摩尔线程：全功能GPU与具身智能的协同进化

    2026年9月15日，在具身感知融合与多模态大模型创新研讨会上，摩尔线程生态高级总监郭华披露了公司在国产AI算力与具身智能领域的多项技术进展。依托自研夸娥智算集群，摩尔线程与北京大学联合训练的World5D世界模型曾连续37天登顶WorldScore榜单，与此同时，万卡规模语言模型训练与千卡规模具身大脑模型训练任务已相继落地。

    2026具身感知融合与多模态大模型创新研讨会演讲现场

    在算力底座方面，摩尔线程提供了从底层芯片到软件栈的完整支持体系。针对模型训练后的推理服务环节，公司推出了PD分离异构推理架构，该方案在保证高性能推理能力的同时，有效控制了单位token的生产成本。这一架构的落地，为大规模模型服务的商业化应用提供了更具性价比的技术路径。

    针对具身智能研发中数据质量不足这一核心痛点，摩尔线程构建了软硬件一体化的数据合成方案。其GPU集成的光线追踪核心（RTCore）与PhotonAPI中的BVH、RTC图形渲染能力相互配合，可对原始语料进行泛化处理，生成高质量训练数据。这一方案旨在解决当前具身智能领域高质量数据获取困难的问题，为后续模型训练提供数据支撑。

    在具身基模训练环节，摩尔线程已与合作伙伴在32块MTTS5000构成的算力集群上完成VLA模型训练。针对后训练与强化学习阶段涉及图形渲染、推理等异构计算任务的特性，公司提供了跨设备负载均衡方案，可依据任务类型动态调度算力资源，从而提升训练效率。此外，其MTEktro方案经对MuJoCo物理引擎的适配优化，可将运行效率提升约30%。

    仿真评测环节，摩尔线程的RoboEvolve平台可建立仿真任务并输出权威评测结果，其中AlphaCore组件在柔性抓取相关渲染场景中具备独特能力。在端侧部署阶段，公司展示了长江SoC芯片，该芯片提供50TOPS异构算力，支持对训练完成的模型进行量化与剪枝操作，进而部署至机器人本体，完成Sim2Real的最终落地。

    郭华表示，摩尔线程的软硬件能力已覆盖数据生成、基模训练、强化学习、仿真评测到端侧部署的全流程环节。公司将持续携手产业伙伴，共同推动国产具身智能领域的技术突破，加速具身智能“ChatGPT时刻”的到来。