作者丨青风改写

编辑丨六子重构

9月9日，在2026京东全球科技探索者大会上，京东云正式对外宣布，计划以摩尔线程全功能GPU作为核心算力支撑，构建规模达十万卡级的国产智能计算集群。

京东云相关负责人透露，针对物理AI对实时响应能力、低延迟特性以及高可靠性等方面的严苛要求，已携手摩尔线程等合作伙伴成功打造国产万卡级计算集群，并进一步规划建设十万卡集群。这一举措旨在打造国内AI云领域自主可控的超大规模算力基础设施，为大规模模型训练以及真实业务场景应用提供稳定且强大的算力保障。

此次国产GPU成功跻身头部互联网企业的十万卡级核心智能计算集群，具有里程碑意义。从最初千卡级别的尝试，到万卡级别的应用，再到如今十万卡级别的规划，这标志着国产算力正式告别“试点可用”阶段，大步迈进“规模化商用”的新纪元。

这笔订单的价值远不止于采购金额本身。它反映出行业对国产GPU的评价标准发生了根本性转变：过去主要关注参数表上的替代率，如今更看重核心生产系统中的可靠性；过去是给予国产GPU“尝试的机会”，现在则是将核心业务放心地交给国产GPU来承担。

十万卡级订单并非单纯由政策驱动的扶持性采购，而是头部企业以真金白银为国产GPU投出的一张极具分量的产业信任票。

01
「十万卡级订单：产业信任的强力背书」

要深刻理解这笔订单的重要性，首先需要明白“十万卡”在AI算力领域所蕴含的巨大价值。

在大模型时代，算力竞争早已从单卡性能的简单比拼，升级为系统级集群能力的综合较量：千卡级别仅是进入行业的入门门槛，万卡级别成为主流参与者的基本资格，而十万卡级别则是头部企业的“核心武器”——它承载的并非简单的演示性任务，而是一家公司最为核心的生产负载，直接决定了业务迭代的速度以及成本控制的底线。

在过去较长时间里，国产芯片在大厂的算力体系中大多扮演“备胎”角色：主要承担推理任务、部署在边缘场景、支撑政务项目等。而真正决定技术壁垒的大模型预训练领域，几乎被英伟达牢牢掌控。

而京东这十万卡级订单，无疑是将国产GPU从“替补席”直接推上了“首发阵容”，让其承担起核心生产链路中的关键角色。

这一转变背后有着清晰的政策导向。在订单公布前夕，工信部正式印发《信息通信行业发展“十五五”规划》，明确提出要有序部署万卡、十万卡及以上规模的智能计算集群，加大对国产算力芯片的适配力度。从过去的“鼓励使用”到如今的“明确规模部署”，政策导向的递进十分明显。

然而，若仅将这笔订单归因于政策因素，显然低估了京东的战略考量。财报数据显示，2026年上半年，京东体系的研发投入同比增长53.2%，且已连续三个季度保持加速增长态势。在大会上，京东更是明确提出“全球最大物理世界运营中心”的目标，京东物流计划在5年内采购300万台机器人、100万台无人车以及10万架无人机。

当AI技术从对话窗口走向仓库、分拣线和配送网络时，“多租几台云服务器”的模式显然无法满足需求——它需要的是自建的、可控的、不受外部因素制约的算力基础设施。

正如京东集团技术委员会主席、京东云总裁曹鹏所言：“高性能、高可靠的国产算力是物理AI战略落地实施的核心支撑。选择与摩尔线程开展深度合作，正是看重其在国产训练级GPU方面的稀缺能力以及大规模集群的成熟交付经验。”

这番话中的关键要点是“稀缺能力”与“成熟交付”——大厂为国产GPU下单，购买的并非仅仅是情怀，而是对未来发展的确定性保障。

这种趋势并非京东一家独有。智谱已成功落地1GW级全国产AI算力数据中心，并表示国产芯片的硬件效率与Token成本已接近主流英伟达GPU水平；MiniMax透露大规模国产算力集群即将上线并承接真实生产流量；市场还传出DeepSeek计划在内蒙古部署至少16万颗华为昇腾AI芯片。

当行业的主要矛盾从“能否使用”转变为“是否敢于大规模使用”时，十万卡级订单便不再是一个孤立事件，而是整个产业集体转向的重要缩影。

02
「摩尔线程：为何能接住这张超级订单」

国产GPU赛道竞争激烈，玩家众多，为何偏偏是摩尔线程成功接住了这张超级订单？

从其刚发布的半年报中或许能找到答案。2026年上半年，摩尔线程实现营业收入17.36亿元，同比增长147.42%，仅用半年时间就超过了2025年全年的营收规模；归母净亏损收窄至1156.31万元，同比收窄95.73%，扣除股份支付影响后的净利润已实现转正。

*图源摩尔线程2026年半年报

在已披露财报的国产AI芯片“四小龙”中，摩尔线程的营收规模位居首位。

更值得关注的是其收入结构：云端产品收入16.93亿元，占比高达97.5%。这意味着摩尔线程几乎将全部资源都投入到了数据中心智算场景中。

真正赢得京东信任的，是摩尔线程已经跑通的智算集群工程数据。摩尔线程基于旗舰产品MTT S5000打造的“夸娥”智算集群，已在北京、无锡、杭州等多地完成部署交付。

几项核心指标极具说服力：在集群规模扩大时，能够保持95%的线性扩展效率；训练精度与国际主流计算卡持平，损失曲线高度一致；支持断点续训功能，有效训练时长占比超过90%；Dense大模型训练MFU达到60%，MoE模型达到40%。

