炒股杠杆配资 AI新入口？可能是这台AICUBE

过去几年，国产GPU的故事，很多时候都是在机房里发生的。大模型训练、智算集群、国产替代、生态迁移，这些词语大家估计在新闻里都看过，但对普通用户来说，它们始终离生活有点远。

毕竟对于大多数人来说，他们都是从手机里的AI修图、App里的AI对话了解和接触的AI，以至于很少有人会把“GPU基础设施”和自家客厅联系起来，这玩意看起来与普通用户似乎很遥远。

但在5月18日的摩尔线程2026产品发布会上，这件事出现了一些变化。

在这场以“词元时代，万物智能”为主题的发布会上，摩尔线程展示了“云-边-端”全栈智算矩阵，从万卡级夸娥智算集群，到自研“长江”SoC驱动的MTT AICUBE、MTT AIBOOK，再到边缘AI模组E300、具身智能仿真平台MT Lambda，以及持续进化的MUSA生态，几乎覆盖了当下AI产业链最核心的几个方向。

摩尔线程用一系列产品和技术，展示了国产GPU生态的活力，不过在小雷看来，这场发布会中最值得普通用户关注的，并不是听起来最硬核的万卡智算集群，而是那台放在客厅、书房甚至电视旁边都不违和的小立方——MTT AICUBE。

如果说夸娥智算集群证明的是摩尔线程的算力上限，那么AICUBE证明的则是国产AI算力正在从机房走向家庭。

AICUBE不是AI盒子，而是家庭AI中枢

如果只看外形，AICUBE很容易被误认为是一台小主机、NAS，或者新一代电视盒子。

但是摩尔线程并不想将AICUBE定义为一款传统智能设备，作为摩尔线程首款面向家庭场景的消费级产品，它搭载了全域智能体“小麦”并拥有一定的端侧本地算力，同时支持本地私有云。换句话说，AICUBE不是单一功能设备，而是一台融合“AI Agent + AI PC + AI NAS”能力的家庭AI中枢。

这也是AICUBE最值得讨论的地方。

过去雷科技见过很多家庭智能设备，比如智能音箱、智能电视、NAS、小主机、家庭网关。但这些设备大多只解决一个问题，在以前的智能家庭生态中，倒也是够用了。但是，在AI时代就显得捉襟见肘了。

AICUBE想做的，是把这些能力重新装进一个设备里，用一个AI来统合它们，这个AI就是摩尔线程自研的“小麦”智能体。与常见的智能助手不同，小麦支持90多项CLI系统工具、60多项Skills，以及超过36款App跨应用控制。

这些能力，让它不仅能听懂你的语音指令，还能在理解目标后，主动拆解任务、调用工具，并跨应用完成操作。这些都是传统智能音箱做不到的，智能音箱更多是“你说一句，它做一步”。你让它播放音乐，它播放音乐；你让它查天气，它就只是查天气，不会有更多的操作。

而AICUBE里的“小麦”则不同，当你让它查天气时，它会结合相关数据，给予你进一步的提醒，比如你的日程显示下午要出门，那么它会扩大天气搜索范围，然后提醒你下午可能有雨，记得带伞。

这也是Agentic AI和传统语音助手最大的差异：前者不只是响应，而是执行并预判需求。

所以，对家庭用户来说，AICUBE的意义就不只是“家里多了一个会聊天的AI”，而是真正改变的用户与家庭智能设备的交互方式。

更重要的是，“小麦”并不是孤立运行在云端的聊天机器人，借助摩尔线程的软件栈、MTT AIOS、MTClaw框架以及端侧硬件的深度优化。“小麦”的任务执行速度，以及高频工具调用成功率均超过95%，在实测中性能稳超前段时间爆火的OpenClaw。

在摩尔线程发布会的现场，工作人员就现场演示了通过AICUBE来调用家庭设备的能力。比如你周末宅家想看一部电影，以前要打开电视、进入系统，然后用遥控器搜索、筛选、播放，现在只需要唤醒“小麦”告诉他你想看什么类型的影片，它就会自动在本地和云端的影片库中搜索，然后展示出来，然后通过语音指令就可以确认播放。

