京东十万卡计划背后，摩尔线程的商业拐点

撰文 | 白丽

出品 | 勇砺商业评论 阿桶观察 全球商业风向

9月9日，北京，2026京东全球科技探索者大会（JDD)现场，大屏幕上跳出了一个颇有视觉冲击力的数字——“十万卡”。

在当前的算力赛道中，高喊万卡、十万卡口号的企业不在少数，但这往往容易沦为一场纸面富贵的算力游戏。然而，当这十万张全功能GPU集群的算力底座明确打上“摩尔线程”的烙印，并与京东的实体业务场景深度绑定时，事件的性质便发生了根本转变。

业界不再讨论单张显卡在实验室里的跑分有多漂亮，而是要直面一个非常残酷的商业拷问：国产算力，到底能不能在国民级的超大规模基础设施中，持续稳定地提供服务？这不仅仅是两家公司的合作，更是国产GPU企业真正撕开通往头部AI云企业核心智算集群的一道口子。

算力的尽头，是算明白商业这笔账

要看懂这场合作的底层逻辑，首先需要审视京东究竟是一个怎样的客户。

对一家深度卷入商品流通、物流履约和几亿人饭碗的企业来说，AI绝非用来写诗作画的文具，而是要在泥泞里干粗活、扛重物的工具。

京东对算力的要求，最终必须落在冷冰冰的业务结果上。在这个庞大的机器里，每一次预测的精准度提升，每一次调度路径的微调，每一个仓储机器人处理复杂任务的效率，都在接受成本、效率与稳定性的地狱级检验。

在这里，算力不是虚无缥缈的概念，而是一本掰开了揉碎了的具体账目。模型训练迭代究竟省了多少个小时？推理服务能不能顶住“618”“双十一”洪峰期的海量业务调用？万一系统宕机中断一秒钟，会给履约网络带来几百万还是几千万的损失？这些指标，直接决定了采购决策的最终走向。

对于算力供应商来说，客户把账算得越精，那些真正能稳定交付的产品，反而越有施展拳脚的空间。京东布局AI基础设施的需求牵引非常清晰——模型要持续迭代，推理要应对实战，具身智能要打通虚拟仿真与现实作业。

这三座大山压下来，对算力供应商提出的是一种非常严苛的系统性要求。把一个模型跑通，和支撑几十万台设备在全国各地的仓库里常年无休地协同工作，完全是两个维度的技术交付。客户不仅要评估单卡的算力，更要精算模型迁移的损耗、网络通信的延迟、日常运维的人力以及故障恢复的成本。

京东集团技术委员会主席、京东云总裁曹鹏对双方的合作给出了毫不含糊的定调：选择摩尔线程，看重的是其国产训练级GPU能力，以及大规模集群的成熟交付经验。这句话的潜台词很明确：工程交付能力，才是真正留在牌桌上的底牌。

据京东黑板报披露，面向物理AI对实时响应、低延迟、高可靠的要求，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划建设十万卡集群。“已打造”和“规划建设”，两个表述之间，藏着这场合作最值得掰开看的商业分量：万卡是已经铺下的底座，十万卡是继续向前的布局。

对于摩尔线程而言，参与京东云万卡集群建设的经历，让此次更大规模的合作有了可以接续的工程基础。

把这件事放回京东的商业账本里，逻辑就更清楚了。对一个把成本、效率和稳定性算到骨头里的客户来说，继续扩大国产算力布局，意味着供应商要扛起更重的业务担子。

在已有合作基础之上，摩尔线程进一步进入京东云十万卡级基础设施规划，这才是“商业拐点”更具体的落脚处。接下来要兑现的，是把万卡建设中积累的交付与协同经验，变成支撑更大规模集群的真本事。

尤其在AI基础设施建设的下半场，算力从来不是用来炫耀的肌肉，而是要在物理世界里稳扎稳打、步步为营的坚实基石。

对摩尔线程来说，能承接京东这种级别的客户，意味着拿到了非常宝贵的、带着硝烟味的产品反馈。真实的业务场景会像鞭子一样，不断抽打着芯片、软件和系统去修补漏洞、迭代升级。一旦这些带有实战血统的改进被沉淀为通用的行业方案，摩尔线程在面对下一批客户时，就能大幅缩短交付周期，形成真正的护城河。

GPU企业的生与死，从来不是在发布会上决定的，而是在客户的生产系统里反复摩擦出来的。越早把自己扔进最复杂的场景里，就越早知道客户到底愿意为哪行代码付费，哪些致命的技术Bug必须通宵解决。这也是新客户评估选型时最看重的：一个被京东这种体量持续运营检验过的平台，远比任何白皮书都有说服力。