大模型训练堪称GPU的“终极考场”，这些数据翻译过来只有一句话：这套系统不仅能够胜任工作，而且能够稳定高效地运行。

在此基础上，摩尔线程完成了一系列“国芯训国模”的实战验证：基于MTT S5000集群，从零开始完整训练出语料规模达25万亿Token的MoE - 236B基础大模型；全栈原生训练的全球首个5D世界模型“北大EvoPhys - World”，曾连续37天位居斯坦福WorldScore“世界生成”维度全球榜首；北京智源研究院的具身大脑RoboBrain 2.5，同样在摩尔线程千卡集群上完成全流程训练，训练误差小于0.62%。

*图源摩尔线程

目前，摩尔线程与华为是国内仅有的两家实现万卡级训练集群落地，并完成超大参数模型完整训练验证的GPU厂商。

从商业周期的角度来看，摩尔线程正从产品验证阶段，迈向规模化复制阶段。旗舰卡MTT S5000已实现规模化量产，多地集群落地交付；下一代“花港”架构产品持续推进，“华山”系列主攻训推一体功能，“庐山”系列预计年内上市，官方数据显示庐山系列在3A游戏渲染性能方面提升15倍，AI性能提升64倍，光追性能提升50倍。

03
「全功能GPU：锚定物理AI新赛道的关键力量」

京东布局物理AI的底层需求，暴露了单一功能AI芯片的明显短板。与语言大模型仅在数字空间生成文本不同，物理AI需要让机器人在真实的仓库、工厂环境中完成移动、抓取、作业等复杂动作。

在部署到实体机器人之前，绝大多数训练都需要在数字仿真世界中完成：生成海量物理场景数据，训练具身大脑，在虚拟环境中反复试错，再将模型迁移到实体硬件，即实现Sim2Real闭环。

这个复杂的链条，正是京东物流、仓储机器人的核心刚需。然而，过去这些任务分散在异构平台上，训练使用AI卡、仿真使用图形卡、推理使用ASIC，数据需要反复在不同平台之间迁移，开发链路割裂，导致效率大幅降低。

在国内算力赛道上，绝大多数厂商都选择了单一发展路线，能够打通训练、仿真、渲染全链路的通用全功能GPU玩家寥寥无几。而摩尔线程的差异化优势，恰恰就体现在“全功能GPU”上。

*图源WAIC2026现场图

据摩尔线程联合创始人张钰勃在业绩说明会上介绍，基于自研MUSA架构的全功能GPU，单颗芯片能够同时支持AI计算、图形渲染、物理仿真、科学计算、视频编解码等多种功能，覆盖全计算精度，从底层解决了多硬件平台来回切换的痛点问题。

这就意味着京东仓库里的拣货机器人、配送调度系统、仓内数字孪生等，可以在同一套GPU底座上完成“合成数据—基模训练—强化学习—仿真评测—端侧部署”的全流程，无需在CUDA图形卡、第三方物理引擎、专用AI卡之间来回倒换数据。

目前，摩尔线程已依托MT Lambda全栈仿真平台，开源适配MUSA架构的MuJoCo Warp MUSA物理仿真后端，完成四足机器狗、人形机器人的Sim2Real真机验证，并在无锡设立工业具身智能创新中心，联合生态伙伴共同攻坚工业场景难题。

此外，软件生态更是决定大规模落地应用的关键隐形门槛。摩尔线程MUSA已实现对CUDA生态的深度兼容：100%核心数学库兼容、全量3000 + PyTorch算子兼容，获得vLLM与SGLang官方支持，开发者数量突破80万。

对于京东来说，十万卡集群如果软件栈不熟悉，即使扩到一万卡也难以发挥其真正价值；MUSA对CUDA的高度兼容，至少将“国芯国模”的迁移门槛大幅降低。

*图源摩尔线程

市场常常喜欢拿单卡算力参数进行横向对比，却往往忽略了赛道错位所带来的竞争价值。摩尔线程创始人张建中不久前在业绩会上强调，选择全功能路线，并非放弃追求极致单卡AI算力，而是瞄准物理AI、数字孪生、科学计算融合的长期市场需求。

当同行纷纷扎堆在单一功能AI卡赛道内卷时，摩尔线程抢先卡位物理AI的全功能算力底座，京东十万卡项目，正是这套差异化路线获得的顶级产业背书。

04
「写在最后」

京东云与摩尔线程的十万卡国产智算集群项目，堪称国产算力产业发展的标志性分水岭。

过去几年，行业反复探讨国产GPU“能否使用”的问题；而这一项目的落地，直接将命题推进到了“能否大规模稳定支撑产业级物理AI生产”的新阶段。

但这仅仅是一个起点。漫长的工程落地过程、持续的生态打磨工作、真实业务场景的压力测试，才是真正的大考。

国产算力的突围，从来都不是单点芯片的简单弯道超车，而是芯片、软件、集群工程、行业场景、开发者生态协同推进的系统性长征。从十万卡项目开始，国产算力才算真正走进了产业主战场的深水区。