摩尔线程与光轮智能正式达成战略合作

近日，国产全功能GPU领军企业摩尔线程与全球领先的物理AI数据与仿真基础设施企业光轮智能正式达成战略合作。双方将依托摩尔线程全功能GPU与夸娥（KUAE）智算集群，结合光轮智能"求解—测量—生成"三位一体全栈自研仿真平台，联合打造高置信度仿真数据合成方案，以国产算力与仿真算法的深度融合，为具身智能发展夯实自主可控的基础设施。

这是一场海淀"邻居"之间的强强联手，更是国产具身智能基础设施能力从单点突破走向深层次协同建设的标志性事件。

当人工智能的浪潮从数字世界涌向物理实体，一个关键问题浮出水面：驱动具身智能持续进化的"燃料"从何而来？

大语言模型的成功，建立在人类数十年积累的互联网公开文本数据之上；自动驾驶的演进，依靠全球车队源源不断的真实路采数据。然而，当具身智能以机器人等形态进入千行百业的物理世界时，所需的高质量、规模化的交互数据几乎不存在。

"不可能为了训练一个医疗手术机器人，就让它在真实的手术室里'试错'；也不可能为了让工业机器人学会装配精密器件，就放任它在产线上碰撞报废。"光轮智能联合创始人兼总裁杨海波曾如此分析道。

真机数据采集长期面临物理数据稀缺、成本高昂、场景覆盖不足、复杂物理过程难以稳定复现等难题。不可能为了训练一个任务，就让机器人反复试错数十万次，耗时数月且成本极高。高质量仿真合成数据，正是破解具身智能数据瓶颈的关键路径。

然而，仿真合成数据的规模化生产又面临着渲染量指数级爆炸的算力瓶颈。以典型操作任务为例，一条机械臂任务的执行轨迹中，包含了5个视觉相机机位的画面渲染。如果将4种装修风格与4种灯光环境进行组合，就会形成16组渲染结果，每一组渲染配有5个机位，每个机位有600帧画面需要渲染，最终单条轨迹的渲染总量高达4.8万帧。数百条轨迹即达数百万帧规模，传统算力难以支撑。这类海量并发渲染与复杂物理仿真任务，对GPU的AI计算、图形渲染、物理仿真等全功能能力提出了刚性要求，硬件级光线追踪更是确保合成数据物理真实度的关键。

正是在这一背景下，摩尔线程与光轮智能走到了一起。

光轮智能成立于2023年初，自诞生之日起便锚定"致力于构建物理AI数据与仿真基础设施"这一战略定位。不同于市场上追求视觉炫丽而非物理真实的游戏引擎，也不同于计算迟缓无法支撑AI训练所需海量并行的传统工业仿真软件，光轮智能选择了最艰难但也是最根本的道路——全栈自研。

光轮智能首创了"求解—测量—生成"三位一体的全栈自研仿真技术范式，系统性攻克物理仿真领域的核心难题。

在仿真层 ，光轮自研高精度GPU物理求解器具备可微分、多物理、多材质统一求解能力，支持刚体、柔体、流体、颗粒等复杂物理过程的高精度实时仿真。更关键的是，这套求解器已深度适配摩尔线程MUSA架构，在MTT S5000智算卡上依托全功能GPU原生加速与光线追踪硬件单元，实现高效稳定运行与高保真渲染。例如，在模拟机械臂抓取不同质量柔性物体的场景中，抓取物从左往右质量依次变大，光轮的求解器能够精准模拟出线缆在各种抓取、缠绕、插拔状态下的精确形变与多维度力反馈。

在测量层 ，光轮构建了全自动的虚实对标物理测量工厂，通过自研高精度设备，精确捕获材料、摩擦、刚度等真实物理特性，建立了基于"真值"而非"经验值"的物理属性数据库。结合SimReady标准体系，核心物理参数仿真准确度达99%以上，从源头确保仿真输入的准确性。

在生成层 ，光轮在精准求解与测量的基础上，生成与物理信息严格对齐的仿真资产与场景，实现了视觉与物理交互的双重保真，并以此定义了全球广泛认可的物理仿真资产规范。

凭借这一体系，光轮智能的仿真平台每周能生成上万小时的高质量训练数据，规模已达百万小时级别，远超任何真机采集可能达到的体量。目前，全球前五的世界模型研发团队已全部与光轮智能开展合作，在国际主流具身智能头部企业中，超过80%使用光轮提供的仿真资产与训练场景。其客户名单包括阿里巴巴、字节跳动、智元机器人、银河通用、比亚迪等全球顶尖科技公司。

2026年，光轮智能更是推出了全球首个具身智能工业级仿真评测平台——RoboFinals，设计了超过100项涵盖操作、移动、认知等维度的标准化任务，为各类"机器人大脑"提供统一、客观的能力标尺。

如果说光轮智能解决的是"仿真数据从哪里来"的问题，那么摩尔线程解决的就是"这些数据怎么算得出来"的问题。

作为国内稀缺的全功能GPU企业，摩尔线程基于自研MUSA架构，其单颗芯片实现了同时支持AI计算、图形渲染、物理仿真、科学计算与超高清视频编解码的技术突破，为具身智能合成数据生产提供一体化、全链路的算力支撑。

旗舰级AI训推一体智算卡MTT S5000，是国内极少数同时支持硬件级光线追踪与AI训推的国产GPU，内置独立的光线追踪硬件单元（RT Core），可支撑复杂物理场景的实时高保真渲染。实测数据显示，使用MTT S5000 RT Core硬件光线追踪加速渲染，可以获得2.7倍的性能提升。

基于MTT S5000构建的夸娥（KUAE）千卡智算集群，凭借全精度通用计算能力，为海量合成数据生产提供稳定、高效的算力保障。夸娥智算集群以全功能GPU为技术底座，单集群浮点运算能力达10 Exa-Flops（万P级），训练算力利用率（MFU）在稠密模型上最高可达60%，在混合专家（MoE）模型上达40%，训练线性扩展效率达95%，平均无故障运行时间超过15天，最长可实现大模型稳定训练30天以上。

更重要的是，摩尔线程全功能GPU支持光轮自研的物理求解器，实现柔性体动力学、刚体碰撞、流体模拟等复杂物理计算，确保合成数据在物理一致性上达到工业级精度要求。双方已验证了国产自研物理求解器与国产全功能GPU算力底座的深度兼容能力，为行业提供了从算法到芯片全面协同攻关的可复制范本。

• 数据 数据 关注

  关注

  8

  文章

  7357

  浏览量

  95108
• gpu gpu 关注

  关注

  28

  文章

  5307

  浏览量

  136155