摩尔线程blog中心

原创 摩尔线程官方开发者论坛上线公告

新论坛旨在提升开发者获取资源与反馈问题的体验。在摩尔线程开发者社区内，即可获取资源、阅读文档、反馈问题，无需跨站点跳转。论坛采用统一的摩尔线程账号（MTID）登录。后续问题反馈与技术交流，请移步新论坛发帖，官方技术人员将在此答疑；优快云 专区的历史帖子仍可查阅。新论坛刚上线，难免仍有不足，欢迎在论坛内反馈。摩尔线程开发者社区 2026 年 9 月。

原创 摩尔线程携手众智FlagOS社区完成对MiniCPM系列新模型的极速适配，精度对齐国际主流GPU

是MiniCPM家族首个专用OCR系列模型，包含两个模型：MiniCPM-OCR 1.0（1.3B）面向扫描、拍照、弯曲、倾斜和翻拍等真实文档场景，支持文字、公式、复杂表格解析与关键信息抽取，输出结构化Markdown；近日，依托众智FlagOS社区，摩尔线程旗舰级AI训推一体智算卡MTT S5000完成对面壁智能MiniCPM系列新模型的极速适配，覆盖MiniCPM-V4.7（35B-A3B与1B）、MiniCPM-OCR 1.0（1.3B）及MiniCPM-OCR Jev（2B）。

原创 精英训练营丨第二期：本地文生图推理，基于GGML的stable-diffusion.cpp实践

原创 MTT AIOS丨1.6.1系统更新

本次更新涉及系统基础能力与桌面交互、系统配套能力与工具命令、核心组件、应用扩展，进一步提升系统易用性与应用丰富性，适用于MTT AIBOOK与MTT AICUBE。• 游戏：OpenRA-RedAlert、SuperTuxKart、0 A.D.、Warzone 2100、韦诺之战、Xonotic。• AiMail、Chrome、微信、MUSACODE、安卓容器等核心配套组件同步完成版本更新，修复已知问题，提升稳定性与兼容性。• 金融：同花顺、Wind 金融终端、大智慧投资、东方财富。• 支持在线更新壁纸。

原创 中国科学院大学中丹学院师生走进摩尔线程，探讨AI时代的算力产业与创新生态

丹麦奥胡斯大学Torben Andersen副教授谈到，丹麦不少大企业的企业学院以内部培训为主，而摩尔学院面向开发者、高校和科研团队开放，这为他的研究提供了新的观察视角。杨朦晰副教授介绍，中丹学院创新管理项目设有企业挑战课题，由中外学生组成跨文化小组，研究企业提出的真实问题，并在期末进行路演。他表示，中国AI的发展和摩尔线程的生态是同学们关注的方向，后续可围绕相关议题继续交流。摩尔学院将以本次访学为契机，与中丹学院建立合作关系，推动产业一线的真实问题走进课堂，在产教融合中培养面向AI时代的国际化创新人才。

原创 万卡万亿参数模型训练底座：摩尔线程开源Megatron-MUSA-Titan

依托Torch-MUSA对PyTorch的集成与MUSA软件栈的兼容能力，开发者可结合Megatron-LM、slime、miles官方仓库开展训练，复用社区已有的模型实现、训练流程与配置选项，官方代码无需修改即可在摩尔线程全功能GPU上运行，获得一致的开发体验。训练能力的持续供给，离不开与开源生态的协同演进。未来，摩尔线程将持续完善MUSA平台的大模型训练能力，加强与训练框架、强化学习框架和开源社区的协同演进，携手开发者、合作伙伴和开源社区，共同推进国产全功能GPU大模型训练生态的繁荣发展。

原创 Day-0支持｜摩尔线程率先完成MiniMax M3.1 Flash大模型适配

作为新一代Flash模型，M3.1 Flash在Agentic任务、编程、Computer Use及网络安全能力等方面实现了显著的代际提升，同时线上推理速度提升了近3倍，日常使用场景下的输出速度可达200+TPS，并降低了Agentic任务的综合使用成本达70%。后续，摩尔线程将持续推进MiniMax M3.1 Flash在MTT S5000上的性能优化，为开发者提供更快响应、更稳运行、更低成本的Token服务。10月23日，MiniMax开源新一代原生多模态大模型。

