从算力到场景：摩尔线程的“全栈式”AI进化论

当单日Token消耗量突破140万亿，我们不得不承认：AI的算力竞赛已进入“万亿级”时代。这不仅意味着模型训练与推理的强度空前，更预示着一场从底层硬件到上层应用的系统性变革正在发生。在5月北京的一场发布会上，摩尔线程创始人张建中用一组震撼数据拉开序幕，也揭开了公司从全功能GPU向AI Agent全场景落地的宏大蓝图。

这场发布会的核心，不再是单一芯片或算力卡，而是一张覆盖云端、终端、家庭、办公乃至物理世界的完整AI生态版图。

算力之外：智能体才是真正的主角

“算力只是故事的一半。”这句来自投资人的观察，精准点破了当前AI发展的瓶颈——即便拥有最强GPU，若无法与真实场景无缝对接，算力终将沦为“无源之水”。而AI Agent，正是连接算力与场景的关键桥梁。

IDC预测，到2030年全球活跃AI智能体将达22.16亿，中国企业AI智能体数量更将在2031年突破3.5亿，年复合增长率超135%。政策层面，2026年政府工作报告首次写入“智能体”，并设定2027年普及率超70%的目标。然而，现实中的多数智能体仍停留在被动响应阶段，缺乏主动服务与长期记忆能力。

正是在这一背景下，摩尔线程发布了全域智能体“小麦”。它不仅是一个AI助手，更是一个能理解上下文、持续学习、自主决策的“数字员工”。

“小麦”的三重进化：全、好、快

“小麦”的竞争力体现在三个维度：事办得全、事办得好、事办得快。

首先，“事办得全”体现在其强大的工具调用能力。基于原生Linux环境，“小麦”支持超36种APP控制与90个以上CLI工具的无缝衔接，7×24小时运行，覆盖办公、创作、运维等复杂场景。

其次，“事办得好”源于其创新的二维拓扑记忆系统。该系统融合短时与长时记忆，使“小麦”能不断归纳知识、优化行为模式，实现真正的持续进化。

最后，“事办得快”则依赖摩尔线程自研的MTClaw架构。在调用高频工具时，成功率超95%，端到端任务效率提升7倍。这一性能优势，使其在国产同类产品中脱颖而出。

从家庭到背包：让智能体“住”进生活

为了让“小麦”真正落地，摩尔线程推出了两款消费级产品：MTT AICUBE 与 MTT AIBOOK。

AICUBE被定义为“三位一体”的家庭AI中枢——AI Agent + AI PC + AI NAS。它内置“长江”智能SoC芯片，提供50TOPS异构算力，配备1TB全闪SSD与12TB可扩展存储，可自动整理家庭照片、生成纪念视频、实现视频超分，满足“存得下、找得到、用得起来”的刚需。

而AIBOOK则是面向个人创业者（OPC）的AI PC。它能在本地同时运行12个以上智能体，直连90多款工具，协同完成从内容创作到项目管理全链路工作。更关键的是，其搭载的原生AI操作系统轻量、实时、可靠，预装OpenClaw与MTClaw双框架，支持Windows虚拟机与安卓容器，真正实现“开箱即用”。

此外，摩尔线程还联合趋境科技提供7×24小时远程技术支持，彻底打消用户使用顾虑。

走向物理世界：具身智能的仿真突破

如果说AICUBE和AIBOOK让“小麦”处理数字事务，那么摩尔线程的下一步，是让智能体走进物理世界——实现真正的具身智能。

训练能在真实环境中自主行动的机器人，面临数据稀缺、训练成本高、泛化难等挑战。为此，摩尔线程推出MT Lambda，国内首个全栈国产化具身智能仿真平台。

MT Lambda依托支持光线追踪的S5000 GPU与夸娥集群，融合开源MujoCo、Newton及自研AlphaCore引擎，实现多物理场统一求解与高精度渲染。现场演示的机器狗灵活避障、抓取物体，正是这一平台能力的直观体现。

目前，摩尔线程已与光轮智能、智源研究院等伙伴打通“数据合成—模型训练—策略部署”闭环，并呼吁更多企业加入其“PES联盟”，共建具身智能生态。

从全功能GPU到全域智能体，从算力芯片到终端产品，摩尔线程正在完成一次从“单点突破”到“系统输出”的跃迁。这不仅是一家企业的进化，更是国产AI基础设施走向成熟的重要标志。

标签： AI Agent 具身智能 国产GPU 智能终端 AI生态