2026年7月29日，国产GPU厂商摩尔线程宣布，已基于自研MTT S5000训推一体智算卡与MUSA软件生态栈，完成对月之暗面最新开源的2.8万亿参数大模型Kimi K3的全流程适配，实现模型的极速稳定运行。这一进展标志着国产算力阵营再添可支撑超大规模大模型落地的成熟方案，为国内大模型产业自主可控发展提供了新的硬件支撑。
就在月之暗面正式对外放出2.8万亿参数Kimi K3的模型权重与技术报告的同一时间，摩尔线程的适配成果同步上线，这样的适配速度在国产算力领域尚属少见，也打破了行业对国产软硬件生态适配效率低的固有印象。
当前大模型参数规模正在快速向万亿级跃迁，超大规模模型的训推需求，已经成为检验通用GPU算力成熟度的核心标准。长期以来，可支撑万亿参数大模型稳定运行的算力硬件基本被海外厂商垄断，国内大模型厂商普遍面临算力成本高、供应链不稳定的痛点，自主可控的万亿级算力供给，已经成为整个AI产业发展的刚需。
此前仅有少数国产GPU厂商能完成万亿级大模型的适配验证，且多为实验室场景下的测试成果，距离商用落地仍有差距。本次摩尔线程的适配成果直接同步开源模型的发布节奏，也意味着国产算力的成熟度已经达到了可支持商用大模型快速落地的水平。
本次摩尔线程的适配验证，是国产GPU软硬件协同能力的一次集中展示。其中MTT S5000是摩尔线程面向数据中心推出的主力训推一体智算卡，具备高显存带宽、高并行计算能力的特性；而MUSA软件栈则是其完全自研的生态底座，可实现硬件算力到上层开发接口的高效转换，大幅降低大模型的适配成本。
两者结合实现对2.8万亿参数Kimi K3的“即开即用”，也打破了外界对国产GPU“只能跑小模型”的刻板印象。相较于行业普遍需要数周的超大规模模型适配周期，本次摩尔线程几乎与Kimi K3开源同步完成落地验证，充分体现了MUSA生态的兼容性和开发效率优势。
随着越来越多国产GPU厂商跨过万亿参数模型适配的门槛，国内大模型算力的供给格局正在发生结构性变化。一方面，大模型厂商的算力选择更加多元，可有效降低对进口硬件的依赖，提升供应链安全性；另一方面，国产软硬件生态的适配效率持续提升，也将进一步降低超大规模大模型的落地成本，推动万亿级模型在金融、工业、政务等场景的普及应用。
后续随着更多大模型厂商加入MUSA生态适配，国产算力有望覆盖从模型训练到推理部署的全流程需求，进一步加速AI产业的自主可控进程。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号