摩爾線程 × 光輪智能強強聯合：致力于打造完整國產化閉環

2026年5月11日，國產全功能GPU企業摩爾線程與物理AI仿真基礎設施企業光輪智能正式達成戰略合作，聯合發布高置信度仿真數據合成方案。雙方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，打通國產算力與仿真算法鏈路，實現真實軌跡→仿真建模→數據擴增的完整國產化閉環，為具身智能發展夯實自主可控的核心基礎設施。

合作背景：直擊具身智能規模化落地兩大核心痛點

具身智能（物理AI）作為連接數字世界與物理世界的關鍵技術，其規模化落地長期受制于數據瓶頸與算力瓶頸，行業痛點突出且亟待破解。

一方面，真機數據采集成本高、覆蓋難、質量低。物理世界數據天然稀缺，采集過程需投入大量設備、人力與時間，成本高昂；受限于真實場景的復雜性與不可控性，極端工況、復雜交互（如柔性體抓取、流體交互）等場景難以穩定復現，導致訓練數據場景覆蓋有限；同時，真機采集數據易受環境干擾，數據一致性與泛化性差，無法滿足具身智能模型高精度訓練需求。

另一方面，仿真數據規模化生產面臨算力瓶頸。高質量仿真合成數據是破解真機數據鴻溝的核心路徑，但單條典型操作軌跡泛化后渲染量可達4.8萬幀，數百條軌跡即達數百萬幀規模，渲染量呈指數級增長。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，傳統通用算力難以兼顧效率與精度，且海外高端算力集群存在技術壟斷與供應風險，制約行業自主發展。

此次合作精準匹配雙方核心優勢：摩爾線程提供國產全功能GPU算力底座，覆蓋AI訓推、3D渲染、物理仿真等多元負載；光輪智能提供全棧自研仿真算法與物理精度保障，解決仿真與真實世界的“虛實對齊”難題，形成“算力供給+算法落地”的強強聯合格局，直擊行業痛點。

核心能力：國產算力與仿真技術深度融合，構建全鏈路國產化閉環

摩爾線程：全棧自研算力，支撐大規模高并發仿真

摩爾線程作為國產GPU領軍企業，以全棧自主技術為核心，為合作提供全功能GPU+夸娥智算集群雙重硬核算力支撐，性能指標均來自官方發布與權威行業實測數據。

全功能GPU（MTTS5000）：基于第四代自研MUSA“平湖”架構打造，單卡FP8稠密算力達1000TFLOPS，配備80GB高帶寬顯存與1.6TB/s顯存帶寬，卡間互聯帶寬達784GB/s。原生支持硬件光線追蹤、可微分物理仿真，適配剛體、柔體、流體等復雜物理過程的高精度計算，可同時滿足AI計算、圖形渲染與物理仿真的全功能需求。

夸娥（KUAE）智算集群：國產首個支持十萬卡規模組網的全功能GPU集群，整體FP8浮點運算能力達10Exa-FLOPS。實測數據顯示，集群在萬卡規模下訓練線性擴展效率達95%，有效訓練時間占比超90%，核心性能指標接近國際主流水平，可高效支撐百萬級自由度并行仿真與海量幀渲染任務，為仿真數據“量產”提供充足算力保障。

光輪智能：三位一體仿真平臺，筑牢物理真實度壁壘

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，核心物理參數仿真準確度達99%以上，確保合成數據高置信度，技術體系已獲全球頭部生態驗證。

求解層：自研高精度GPU物理求解器，支持多物理、多材質統一求解，可實現剛體、柔體、流體、顆粒等復雜物理過程的高精度實時仿真，物理精度達亞毫米級，更新頻率達千赫茲。該求解器已完成摩爾線程MUSA架構適配，在MTTS5000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。

測量層：搭建全自動虛實對標物理測量工廠，通過高精度設備采集真實世界質量、摩擦、接觸、形變等關鍵參數，構建國內規模領先的物理屬性數據庫，將真實物理規律精準映射至仿真環境，解決傳統仿真“視覺逼真但物理失真”的行業難題，將仿真與真實數據誤差控制在5%以內（行業平均20%）。

生成層：基于自研SimReady標準體系，將真實物理特性規模化映射為可驗證、可復用、可擴展的仿真資產與場景，支撐海量高置信度數據生成，單條軌跡可生成覆蓋多場景、多機位的4.8萬幀渲染數據，滿足模型大規模訓練需求。

行業價值：構建國產化閉環，加速具身智能從實驗室走向規模化應用

此次合作打通從真實數據采集→高精度仿真建模→大規模數據擴增→模型訓練的全鏈路國產化閉環，不僅是兩家企業的戰略牽手，更對我國具身智能及相關產業發展具有深遠的示范意義與帶動作用。

破解數據與算力雙重瓶頸，降低行業研發門檻

依托摩爾線程夸娥智算集群的大規模算力，結合光輪智能高物理精度仿真技術，雙方可實現低成本、高效率的高置信度仿真數據規模化生產，替代高成本、低效率的真機采集。據行業測算，仿真數據生成成本僅為真機采集的1/100，且可覆蓋極端環境、復雜交互等真實場景無法采集的工況，大幅降低具身智能企業的數據獲取成本與研發周期，助力更多企業參與具身智能技術創新。

樹立國產技術協同標桿，強化自主可控能力

從芯片、算力集群到仿真算法、物理測量，雙方合作實現核心技術全棧自主可控，打破海外技術在物理AI仿真與高端算力領域的壟斷。此前，我國具身智能領域高端算力依賴海外芯片，仿真引擎核心技術也多由海外企業掌控，存在技術“卡脖子”風險。此次合作形成的“國產GPU+自研仿真算法”協同模式，為具身智能、工業機器人、數字孿生等領域提供可復制的國產化解決方案，助力我國科技產業擺脫對外依賴，筑牢安全發展底線。

加速全閉環落地，推動具身智能工業化應用

根據合作規劃，雙方后續將拓展至具身智能評測平臺、物理AI高置信度閉環仿真等領域，推動合作從數據合成階段走向“仿真—訓練—評測”全平臺閉環。當前，我國具身智能技術多停留在實驗室階段，難以滿足工業制造、智慧家居、智能駕駛、特種機器人等場景的規模化應用需求。雙方構建的全鏈路國產化閉環，將實現仿真訓練模型與真實硬件的高效適配，減少部署失敗率，加速具身智能技術從實驗室走向工業級規模化應用，賦能實體經濟轉型升級。

國產算力+仿真生態深度融合，開啟具身智能發展新階段

隨著具身智能向通用化、工業化快速演進，自主可控算力與高保真仿真能力將成為行業核心競爭力。摩爾線程與光輪智能的合作，不僅是兩家企業戰略協同的開端，更是國產算力生態與物理AI仿真生態深度融合的標志性事件。

未來，隨著國產化閉環的持續完善與技術迭代，雙方將進一步優化算力與算法的適配效率，提升仿真數據質量與生成規模，推動具身智能在更多垂直場景落地。同時，此次合作將產生示范效應，帶動更多國產算力企業、仿真企業、AI企業協同創新，構建自主可控、開放共贏的國產具身智能生態，助力我國在物理AI領域實現從跟跑到并跑、領跑的跨越，為全球數字化轉型提供可借鑒的中國方案。