過去幾年，國產GPU的故事，很多時候都是在機房里發生的。大模型訓練、智算集群、國產替代、生態遷移，這些詞語大家估計在新聞里都看過，但對普通用戶來說，它們始終離生活有點遠。

畢竟對于大多數人來說，他們都是從手機里的AI修圖、App里的AI對話了解和接觸的AI，以至于很少有人會把“GPU基礎設施”和自家客廳聯系起來，這玩意看起來與普通用戶似乎很遙遠。

但在5月18日的摩爾線程2026產品發布會上，這件事出現了一些變化。

在這場以“詞元時代，萬物智能”為主題的發布會上，摩爾線程展示了“云-邊-端”全棧智算矩陣，從萬卡級夸娥智算集群，到自研“長江”SoC驅動的MTT AICUBE、MTT AIBOOK，再到邊緣AI模組E300、具身智能仿真平臺MT Lambda，以及持續進化的MUSA生態，幾乎覆蓋了當下AI產業鏈最核心的幾個方向。

摩爾線程用一系列產品和技術，展示了國產GPU生態的活力，不過在小雷看來，這場發布會中最值得普通用戶關注的，并不是聽起來最硬核的萬卡智算集群，而是那臺放在客廳、書房甚至電視旁邊都不違和的小立方——MTT AICUBE。

如果說夸娥智算集群證明的是摩爾線程的算力上限，那么AICUBE證明的則是國產AI算力正在從機房走向家庭。

AICUBE不是AI盒子，而是家庭AI中樞

如果只看外形，AICUBE很容易被誤認為是一臺小主機、NAS，或者新一代電視盒子。

但是摩爾線程并不想將AICUBE定義為一款傳統智能設備，作為摩爾線程首款面向家庭場景的消費級產品，它搭載了全域智能體“小麥”并擁有一定的端側本地算力，同時支持本地私有云。換句話說，AICUBE不是單一功能設備，而是一臺融合“AI Agent + AI PC + AI NAS”能力的家庭AI中樞。

這也是AICUBE最值得討論的地方。

過去雷科技見過很多家庭智能設備，比如智能音箱、智能電視、NAS、小主機、家庭網關。但這些設備大多只解決一個問題，在以前的智能家庭生態中，倒也是夠用了。但是，在AI時代就顯得捉襟見肘了。

AICUBE想做的，是把這些能力重新裝進一個設備里，用一個AI來統合它們，這個AI就是摩爾線程自研的“小麥”智能體。與常見的智能助手不同，小麥支持90多項CLI系統工具、60多項Skills，以及超過36款App跨應用控制。

這些能力，讓它不僅能聽懂你的語音指令，還能在理解目標后，主動拆解任務、調用工具，并跨應用完成操作。這些都是傳統智能音箱做不到的，智能音箱更多是“你說一句，它做一步”。你讓它播放音樂，它播放音樂；你讓它查天氣，它就只是查天氣，不會有更多的操作。

而AICUBE里的“小麥”則不同，當你讓它查天氣時，它會結合相關數據，給予你進一步的提醒，比如你的日程顯示下午要出門，那么它會擴大天氣搜索范圍，然后提醒你下午可能有雨，記得帶傘。

這也是Agentic AI和傳統語音助手最大的差異：前者不只是響應，而是執行并預判需求。

所以，對家庭用戶來說，AICUBE的意義就不只是“家里多了一個會聊天的AI”，而是真正改變的用戶與家庭智能設備的交互方式。

更重要的是，“小麥”并不是孤立運行在云端的聊天機器人，借助摩爾線程的軟件棧、MTT AIOS、MTClaw框架以及端側硬件的深度優化。“小麥”的任務執行速度，以及高頻工具調用成功率均超過95%，在實測中性能穩超前段時間爆火的OpenClaw。

在摩爾線程發布會的現場，工作人員就現場演示了通過AICUBE來調用家庭設備的能力。比如你周末宅家想看一部電影，以前要打開電視、進入系統，然后用遙控器搜索、篩選、播放，現在只需要喚醒“小麥”告訴他你想看什么類型的影片，它就會自動在本地和云端的影片庫中搜索，然后展示出來，然后通過語音指令就可以確認播放。

不僅如此，它還能通過App的聯動，幫你解決需要用到不同設備的任務，比如你想在三天后去上海旅行，需要做一份出行計劃。當你下達指令后，“小麥”會調用手機等設備上的App，搜索機票、行程等信息，然后匯總成文檔發送到你的手機或電腦上。

可以說，如果家庭里有一個長期在線、能理解家庭數據和個人偏好的AI中樞，很多操作就不再需要用戶自己去手動完成，你只需要給出任務，剩下的交給智能體調度完成即可，就像家里多了個“管家”。