不仅如此，它还能通过App的联动，帮你解决需要用到不同设备的任务，比如你想在三天后去上海旅行，需要做一份出行计划。当你下达指令后，“小麦”会调用手机等设备上的App，搜索机票、行程等信息，然后汇总成文档发送到你的手机或电脑上。

可以说，如果家庭里有一个长期在线、能理解家庭数据和个人偏好的AI中枢，很多操作就不再需要用户自己去手动完成，你只需要给出任务，剩下的交给智能体调度完成即可，就像家里多了个“管家”。

这也是雷科技认为AICUBE更值得关注的原因，摩尔线程并不是把AI塞进一个盒子里，而是试图让AI成为家庭数字生活的调度中心。

家庭AI为什么一定需要“数据中心”属性？

很多人可能会问：家庭AI入口一定要是AICUBE这种独立设备吗？手机不行吗？手机当然重要，而且仍然会是AI最核心的个人入口之一，但家庭AI和个人AI并不是一回事。

首先从设备属性来看，手机是个人设备，天然围绕一个人的账号、习惯和移动场景展开，但家庭场景则完全不同，它涉及多人共享、长期数据、固定空间、持续在线和跨设备协同。换言之，如果AI想真正理解一个家庭，就不可能只靠云端大模型临时回答问题，它必须接触家庭数据，理解家庭成员习惯，并在本地长期沉淀记忆。

这也是为什么AICUBE还具备AI NAS属性，AICUBE标配1TB存储，并可扩展至12TB，足以承载大量的家庭照片、视频、文档等数据，同时，它还能围绕这些数据提供AI相册、视频超分、内容整理和创作等能力。

在小雷看来，这个设计比单纯强调算力更关键，过去的NAS解决的是“数据放在哪里”，未来的AI NAS则要解决“数据怎么被理解和使用”。比如以前你把十年的照片存进NAS，最后只能靠文件夹和时间线查找，但有了AI能力后，设备就能理解照片里的地点、人物、事件，甚至主动帮你生成家庭聚会、生日、旅行的视频合集。

试想一下，在十年、二十年甚至三十年后，当你与亲人在一起举办结婚周年聚会时，“小麦”突然在电视上冒出来，给你们播放过去几十年里那些值得记忆的瞬间剪辑而成的影片，并与你们庆祝一同度过的时光时，是否会有一种恍若隔世的感觉？

这也是家庭AI中枢和传统NAS的分水岭，传统NAS是被动存储，AI NAS则是主动理解。前者像仓库，后者更像家庭数字资产管家。

同时，本地数据中心还有一个绕不开的价值：隐私。家庭数据是最不适合完全交给云端处理的数据类型之一，照片、视频、聊天记录、工作文档、家庭成员信息，这些内容越私密，用户越希望它们留在本地。

所以，AICUBE通过端侧算力和本地存储，把一部分AI处理留在家里，再通过端云协同补足复杂任务所需的外部能力，这种路线必然会是未来家庭场景下的AI中枢的主流。

为了满足这些需求，AICUBE也不能停留在存储层面，它基于摩尔线程自研“长江”智能SoC，集成CPU、GPU、NPU、VPU等计算单元，能够提供50TOPS异构AI算力，并配备32GB内存，结合定制的操作系统，可以轻松承担影音娱乐、轻办公、在线学习、云游戏、本地AI应用等需求。

可以说，AICUBE其实是把家庭里的几类设备重新融合：它既有NAS的数据中心功能，又有桌面PC的超强算力和性能，同时又拥有智能音箱的语音交互功能，配合电视、手机等设备，还能与你进行视觉交互，并作为电视盒子使用。

这也是为什么小雷更愿意把它看作一个“AI新物种”。

它未必会马上取代现有家庭设备，但它确实指向了一个新方向：未来家庭AI入口，不一定是手机，也不一定是智能音箱，而可能是一台长期在线、拥有本地算力和家庭数据的AI中枢。

