Musa
PulseAugur coverage of Musa — every cluster mentioning Musa across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
摩尔线程营收增长147%，超2025全年营收数字
国内领先的GPU制造商摩尔线程公布了2026年上半年强劲的财务业绩，营收达到17.36亿元人民币，同比增长147.42%。这一数字已超过其2025年全年的营收。公司将此增长归因于其全功能GPU的高需求以及Kuai'e AI计算集群的成功部署。摩尔线程的研发投入也大幅增加，自2022年以来已投入近59亿元，并拥有超过2100项专利申请的庞大组合。
-
MiniMax 开源 H3 多模态模型，MoorThread 实现硬件适配
MiniMax 已正式开源其多模态生成模型 MiniMax H3。与此同时，MoorThread 宣布已成功在其 MTT S5000 AI 训练与推理卡上适配并运行 H3 模型，并使用了 MUSA 软件栈。这标志着使先进的多模态模型更易于访问和部署方面迈出了重要一步。
-
摩尔线程发布三款用于训练、推理和智能体的“AI工厂”
摩尔线程发布了其“AI工厂”计划，包含三个专注于模型训练、Token生产和智能体创建的独立设施。这些工厂由公司全功能GPU和夸娥（KUAE）智能计算集群提供动力，旨在为广泛的AI应用提供可扩展且经济高效的计算能力。该公司展示了实际应用和合作伙伴关系，包括与京东、旷视和MiniMax的合作，以证明其国产算力解决方案的实际应用。
-
SGLang 与 MUSA 合并后端，助力中国开源 AI GPU 支持
SGLang 与 MUSA 社区已将 MUSA 的后端合并到 SGLang 中，为中国开源 AI 生态系统实现了原生 GPU 支持。此次合作在其首次线下见面会上得到庆祝，预示着该地区开源 AI 发展的新阶段。
-
MusaCoder框架在GPU内核生成方面达到最先进水平
研究人员开发了MusaCoder，一个用于生成原生GPU内核的新型框架，这对于高效的底层代码执行至关重要。该系统采用全栈训练方法，整合了数据合成、拒绝微调和强化学习，并结合了一个名为MooreEval的专用验证环境。MusaCoder引入了几种技术来稳定强化学习过程，与现有模型相比，提高了正确性和速度。该框架表现强劲，其更大版本在原生GPU内核生成方面设定了新的最先进水平。
-
摩尔线程发布国内首个具身智能仿真平台
摩尔线程发布了MT Lambda，一个全面的国产具身智能仿真平台。该平台能够完全在仿真环境中训练机器人控制策略，然后无缝迁移到物理机器人上。该系统集成了AI模型训练、高保真物理仿真和逼真渲染，解决了现实世界机器人训练的高成本和高风险问题。摩尔线程旨在提供从云端计算集群到边缘端AI模块的完整软硬件生态系统，以支持具身智能的开发和部署。
-
摩尔线程联合开源AI开发者社区，共建MUSA GPU生态
中国GPU制造商摩尔线程召集了一场关于将其MUSA架构与SGLang等关键开源大模型推理框架集成的交流会。此次活动汇集了SGLang、TileLang和Mooncake等项目的核心开发者，标志着国内GPU行业正从硬件规格转向生态系统开发。摩尔线程旨在使其GPU无缝融入大模型部署的主流开源工程流程，强调与开发者的兼容性和易集成性。
-
摩尔线程完成DeepSeek-V4的全链路工程适配
摩尔线程已成功将DeepSeek-V4大语言模型适配到其旗舰AI训练和推理加速卡MTT S5000上运行。此次集成采用了公司专有的MUSA软件栈和开源的SGLang推理框架。此次成功验证展示了摩尔线程在其硬件上支持先进AI模型的能力。
-
摩尔线程发布从智能体到硬件的 AI 生态系统
中国 AI 硬件公司摩尔线程发布了涵盖 AI 智能体、AI PC 和 AI NAS 设备的全方位生态系统，旨在满足日益增长的计算能力需求。其新型 AI 智能体“小馒头”具备 7x24 小时运行和新颖的内存系统等高级功能，旨在集成到 MTT AICUBE 和 MTT AIBOOK 等消费类产品中。该公司还推出了用于具身智能的仿真平台 MT Lambda，并重点介绍了其用于高效 AI 训练和推理的“夸娥”万卡集群，强调了稳定性和性能。