這也是雷科技認為AICUBE更值得關注的原因，摩爾線程并不是把AI塞進一個盒子里，而是試圖讓AI成為家庭數字生活的調度中心。

家庭AI為什么一定需要“數據中心”屬性？

很多人可能會問：家庭AI入口一定要是AICUBE這種獨立設備嗎？手機不行嗎？手機當然重要，而且仍然會是AI最核心的個人入口之一，但家庭AI和個人AI并不是一回事。

首先從設備屬性來看，手機是個人設備，天然圍繞一個人的賬號、習慣和移動場景展開，但家庭場景則完全不同，它涉及多人共享、長期數據、固定空間、持續在線和跨設備協同。換言之，如果AI想真正理解一個家庭，就不可能只靠云端大模型臨時回答問題，它必須接觸家庭數據，理解家庭成員習慣，并在本地長期沉淀記憶。

這也是為什么AICUBE還具備AI NAS屬性，AICUBE標配1TB存儲，并可擴展至12TB，足以承載大量的家庭照片、視頻、文檔等數據，同時，它還能圍繞這些數據提供AI相冊、視頻超分、內容整理和創作等能力。

在小雷看來，這個設計比單純強調算力更關鍵，過去的NAS解決的是“數據放在哪里”，未來的AI NAS則要解決“數據怎么被理解和使用”。比如以前你把十年的照片存進NAS，最后只能靠文件夾和時間線查找，但有了AI能力后，設備就能理解照片里的地點、人物、事件，甚至主動幫你生成家庭聚會、生日、旅行的視頻合集。

試想一下，在十年、二十年甚至三十年后，當你與親人在一起舉辦結婚周年聚會時，“小麥”突然在電視上冒出來，給你們播放過去幾十年里那些值得記憶的瞬間剪輯而成的影片，并與你們慶祝一同度過的時光時，是否會有一種恍若隔世的感覺？

這也是家庭AI中樞和傳統NAS的分水嶺，傳統NAS是被動存儲，AI NAS則是主動理解。前者像倉庫，后者更像家庭數字資產管家。

同時，本地數據中心還有一個繞不開的價值：隱私。家庭數據是最不適合完全交給云端處理的數據類型之一，照片、視頻、聊天記錄、工作文檔、家庭成員信息，這些內容越私密，用戶越希望它們留在本地。

所以，AICUBE通過端側算力和本地存儲，把一部分AI處理留在家里，再通過端云協同補足復雜任務所需的外部能力，這種路線必然會是未來家庭場景下的AI中樞的主流。

為了滿足這些需求，AICUBE也不能停留在存儲層面，它基于摩爾線程自研“長江”智能SoC，集成CPU、GPU、NPU、VPU等計算單元，能夠提供50TOPS異構AI算力，并配備32GB內存，結合定制的操作系統，可以輕松承擔影音娛樂、輕辦公、在線學習、云游戲、本地AI應用等需求。

可以說，AICUBE其實是把家庭里的幾類設備重新融合：它既有NAS的數據中心功能，又有桌面PC的超強算力和性能，同時又擁有智能音箱的語音交互功能，配合電視、手機等設備，還能與你進行視覺交互，并作為電視盒子使用。

這也是為什么小雷更愿意把它看作一個“AI新物種”。

它未必會馬上取代現有家庭設備，但它確實指向了一個新方向：未來家庭AI入口，不一定是手機，也不一定是智能音箱，而可能是一臺長期在線、擁有本地算力和家庭數據的AI中樞。

AICUBE背后，是摩爾線程的云邊端閉環

當然，只看AICUBE，很容易把這場發布會理解成一次消費級新品發布。

但如果把AICUBE放回摩爾線程整場發布會里看，它更像是摩爾線程展示整個云邊端體系的窗口。

AICUBE的最底層，是夸娥智算集群。

在Agentic AI快速發展的背景下，Token消耗正在指數級增長，模型訓練、推理服務和智能體執行都需要更穩定、更大規模的AI基礎設施。

摩爾線程此次重點展示的夸娥萬卡級智算集群，已經實現商業化落地，并在Dense大模型訓練中的MFU可達60%，MoE大模型達40%，訓練線性擴展效率達到95%，有效訓練時長可達90%。

這些數字背后，是國產GPU競爭已經跳脫出討論單卡性能的階段。早期討論國產GPU，大家更關注“單卡能不能跑”“能不能適配某個模型”“能不能替代某些場景”。但大模型時代真正考驗的是系統能力：萬卡規模下能不能穩定運行，訓練結果能不能對齊，軟件棧能不能支撐預訓練、后訓練、強化學習和推理服務。

