摩尔线程与香港大学 CDS 合作：国产 GPU 与 MUSA 生态走进 Deep Learning 课堂

摩尔线程与香港大学计算与数据科学学院（CDS）围绕研究生课程 DASC7606C Deep Learning 开展教学实践合作，课程覆盖约 150 名学生、12 个项目小组。合作以国产 GPU 算力及 MUSA 软件生态为底座，通过技术讲座、课程项目实践、企业参访及学生项目答辩等形式推进。 9 月底，摩尔线程技术专家走进港大课堂，围绕 GPU 并行计算、MUSA 编程模型、AI 模型部署及性能优化展开讲座，介绍 MUSA 覆盖芯片架构、指令、编程模型、软件运行库与驱动框架的全栈技术体系。课程项目环节将摩尔线程云端算力引入实践选项，使用其算力与 MUSA 软件栈完成集成并提交性能分析与基准测试结果的团队可获得额外评分奖励。 三个代表性项目展示了具体成果。具身智能方向，学生将 Kimodo、ARDY 两种文本驱动运动生成模型接入宇树科技 Unitree G1 的 SONIC 全身控制框架，在 MuJoCo 仿真中开展抓取实验，并在 MTT S4000 / MUSA 环境完成部署，针对注意力计算数值精度问题优化后，Kimodo 去噪网络相对误差从 4.694×10⁻³ 降至 7.741×10⁻⁶，去噪耗时由 22.2 秒缩短至 6.6 秒。 多模态生成方向，学生开发儿童英语词汇学习视频生成系统 Vocagent，整合 MiniMax-H3、Qwen3-VL 等六种预训练模型，基于 4 张 MTT S4000 完成多模型本地部署，通过跨 GPU 权重分配、分块计算及视频解码优化应对约 134 GiB 权重带来的显存压力。大模型 Agent 方向，ForecastLab 多智能体预测系统使用 vLLM-MUSA 在 4 张 MTT S4000 上部署 Qwen3-8B，采用 4×TP1 多实例架构在长输入、四请求并发条件下将聚合生成吞吐提升约 2.34 倍。 10 月 8 日，课程师生到访摩尔线程上海办公室开展企业参访与技术交流，了解其 GPU 产品布局与 MUSA 生态进展。摩尔线程表示将持续推动国产算力与 MUSA 生态进入更多教学与科研场景。