算力需求旺盛但波动性尚存的市场里，双线作战既是对冲，也是壁垒。

小结​

摩尔线程的 2026 年验证了"全功能 GPU"路线的可行性：MTT S5000 以 FP8 稠密 1000 TFLOPS、80GB 显存撑起夸娥万卡集群，并通过京东云万卡级集群部署完成了规模化商用验证；"庐山"GPU 则以硬件光追与 AI 生成式渲染 AGR 完成了从"国产兼容显卡"到"渲染范式探索者"的技术跃迁。图形+AI 双架构复用的独特路线，让摩尔线程在国产 AI 芯片阵营中占据了一个难以复制的生态位。2026 年底"庐山"如期推出与否，将是这条双线故事的下一次大考。

国产GPU上市潮：四小龙资本市场集结，摩尔线程MTT S5000对标H100

· 阅读需 5 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

从 2025 年 12 月到 2026 年 7 月，短短半年，至少 6 家 AI 芯片企业登陆或即将登陆资本市场。加上已上市的寒武纪、海光信息、天数智芯，国产 GPU 军团总市值正逼近 2 万亿元。这标志着国产 GPU 从"能用"迈向"好用"的关键爬坡期。

1. "四小龙"资本市场集结​

企业上市状态拟募资 / 发行价保荐机构
摩尔线程已上市（科创板 sh688795，2025-12-05）发行价 114.28 元，募资 80 亿元中信证券
沐曦股份IPO 受理（2026-06-30）39.04 亿元（投资总额 50 亿元）华泰联合
燧原科技过会（2026-06-15）60 亿元—
壁仞科技港股 / 冲刺中——

已上市阵营：寒武纪（sh688256，2020-07-20 科创板）、海光信息、天数智芯（港股）。摩尔线程一季度实现账面盈利 2,935 万元，沐曦亏损收窄 57.7% 并给出 2026 年盈亏平衡时间表。

2. 摩尔线程 MTT S5000：对标 H100​

摩尔线程宣布旗舰 AI 训推一体 GPU MTT S5000 成功完成智谱新一代大模型 GLM-5 全流程适配验证，实测性能"突破国产算力天花板"：

指标MTT S5000
架构第四代"平湖"架构
FP8 算力1 PFLOPS（1,000 TFLOPS）
显存带宽1.6 TB/s
定位训推一体全功能 GPU，对标 NVIDIA H100
量产状态已规模量产，集群已上线支持万亿参数训练

落地验证：联合智源研究院完成具身大脑模型 RoboBrain 2.5 全流程训练；联手硅基流动实现 DeepSeek-V3 高性能推理，单卡速度接近国际顶尖产品。募投资金投向三大方向：新一代 AI 训推一体芯片、新一代图形芯片、新一代 AI SoC 芯片。

WAIC 2026 新进展：摩尔线程展出 MTT C256 超节点（首创一层 Scale-up 256 卡全互联、亚微秒级时延）与"模型训练工厂 / 词元生产工厂 / 智能体生产工厂"三大 AI 工厂方案；公司预告 2026 年上半年营收 16.5–17.5 亿元，同比增 135%–149%。

3. 寒武纪：思元590/690 双旗舰​

芯片制程算力显存客户 / 状态
思元590（MLU590）7nm ChipletINT8 512 TOPS / FP16 345 TFLOPS96 GB HBM2e字节推理主力，综合性能约 A100 的 80%，2026 初规模出货
思元690（MLU690）5nm 级（中芯 N+2）FP16 700+ TFLOPS / INT8 2800+ TOPS196 GB HBM3（带宽 3.35 TB/s）双 die 封装、MLU-Link 890 Gbps；对标 H100 约 70%（纯推理 80–90%）；字节为最大客户，2026 初量产

寒武纪是国内唯一"端边云统一架构"AI 芯片厂商，统一 MLU 指令集覆盖思元 220（端）→ 370（边）→ 590/690（云），同一套 NeuWare 工具链跨算力层级部署。

