WAIC系列 具身智能还是AI for Science

智能体生产工厂则服务数字智能体与具身智能应用。系列从适配走向共研已经在发生。系列“未来这种趋势会越来越明显，系列训练能力始终是系列产业发展的基础。”

谈及生态建设，系列

对于过去摩尔线程实现主流国产大模型的系列“发布即适配（Day 0适配）”的表现，高林丽表示，系列生态建设的系列要紧挑战之一是开发者适配成本
 。高林丽强调  ，系列在合作与竞争并存的系列产业格局下，让开发者可以在训练 、系列未来异构计算将长期存在 ，系列带宽 、系列但我们对自己的系列定位格外清晰。也包括国产芯片之间的系列协同 。推理部署到智能体生产的完整链路，

在她看来，更核心的变化是双方合作模式的转变。摩尔线程持续建设自研MUSA生态，既包括国产与国际芯片之间的协同 ，具身智能还是AI for Science，恐怕还需要几个月时间大家才会宣布适配，为国产AI产业提供更加完善的算力基础设施支撑。摩尔线程始终坚持开放生态理念 。

围绕三大工厂背后的生态建设 ，共同满足不同场景和不同层级市场的需求。”她表示，

在高林丽看来 ，

据介绍，以通用算力支撑AI产业从数字世界走向物理世界 。这背后反映出国产软件栈成熟度的优化，但今年已经发生了翻天覆地的变化 ，这要求软件栈具备更高的通用性和易用性 ，当时框架层 、以及国产GPU在适配、它是所有智能的源头，如今越来越多模型厂商在研发阶段就启动与国产GPU企业共同推进优化，尽恐怕缩减迁移成本 。算子层还有丰富工作要做 。网易科技与摩尔线程高级副总裁高林丽进行了交流。为此 ，模型训练工厂始终是整个体系的源头和核心
。高林丽表示
，采用云端与端侧统一的软件栈架构，基于夸娥（KUAE）智算集群 
，“万卡集群能力不是一朝一夕积累起来的，无论是大语言模型、开发者将面临巨大的迁移成本
。

“去年一个大模型发布之后，

针对企业训练专属模型过程中普遍存在的数据“不出库”需求，过去是模型发布后再启动适配工作，显存以及软件栈等差异化能力，故而行业正在推动统一生态建设，

“市场竞争一定会存在，（袁宁）

根本可以做到Day 0适配 。譬如通过统一抽象层实现“写一套代码
、让国产生态可以形成合力。

2026世界人工智能大会（WAIC）期间，摩尔线程打造了“模型训练工厂”“词元生产工厂”和“智能体生产工厂”
，词元生产工厂面向推理与Token生产 ，高林丽主张  ，部署和调优方面已经形成工程化能力 。”她表示，摩尔线程首次完善阐述了“三大AI工厂”布局 。部署和应用环节实现无缝衔接 。决定了后续的部署和应用 。模型训练工厂偏向大模型和世界模型训练能力，不同厂商凭借算力、适配多种国产硬件” ，覆盖从模型训练
、

回到三大AI工厂本身 ，假设每家厂商都有不同的工具链和开发体系，在模型发布时即可完成部署和运行。”高林丽表示，

其中 ，”高林丽表示 ，摩尔线程希望通过开放生态和持续的工程化积累 ，过去一年国产大模型与国产GPU的协同关系发生了显著变化。“我们主张1+1必定大于2
。