使用率接近100%！实探摩尔线程无锡惠山国产智算中心

来源：上海证券报

“目前，集群整体使用率接近100%，付费客户占六成，其他客户正在进行纯国产服务器的测试和适配。”近日，在江苏无锡惠山的一座国产智算中心，无锡市惠山招商（集团）有限公司副总经理张涛向上海证券报记者介绍算力资源的使用情况。

这座今年6月点亮的智算中心，部署了2000张摩尔线程MTT S5000 GPU。投运数月，已有20余家客户在这里开展模型训练、推理等业务，算力资源基本满载。

窦世平 摄

从技术验证到规模化应用，再到企业付费使用，国产GPU正进入新的成长阶段。记者近日调研发现，随着产品性能、集群交付能力和软件生态不断完善，如何让更多客户用起来、用得好，并形成持续的市场需求，成为国产算力产业发展的新着力点。

起步为什么是2000张卡？

惠山最初规划建设万卡级国产智算集群，却选择从2000卡起步。

“规模不能太小，否则有些业务跑不起来。”张涛说，考虑到不少企业习惯使用国际主流GPU及其软件生态，建设方希望先提供一个规模适当的环境，让客户测试、适配，再逐步形成实际业务。

如今，随着客户陆续进入，集群剩余算力已不多，但扩容仍将根据需求推进。“我们会先调研客户需求，不会大张旗鼓地先建后用。”张涛说。

窦世平 摄

从千卡集群走向万卡级应用，是摩尔线程近几年成长的一个缩影。摩尔线程副总裁、生态合作总经理方朝霞介绍，公司早期交付的MTT S4000千卡集群，主要服务高校科研、教学及计算需求较小的应用。随着MTT S5000投入规模化使用，集群开始承担更大规模的模型训练和推理任务，产品交付也从计算卡延伸至组网、存储及集群软件等系统层面。

“接下来谁掌握终端应用和用户，谁就能真正掌握市场。”方朝霞说，摩尔线程不希望卖出去的GPU闲置，争取让每一张卖出去的卡都能实际跑起来。产品交付后，团队还会根据需要帮助客户解决应用问题、协助运营方引入用户，推动算力持续产生价值。

市场拓展也反映在经营数据中。今年第三季度，摩尔线程实现营业收入15.52亿元，同比增长1773.92%，单季度扣非归母净利润转正；前三季度研发投入13.40亿元，同比增长55.72%。随着交付规模扩大，技术投入正逐步转化为经营收入。

一次软件迁移见证国产GPU成长

算力能否真正用起来，用户最有发言权。

朗境创新团队长期从事图形渲染、三维重建和物理仿真研发，其飞行模拟仿真系统需要同时处理多个通道画面，对延时、并行计算和视觉同步要求较高。去年，朗境创新在摩尔线程开发者生态大会上首次展示了运行在国产GPU上的飞行模拟仿真系统。

窦世平 摄

最初的尝试并不轻松。方朝霞回忆，早期GPU尚不能完整支持部分光线追踪、超分辨率和插帧功能，朗境团队不得不删减部分画面效果。

“自主算力生态要跑通，是‘木桶效应’。”朗境创新副总裁周凌说，芯片硬件性能、软件算法、开发工具和工程能力需要多方共同攻坚克难、深度融合。方朝霞介绍，摩尔线程通过自研MUSA架构兼容既有开发生态，降低客户迁移成本；下一代产品还将增强光线追踪、超分辨率和插帧等能力，减少专业应用为适应硬件而进行的裁剪。

新的应用也在提出更高要求。以新物理AI模型为例，其训练对于低抖动、稳定并行、可微分和低适配成本提出更高要求。周凌认为，对于物理+可微渲染联合优化闭环的物理先验AI模型，跨单元数据搬运是值得探索的技术路径。这也为兼具计算、渲染和仿真能力的全功能GPU+带来新的应用空间。

下一批算力会来自哪里？

在惠山，新的算力需求已经出现。

今年世界物联网博览会期间，摩尔线程与惠山招商、新石器签署战略合作协议。新石器已利用MTT S5000开展自动驾驶模型训练验证，并计划扩大训练规模，提出接近万卡级的算力需求。具身智能、空间智能、AI视频生成等领域的企业和高校，也开始在这里探索国产算力应用。

窦世平 摄

客户需求增长，推动集群向更大规模发展。方朝霞介绍，2000卡集群能够承接较多模型后训练任务，而更大规模的训练需要更强的组网、存储和协同计算能力。摩尔线程已在其他项目中实现基于MTT S5000的万卡级集群部署，并与京东云规划建设十万卡集群。“10万卡我们还没有做过，我相信一定会有各种问题，但遇到问题我们会解决问题。”

关于服务本地企业智能化转型方面，目前并非所有企业对算力的需求都较为明确。张涛谈起近期接触的一家钢管生产企业，对方希望利用AI提升产品质量，但尚未确定从哪道工序入手。与集成电路企业对提升良率的需求、智能驾驶企业对训练的需求等不同，传统制造业往往需要先找到适合AI解决的问题，再确定技术方案。

“不是盲目把所有过程都接入，不同行业的生产工艺和实际需求各不相同。”张涛说，对于这座2000张国产GPU已基本排满的智算中心，下一轮建设规模有多大、服务哪些企业，仍要从具体需求中寻找答案。

一边是智能驾驶企业提出更大规模的训练计划，一边是传统制造企业寻找AI应用切口，更多国产算力的应用空间，正从这些不同的产业需求中逐步显现。