本集导读：上一集我们讲到，摩尔线程这个故事要从张建中讲起。一个曾经在英伟达体系里工作多年的人，回头来做国产GPU，这件事本身就有冲突感。因为他很清楚GPU这条路有多难，也很清楚英伟达真正强的地方不是某一张显卡，而是硬件、驱动、软件、生态、客户信任加在一起形成的一座高…
大家好，我是强哥。上一集我们讲到，摩尔线程这个故事要从张建中讲起。一个曾经在英伟达体系里工作多年的人，回头来做国产GPU，这件事本身就有冲突感。因为他很清楚GPU这条路有多难，也很清楚英伟达真正强的地方不是某一张显卡，而是硬件、驱动、软件、生态、客户信任加在一起形成的一座高墙。今天这一集，我们继续往下讲一个更关键的问题：国产GPU已经这么难了，为什么摩尔线程还要押注“全功能GPU”？
很多人一听GPU，第一反应已经变成AI。尤其这两年，大模型火了以后，大家谈算力就谈GPU，谈GPU就谈训练、推理、显存、集群，好像GPU天生就是为AI准备的。但如果你往回看GPU的发展史，会发现GPU最早并不是从AI世界长出来的，而是从图形世界长出来的。游戏画面、三维建模、影视渲染、工程仿真、视频处理，这些才是GPU早期最核心的战场。后来深度学习兴起，人们发现GPU的大规模并行计算能力特别适合AI训练，它才一步步从图形处理器，变成今天AI时代的算力发动机。
这就带出一个问题：国产GPU到底应该怎么做？如果只看短期市场需求，做一张AI加速卡似乎更直接，因为客户现在最缺的就是大模型算力、推理算力、智算中心算力。但摩尔线程选择的不是单点加速路线，而是“全功能GPU”路线。所谓全功能，不是只解决一个AI任务，也不是只做一个显示输出，而是希望一颗GPU同时覆盖图形渲染、AI计算、物理仿真、科学计算、视频编解码等多个方向。这条路明显更难，因为你面对的不只是AI框架，还要面对图形API、驱动稳定性、视频能力、工作站应用、操作系统适配和各种复杂场景。
为什么要走难路？因为真正的GPU产业，不是靠一个单点功能撑起来的。如果国产GPU只会跑某一种模型，只能在某一个封闭场景里使用，那它当然也有价值，但很难成为一套底层平台。真正能支撑信创、教育科研、工业仿真、数字孪生、云渲染、AI训练和企业桌面替代的GPU，必须面对更复杂的应用世界。高校老师可能要做深度学习，设计院可能要做三维建模，影视团队要做渲染，政企单位要做国产桌面替代，数据中心要做AI推理，工业客户要做仿真和可视化。这些需求如果都分散成不同芯片去解决，生态会更碎；如果一套GPU体系能逐步覆盖，才有机会形成真正的平台能力。
我做算力二十多年，对这个特别有感触。很多客户来咨询时，嘴上说的是“我要一台AI服务器”，但聊着聊着你会发现，他后面还有图像处理、视频分析、三维可视化、多模态数据、医学影像、仿真计算这些需求。高校科研尤其如此，一个实验室不一定只跑单一模型，今天做图像识别，明天做医学成像，后天又要处理视频数据和三维重建。这个时候，GPU如果能力太单一，项目后期就会被卡住。算力平台不是只服务今天这一篇论文，而是要支撑团队未来几年不断变化的研究方向。
摩尔线程押注全功能GPU，本质上是在做一件更底层的事情：它不想只做某个AI场景里的加速器，而是想做国产GPU的通用底座。这个野心很大，也很危险。因为全功能意味着你每一块短板都会被看见。图形驱动不稳定，用户会骂；AI框架适配不顺，工程师会骂；视频编解码能力不够，行业客户会骂；工作站软件兼容不好，设计用户也会骂。做单点产品，问题相对集中；做全功能GPU，等于同时走进好几个战场。
但从国产突围角度看，这条路又绕不开。中国需要的不只是某一张能跑AI Demo的卡，而是一套能支撑长期生态建设的GPU体系。信创终端要显示，工作站要渲染，数据中心要计算，AI平台要训推，工业场景要仿真，视频行业要编解码。GPU如果要成为数字底座的一部分，就不能只会干一件事。它必须像一把多功能工具，既能进办公桌面，也能进科研平台，还能进数据中心和智算中心。
当然，这并不代表摩尔线程一开始就能把所有事情都做到完美。国产GPU的成长一定是一个很长的过程。第一代解决有没有，第二代解决能不能用，后面才是好不好用、稳不稳定、生态够不够。很多人容易用英伟达今天的成熟度去要求国产GPU，这种比较当然直观，但也要看到英伟达不是一天长成今天这样的。驱动、工具链、开发者生态、行业案例、客户信任，都是二十多年堆出来的。国产GPU要补课，就必须先有人把体系搭起来，再靠真实项目一点点打磨。
所以这一集我们要讲清楚，摩尔线程选择全功能GPU，不是为了把故事讲大，而是因为国产GPU如果想真正成为底层平台，就不能只盯着一个AI热点。AI很重要，但GPU的价值不止AI。图形、视频、仿真、科学计算、桌面信创、数据中心，这些场景共同构成了GPU生态的土壤。没有土壤，单点产品很难长成森林。
我是强哥。下一集我们继续讲摩尔线程最难啃的一块骨头：MUSA生态。芯片可以设计出来，显卡可以发布出来，但开发者愿不愿意用，框架能不能跑，模型能不能迁，客户项目能不能交付，这才是国产GPU真正的大考。英伟达最强的是CUDA生态，摩尔线程想突围，就必须回答一个问题：国产GPU能不能让开发者少踩坑，让客户敢上机房？
如果你正在规划 GPU 服务器、AI 工作站或本地算力平台，可以查看网昱智算 GPU 服务器产品，也可以联系方案工程师沟通具体场景。
