合作概述 - 摩尔线程与光轮智能达成战略合作，旨在联合打造高置信度仿真数据合成方案，为具身智能发展夯实自主可控的基础设施[2] - 合作旨在通过国产算力与仿真算法的深度融合，系统性应对具身智能行业真机数据采集面临的物理数据稀缺、成本高昂等核心痛点[2] 合作背景与行业痛点 - 具身智能行业面临真机数据采集的难题，包括物理数据稀缺、成本高昂、场景覆盖不足、复杂物理过程难以稳定复现[2] - 高质量仿真合成数据是跨越数据鸿沟的关键路径，但其规模化生产面临渲染量指数级爆炸的算力瓶颈[2] 解决方案与技术协同 - 双方构建“真实轨迹→仿真建模→数据扩增”的完整国产化闭环，攻克了柔性体抓取物理模拟等技术难关，实现海量、高置信度合成数据的规模化“量产”[2] - 光轮智能提供核心算法与仿真资产支撑，其首创“求解—测量—生成”三位一体全栈自研仿真平台[2] - 摩尔线程提供全功能GPU算力底座，其自研MUSA架构单颗芯片可同时支持AI计算、图形渲染、物理仿真、科学计算与超高清视频编解码，为合成数据生产提供一体化、全链路的算力支撑[3] - 摩尔线程旗舰级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，内置独立光线追踪硬件单元，可支撑复杂物理场景的实时高保真渲染[4] - 基于MTT S5000的夸娥千卡智算集群提供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，支撑单一任务在多个维度实现高效泛化[4] - 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，确保合成数据达到工业级物理一致性精度[4] 合作意义与行业影响 - 合作标志着双方正在携手打造“具身智能数据生产基础设施”，以国产自主技术支撑具身智能与机器人训练的海量数据需求[4] - 此次合作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[5] - 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，为行业提供了从算力、算法到数据的全栈式价值[5] 未来规划 - 双方计划继续深化合作，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[5] - 未来将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[5]