AICUBE背后，是摩尔线程的云边端闭环

当然，只看AICUBE，很容易把这场发布会理解成一次消费级新品发布。

但如果把AICUBE放回摩尔线程整场发布会里看，它更像是摩尔线程展示整个云边端体系的窗口。

AICUBE的最底层，是夸娥智算集群。

在Agentic AI快速发展的背景下，Token消耗正在指数级增长，模型训练、推理服务和智能体执行都需要更稳定、更大规模的AI基础设施。

摩尔线程此次重点展示的夸娥万卡级智算集群，已经实现商业化落地，并在Dense大模型训练中的MFU可达60%，MoE大模型达40%，训练线性扩展效率达到95%，有效训练时长可达90%。

这些数字背后，是国产GPU竞争已经跳脱出讨论单卡性能的阶段。早期讨论国产GPU，大家更关注“单卡能不能跑”“能不能适配某个模型”“能不能替代某些场景”。但大模型时代真正考验的是系统能力：万卡规模下能不能稳定运行，训练结果能不能对齐，软件栈能不能支撑预训练、后训练、强化学习和推理服务。

换句话说，国产GPU竞争已经从单点性能进入系统级竞争，意味着国产GPU已经开始正式崭露出自己的“獠牙”。

除了夸娥智算集群外，摩尔线程还带来了AIBOOK和E300两款产品。其中AIBOOK面向AI开发者和学习者，预装“龙虾”智能体OpenClaw，支持多智能体协作、本地独立运行、端云协同等多种模式，并且自带原生Linux、虚拟化Windows、容器化Android等多系统环境。

在现场的展厅中，雷科技就看到它被应用在各种不同的场景中，它的价值显然不是简单做一台笔记本，而是为AI应用开发、调试、部署提供一个更完整的端侧平台。对于开发者来说，AIBOOK也是他们接触摩尔线程AI生态的最佳工具。

E300则更偏行业边缘场景，基于同样的“长江”SoC，它能够被应用到工业质检、能源巡检、智慧教室、具身智能、智能汽车、低空经济等各种有端侧AI需求的场景中，为设备提供低延迟、高可靠的本地化推理能力。

虽然E300看起来并不起眼，却是未来泛AI生态的真正核心，因为很多即时数据其实都不适合传回云端，也不是所有AI任务都能忍受网络延迟，边缘AI模组将成为AI落地的重要基础设施，等于让AI拥有遍布全城市乃至全国的分布式大脑。

而在硬件之外，发布会还展示了MT Lambda和MUSA生态，前者是摩尔线程面向具身智能推出的首个国产仿真平台，后者MUSA则是其所有产品共同组成的软硬件生态。

MT Lambda旨在解决训练、仿真、验证和端侧部署之间的割裂，具身智能不只需要AI训练，还需要物理仿真、图形渲染和数据合成。而摩尔线程的全功能GPU路线，刚好可以在同一架构下支撑各种训练计算的需求，提供从数据合成、策略训练到仿真验证的完整工作流。

而MUSA，作为摩尔线程全功能GPU硬件与全栈软件体系的底层核心架构，是其生态战略的集中体现。英伟达CUDA已成为强大壁垒，国产GPU若想快速发展，必须解决CUDA兼容问题。如何高效兼容，是国产GPU生态建设的关键考验。

对此，摩尔线程MUSA已取得了显著进展：目前已实现核心数学库100%兼容，核心AI算子覆盖55类，并达到了PyTorch框架100%兼容。值得一提的是，MUSA SDK 5.1.0版本已完全对标CUDA 12.8——当前业界广泛使用的主力版本。这意味着绝大多数CUDA程序可无需修改，在MUSA架构上高效运行。

在此基础上，MUSA已经进入全球顶级推理框架SGLang官方后端矩阵，并在vLLM、TileLang等开源生态中持续推进，同时完成对多款主流大模型和多模态模型的适配。

这些能力看似离AICUBE很远，但其实正是AICUBE能够成立的前提。