单卡1000 TFLOPS，摩尔线程旗舰级计算卡首曝，性能逼近Blackwell

在国产AI算力领域，硬件性能的堆叠往往只是入场券，而软硬协同的生态适配才是决定胜负的关键。随着智谱AI最新一代“国模顶流”GLM-5的发布，这一Coding能力位居全球开源第一、总榜第四的模型迅速引发了行业热议。

与此同时，摩尔线程宣布其AI旗舰级计算卡MTT S5000实现对GLM-5的Day0“发布即适配”，并首次披露了硬件性能参数，不仅单卡算力1000 TFLOPS，并提供原生FP8支持，在显存容量、互联带宽上也与英伟达H100对标。从2024年推出至今，这款专为训推一体设计的全功能GPU智算卡，不仅在纸面参数上对标国际主流产品，更在智源研究院、硅基流动等头部机构的实战检验中，展现出挑战英伟达高端算力的统治力。

摩尔线程究竟做对了什么，使其能够从GLM-4.6一路无缝衔接到GLM-5，让“零时差”适配成为国产算力的常态？

生态的飞跃，GLM-5“Day-0”适配背后的全栈协同

此次GLM-5发布即适配的背后，是摩尔线程软硬协同技术路线的集中爆发。作为定位Agentic Engineering的旗舰模型，GLM-5相较上一代性能提升20%，对长序列推理和复杂系统工程能力提出了极高要求。MTT S5000凭借充沛的算力储备与对稀疏Attention的架构级支持，在大规模上下文处理中依然保持了高吞吐与低延迟，完美承接了GLM-5在长程Agent任务中的计算需求。

更关键的是，MUSA软件栈的敏捷性成为了实现“Day-0”适配的胜负手。基于MUSA架构的TileLang原生算子单元测试覆盖率已超过80%，使得绝大多数通用算子可直接复用，极大降低了移植成本。

通过高效算子融合及框架极致优化，MTT S5000在GLM-5的运行中展现了极低的首字延迟（TTFT）和流畅的生成体验，特别是在函数补全、漏洞检测等Coding核心场景中表现优异。

硬实力的底气，S5000性能逼近Blackwell

MTT S5000性能的首次全面曝光，揭示了国产GPU在架构设计与集群扩展上的成熟度。作为摩尔线程第四代MUSA架构“平湖”的集大成者，S5000在单卡规格上能力接近国际一流水平，搭载80GB显存，显存带宽高达1.6TB/s，卡间互联带宽达到784GB/s，单卡FP8算力更是飙升至1000 TFLOPS，在显存、卡间互联、单卡算力上与英伟达H100基本一致。

此外，MTT S5000对FP8到FP64全精度计算的完整支持，特别是硬件级FP8 Tensor Core的引入，成为了其性能跃升的核心引擎。据接近测试项目的行业人士透露，MTT S5000在产品精度层面已超越H100，技术特性更逼近英伟达下一代Blackwell架构。

来自互联网厂商场景的实测反馈，进一步印证了其在算力上的优势。数据显示，在典型端到端推理及训练任务中，MTT S5000的性能约为竞品H20的2.5倍。分析指出，这主要得益于其高达1000 TFLOPS的单卡算力，在绝大多数计算密集型场景中，该卡不仅能提供更强劲的算力输出，也在整体性价比上展现出显著优势。

基于S5000构建的“夸娥”万卡集群，其浮点运算能力已达10Exa-Flops级别，标志着国产算力在超大规模集群层面迈入了世界前列。在该集群的实测中，S5000展现了极高的算力利用率（MFU），Dense模型训练中MFU达60%，MoE模型维持在40%左右，Flash Attention算力利用率更是超过95%。这得益于摩尔线程独创的ACE技术，该技术通过将复杂的通信任务从计算核心卸载，实现了物理级的“通信计算重叠”，从而释放了15%的被占算力。

实测数据显示，从64卡扩展至1024卡，系统始终保持90%以上的线性扩展效率，这意味着训练速度随算力增加几乎实现了同步倍增，有效训练时间占比超过90%。

顶尖模型训练与推理中的实战中，对标H100

参数之外，真实的落地案例是检验算力成色的唯一标准。摩尔线程S5000在训练与推理两大核心场景中，均交出了令人信服的答卷。在训练端，2026年1月，智源研究院利用S5000千卡集群完成了前沿具身大脑模型RoboBrain 2.5的端到端训练与对齐验证。结果显示，其训练过程与英伟达H100集群高度重合，训练损失值（loss）的差异仅为0.62%，这证明了S5000在复现顶尖大模型训练流程上的精准度与稳定性。用户依托MUSA全栈软件平台，能够原生适配PyTorch、Megatron-LM等主流框架，实现“零成本”的代码迁移，真正做到了兼容国际主流CUDA生态。

在推理端，S5000的表现同样刷新了国产GPU的纪录。2025年12月，摩尔线程联合硅基流动，针对DeepSeek-V3 671B满血版进行了深度适配与性能测试。得益于S5000原生FP8能力与SGLang-MUSA推理引擎的深度优化，在PD分离的部署中，单卡Prefill（预填充）吞吐量超过4000 tokens/s，Decode（解码）吞吐量超过1000 tokens/s。这一成绩不仅大幅降低了显存占用，更在高并发场景下保证了极低的响应延迟。配合首创的细粒度重计算技术，S5000将开销降至原有的1/4，全方位提升了系统吞吐量，证明了其作为高性能在线推理服务底座的卓越实力。

从GLM-4.6、GLM-4.7到如今的GLM-5，摩尔线程通过一次次“发布即适配”的实战，证明了国产全功能GPU及MUSA软件栈已具备极高的成熟度。这种对前沿模型结构与新特性的快速响应能力，不仅为开发者提供了第一时间触达最新模型能力的通道，也为行业筑牢了一个坚实、易用且具备高度兼容性的国产算力底座。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。

想要获取半导体产业的前沿洞见、技术速递、趋势解析，关注我们！