近日，业内人士@菽陌松囿分享了对国产摩尔线程GPU在AI领域性能的测试数据，并与英伟达GPU进行了对比。测试结果显示，摩尔线程GPU在Kernel Launch、GEMM MFU（矩阵乘法算子效率）和FA MFU（浮点运算算子效率）等关键指标上表现优异，甚至在某些方面超越了英伟达。例如，其Kernel Launch时间仅为5us，远优于英伟达的几十us；GEMM MFU达到了98%，高于英伟达的85%；FA MFU也高达95%，领先英伟达的68%。尽管在通信offload ace和Link带宽等方面仍有提升空间，但摩尔线程GPU在硬件、驱动和算子库等方面均进行了自主重写，有力回击了“套壳”的质疑。这些数据表明，国产GPU在AI领域已取得显著进步，正逐步缩小与领先者的差距。

🚀 国产摩尔线程GPU在AI性能上取得显著突破：通过业内人士的实际测试数据显示，摩尔线程GPU在Kernel Launch（内核启动）、GEMM MFU（矩阵乘法算子效率）和FA MFU（浮点运算算子效率）等关键AI性能指标上，表现出强劲实力，尤其是在Kernel Launch方面，其5us的时延远优于英伟达的几十us，显示出高效的指令调度能力。

💡 算子效率大幅领先：在AI计算的核心指标MFU（算子效率）上，摩尔线程GPU的GEMM MFU达到了98%，FA MFU更是高达95%，均显著高于英伟达的85%和68%。这表明摩尔线程GPU在执行AI算法时，能更充分地利用硬件资源，实现更高的计算效率。

🔧 自主研发实力得到验证：摩尔线程GPU从硬件架构、内核模式（kmd）到用户模式（umd）算子库均实现了自主重写，这有力地反驳了外界关于其产品是“国外IP套壳”的说法。这种完全自主的研发模式，为中国GPU产业的发展奠定了坚实基础。

⚠️ 仍存提升空间与英伟达的对比：虽然摩尔线程GPU在多项AI性能指标上表现出色，但在通信offload ace和Link带宽等方面仍存在一些差距。例如，英伟达在通信offload ace方面并未考虑，而摩尔线程的SM隔离机制存在15%的SM资源浪费。这些细节表明，国产GPU在全面超越英伟达的道路上仍需持续优化和创新。

快科技8月3日消息，国产GPU近年来不断取得突破，前不久砺算科技的7G01芯片性能达到了RTX 4060级别，更早之前摩尔线程也推出过高性能GPU，不仅在游戏方面可圈可点，AI也是一大重点。

在AI领域当前最强的GPU是NVIDIA推出的，硬件架构及CUDA生态构筑了几乎难以逾越的壁垒，那国产GPU在这方面到底差距多大？这事引发了很多争议，知乎用户@菽陌松囿作为业内人员，有过实际测试，公布了一些数据值得参考。

根据他的说法，（摩尔线程的GPU）kernel launch做到5us，nv大概是几十us（有点忘记了），gemm mfu做到98%，nv大概85%，FA mfu做到95%，nv是68%。

此外，他还提到了N卡的一些不足，比如通信offload ace，nv根本就没考虑，是DeepSeek帮他们做的sm隔离，15%的sm是浪费的。

当然，摩尔线程的GPU也不是没有问题，比如支持Link但带宽受限于硬件还有些差距，但这不是障碍。

他强调这些数据是经过研发同事确认的，不会糊弄同仁，意味着这些数据结果相当靠谱，反正这番对比下来还是有些让人惊喜的，也颇为意外。

总体来说，他认为摩尔线程的GPU从硬件、kmd、umd算子库全部都是重写的，反击了那些认为摩尔线程没有东西的人的说法。

他援引的数据详细信息可以参考摩尔线程官号公布的文章，里面有更全面的技术解析，只不过是没有nv数据对比的，菽陌松囿提供的数据对比可以观察下两者在AI上的表现，虽然这并不是说国产的GPU可以全面超越N卡，但也不是部分网友认为的只是使用了国外IP套壳的说法。