原创 报名开启｜2026 GAI+C「未来科学家」论坛，邀你共探国产算力驱动下的科研新未来

原创 摩尔线程开源四大通信库 构建完整MUSA通信栈

MCCL是面向单机及跨节点多GPU场景的高性能通信库，提供集合通信、点对点通信与远程内存访问能力，结合拓扑感知、通信路径优化和计算通信重叠，为分布式训练、推理及高性能计算提供高效通信支撑。MTSHMEM面向多进程、多节点GPU作业，提供基于PGAS模型的单边通信、同步、原子操作和集合通信能力。未来，摩尔线程将持续完善MUSA平台的通信能力，加强与编译器、运行时、分布式框架和AI应用的协同演进，携手开发者、合作伙伴和开源社区，共同推进MUSA通信生态的繁荣发展。，形成覆盖底层访问到专家并行的完整通信栈。

原创 摩尔线程 2027 届全球校园招聘「浙江大学站」

原创 斩获AI顶会NeurIPS 2026！摩尔线程前沿成果ReorgGS：以极小工程改动，提升3DGS渲染画质与效率

整个过程不改动渲染器与损失函数，也不引入新的神经网络模块，开发者可以保留已经搭建的渲染与训练组件，无需为此重新设计整套系统。方法将已训练模型视为描述场景的概率分布，从中重新采样高斯中心，再利用局部近邻估计形状与方向，以较低不透明度初始化。已有模型学到的场景信息由此成为重组的依据，而高斯之间的遮挡与重叠关系得到重建，相当于为同一场景换一套更利于优化的参数坐标。作为计算机图形学与三维视觉领域当前最受瞩目的前沿方向之一，3DGS虽能实现高质量实时渲染，但其训练后期的参数优化瓶颈一直是业界面临的技术难题。

原创 精英训练营丨第一期：从零跑通本地大模型，Ollama与llama.cpp实操

原创 国芯国模丨EvoPhys-World x MTT S5000原生全流程训练实践白皮书发布

MiniMax-H3的推理、SFT训练与多机扩展在MTT S5000上的稳定运行，意味着新一代世界模型基座可以在国产算力平台上完成评估与定制训练，世界模型升级基座时，训练也能继续在同一平台上进行。世界模型常以视频生成模型为基座，基座模型提供通用的画面与时序生成能力，世界模型在此基础上结合动作与交互数据继续训练，学习动作如何改变场景。本次实践以TI2V-5B为基础，在MTT S5000与MUSA软件栈上完成模型计算迁移与多机训练，为视频生成模型的定制训练、以及以其为基座的世界模型训练提供实践参考。

原创 Day-0支持｜摩尔线程率先完成阶跃星辰Step 5 Preview大模型适配

针对 Step 5 Preview的混合注意力结构（3层512-token滑窗+1层全注意力），在SGLang-MUSA上完成了模型与稀疏注意力后端适配。同日，摩尔线程旗舰级AI训推一体智算卡MTT S5000及MUSA软件栈完成对该模型的Day-0极速适配与高效运行，充分体现了摩尔线程紧跟前沿大模型迭代的敏捷适配能力，也再次印证了国产全功能GPU能够为超长上下文的Agentic模型提供可靠的算力底座。未来，摩尔线程将持续深耕MUSA软件生态，紧跟前沿大模型迭代节奏，让新模型“发布即适配”成为常态。

原创 MTT AIOS 1.6.0发布｜内核更新、推理更快、AI更好用

针对Qwen3-30B-A3B、Qwen3.6-35B-A3B多款主流模型的实测数据显示，长文本场景下TTFT（首token生成时延）显著降低，Decode（解码吞吐）获得提升，尤其30B、35B参数模型长上下文解码性能改善显著，进一步提升端侧本地大模型的推理效率。AIMail预置了云端大模型API，用户无需配置即可使用DeepSeek-V4-Flash，全面支持AI邮件总结、AI智能回复、AI会议提取等多种实用能力，让邮件与会议处理更加高效。，用户可自定义合盖执行睡眠或熄屏模式，适配外接显示器办公场景；

原创 全面兼容！摩尔线程打通主流视频编解码生态，加速国产GPU多媒体应用落地

除编解码功能外，FFmpeg的MUSA后端还支持图像缩放、画面叠加、填充、色彩空间转换、缩略图生成和去隔行等视频滤镜操作，可广泛用于视频转码、帧抽取、视频分析和视觉AI预处理等场景，为多媒体应用提供编解码与帧处理工具。基于广泛的接口兼容与生态工具，开发者可沿用熟悉的视频处理接口和开发方式，在摩尔线程全功能GPU平台上继续使用原有的多媒体与AI应用，降低应用迁移成本，进一步拓展国产GPU在视频全产业链中的实际应用场景。相关能力覆盖视频编码、视频解码、硬件加速和转码处理等核心环节，为。

