近日，摩爾線程與光輪智能達成戰略合作。雙方將依托摩爾線程全功能GPU與夸娥（KUAE）智算集群，結合光輪智能“求解—測量—生成”三位一體全棧自研仿真平臺，聯合打造高置信度仿真數據合成方案，以國產算力與仿真算法的深度融合，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：真機數據采集長期面臨物理數據稀缺、成本高昂、場景覆蓋不足、復雜物理過程難以穩定復現等難題。為跨越數據鴻溝，高質量仿真合成數據成為關鍵路徑，但其規?；a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，單條軌跡泛化后渲染量可達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。這類海量并發渲染與復雜物理仿真任務，對GPU的AI計算、圖形渲染、物理仿真等全功能能力提出剛性要求，硬件級光線追蹤更是確保合成數據物理真實度的關鍵。

圖1：合成數據示例，一條機械臂任務的執行軌跡中，包含了5個視覺相機機位的畫面渲染，用于機器人的視覺仿真數據生成。

圖2：4種裝修風格，4個燈光環境，形成16組渲染結果。每一組渲染配有5個機位，每個機位有600幀畫面需要渲染。最終，單條軌跡的渲染總量達4.8萬幀。

國產算力 × 仿真算法，

構建具身智能合成數據平臺

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，通過國產GPU算力底座與自研仿真合成技術的深度協同，共同構建起“真實軌跡→仿真建?！鷶祿U增”的完整國產化閉環，不僅攻克了柔性體抓取物理模擬等技術難關，更讓海量、高置信度合成數據的規模化“量產”成為現實。

光輪智能作為全球領先的物理AI數據與仿真基礎設施企業，首創“求解—測量—生成”三位一體全棧自研仿真平臺，為此次合作提供了核心算法與仿真資產支撐。

仿真層，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，支持剛體、柔體、流體、顆粒等復雜物理過程的高精度實時仿真，并已深度適配摩爾線程MUSA架構，在MTT S5000智算卡上依托全功能GPU原生加速與光線追蹤硬件單元，實現高效穩定運行與高保真渲染。與此同時，光輪依托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仿真環境，結合SimReady標準體系，確保仿真資產可驗證、可復用、可規模化，核心物理參數仿真準確度達99%以上，為高置信度合成數據生產提供物理真實基礎。

平臺層，構建覆蓋場景構建、任務生成、仿真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，結合摩爾線程國產GPU算力底座與大規模并發能力，實現位姿、物性、視角與環境條件等維度的高效泛化，推動具身數據從有限采集走向規模化生成。

圖3：模擬機械臂抓取不同質量的柔性物體（抓取物從左往右，質量依次變大）

摩爾線程作為國內稀缺的全功能GPU企業，充分發揮全棧通用算力底座優勢。基于自研MUSA架構，其單顆芯片實現同時支持AI計算、圖形渲染、物理仿真、科學計算與超高清視頻編解碼的技術突破，為具身智能合成數據生產提供一體化、全鏈路的算力支撐。旗艦級AI訓推一體智算卡MTT S5000，作為國內極少數同時支持硬件級光線追蹤與AI訓推的國產GPU，內置獨立的光線追蹤硬件單元（RT Core），可支撐復雜物理場景的實時高保真渲染。基于MTT S5000的夸娥千卡智算集群，憑借全精度通用計算能力，為海量合成數據生產提供穩定、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，推動具身數據從有限采集走向規模化生成。與此同時，摩爾線程全功能GPU支持光輪自研的物理求解器，實現柔性體動力學、剛體碰撞、流體模擬等復雜物理計算，確保合成數據在物理一致性上達到工業級精度要求。

圖4：使用MTT S5000 RT Core硬件光線追蹤加速渲染，可以獲得 2.7倍的性能提升

圖5：夸娥千卡智算集群加速合成數據生成

雙方協同構建的具身數據生成國產化閉環，既體現了光輪智能在數據與仿真領域的深厚積累，也彰顯了摩爾線程全功能GPU全棧計算能力，對數據合成與生產效能的顯著提升。這一實踐標志著摩爾線程與光輪智能正在攜手打造“具身智能數據生產基礎設施”，以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數據需求。

共筑國產物理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。雙方驗證了國產自研物理求解器與國產全功能GPU算力底座的深度兼容能力，為行業提供了從算法到芯片全面協同攻關的可復制范本，也為具身智能行業提供了從算力、算法到數據的全棧式價值。

未來，雙方將繼續深化合作，在具身智能評測平臺、物理AI高置信度閉環仿真等方向展開進一步探索，推動合作從當前的數據合成階段走向“仿真-訓練-評測”全平臺閉環，持續夯實自主可控的國產化物理AI基礎設施，加速人工智能走向物理世界的進程。