摩尔线程CFO薛岩松：算力竞争已进入“集群之战”，AI落地关键在“便宜”

来源：凤凰《AI研究院》

2026年服贸会金融服务专题“金融助力实体经济高质量发展”系列论坛在北京举办，凤凰网财经全程报道。

9月10日，中国银行专场活动以“向新共生——AI时代的产业、资本与技术”为主题。在圆桌对话环节，摩尔线程智能科技（北京）股份有限公司首席财务官薛岩松围绕国产算力底座、产业与资本的良性循环等话题，分享了来自一线产业观察者的思考。

国产GPU已从“可以用”向“好用”迈进

薛岩松坦言，国产算力能否撑起需求其实是一个复杂的问题，因为它涉及技术、软硬件、网络，也涉及整个生态的培育和产业、市场等多维度。

他给出几组数字：英伟达在中国的市场份额从原来的95%快速降到不到8%——“老黄（黄仁勋）自己一直在说他在中国市场的份额几乎已经清零了”；中国AI加速卡的市场份额现在突破了60%，还在快速增长；截至2025年底，中国算力规模达到约160万P，居世界第二位。

但他同时表示：“在模型的推理以及中小模型的训练上面，国产的显卡、国产的芯片在最近两年快速地替代了国外的高端芯片，从‘可以用’逐渐步入到‘好用’阶段。但是在高端的算力，尤其是对于大模型这样的一些预训练，对于更高端的科学计算，未来的世界模型等等场景，现在我们还是存在着一定的差距要去追赶。”

万卡是标配，十万卡是下一步

“现在算力的竞争已经远远超过了原来的单卡性能，现在已经不讲多少PFLOPs了，现在是讲大的集群。”薛岩松介绍，摩尔线程早在2023年底就推出首个千卡规模集群，如今已有万卡规模集群；就在前一天，摩尔线程创始人张建中在京东大会上宣布，2027年将与京东共建10万卡规模的智算集群。

他打了个比方：“一万张卡连在一起不是简单的物理堆砌，是要一起协同工作的，就类似于你把一万个乌合之众的人和一万个训练有素的士兵放在一起，那个战斗力是千万倍的差。”

在他看来，这道关卡的标尺也在变化——美国已开始用电力规模衡量算力，“1GW相当于50万张H200的芯片连在一起的规模”。

应用、算力、金融是一个“三角形”

谈及应用层、算力层和金融支持三者关系，薛岩松认为这是一个“互相牵引、双向反馈”的三角形：应用层是需求，算力层提供基础设施和底层技术支持，被验证的商业模式受到金融关注，资本进来支持科技发展，进而形成正向闭环。

他分享了摩尔线程的账本：成立6年，累计研发投入约60亿元，推出五代架构、五个量产芯片，新芯片将于今年四季度量产。“我们一个高端芯片平均下来投资差不多10亿人民币，英伟达的Blackwell这一代的芯片投入是35亿美元，所以这个行业是需要大量的资本、耐心资本长期投入的。”

他提到，2024年公司首个万卡规模集群获得银团贷款支持，中行是联合牵头行，参团机构包括8家国有及股份制银行。去年12月5日，摩尔线程成功登陆科创板，“这个对于企业发展来讲是又一个重要的里程碑”。

AI落地的“最后一公里”关键在便宜

被问及AI落地“最后一公里”的瓶颈，薛岩松把AI分成两个阶段：以大模型为代表的生成式AI可以讲已经到了应用的最后一公里，但具身智能、物理AI还没到最后一公里。

他认为绕不开成本的考量。“今天所有的算力不是免费的，甚至是可能蛮贵。”薛岩松以C端应用为例：“为什么今天AI coding用得很好？因为它能算得开账；为什么AIGC以短视频行业为代表的用得很好？因为它能算得开账，它能赚钱。现在包括字节也好，这几大互联网公司在C端应用还赚不了钱，甚至不敢收费，就是因为这个账还没算开。”

为此，摩尔线程提出“AI工厂”的思路，云边端结合，以模型工厂、词元工厂和智能体工厂，“希望我们能够为整个行业、为整个社会提供源源不断的高质量的低成本的Token”。