原创 获奖公告丨算子挑战赛S2赛季圆满收官

本次挑战赛围绕固定大规模矩阵乘法算例展开，参赛者在统一MUSA环境与Gitee提交流程下完成代码提交、编译、正确性验证与性能测试，并通过自定义kernel、矩阵分块、向量化访存、共享内存、流水化调度及底层汇编指令等方式，将算法层面的优化构想落地为真实硬件上的高性能实现，持续挑战MTT S5000的性能边界。本赛季聚焦摩尔线程旗舰级训推一体智算卡MTT S5000上的FP16 GEMM优化，吸引了来自高校、企业及技术社区的众多开发者积极参与，历经近一个月的激烈角逐，涌现出一批高质量的GEMM优化作品。

原创 摩尔线程打通Protenix-v2推理全链路 筑牢AI4S国产算力底座

针对Protenix-v2复杂的PairFormer、扩散采样、MSA预处理等计算链路，摩尔线程基于MUSA软件栈完成算子兼容与性能调优，解决科学计算场景下数值稳定性、访存密集计算等技术难点，打通从MSA输入、模型前向推理到pLDDT/PAE结果后处理的完整业务链路。来自北京大学/昌平实验室的曹云龙-简繁冲团队，根据科研任务场景独立测试了该优化版Protenix-v2，证实其相比在MTT S5000上直接开箱推理，推理速度提升100%以上，整体性能、精度与国际主流GPU相当。

原创 RLinf官方CI接入国产GPU：摩尔线程S5000具身RL训练曲线对齐国际主流GPU

围绕这一体系，摩尔线程向上依托夸娥智算集群与整合物理、渲染、AI三大引擎的MT Lambda仿真平台，向下协同端侧SoC芯片与开发者套件，形成云边端全栈布局，跑通从合成数据、训练到真机部署的工业闭环，并在四足机器狗与双足人形机器人上完成Sim2Real实测验证。模型落地后，真正的硬仗在真机控制端。未来，摩尔线程将持续携手RLinf框架与产业生态伙伴，以软硬协同推动国产算力与具身智能的深度融合，与开发者一起，把这条路走通、走宽、走实。——既需要训练“大脑”的AI算力，也离不开构建虚拟世界的渲染与仿真算力。

原创 摩尔线程深度接入HUATUO开源生态 实现GPU全栈可观测

然而，随着8卡、16卡甚至32卡成为单机常态，跨卡互联从PCIe升级为各家自研的高带宽互联技术，训练与推理异常往往不再发生在host端，而是直接落在device侧——显存吃紧、芯片过热、PCIe降级或跨卡链路异常已成为常见现象。芯片/显存温度、功耗、电压、电源上限、计算与显存利用率、显存总量与已用量、GPU/显存当前与最大频率、风扇转速与百分比、性能状态（P-state）、VPU总利用率与编解码利用率、VPU时钟。PCIe当前与最大链路速率（GT/s）、当前与最大链路宽度（lane）、重传计数；

原创 摩尔线程携合作伙伴亮相YOLO Vision 2026 展示具身智能边端应用方案

目前，摩尔线程、天思智慧与塔视智能联合打造的具身智能边端应用方案已落地近70个场景，在电力物资仓储等场景中基于摩尔线程MTT E300 AI模组已跑通超过25种AI算法，帮助客户建立“端-边-云”协同的统一算法调度体系。近日，摩尔线程携手合作伙伴天思智慧、塔视智能共同亮相Ultralytics YOLO Vision 2026（YV26）大会，联合展示了搭载摩尔线程MTT E300 AI模组的天思MQ50边缘智能盒，以及运行于其上的塔视智能Matrix机器人集控平台，为具身智能边端场景提供了创新应用方案。

原创 MTT AIOS丨1.5.1系统更新

本次更新涉及系统交互功能、底层容器、端侧AI能力及生态应用，修复了多项兼容性问题，并完成核心组件与预置应用的版本迭代。• 安卓容器升级为Android 15（需通过PES下载），支持横竖屏显示调节、自定义按键映射。• MUSACODE 升级至1.0.6-rc1。• PES控制中心 升级至1.5.1。• 摩尔线程小麦 升级至2.2.0。• 钉钉 升级至8.2.8.112。• AiMail 升级至0.9.2。• 腾讯文档 升级至3.11.7。• 微信 升级至4.1.1.8。• 飞书 升级至7.66.11。