十万卡的底气，来自账本上的真金白银

摩尔线程敢于承接这一宏大项目，并非凭借毫无根据的盲目自信，而是依托已经建立起来的商业化阵地。

翻开其2026年上半年的成绩单，数字给出了最直观的答案：营业收入达到17.36亿元，不仅盖过了2025年全年的总和，同比更是暴增147.42%。更关键的结构性数据是，云端产品收入达到了16.93亿元，在总营收中的占比高达97.5%。

这组数据彻底撕掉了固有的标签，表明摩尔线程已将业务重心全面砸向大规模AI计算，云端算力基础设施不仅是故事，更是实实在在的现金牛。其中，MTT S5000及夸娥智算集群是当之无愧的引擎。

必须把摩尔线程放到云端算力厮杀的市场里去重新审视。目前，基于MTT S5000构建的夸娥智算集群，已经在北京、无锡、杭州等多个算力重镇完成了部署交付，并实打实地开展了基础模型、具身大脑和世界模型的训练。跨地区的工程交付与多模型的交叉验证，是拿钱买不到的实战经验。

大模型的训练，是对系统底层功底最残忍的榨取。成千上万张GPU需要像一支交响乐团一样协同，任何一个节点在通信效率、任务调度或运行稳定性上走调，都会导致整台昂贵的设备陷入无休止的等待与重试，消耗的都是真金白银。

但摩尔线程披露的核心数据稳住了阵脚：在已验证的训练场景中，夸娥集群的线性扩展效率逼近95%，有效训练时长占比更是稳稳超过90%。虽然不能把万卡的指标简单粗暴地直接乘以十去推算十万卡集群，但这至少解释了摩尔线程为何有资格站在更大规模项目的起跑线上。

财务表现也在验证这种技术变现的逻辑。财报显示，摩尔线程上半年毛利总额达到9.89亿元，归母净亏损同比大幅收窄95.73%。虽然扣非归母净利润仍为负1.51亿元，但若扣除股份支付影响，公司上半年净利润为8353 万元，已实现调整后盈利。盈利能力提升也证明了其技术能力正在被客户用采购订单和交付收入疯狂投票，这才是现阶段最核心的价值标尺。

尽管京东的十万卡计划还有漫长的建设、交付和运营周期，不能立刻变成明天的财报利润，但它向全行业释放了一个异常清晰的信号：摩尔线程已经稳稳切入了头部互联网企业最核心、最大规模的AI基础设施规划版图。

物理AI：通往真实世界的复合算力之战

如果说大模型是AI的大脑，那么具身智能和物理AI就是AI的手和脚。这也让此次合作多了一层捅破天花板的战略意义。

试想一下，让一个机器人在昏暗拥挤的仓库里准确抓起一件形状不规则的商品。在普通人眼里，这只是一个机械动作；但在系统底层，这涉及对物体的视觉识别、对三维空间的理解、对机械臂运动路径的毫秒级规划，以及在接触瞬间对力度和材质的判断。如果商品包装瘪了一角，或者旁边掉了一个纸箱，系统还要瞬间做出应急响应。

这种能力的炼成，靠在屏幕里敲代码是出不来的，需要海量的训练与试错。但如果让实体机器人在物理世界里去撞墙、摔跟头，成本高到任何企业都承受不起。

这就逼出了一个硬核需求：仿真。在虚拟环境里生成以假乱真的场景，模拟各种极限物理交互，测试算法策略，等这套本领在虚拟世界里炉火纯青了，再无缝部署到现实仓库里，并用现实世界的边缘数据继续反哺训练。

这种流程，催生了极其严苛的复合型算力需求。AI计算模块负责学习和推理大脑逻辑，图形渲染模块负责生成逼真的视觉环境，而物理仿真模块则要死磕牛顿力学、模拟运动与接触碰撞。更要命的是，这些不同维度的任务必须在一套体系内顺畅流转，否则来回切换平台的数据损耗就能拖垮整个研发周期。

以机器抓取为例，识别出盒子的坐标只完成了不到一半的工作。盒子是纸做的还是铁做的？有多重？摩擦力多大？与旁边的货物会不会干涉？把这些物理变量统统扔进可重复测试的虚拟引擎里，机器才能以很低的试错成本完成进化。在这里，算力的使命已经从“处理数字信息”跨越到了“理解和应对真实物理环境”。