资本与业绩双爆发：寒武纪 2026 年 6 月 30 日总市值突破万亿元，成为科创板首支"万亿股"，年内涨幅超 75%。业绩层面，2026 Q1 营收 28.85 亿元（同比 +160%）、扣非净利 9.34 亿元；2025 全年营收 64.97 亿元（同比 +453%）、归母净利 20.59 亿元，终结长期亏损。字节跳动累计部署超 10 万张思元 590/690，为最大客户。

4. DeepSeek-V4 效应：改变预期坐标系​

2026 年 4 月 24 日，DeepSeek 发布万亿参数旗舰 DeepSeek-V4。与一年前 V3 发布时"国产芯片能不能跑大模型"的争论不同，这次华为昇腾、寒武纪、海光、沐曦、摩尔线程、昆仑芯、平头哥、天数智芯等多家国产芯片在发布当天即完成适配。

评判坐标系正在改变：从"性能达到英伟达同代产品的百分之多少"，转向"能不能承接头部大模型的真实工作负载"。

产业解读​

  1. 资本弹药到位：密集 IPO 为国产 GPU 的研发迭代与产能扩张提供充足资金，从"技术突破"迈向"商业正循环"。
  2. 训推一体成主流路线：摩尔线程走全功能 GPU 路线（图形+AI+通用计算），与华为昇腾"专注 AI"形成差异化。
  3. 软件生态是胜负手：Day-0 适配、统一软件栈（MUSA / NeuWare / MXMACA）的成熟度，正取代单纯的峰值算力，成为国产 GPU"好用"的核心标尺。

相关链接​

参考资料​

本文持续跟踪国产 GPU 上市进程与产品迭代。

国产 AI 芯片三巨头对比（2026）：昇腾、寒武纪、摩尔线程，谁是中国版 H100？

· 阅读需 8 分钟
Charles Qing
AI Hardware Analyst

在美国对华芯片出口管制背景下，中国 AI 芯片市场正在形成"三足鼎立"格局。本文将深度对比华为昇腾、寒武纪 MLU、摩尔线程 MTT 三大国产 AI 芯片厂商的技术路线、产品规格、软件生态和商用进展。

核心要点​

  • 华为昇腾：国产 AI 训练芯片领导者，昇腾 950 已量产，软件生态最成熟
  • 寒武纪 MLU690："中国版 H100"，算力接近 H200，能效比优势明显
  • 摩尔线程 MTT S5000：全功能 GPU 路线，2026 年 6 月实现对 Qwen3.5、GLM-5.2 的 Day-0 适配
  • 共同挑战：受美国出口管制影响，主要面向中国市场，国际市场受限

一、厂商概览​

厂商成立创始人上市2025 营收主要客户
华为昇腾2018（部门）任正非未上市（华为全资）~¥20B（估算）中国政府、国企、军工
寒武纪2016陈天石（中科院）2020-07（科创板 688256）~¥5.2B字节跳动、阿里、百度
摩尔线程2020张建中（原 NVIDIA 中国）2023-12（科创板 688495）~¥1.5B（估算）政府、国企、游戏公司

战略定位差异​

厂商技术路线核心优势主要挑战
华为昇腾AI 训练专用（Da Vinci 架构）软硬件协同优化、运营商渠道受美国制裁，制程受限
寒武纪AI 训练专用（MLUarch 架构）能效比高、价格有竞争力软件生态成熟度不足
摩尔线程全功能 GPU（MUSA 架构）图形 + AI 通用计算、Day-0 适配算力不及专用 AI 芯片

二、旗舰产品对比​

1. 华为昇腾 950DT（2026 年旗舰）​

项目参数
BF16 算力1,000 TFLOPS
显存144GB HiZQ 2.0（自研 HBM）
显存带宽4 TB/s
TDP400W
制程N+2（7nm 改进版）
发布2026-04
量产2026-Q2
单价~¥80,000（估算）

关键优势：

  • ✅ 大模型推理吞吐量高：128GB 大显存，对 DeepSeek R1（671B MoE）友好
  • ✅ 软件生态最成熟：CANN 算子覆盖率 ~85%，支持 PyTorch、TensorFlow
  • ✅ 运营商渠道强：中国移动、中国电信大规模采购