原创 Day-0支持｜摩尔线程完成DeepSeek-V4.1-Flash适配

后续，摩尔线程将持续推进DeepSeek-V4.1-Flash在MTT S5000上的性能演进，优化方向包括：CSA2融合内核、FP4 KV Cache、长上下文内存管理、Engram预取、DSpark调度、MUSA Graph和Prefill/Decode分离等，多模态链路的性能与稳定性也将同步打磨。依托SGLang主线的多模态接入路径，以及MUSA软件栈在视觉编码、图文输入处理等关键链路上的适配，模型可在MTT S5000上直接处理图文混合输入，完成图像理解、视觉问答、图表解析等多模态对话任务。

原创 报名开启｜RLinf × MUSA Meetup，国产算力加速具身智能走向真实场景

无论你是算法工程师、机器人研发团队，还是关注国产算力生态的技术探索者，都期待与你现场交流——用一个下午，看清VLA模型走向产线的完整闭环，并与框架、算力、模型、生态四方代表面对面深度复盘，共同接入MUSA开源共建网络。这一次，我们希望与开发者、研究者及产业伙伴一起，探索并打通国产原生技术栈下的具身智能落地路径。分享MTT S5000集群上的工程实践，展示国产算力纯RL大规模训练的真实性能与扩展性。，共同探讨国产算力如何支撑具身智能与世界模型的持续进化。9月19日（周六）13:30 - 17:30。

原创 摩尔线程MUSA正式合入LMCache主线 提升长文本推理效率

作为摩尔线程自研KV算子库，MUSA-Aiter的KV transfer接口面向vLLM、SGLang与LMCache的数据布局，提供分页感知的原生搬运能力——理解分页KV Cache与连续Chunk之间的布局差异，按slot_mapping直接执行gather/scatter，并支持MHA/GQA与MLA多种缓存布局。通过跨进程的事件同步机制，在生产者与消费者之间建立正确的执行序，将内存共享与执行同步解耦，确保数据就绪后再发起访问，避免数据竞争，使数据传输的时序控制更加清晰可靠。

原创 摩尔线程开源高性能MATE算子库 释放全功能GPU算力潜能

随着DeepSeek、Qwen、GLM、Kimi、MiniMax等新一代模型持续演进，模型的计算模式日趋复杂：模型架构从传统Transformer拓展至多头潜在注意力（MLA）、稀疏注意力（Sparse Attention）、混合专家（MoE）等多样化设计，计算精度也向FP8、FP4等低精度方向演进，GPU承担的计算任务持续快速变化。对大模型训练和推理而言，GPU性能并不只取决于硬件峰值算力，核心算子的实际执行效率，以及算子与模型、推理框架之间的协同程度，正越来越直接地决定最终的模型性能。

原创 摩尔线程亮相HICOOL 2026全球创业者峰会：参与共建全球创业服务联盟，开发者挑战赛十强出炉

面向全球5800万“一人公司”创业者，将建设全球OPC招募网络、举办全球OPC专项赛和大企业挑战赛、构建OPC赋能与信用评价体系等五大行动，为散落世界各地、独立作战的创业者补齐从发现、社群、培训、出海、对接到政策的完整支持链条。，深度参与峰会——不仅以联合发起方身份亮相“成立全球创业服务联盟暨发布全球OPC支持计划”环节，更与HICOOL联合揭晓了“HICOOL 2026全球创业大赛开发者挑战赛”最终评选结果，两大赛道前十强名单正式出炉，生动展现了。，实现从“合作办赛”向“产品与生态共创”的深层跨越，

原创 Day-0支持｜摩尔线程率先完成腾讯Hy4 preview大模型适配

基于与腾讯内部软件工程、游戏、金融、安全等领域顶尖专家共建的高质量数据，模型在代码开发、办公分析、游戏构建、科学研究等真实生产力任务上实现显著跃升，覆盖长程开发规划与前端审美、复杂金融分析与跨文件协作、一句需求生成可玩原型、AI研发与基础科学求解等高价值场景，并持续与 CodeBuddy、WorkBuddy 等产品深度协同，优化真实场景下的用户体验。摩尔线程将继续依托MUSA软件栈强大的生态兼容性，保持对前沿大模型的快速适配能力，以高性能国产算力基础设施，为开发者提供稳定可靠的AI算力支撑。

