摩尔线程展示的 MTT C256 超节点及其在AI训练中的应用进展

摩尔线程于WAIC 2026上展示了一项关键技术成果：MTT C256超节点。该系统通过创新架构首创了一层Scale-up网络，成功地将256张GPU聚合为一台数据中心级超级计算机。这一进展标志着在构建大规模、高性能计算集群方面迈出了重要一步。

从硬件实现层面看，摩尔线程的MTT C256超节点仅通过两个标准机柜即可实现256卡的一层Scale-up极速互联。这不仅展示了其系统集成的高度优化，也意味着在有限的空间内实现了极高的计算密度和互联带宽。

此次亮相所展现的技术能力并非孤立的硬件堆砌，而是与实际的AI训练任务紧密结合。例如，摩尔线程依托万卡级夸娥智算集群与夸娥AI训练套件（KUAE Training Suite），完成了MoE-236B基础模型的完整训练链路。这表明该超节点具备支撑业界前沿、复杂模型训练的实战能力。

在科研应用层面，MTT C256超节点的性能得到了多个机构的验证和支撑。北京大学EvoPhys团队利用MUSA软件栈，借助摩尔线程的算力支持，完成了全球5D世界模型EvoPhys-World的全栈原生训练。此外，北京智源研究院和相关方则基于摩尔线程MTT S5000千卡集群，完成了通用具身大脑模型RoboBrain 2.5的全流程训练。

从技术背景来看，构建一个包含数百张GPU的超级计算机，其核心挑战在于如何实现高效、低延迟的互联。传统的扩展方式往往难以保证所有计算单元之间都能达到最佳通信效率。摩尔线程通过引入Scale-up网络架构，旨在解决这一痛点，确保了256卡全互联的性能指标。

时间线上的观察点在于，从展示MTT C256超节点到支撑如MoE-236B模型训练，再到支持北京大学和北京智源研究院等机构进行前沿模型的训练，构成了一个清晰的技术落地时间序列。这表明该技术已从概念验证阶段迈入了实际科研和产业应用并行的阶段。

影响分析方面，MTT C256超节点的出现，预示着国内在构建万卡级、数据中心级AI算力集群的水平上达到了新的高度。它为后续更大型、更复杂的AI模型训练提供了坚实的硬件基础支撑，尤其是在需要极高互联带宽和计算密度的场景。

对于关注AI基础设施发展的读者而言，可以重点关注摩尔线程在软件栈（如MUSA）与硬件架构上的协同优化。一个高性能的超节点，其价值不仅体现在GPU的数量上，更体现在能否通过优化的网络层和配套的软件工具链，将这些算力高效地转化为解决实际科学问题的能力。

综上所述，摩尔线程MTT C256超节点的亮相，结合多个机构在世界模型、具身智能等领域的实证训练案例，共同描绘了一幅国产AI算力基础设施快速追赶和落地的发展图景。