跑分之外，摩尔线程营收为什么增长147%？

夸娥与MUSA支撑规模交付，PD异构探索存量GPU协同

【四问】

一、147%的增长，首先证明了什么？

二、硬件与超节点逐渐同质化，算力落地还卡在哪？

三、MUSA怎样降低已有CUDA项目的软件迁移成本？

四、PD异构怎样让新GPU与机房存量卡协同工作？

图1｜本期营收与6.60亿元夸娥合同交付概览。数据据摩尔线程2026年半年度报告整理。

一、147%的增长，首先证明了什么？

答案主要在云端产品与夸娥交付。上半年云端智算产品收入16.93亿元，占总营收97.5%；3月签下的6.60亿元夸娥合同在报告期内完成交付并确认收入。

由于半年报没有单列该合同对应的会计收入和毛利，6.60亿元只能作为合同规模，不能直接换算为本期收入占比。可以确认的是，147%的增长来自大模型算力需求释放、S5000与夸娥稳定供货，以及订单顺利转为收入。

二、硬件与超节点逐渐同质化，算力落地还卡在哪？

先快速看硬件底座：S5000单卡AI稠密算力最高1000 TFLOPS，配备80GB显存和1.6TB/s显存带宽，支持FP8到FP64，八卡可通过MTLink组成节点内全互联。按摩尔线程公布的口径，它在所选CV与LLM训练场景中达到对照产品74%以上，Llama 3 70B训练MFU超过60%，万卡级训练线性扩展效率为95%。

这些指标说明S5000具备进入大模型训练和规模组网的基础。但GPU、互联、集合通信、调度、训练软件和RAS组成超节点，已经是主流厂商的共同路线。夸娥真正证明的是，摩尔线程能把这些能力组合成客户可验收、可调度、可运维的完整系统，并按合同完成大额交付。

但集群进场不等于切换结束：客户还要迁移运行多年的CUDA工程，也要处理机房里仍有使用价值的存量GPU。前者是软件沉没成本，后者是硬件沉没成本。

图2｜夸娥交付、MUSA基础能力与PD异构方案处于不同证据层级。

三、MUSA怎样降低已有CUDA项目的软件迁移成本？

硬件进机房后，原有CUDA工程还要接到新的软件栈上。

一个AI项目表面使用PyTorch或vLLM，下面往往连着CUDA算子、通信库、编译脚本和自定义扩展；换卡也意味着这些调用重新指向MUSA。半年报明确将torch_musa、MUSA SDK及加速库列为支撑夸娥千卡、万卡集群训练与推理的成熟能力，并把降低迁移成本视为GPU商业化的重要壁垒。这说明MUSA已经是当前集群交付的一部分。

在此基础上，摩尔线程还准备了不同深度的迁移入口：MUSIFY改源码，MUSA Mapping在编译时映射API，torchada从Python调用层转接，vLLM-MUSA从推理框架接入。它们面向不同项目条件，把一次全面重写拆成多个可选入口。其中MUSIFY与torch_musa可在半年报中找到，其他入口来自开发者文档和代码仓库；半年报尚未量化这些迁移工具单独带来的订单、收入或维护成本降幅。

图3｜项目条件不同，CUDA工程可以从不同层级接入MUSA。

四、PD异构怎样让新GPU与机房存量卡协同工作？

智算中心通常分期建设，机房里会同时存在不同代际、不同厂商的GPU；在线请求的输入和输出长度也不断变化，Prefill与Decode所需资源的比例随流量摆动。

传统部署让计算密集的Prefill和访存密集的Decode共用一组卡，容易出现一边排队、另一边闲置。PD分离把两段变成独立资源池，按首Token时延和逐Token时延分别扩容；跨厂商异构再让不同卡型各做擅长的阶段。

图4｜PD异构将Prefill与Decode分池部署，并通过KV Cache衔接同一条推理请求。

因此，对承载在线推理、长上下文、混合卡型并有SLA要求的智算中心，PD更像一项通用调度能力。半年报只披露公司推出了PD异构分离方案，以提高资源利用率并提供兼顾成本、性能与灵活性的混合部署路径，没有披露客户、合同或收入。

更具体的跨厂商Prefill与Decode分工，来自摩尔线程与硅基流动8月发布的联合白皮书。

白皮书给出一套工程样例：4台S5000负责Prefill，2台HXXX负责Decode，两端统一采用FP8，并通过Mooncake RDMA传递KV Cache。在双方测试口径下，常规并发首Token时延为1至6秒，逐Token时延为0.011至0.020秒，整体对标4台HXXX组成的同构集群。

这组结果证明了联合测试条件下的工程可行性，但不能据此认定PD异构贡献了本期收入；其长期稳定性和规模商用效果，仍要由具名项目的生产数据检验。

结语

147%的增长直接对应全功能GPU需求、夸娥商业化加速和稳定供货。MUSA虽未形成单独收入项目，却已经支撑夸娥集群与模型适配，属于本期产品商业化的基础能力；多入口迁移能否进一步缩短客户切换周期，仍缺少量化案例。PD异构则停留在方案披露和联合测试层面，尚无客户与收入证据。

把三层关系分开，才能既说明本期收入从哪里来，也看清摩尔线程准备怎样扩大下一阶段的落地范围。

  参考资料：

[1] 摩尔线程：2026年半年度报告。[2] 摩尔线程：关于签订日常经营重大合同的公告（2026-009）。[3] 摩尔线程：MTT S5000产品页及夸娥智算集群技术资料。[4] 摩尔线程开发者文档：MUSIFY与MUSA Mapping。[5] Moore Threads：torchada、torch_musa与vLLM-MUSA代码仓库。[6] 摩尔线程、硅基流动：《PD分离异构算力混部实践技术白皮书》，2026年8月。[7] 摩尔线程：Mooncake Transfer Engine MUSA与PD分离接入说明。

#深芯盟  #湾芯展  #半导体产业研究 #摩尔线程  #夸娥  #MUSA  #PD  #GPU