原创 Day-0支持｜摩尔线程+智源FlagOS，率先完成Qwen3.8-Flash-Next适配

Qwen3.8-Flash-Next的主模型总参数量125B，每token仅激活6B参数，编码与办公任务能力显著增强，原生支持262,144 tokens长上下文，可通过YaRN扩展至1M tokens。针对该模型新引入的混合注意力等架构，FlagOS团队新增8个高性能融合算子，通过统一编译器FlagTree完成向摩尔线程全功能GPU的编译适配。摩尔线程已通过上述插件完成该模型的推理部署及评测验证，业务代码与标准调用接口无需修改，环境依赖、模型路径与启动参数按摩尔线程智算卡配置即可。，已发布开箱即用版本。

原创 Day-0支持｜摩尔线程完成智谱GLM-5.3-Flash极速适配

GLM-5.3-Flash总参数为320B，激活参数仅18B，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，进入全球前沿模型能力区间，与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。机制，团队基于MATE算子优化引擎，快速完成了状态矩阵更新、分块并行扫描等全新算子形态的定制实现与深度调优，并与SGLang-MUSA缓存管理体系深度协同、无缝打通，充分释放了KDA在长上下文推理中的效率优势。

原创 MTT AIBOOK实战手册丨快速体验DeepSeek Harness：从开箱启动到工作区上手

本专栏将提供从入门到精通的系统化实践指导，涵盖环境部署、模型推理优化、智能体及应用开发实战等丰富内容，旨在通过详实的案例与清晰的步骤，助力用户深入解锁MTT AIBOOK的无限潜能，实现从学习到创新的跨越。点击"新会话"后，在输入框中输入任务需求（例如"做一个介绍DeepSeek Harness的网页"），按发送按钮提交，Harness会根据当前工作区和模型开始处理。在MTT AIBOOK的浏览器中打开该地址，即可进入DeepSeek Harness界面，完成从开箱到启动的快速体验。

原创 摩尔线程发布《MTT S5000 Prefill-as-a-Service技术白皮书》，破解长上下文推理成本瓶颈

在长上下文场景下，以GLM-5.2为例，单机8卡可实现接近十万级Prefill吞吐，为Agent、长文档分析等业务提供确定性的SLO承诺与容量规划能力。随着大模型输入上下文规模快速迈入数百K到1M 级别，长文本输入带来的算力消耗与首字时延压力持续攀升，正日益成为制约企业推理服务效率与总拥有成本（TCO）的关键瓶颈。摩尔线程通过MTT S5000与Prefill-as-a-Service方案，不仅重塑了长上下文推理的性能与成本边界，更帮助企业在万亿参数与Agent时代牢牢掌握TCO主动权。

原创 摩尔线程发布TensorFlow-MUSA v1.5 加速搜广推模型训推

TensorFlow-MUSA在框架层完整对齐TensorFlow数据流图、自动微分、分布式训练等核心机制，实现MUSA设备的原生集成，使搜广推团队能够将原有TensorFlow工程迁移至摩尔线程全功能GPU上运行，降低迁移过程中的工程成本。得益于摩尔线程全功能GPU在BF16、TF32等数据精度上的支持，以及TensorFlow-MUSA v1.5在多流执行、算子融合与图优化、XLA编译优化等层面的针对性增强，摩尔线程AI训推一体智算卡MTT S5000在搜广推模型训练中表现出了明显的性能优势。

原创 摩尔线程MUSA科学计算套件 加速工业级分子动力学仿真国产化

针对工业电解液这类数十万原子级的典型大体系，摩尔线程已完成LAMMPS 2023与2025双版本的GPU后端移植，并基于工业级电解液算例开展精度与性能双重验证，全面检验计算效率、运行稳定性与仿真结果可靠性。上述结果表明，在十万原子以上的工业电解液这类大规模材料仿真场景中，摩尔线程全功能GPU与国际主流GPU方案精度对齐，同时具备显著的加速优势，可有效支撑工业级研发需求。本次摩尔线程的迁移与优化，正是针对上述难题，完成了应用层软件迁移、底层算子重构、工业场景实测与跨硬件精度校验的全流程落地。