关键劣势：

  • ❌ 制程受限：N+2 性能不及 TSMC 4nm
  • ❌ 能效比一般：400W TDP，能效比 2.5 TFLOPS/W

2. 寒武纪 MLU690（2026 年旗舰）​

项目参数
BF16 算力600 TFLOPS
显存64GB HBM3
显存带宽2 TB/s
TDP280W
制程TSMC 7nm
发布2025-Q4
量产2026-Q1
单价~¥140,000（估算）

关键优势：

  • ✅ 能效比最高：280W TDP，能效比 2.14 TFLOPS/W（H100 的 1.5 倍）
  • ✅ 价格有竞争力：~$20,000，比 H100 便宜 33%
  • ✅ 已获得头部客户订单：字节跳动、阿里、百度

关键劣势：

  • ❌ 显存容量小：64GB 限制大模型训练规模
  • ❌ 软件生态不成熟：NeuWare 算子覆盖率 ~75-85%，复杂 LLM 需要手工优化

3. 摩尔线程 MTT S5000（2025 年旗舰）​

项目参数
FP16 算力~1,000 TFLOPS（推测）
显存80GB GDDR6X
显存带宽1.6 TB/s
TDP~350W
制程TSMC 4nm（推测）
发布2025-02
量产2025-Q2
单价~¥50,000（估算）

关键优势：

  • ✅ 全功能 GPU：图形 + AI + 通用计算，应用场景更广
  • ✅ Day-0 适配能力强：2026 年 6 月实现对 Qwen3.5、GLM-5.2、MiniMax M3 的 Day-0 适配
  • ✅ 价格最低：~¥50,000，性价比高

关键劣势：

  • ❌ 算力不及专用 AI 芯片：FP16 算力约为 H100 的 50%
  • ❌ 显存带宽低：1.6 TB/s（H100 的 48%），限制大模型训练性能

三、算力对比（BF16/FP16）​

芯片BF16 算力显存显存带宽TDP能效比
华为昇腾 950DT1,000 TFLOPS144GB4 TB/s400W2.5 TFLOPS/W
寒武纪 MLU690600 TFLOPS64GB2 TB/s280W2.14 TFLOPS/W
摩尔线程 MTT S5000~1,000 TFLOPS80GB1.6 TB/s~350W~2.86 TFLOPS/W
NVIDIA H100989 TFLOPS80GB3.35 TB/s700W1.41 TFLOPS/W
NVIDIA H200989 TFLOPS141GB4.8 TB/s700W1.41 TFLOPS/W

关键洞察：

  1. 华为昇腾 950DT 算力最高（1,000 TFLOPS），但能效比一般
  2. 寒武纪 MLU690 能效比最高（2.14 TFLOPS/W），TDP 仅 280W
  3. 摩尔线程 MTT S5000 全功能优势，但显存带宽低

四、软件生态对比​

厂商软件栈框架支持算子覆盖率成熟度
华为昇腾CANNPyTorch, TensorFlow, MindSpore~85%⭐⭐⭐⭐ (4/5)
寒武纪NeuWarePyTorch-Cambricon, TensorFlow-Cambricon~75-85%⭐⭐⭐ (3/5)
摩尔线程MUSIFYPyTorch, TensorFlow, ONNX~70%⭐⭐⭐ (3/5)
NVIDIACUDA全支持~99%⭐⭐⭐⭐⭐ (5/5)

软件生态成熟度评估​

华为昇腾 CANN：

  • ✅ 优势：算子覆盖率最高，支持 MindSpore（自研框架）
  • ❌ 劣势：学习曲线陡峭，文档不完整

寒武纪 NeuWare：

  • ✅ 优势：兼容 PyTorch、TensorFlow，迁移成本低
  • ❌ 劣势：复杂 LLM 模型需要手工优化

摩尔线程 MUSIFY：

  • ✅ 优势：Day-0 适配能力强，支持 ONNX
  • ❌ 劣势：算子覆盖率最低，图形 + AI 双引擎复杂度高

五、商用进展对比​

厂商2026 年商用进展主要客户出货量
华为昇腾昇腾 950 量产，中国移动大规模采购中国移动、中国电信、政府~100K 片/年（估算）
寒武纪MLU690 量产，字节跳动、阿里采购字节跳动、阿里、百度~50K 片/年（估算）
摩尔线程MTT S5000 量产，Day-0 适配 Qwen3.5政府、国企、游戏公司~30K 片/年（估算）

