Компания Moore Threads продемонстрировала на мероприятии WAIC 2026 свою концепцию трех ИИ-фабрик: фабрику обучения моделей, фабрику генерации токенов и фабрику производства агентов. Эти фабрики представляют собой комплексную производственную инфраструктуру, необходимую для эпохи токеномики, где спрос на вычислительные мощности растет экспоненциально из-за потребления ИИ-системами друг друга.
Все три фабрики построены на кластере вычислений Kuae и запатентованной архитектуре MUSA компании. Эта архитектура уникально объединяет ускорение ИИ, рендеринг 3D-графики, физическое моделирование и видеокодек в одном чипе.
Наиболее значимым достижением является модель EvoPhys-World — первая в мире 5D-модель, полностью обученная на графических процессорах MTT S5000 от Moore Threads. Эта модель занимала первое место в мировом рейтинге Stanford WorldScore в категории генерации мира в течение 37 дней подряд. Исследовательская группа Пекинского университета использовала кластер Kuae с полной поддержкой программного стека MUSA, показав, что отечественная инфраструктура ГП способна поддерживать обучение передовых мировых моделей с качеством, стабильностью и масштабируемостью, сравнимыми с международными стандартами. Это подтверждает потенциал отечественных ГП для сложных задач ИИ, которые ранее считались прерогативой NVIDIA.
Технической основой служит суперузел MTT C256, который использует однослойную сетевую архитектуру Scale-up. Он обеспечивает полную взаимосвязь 128 ГП в стандартном корпусе шириной одного узла, с возможностью расширения до 256 ГП в комбинированной конфигурации. Ортогональная структура устраняет проблемы потери пропускной способности и высокой задержки традиционных многоуровневых сетей. Коэффициент использования FLOPs модели достигает 60% для плотных моделей и 40% для моделей MoE, эффективное время обучения превышает 90%, а линейная эффективность масштабирования достигает 95%, при этом точность обучения соответствует основным международным вычислительным картам. Кластер Kuae успешно продемонстрировал стабильную работу обучения на 1000 картах для мультимодальной модели Wan2.1 и завершил сквозное обучение базовой модели MoE-236B с нуля.
Moore Threads также представила два терминала, ориентированных на ИИ: домашний центр ИИ MTT AICUBE, позиционируемый как семейный интеллектуальный центр, и ноутбук для вычислений ИИ MTT AIBOOK для мобильных задач ИИ. В сочетании с моделью кода MusaCoder, агентом программирования MUSACODE AI и Академией Moore, компания представила полный стек решений — от облачной суперкомпьютерной инфраструктуры до развертывания на периферии и конечных пользовательских терминалах. Это позволяет компании позиционировать себя как единственную китайскую компанию-производителя ГП, которая одновременно охватывает как корпоративный, так и потребительский рынки с полной стратегией покрытия сценариев.
Помимо трех фабрик, более широкий вывод заключается в том, что китайская экосистема отечественных ГП достигла уровня готовности для промышленного применения. Компания BAAI использовала кластер Kuae с MTT S5000 для завершения полного процесса обучения обобщенного воплощенного мозга RoboBrain 2.5. Бенчмарк BEVFormer на инфраструктуре Moore Threads достиг пропускной способности на одной и двух машинах, сопоставимой с международными основными ГП. Поскольку ежедневное потребление токенов в Китае превысило 140 триллионов в марте 2026 года, увеличившись в 1000 раз за два года, способность обучать, запускать и развертывать рабочие нагрузки ИИ на отечественной инфраструктуре ГП превратилась из теоретической возможности в операционную реальность.
Компания Dexmal представила комплексный набор продуктов для воплощенного искусственного интеллекта, направленный на преодоление последнего инженерного барьера между моделями ИИ и реальной производительностью. Среди анонсированных разработок — универсальная фундаментальная модель DM0.5, универсальный робот Apex, операционная система DexOS и платформа MaaS.
Стратегия компании построена по трехступенчатой модели, аналогичной ракете: первый этап посвящен созданию обобщенной фундаментальной модели; второй этап включает инструменты для разработчиков, такие как MaaS и ОС; а третий этап фокусируется на возможностях систематического решения сценариев.
Фундаментальная модель DM0.5 обладает 4 миллиардами параметров и была обучена на 150 000 часах мультиисточниковых данных. Это представляет собой увеличение данных в 4 раза и параметров в 2 раза по сравнению с моделью DM0. Модель демонстрирует низкую задержку инференса в 50 мс, улучшение эффективности инференса на 25% и достигла первого места в рейтинге RoboChallenge Table30 V2 с общим баллом 60.1, показав при этом 99.1% комплексной производительности при оценке LIBERO.
Ключевым техническим прорывом является способность к обобщению. По сравнению с DM0, успех навигации в режиме нулевого выстрела улучшился на 31%, в режиме нескольких выстрелов — на 45%, а успех тонкой настройки — на 20%. Стоимость тонкой настройки снизилась на 60%, что позволяет выполнять задачи экспертного уровня на одном потребительском GPU RTX 4090 всего за 18 часов.
Три вспомогательные платформы помогают устранить инженерный разрыв между возможностями модели и реальным внедрением. DFOL 2.0 использует мировую модель DW0.5 в качестве высокоточной симуляции для проведения обучения с подкреплением в виртуальной среде, что сокращает потребность в данных реального робота на 60% и общие затраты на обучение на 40%. DexOS, являющаяся первой в отрасли обобщенной операционной системой для воплощенных систем, отделяет модели ИИ от аппаратного обеспечения робота, позволяя разработчикам управлять, воспринимать и подключать роботов всего несколькими строками кода на Python, независимо от бренда робота.
Платформа MaaS обеспечивает инференс нулевого выстрела по одной команде и визуальную рабочую область для онлайн-обучения и развертывания с оплатой по мере использования.
Также была представлена универсальная робот-платформа Apex, разработанная специально для приложений воплощенного ИИ. Она отличается модульной конструкцией с возможностью быстрой замены концевых эффекторов менее чем за 60 секунд, 360-градусным зондированием с использованием двух лидаров, полезной нагрузкой одного манипулятора весом 3 кг, миллиметровой точностью и заменой батареи с горячим подключением за 30 секунд с режимом ожидания мозга для круглосуточной работы. Целевое значение MTBF превышает 1000 часов.
Генеральный директор Танг Вэньбинь отметил, что воплощенный ИИ находится в критической точке перелома, где законы масштабирования полностью демонстрируют свою мощь, однако для перехода от моделей к реальной продуктивности необходимо преодолеть последний рубеж инженерной интеграции. Dexmal сотрудничает с производителями роботов, включая Tiangong, Huaqin и Shihe, а также с партнерами по чипам, такими как Pingtouge, Moore Threads и Cambricon, для создания отечественной экосистемы воплощенного ИИ.
