單卡突破1000TFLOPS！摩爾線程旗艦GPU參數首曝光：對標H100，訓練性能大漲30%

芯東西（公眾號：aichip001）
作者 ZeR0
編輯 漠影

芯東西2月12日報道，今日，摩爾線程發文宣布旗艦級AI訓推一體全功能GPU MTT S5000率先完成對GLM-5大模型的適配，并首次曝光MTT S5000的硬件參數。

MTT S5000支持FP8到FP64的全精度計算，FP8精度下單卡AI算力最高可達1000TFLOPS，配備80GB顯存，顯存帶寬達1.6TB/s，卡間互聯帶寬達784GB/s。

根據業內人士消息，MTT S5000實測性能對標H100，在多模態大模型微調任務中，部分性能甚至超越H100。

MTT S5000由摩爾線程在2024年推出，專為大模型訓練、推理及高性能計算而設計。

據接近測試項目的行業人士透露，S5000在產品精度上已超越H100，更接近英偉達Blackwell架構。

在近期一次數千億參數模型的全流程訓練驗證中，該卡表現出了與H100集群極高的結果一致性，最終模型關鍵指標誤差僅維持在千分之幾的范圍內，整體訓練效果甚至實現小幅超越。

另據來自互聯網廠商場景的實測信息反饋，S5000在典型端到端推理及訓練任務中，性能可達競品H20的2.5倍左右。

摩爾線程官網也已上線MTT S5000的詳情頁面。

產品形態上，S5000遵循OAM標準設計，提供兩種計算模組形態：

• 液冷版：專為高密度綠色數據中心打造，釋放極致算力密度的同時，顯著降低PUE與能耗；
• 風冷版：適配標準通用服務器，部署靈活便捷，有效降低運維門檻與長期持有成本。

同時，摩爾線程推出面向AI和高性能計算的MGX 8-GPU模塊化平臺：8顆MTT S5000 OAM計算模組通過MTLink高速互聯，可為大模型訓練、推理及科學計算等應用場景提供超大規模算力。

MCCX D800 X2服務器是搭載8顆MTT S5000 OAM計算模組的一體化AI服務器，提供計算、存儲、網絡的高端配置，可支撐千億、萬億參數大模型高效運行。

該服務器在散熱、供電、I/O 擴展性等方面充分優化，支持風冷和液冷兩種機型，可預裝優化訓練、推理軟件棧，實現軟硬件一體化交付，開箱即用。

一、基于第四代MUSA架構，原生支持FP8精度，訓練性能提升30%

在大模型參數持續擴張的趨勢下，FP8計算精度的支持已成為訓練與推理的核心精度標準。相比傳統的BF16/FP16，FP8可將數據位寬減半，顯存帶寬壓力降低50%，理論計算吞吐量翻倍。

MTT S5000是國內最早一批原生支持FP8精度的訓練GPU，配置了硬件級FP8 Tensor Core加速單元。其FP8引擎全面支持DeepSeek、Qwen等前沿架構，在實測中可提升30%以上訓練性能。

S5000采用第四代MUSA架構“平湖”，專為大規模AI訓練優化，依托MUSA全棧軟件平臺，原生適配PyTorch、Megatron-LM、vLLM及 SGLang等主流框架，讓用戶能夠以“零成本”完成代碼遷移，兼容國際主流CUDA生態。

這款AI計算卡深度優化了Prefill階段的處理效率，在超長序列輸入場景下，能顯著加速Prompt預處理過程，提供更快的上下文理解與首Token響應速度，有效解決大規模知識庫檢索及長文檔分析中的延遲瓶頸。

在16k長序列輸入測試中，S5000單卡Prefill吞吐量是H20的2.5倍。這意味著在處理長文本Prompt時，國產算力具備更快的上下文理解速度。

這主要得益于其高達1000TFLOPS的單卡算力。在絕大多數計算密集型場景中，該卡不僅能提供更強勁的算力輸出，也在整體性價比上展現出顯著優勢。

基于FSDP2框架，MTT S5000已率先完成Wan2.1視頻生成全模型訓練驗證，2節點16卡配置下訓練吞吐量達61.83samples/s，模型算力利用率（MFU）達51%，生成效果在視頻邏輯、畫質細膩度、動態一致性上均對齊行業基準。