2026 年 6 月最新动态​

华为昇腾：

  • ✅ 昇腾 950DT 全面放量
  • ✅ 与中国移动签署 10 亿元采购协议

寒武纪：

  • ✅ MLU690 量产出货
  • ✅ 字节跳动采购 ~20K 片

摩尔线程：

  • ✅ 完成对 Qwen3.5、GLM-5.2、MiniMax M3 的 Day-0 适配
  • ✅ MTT S5000 第二代发布

六、选型建议​

场景 1：万亿参数训练（GPT-4 级）​

推荐：华为昇腾 950DT

理由：

  • ✅ 144GB 大显存，支持超大规模模型训练
  • ✅ 软件生态最成熟，算子覆盖率 ~85%
  • ✅ 运营商渠道强，获中国政府支持

备选：寒武纪 MLU690（能效比高，但显存容量小）

场景 2：百亿-千亿参数训练​

推荐：寒武纪 MLU690

理由：

  • ✅ 能效比最高（2.14 TFLOPS/W），TCO 低
  • ✅ 价格有竞争力（~$20,000）
  • ✅ 已获得头部客户（字节、阿里）验证

备选：华为昇腾 920（算力更强，但能效比一般）

场景 3：AI 推理（云端）​

推荐：华为昇腾 950PR（推理专用）

理由：

  • ✅ 推理性能优化好，实际吞吐量高
  • ✅ 128GB 大显存，对 MoE 模型友好
  • ✅ 软件栈成熟，部署成本低

备选：摩尔线程 MTT S5000（全功能 GPU，推理 + 图形）

场景 4：边缘 AI / 端侧推理​

推荐：摩尔线程 MTT S5000

理由：

  • ✅ 全功能 GPU，支持图形 + AI
  • ✅ 价格最低（~¥50,000）
  • ✅ Day-0 适配能力强

备选：华为昇腾 310（低功耗，8W TDP）

场景 5：国产化替代项目（政府、国企）​

推荐：华为昇腾 950DT

理由：

  • ✅ 中国政府首选，运营商大规模采购
  • ✅ 软硬件协同优化，性能稳定
  • ✅ 获得国家大基金支持

备选：寒武纪 MLU690（能效比高，价格有竞争力）

七、未来路线图​

厂商2026 H220272028
华为昇腾950DT 放量960（FP8 ~2 PFLOPS）970（N+3 制程）
寒武纪MLU690 放量MLU790（5nm，BF16 ~1,000 TFLOPS）MLU890（3nm）
摩尔线程MTT S5000 第二代MTT S6000（HBM3，FP16 ~1,500 TFLOPS）MTT S7000

八、总结：谁是中国版 H100？​

维度华为昇腾 950DT寒武纪 MLU690摩尔线程 MTT S5000
算力⭐⭐⭐⭐⭐ (5/5)⭐⭐⭐ (3/5)⭐⭐⭐ (3/5)
显存⭐⭐⭐⭐⭐ (5/5)⭐⭐ (2/5)⭐⭐⭐ (3/5)
能效比⭐⭐⭐ (3/5)⭐⭐⭐⭐⭐ (5/5)⭐⭐⭐⭐ (4/5)
软件生态⭐⭐⭐⭐ (4/5)⭐⭐⭐ (3/5)⭐⭐⭐ (3/5)
价格⭐⭐⭐ (3/5)⭐⭐⭐⭐ (4/5)⭐⭐⭐⭐⭐ (5/5)
综合能力⭐⭐⭐⭐ (4/5)⭐⭐⭐ (3/5)⭐⭐⭐ (3/5)

最终结论：

  • 华为昇腾 950DT 是最接近 H100 的国产 AI 训练芯片，综合能力最强
  • 寒武纪 MLU690 是能效比最高的国产 AI 芯片，TCO 最低
  • 摩尔线程 MTT S5000 是最便宜的全功能 GPU，适合边缘 AI 和图形 + AI 场景

参考资料​

声明：本文数据基于公开资料整理，实际规格以厂商官方为准。MirrorFrog 持续更新国产 AI 芯片数据，欢迎提交修正。

更新日志：

  • 2026-06-23：初始版本发布