近日，摩尔线程与光轮智能达成战略合作。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。
据了解，本次合作直击具身智能行业的核心痛点：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。为跨越数据鸿沟，高质量仿真合成数据成为关键路径，但其规模化生产又面临渲染量指数级爆炸的算力瓶颈。以典型操作任务为例，单条轨迹泛化后渲染量可达4.8万帧（如图2），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。
为系统性应对上述挑战，摩尔线程与光轮智能充分发挥各自优势，通过国产GPU算力底座与自研仿真合成技术的深度协同，共同构建起“真实轨迹→仿真建模→数据扩增”的完整国产化闭环，不仅攻克了柔性体抓取物理模拟等技术难关，更让海量、高置信度合成数据的规模化“量产”成为现实。
光轮智能作为物理AI数据与仿真基础设施企业，首创“求解—测量—生成”三位一体全栈自研仿真平台，为此次合作提供了核心算法与仿真资产支撑。
摩尔线程作为国内全功能GPU企业，充分发挥全栈通用算力底座优势。基于自研MUSA架构，其单颗芯片实现同时支持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。
据悉，基于MTT S5000的夸娥千卡智算集群，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，支撑单一任务即可在位姿、物性、视角与环境条件等维度实现高效泛化，推动具身数据从有限采集走向规模化生成。与此同时，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。
摩尔线程相关负责人介绍，此次的合作，意味着国产具身智能基础设施能力，正从单点突破走向更深层次的协同建设。双方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，也为具身智能行业提供了从算力、算法到数据的全栈式价值。
展望未来，双方将继续深化合作，在具身智能评测平台、物理AI高置信度闭环仿真等方向展开进一步探索，推动合作从当前的数据合成阶段走向“仿真—训练—评测”全平台闭环，持续夯实自主可控的国产化物理AI基础设施。
展博优配提示：文章来自网络，不代表本站观点。