原创 摩尔线程 × 硅基流动丨联合发布PD分离异构算力混部技术白皮书

面对词元时代爆发式的算力需求，摩尔线程基于夸娥（KUAE）智算集群建设三大“AI工厂”——“模型训练工厂”“词元生产工厂”“智能体生产工厂”，凭借全场景通用优势，支撑从训练到推理、从数字世界到物理世界的多元算力需求，构筑起面向未来的AI基础设施。在全链路服务质量方面，异构集群的首Token时延（TTFT）为1至6秒（常规并发），每Token输出时延（TPOT）稳定在0.011至0.020秒之间，系统吞吐随并发增加呈线性平缓下降，全链路指标与纯国际高端GPU集群表现一致，满足在线服务严苛的SLA要求。

原创 摩尔线程MTVSR视频超分技术合入VLC开源社区

性能方面，MTVSR通过MUSA内核调用GPU实现硬件推理加速，目前，用户使用摩尔线程MTT S80/S70系列显卡，并安装最新官方驱动（v340.150或后续版本），即可在VLC nightly build版本中抢先体验MTVSR超分功能，该技术也将随VLC 3.0.24稳定版正式发布，覆盖更广泛的用户群体。与传统播放器常用的双三次插值或Lanczos算法不同，MTVSR采用基于深度学习的实时智能增强方案，在像素重绘过程中同步完成去块滤波、边缘锐化与纹理重建，从根本上重构视觉细节。

原创 摩尔线程 × 锦瑟医疗｜国产算力赋能骨科临床，常州二院全流程自主可控智能体落地

在应用端，锦瑟医疗"篝火云"平台搭载了多款专科智能体，整合AI推理、三维重建与高性能渲染等关键功能，让临床医生无需学习专业数字医疗软件，即可将二维医学影像转化为高质量三维模型。在此背景下，摩尔线程携手锦瑟医疗，赋能常州二院的落地实践，正是国产算力赋能医疗AI规模化落地的有力印证。依托摩尔线程全功能GPU提供的多元算力，锦瑟医疗"篝火云"平台将AI推理、三维重建与高性能渲染无缝整合于统一算力底座，将二维医学影像转化为高质量三维模型，通过XR设备呈现给医生，成为手术过程中的"透视眼与智慧脑"。

原创 定义计算工程共创AI未来 摩尔学院共创营圆满收官

几个典型项目尤其能体现“计算工程”的方法论：有小组围绕静电场模拟问题，借助摩尔线程全功能GPU的并行能力与蒙特卡洛思路，将连续场问题转化为能够离散处理、迭代演进并接受验证的计算过程，并专门讨论了收敛误差与验证方式；正是在这样的共创过程中，“计算工程”从概念落地为一套可以不断学习、反复实践、持续演进的方法论。计算工程的实操体验让学员们切实感受到摩尔线程全功能GPU的运行效率，而更深的收获在于：在AI技术快速迭代的背景下，学会如何将问题工程化、如何建立反馈与验证机制——这正是驾驭AI而非被AI驱动的核心能力。

原创 摩尔线程完成开源库CV-CUDA在MUSA上的兼容支持 助力国产GPU视觉计算生态升级

完成在MUSA上的兼容支持后，开发者可以在摩尔线程全功能GPU上沿用熟悉的开发方式，构建高效的视觉处理流水线。摩尔线程将持续优化CV-CUDA在MUSA上的支持能力，进一步完善算子覆盖范围，提升关键场景性能，并加强与上层AI框架和应用工具链的协同，携手开发者、合作伙伴和开源社区，共同推动更加开放、高效、自主的AI算力新生态。这些结果表明，CV-CUDA在MUSA上已经形成了可用、可落地的视觉计算基础能力，可为多模态训练、视频理解、智能制造、自动驾驶感知和内容生成等应用提供更高效的数据处理支持。

原创 摩尔线程发布Mooncake MUSA预编译包 加速国产GPU PD分离落地

这条通道面临着多重技术挑战：需要支撑高带宽的显存数据吞吐，在TCP、RDMA等多种传输协议间根据环境智能切换，并对异构GPU设备内存提供统一的访问接口。作为Mooncake社区官方推出的Transfer Engine MUSA预编译版本，MUSA Wheel负责设备内存注册、拓扑发现、传输任务管理，并可根据底层网络环境自动选择TCP或RDMA等传输方式，在Prefill节点产出的KV Cache与Decode节点之间建立一条低延迟的数据通路——而这一切，现在只需一行pip install即可获得。