摩尔线程与智源众智FlagOS社区合作,在MTT S5000 GPU上快速适配DeepSeek-V4-Flash模型。该模型采用混合专家架构,参数量达到284B,支持百万token上下文。MTT S5000原生支持FP8精度,提升计算效率。双方通过编译优化和自动调优,提升了FP8和Sparse Attention算子的性能,降低延迟并提高吞吐量。未来将继续推进DeepSeek-V4-Pro的适配工作。
随着4K显示器的普及,720p和1080p的视频内容仍然占主导,影响观看体验。摩尔线程的MTVSR技术通过实时超分辨率提升视频清晰度,保留原始文件,支持多种编码格式,用户体验良好。
阿里开源Qwen3.5系列新模型,摩尔线程快速适配MTT S5000 GPU,展示MUSA生态的成熟。支持原生MUSA C和Triton-MUSA,优化混合注意力机制,提升推理性能。摩尔线程将继续推动国产算力发展,助力AI生态繁荣。
中国电影科学技术研究所发表论文,研究基于HTJ2K算法和国产GPU的数字电影图像编解码技术。该技术提升了图像处理效率,促进国产设备自主发展,打破国外技术垄断,满足高分辨率和高动态范围电影需求。HTJ2K在性能和画质上显著优于传统JPEG 2000,推动电影行业技术进步。
Ultralytics开源YOLO26模型,摩尔线程提供原生支持与优化,适用于边缘计算等多场景。YOLO26简化推理流程,支持多种视觉任务,助力AI应用落地。
摩尔线程开源了TorchCodec-MUSA,实现了PyTorch编解码库的硬件适配,支持无缝迁移至国产GPU,提升视频处理效率,简化开发流程,降低使用门槛,推动国产GPU在AI训练中的应用。
摩尔线程开源MUSA加速版MONAI 1.5.0,专注于AI医学影像,提升国产算力。MONAI框架连接学术与临床,已下载350万次。MUSA软件栈优化性能,推动医学AI应用与国产生态发展。
张建中是摩尔线程的创始人,被称为“中国英伟达”。他在英伟达的经历使他掌握了GPU核心技术。摩尔线程专注于全功能GPU研发,迅速崛起,推动中国AI芯片产业发展。尽管面临国际技术封锁,国产GPU在政策支持下逐渐崭露头角。
文章探讨了AI行业的投资策略与风险,建议投资者根据目标和风险承受能力选择股票。DeepSeek提议将资金分配为70%投资于全球龙头企业如英伟达,30%投向有潜力的国产芯片公司,以实现风险与收益的平衡。同时指出,电力供应是AI发展的瓶颈,未来市场将由少数巨头主导。
摩尔线程在开发者大会上推出全新GPU架构MUSA,涵盖AI、图形和科学计算,发布三款新芯片和两款硬件产品,提升算力和能效,推动国产GPU生态发展,目标培养百万开发者。
摩尔线程新股公告引发市场热议,股价大幅回调。监管部门治理A股融资问题,意在恢复赚钱效应。机构资金集中于少数热点股票,市场出现两极分化,流动性危机隐现,散户被卷入AI概念股行情。整体市场高度结构化,未来可能面临熊市风险。
摩尔线程在2025年SIGGRAPH Asia大会上凭借自研的LiteGS算法获得3DGS重建挑战赛银奖,展示了其在图形渲染技术上的实力。LiteGS实现高效的3D场景重建,训练时间仅需10%,并已开源,推动三维重建与渲染技术的发展。
摩尔线程在香港举办的SIGGRAPH Asia 2025上,凭借自研技术LiteGS在3D Gaussian Splatting重建挑战赛中获银奖,展示了其在图形渲染技术上的实力。LiteGS实现高效渲染,提升图像质量,适用于AI场景,并已开源,推动三维重建与渲染技术的发展。
摩尔线程上市后募集75亿资金,99%用于理财,引发公众愤怒和广泛批评,质疑其重理财轻研发。尽管有分析认为此举合规合理,但市场情绪和舆论压力依然显著。
摩尔线程将于2025年12月19日至20日在北京举办首届MUSA开发者大会,聚焦全功能GPU,推动国产算力发展。大会将展示新一代GPU架构,设立20多个技术分论坛,促进技术与产业融合,并通过沉浸式展区展示前沿技术应用。
摩尔线程上市引发市场热潮,被誉为“中国的英伟达”。尽管市值大幅上涨,但行业竞争激烈,未来前景不明,投资者需谨慎,建议及时止盈。
Talllk Café在广州天河新址开业,保留标志性元素并新增酒吧。豆包手机助手限制某些应用场景以提升安全性。任正非认为未来算力将过剩,AI应重视应用。苹果新UI主管上任,库克给予高度评价。新华社批评广告误导消费者,摩尔线程市值突破2700亿。
摩尔线程今日上市,成为首个国产通用GPU公司,开盘价650元,较发行价上涨469%,市值超3055亿元。创始人张建中曾任英伟达中国总经理,专注于AI智算领域,前三季度收入达7.8亿元,净亏损有所收窄。
摩尔线程发布了Torch-MUSA v2.7.0,增强了PyTorch深度学习框架的功能和性能,支持统一内存设备,算子超过1050个。新版本集成muSolver和muFFT,加速复杂计算,新增动态双精度转换和分布式检查点功能,优化内存使用和计算效率,未来将持续跟进PyTorch更新。
完成下面两步后,将自动完成登录并继续当前操作。