共築中國國產具身智能模擬底座
近日，摩爾線程與光輪智能達成戰略合作。雙方將依託摩爾線程全功能GPU與誇娥（KUAE）智算叢集，結合光輪智能“求解—測量—生成”三位一體全端自研模擬平台，聯合打造高置信度模擬資料合成方案，以中國國產算力與模擬演算法的深度融合，為具身智能發展夯實自主可控的基礎設施。
本次合作直擊具身智能行業的核心痛點：真機資料採集長期面臨物理資料稀缺、成本高昂、場景覆蓋不足、複雜物理過程難以穩定復現等難題。為跨越資料鴻溝，高品質模擬合成資料成為關鍵路徑，但其規模化生產又面臨渲染量指數級爆炸的算力瓶頸。以典型操作任務為例，單條軌跡泛化後渲染量可達4.8萬幀（如圖2），數百條軌跡即達數百萬幀規模，傳統算力難以支撐。這類海量並行渲染與複雜物理模擬任務，對GPU的AI計算、圖形渲染、物理模擬等全功能能力提出剛性要求，硬體級光線追蹤更是確保合成資料物理真實度的關鍵。
中國國產算力 × 模擬演算法，建構具身智能合成資料平台
為系統性應對上述挑戰，摩爾線程與光輪智能充分發揮各自優勢，通過中國國產GPU算力底座與自研模擬合成技術的深度協同，共同建構起“真實軌跡→模擬建模→資料擴增”的完整中國國產化閉環，不僅攻克了柔性體抓取物理模擬等技術難關，更讓海量、高置信度合成資料的規模化“量產”成為現實。
光輪智能作為全球領先的物理AI資料與模擬基礎設施企業，首創“求解—測量—生成”三位一體全端自研模擬平台，為此次合作提供了核心演算法與模擬資產支撐。
- 模擬層，光輪自研高精度GPU物理求解器具備可微分、多物理、多材質統一求解，支援剛體、柔體、流體、顆粒等複雜物理過程的高精度即時模擬，並已深度適配摩爾線程MUSA架構，在MTT S5000智算卡上依託全功能GPU原生加速與光線追蹤硬體單元，實現高效穩定運行與高保真渲染。與此同時，光輪依託首創物理測量工廠與虛實對標方法論，將真實世界中的質量、摩擦、接觸、形變等關鍵物理參數引入模擬環境，結合SimReady標準體系，確保模擬資產可驗證、可復用、可規模化，核心物理參數模擬精準度達99%以上，為高置信度合成資料生產提供物理真實基礎。
- 平台層，建構覆蓋場景建構、任務生成、模擬執行到評測驗證的閉環，形成以RoboFinals為代表的系統化評測能力，結合摩爾線程中國國產GPU算力底座與大規模並行能力，實現位姿、物性、視角與環境條件等維度的高效泛化，推動具身資料從有限採集走向規模化生成。
摩爾線程作為中國稀缺的全功能GPU企業，充分發揮全端通用算力底座優勢。基於自研MUSA架構，其單顆晶片實現同時支援AI計算、圖形渲染、物理模擬、科學計算與超高畫質視訊編解碼的技術突破，為具身智能合成資料生產提供一體化、全鏈路的算力支撐。旗艦級AI訓推一體智算卡MTT S5000，作為中國極少數同時支援硬體級光線追蹤與AI訓推的中國國產GPU，內建獨立的光線追蹤硬體單元（RT Core），可支撐複雜物理場景的即時高保真渲染。基於MTT S5000的誇娥千卡智算叢集，憑藉全精度通用計算能力，為海量合成資料生產提供穩定、高效的算力保障，支撐單一任務即可在位姿、物性、視角與環境條件等維度實現高效泛化，推動具身資料從有限採集走向規模化生成。與此同時，摩爾線程全功能GPU支援光輪自研的物理求解器，實現柔性體動力學、剛體碰撞、流體模擬等複雜物理計算，確保合成資料在物理一致性上達到工業級精度要求。
雙方協同建構的具身資料生成中國國產化閉環，既體現了光輪智能在資料與模擬領域的深厚積累，也彰顯了摩爾線程全功能GPU全端計算能力，對資料合成與生產效能的顯著提升。這一實踐標誌著摩爾線程與光輪智能正在攜手打造“具身智能資料生產基礎設施”，以中國國產自主的技術能力支撐起具身智能與機器人訓練的海量資料需求。
共築中國國產物理AI底座，引領具身智能生態邁向自主可控
此次的合作，不僅是技術的強強聯手，更意味著中國國產具身智能基礎設施能力，正從單點突破走向更深層次的協同建設。雙方驗證了中國國產自研物理求解器與中國國產全功能GPU算力底座的深度相容能力，為行業提供了從演算法到晶片全面協同攻關的可複製範本，也為具身智能行業提供了從算力、演算法到資料的全端式價值。
未來，雙方將繼續深化合作，在具身智能評測平台、物理AI高置信度閉環模擬等方向展開進一步探索，推動合作從當前的資料合成階段走向“模擬-訓練-評測”全平台閉環，持續夯實自主可控的中國國產化物理AI基礎設施，加速人工智慧走向物理世界的處理程序。 (芯榜)