二、10EFLOPS萬卡集群已落地，下游任務評測得分優于H100

基于S5000構建的夸娥萬卡集群已經落地，其浮點運算能力達到10EFLOPS，在Dense模型訓練中MFU達60%，在MoE模型中維持在40%左右，有效訓練時間占比超過90%，訓練線性擴展效率達95%。

依托原生FP8能力，它能夠完整復現頂尖大模型的訓練流程，其中Flash Attention算力利用率超過95%，多項關鍵指標均達到國際主流水平。

在集群通信層面，S5000采用獨創的ACE技術，將復雜通信任務從計算核心卸載，實現計算與通信的零沖突并行，大幅提升MFU。

實測顯示，從64卡擴展至1024卡，其系統保持90%以上的線性擴展效率，訓練速度隨算力增加幾乎同步倍增。

第三方驗證方面，2026年1月，智源研究院基于S5000千卡集群，完成了前沿具身大腦模型RoboBrain 2.5的端到端訓練與對齊驗證。

結果顯示，與英偉達H100集群的訓練結果高度重合，訓練損失值（loss）差異僅為0.62%。

根據摩爾線程官網，在S5000集群上訓練DeepSeek-236B，前3萬步訓練過程中，Loss曲線與H100集群的相對精度誤差僅為0.6%。同等數據量下，其下游任務評測得分優于H100，驗證了萬卡集群的高精度。

GPU集群的可靠性、可用性和可維護性（RAS）是支撐大規模AI訓練任務持續穩定運行的核心基礎設施能力。

S5000從芯片級到系統級構建了完整的RAS體系，支持故障感知、上報與錯誤隔離，可快速定位并替換故障節點、慢節點及靜默數據損壞節點，并具備主動檢測與修復功能，長期守護集群健康，確保性能穩定與結果正確。

三、刷新國產GPU大模型推理紀錄，科學計算性能完勝H100

S5000在推理場景同樣表現優異。2025年12月，摩爾線程聯合硅基流動，基于S5000完成對DeepSeek-V3 671B滿血版的深度適配與性能測試，實測單卡Prefill吞吐超4000tokens/s，Decode吞吐超1000tokens/s，刷新了國產GPU的推理紀錄。

針對Agent間的高頻通訊與復雜代碼塊的瞬時生成需求，S5000在DeepSeek等前沿模型的推理實測中，實現了遠超行業基準的token生成速率。

S5000針對文生視頻模型進行了深度優化，基于原生FP8硬件加速能力，在大幅提升推理速度的同時，確保生成內容精度無損，單機性能達到H100的64%-79%，兼顧高性能輸出與高投入產出比（ROI）。

同時，S5000憑借原生FP64雙精度計算能力，通過與國家級實驗室的深度合作與調優，在關鍵科學計算領域實現性能提升。在SPONGE模擬引擎中，其性能達到H100的1.7倍；在分子對接工具DSDP的實測中，其計算效能展現出壓倒性優勢，性能達到H100的8.1倍。

此外，作為一款全功能GPU，S5000集成了高性能的多媒體編解碼引擎，硬件原生支持H264、H265、VP9、AV1、AVS2、AVS+、VP8等格式。

結語：國產GPU已經扛起大模型訓練的重任

根據摩爾線程官網披露信息，無論是構建萬卡級超大規模訓練集群，還是部署高并發、低延遲的在線推理服務，MTT S5000均展現出對標國際主流旗艦產品的卓越性能與穩定性。

作為目前國內少數具備完整大模型訓練能力的AI計算卡之一，MTT S5000提供了一套可行的國產算力替代方案，從FP8精度支持、單卡1000EFLOPS算力等參數到經過萬卡集群實訓、第三方機構驗證的實戰成績，都證明了國產GPU不僅能做好推理，而且已經能支撐起大規模模型訓練的計算需求。