跳到主要内容

寒武纪 思元690（国产 AI 训练/推理芯片） vs Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练)：规格对比与选型指南

在 AI 基础设施选型中，寒武纪 思元690（国产 AI 训练/推理芯片） 与 Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 是经常被放在一起比较的两款加速器。本文从架构、算力、显存、功耗到发布节奏做逐项对照，帮助你快速判断哪一款更契合训练或推理工作负载。

规格对比表​

厂商寒武纪 思元690（国产 AI 训练/推理芯片）Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练)
厂商CambriconOther
架构MLUarch（新一代 MLU 架构）MUSA（第四代，平湖）
制程中芯国际 5nm 级（N+2）TSMC 6nm（推测）
发布时间20252025-02-12（公开参数）
FP8 算力——
FP16 算力700+ TFLOPS—
FP32 算力未公开（推测 ~175 TFLOPS）62.5 TFLOPS（推测）
INT8 算力2,800+ TOPS2,000 TOPS（推测）
显存类型——
显存容量196 GB HBM380GB GDDR6X
显存带宽3.35 TB/s1.6 TB/s
TDP 功耗~500 W（推测）300 W

关键差异​

  • 功耗：Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 的 TDP 为 300 W，低于 寒武纪 思元690（国产 AI 训练/推理芯片） 的 ~500 W（推测），对数据中心 PUE 与散热更友好。
  • 显存容量：寒武纪 思元690（国产 AI 训练/推理芯片） 配备 196 GB HBM3，多于 Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 的 80GB GDDR6X，对超大模型单卡承载更从容。

选型建议​

  • 追求极致单卡算力与成熟工具链时优先考虑 寒武纪 思元690（国产 AI 训练/推理芯片）；若预算、功耗墙或本地化支持是硬约束，Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 往往更贴合。建议用本站的 AI 算力卡对比工具 把多款芯片并排验证后再决策。

常见问题（FAQ）​

寒武纪 思元690（国产 AI 训练/推理芯片） 和 Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 的主要区别是什么？​

核心差异在架构与算力密度：寒武纪 思元690（国产 AI 训练/推理芯片） 采用 MLUarch（新一代 MLU 架构） 架构，FP8 算力约 暂无公开 FP8 算力数据，显存 196 GB HBM3；Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 采用 MUSA（第四代，平湖） 架构，FP8 算力约 暂无公开 FP8 算力数据，显存 80GB GDDR6X。完整参数见上方对比表。

寒武纪 思元690（国产 AI 训练/推理芯片） 的功耗（TDP）是多少？​

寒武纪 思元690（国产 AI 训练/推理芯片） 的 TDP 为 ~500 W（推测），实际整机功耗还需计入服务器主板、风扇与 PUE。

哪个更适合大模型训练 / 推理？​

训练看重显存容量、带宽与多卡互联；推理看重单卡吞吐与功耗比。结合上方「关键差异」与「选型建议」按你的 batch size、模型参数量与 SLA 取舍。

寒武纪 思元690（国产 AI 训练/推理芯片） 与 Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 的显存容量差多少？​

寒武纪 思元690（国产 AI 训练/推理芯片） 为 196 GB HBM3，Moore Threads 摩尔线程 MTT S5000 (国产 GPU 训练) 为 80GB GDDR6X，差距会直接影响可加载的模型规模与上下文长度。

相关页面​