这正是摩尔线程苦熬多年的“全功能GPU”路线迎来高光时刻的底层原因。基于自研的MUSA架构，摩尔线程能在同一个技术底座上，同时输出AI计算、图形渲染、物理仿真与科学计算的复合能力，甚至直接拿出了MT Lambda仿真平台来托底具身智能的开发。

对于被跨平台适配折磨得苦不堪言的研发工程师来说，这种路线无疑是雪中送炭。如果数据生成、训练、仿真和最终的端侧部署能在一个生态里丝滑连接，团队就能把原本浪费在修补兼容性上的时间，全部砸向提升业务效果。

京东，恰恰是这套全栈能力最好的“验钞机”。物流仓储的痛点足够深，任务足够碎，效率指标足够清晰。根据双方的规划，下一步将死磕JoyAI全系大模型的演进，加速把训练、仿真和高质量数据生成的链路打通。

全功能的商业价值，永远不是写在PPT里的参数，而是客户在业务全链路中真实踩过的每一个泥坑。一旦这套基于全功能GPU的复合解决方案在京东的残酷场景中跑通并形成闭环，它对外输出的势能将是摧枯拉朽的。即便其他行业需要二次适配，但在真实物流战役中淬炼出的工具链、工程经验和交付SOP，将成为摩尔线程复制下一个行业标杆的最强跳板。

生态护城河与国产算力的突围战

除了技术与商业的考量，这次合作中还隐藏着一个很容易被业界忽视的伏笔：它在悄悄降低广大企业使用国产GPU的门槛。

中国有大量渴望用AI改造业务的中小企业，但他们没有资金去囤积算力，没有团队去维护集群，更没有能力去手搓底层代码。他们只关心三件事：模型能不能一键部署？服务能不能别三天两头崩溃？每次API调用的成本能不能便宜点？

云平台在这里扮演了“算力自来水厂”的角色，把底层那些复杂的硬件管道全部屏蔽，直接向企业输出开箱即用的服务。

京东云与摩尔线程的联合，正是在做这种“净化水质”的工作。双方将围绕夸娥智算集群与京东云xLLM推理平台，在模型适配、软件框架和硬件底层进行深度联合优化，把推理的效率榨干，把单位服务成本打下来。

当京东云计划将这套算力向全行业开放时，摩尔线程实际上获得了一个触达千行百业的超级渠道。成千上万的企业在云端调用国产算力，海量的开发者围绕实际痛点打磨应用，这些来自前线的疯狂反馈，将成为滋养MUSA底层生态最肥沃的土壤。

必须清醒地认识到，软件生态的繁荣，从来不是靠开几场开发者大会就能砸出来的。客户凭什么把命脉迁移到你的平台上？靠兼容性；凭什么常年用你？靠稳定性；凭什么大规模扩容？靠肉眼可见的投入产出比。芯片原厂与云巨头的这种背靠背协同，就是在一点一点啃碎这些硬骨头。

对于摩尔线程而言，这绝非卖了几万张卡那么简单，这是在构筑硬件之外的生态城墙。客户基数越庞大，跑的负载类型越刁钻，相关的软件工具链就能被打磨得越锋利。GPU企业的下半场，拼的不是谁抢到了某个大单，而是谁能通过持续经营，让客户因为好用而离不开你。

当然，机遇的背面是深渊般的挑战。从一万卡跨越到十万卡，这不是简单的加法，而是网络拓扑、供电负荷、液冷散热、全局调度和灾备运维复杂度的指数级爆炸。盘子铺得越大，对工程交付的底盘要求就越严苛。好在时代的东风正在猛烈吹拂。

工信部印发的《信息通信行业发展“十五五”规划》已经明确亮出底牌，要有序部署万卡、十万卡及以上智算集群，并死磕国产算力芯片的适配。京东建设这种自主可控的行业基础设施，既是顺应业务饥渴，也是在与家的产业升级步调同频共振。

京东对AI的投入决断，给这场合作注了最强的定心丸。根据新浪财经报道，京东在今年618发布会上提出，2026全年体系AI相关研发投入增幅预计超过200%。当这种体量的巨头把AI彻底揉进自己的供应链系统时，对算力的渴望就从“一次性买断”变成了“长期水电设备”。

而摩尔线程仅上半年44.30%的研发营收比（7.69亿元），就足以说明这是一家还在疯狂进化、寻找弹道的公司。更清晰的客户诉求，正在指引这些研发资金砸向最致命的突破口。

十万卡，不仅是国产算力狂飙的规模标尺，更是通往物理世界、重塑千行百业的壮阔起点。当国产GPU真正扎根于国民级产业的泥泞与烟火之中，属于中国智算的星辰大海，才算真正拉开了帷幕。（文/白丽）