換句話說，國產GPU競爭已經從單點性能進入系統級競爭，意味著國產GPU已經開始正式嶄露出自己的“獠牙”。

除了夸娥智算集群外，摩爾線程還帶來了AIBOOK和E300兩款產品。其中AIBOOK面向AI開發者和學習者，預裝“龍蝦”智能體OpenClaw，支持多智能體協作、本地獨立運行、端云協同等多種模式，并且自帶原生Linux、虛擬化Windows、容器化Android等多系統環境。

在現場的展廳中，雷科技就看到它被應用在各種不同的場景中，它的價值顯然不是簡單做一臺筆記本，而是為AI應用開發、調試、部署提供一個更完整的端側平臺。對于開發者來說，AIBOOK也是他們接觸摩爾線程AI生態的最佳工具。

E300則更偏行業邊緣場景，基于同樣的“長江”SoC，它能夠被應用到工業質檢、能源巡檢、智慧教室、具身智能、智能汽車、低空經濟等各種有端側AI需求的場景中，為設備提供低延遲、高可靠的本地化推理能力。

雖然E300看起來并不起眼，卻是未來泛AI生態的真正核心，因為很多即時數據其實都不適合傳回云端，也不是所有AI任務都能忍受網絡延遲，邊緣AI模組將成為AI落地的重要基礎設施，等于讓AI擁有遍布全城市乃至全國的分布式大腦。

而在硬件之外，發布會還展示了MT Lambda和MUSA生態，前者是摩爾線程面向具身智能推出的首個國產仿真平臺，后者MUSA則是其所有產品共同組成的軟硬件生態。

MT Lambda旨在解決訓練、仿真、驗證和端側部署之間的割裂，具身智能不只需要AI訓練，還需要物理仿真、圖形渲染和數據合成。而摩爾線程的全功能GPU路線，剛好可以在同一架構下支撐各種訓練計算的需求，提供從數據合成、策略訓練到仿真驗證的完整工作流。

而MUSA，作為摩爾線程全功能GPU硬件與全棧軟件體系的底層核心架構，是其生態戰略的集中體現。英偉達CUDA已成為強大壁壘，國產GPU若想快速發展，必須解決CUDA兼容問題。如何高效兼容，是國產GPU生態建設的關鍵考驗。

對此，摩爾線程MUSA已取得了顯著進展：目前已實現核心數學庫100%兼容，核心AI算子覆蓋55類，并達到了PyTorch框架100%兼容。值得一提的是，MUSA SDK 5.1.0版本已完全對標CUDA 12.8——當前業界廣泛使用的主力版本。這意味著絕大多數CUDA程序可無需修改，在MUSA架構上高效運行。

在此基礎上，MUSA已經進入全球頂級推理框架SGLang官方后端矩陣，并在vLLM、TileLang等開源生態中持續推進，同時完成對多款主流大模型和多模態模型的適配。

這些能力看似離AICUBE很遠，但其實正是AICUBE能夠成立的前提。

沒有云端智算集群，端側智能體就缺少持續進化的基礎，而AIBOOK和開發者生態則為家庭AI中樞提供更多應用與工具。而MUSA作為摩爾線程的全棧技術體系，為上述能力提供堅實的計算底座與軟件支持，是驅動端側智能體將數字智能帶入物理世界，實現完整閉環的關鍵。

所以這場發布會真正想講的，并不是“摩爾線程發布了一臺AICUBE”。它想講的是，摩爾線程正在把國產GPU從云端訓練、邊緣推理，推進到終端智能體和家庭數據中心，最終串成一條完整的AI生態鏈。

國產算力開始進入普通人的生活

在雷科技看來，AI要真正進入大眾生活，就必須變成普通人能理解并愿意常去使用的產品。對家庭用戶來說，他們其實并不關心你的設備算力有多強，他們關心的是，AI是否真的能為他們“做點什么”，小到備忘提醒、照片整理，大到生活管理、工作協助，這些能讓用戶感知到“AI價值”的事情，才是普及的關鍵。

而AICUBE的意義就在這里，證明AI能夠讓你的生活變得更輕松、更美好。

所以，AICUBE不只是摩爾線程的一臺消費級新品，也不只是“AI PC + AI NAS + AI Agent”的組合實驗。它更像是國產GPU企業向大眾市場遞出的一張新名片：過去我們負責訓練AI，現在我們也希望讓AI真正進入你的生活。

也許未來回頭看，這臺小小的立方體未必是家庭AI的最終形態，但已然是最具潛力的產品。