摩尔线程 × 光轮智能强强联合：致力于打造完整国产化闭环

2026年5月11日，国产全功能GPU企业摩尔线程与物理AI仿真基础设施企业光轮智能正式达成战略合作，联合发布高置信度仿真数据合成方案。双方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，打通国产算力与仿真算法链路，实现真实轨迹→仿真建模→数据扩增的完整国产化闭环，为具身智能发展夯实自主可控的核心基础设施。

合作背景：直击具身智能规模化落地两大核心痛点

具身智能（物理AI）作为连接数字世界与物理世界的关键技术，其规模化落地长期受制于数据瓶颈与算力瓶颈，行业痛点突出且亟待破解。

一方面，真机数据采集成本高、覆盖难、质量低。物理世界数据天然稀缺，采集过程需投入大量设备、人力与时间，成本高昂；受限于真实场景的复杂性与不可控性，极端工况、复杂交互（如柔性体抓取、流体交互）等场景难以稳定复现，导致训练数据场景覆盖有限；同时，真机采集数据易受环境干扰，数据一致性与泛化性差，无法满足具身智能模型高精度训练需求。

另一方面，仿真数据规模化生产面临算力瓶颈。高质量仿真合成数据是破解真机数据鸿沟的核心路径，但单条典型操作轨迹泛化后渲染量可达4.8万帧，数百条轨迹即达数百万帧规模，渲染量呈指数级增长。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，传统通用算力难以兼顾效率与精度，且海外高端算力集群存在技术垄断与供应风险，制约行业自主发展。

此次合作精准匹配双方核心优势：摩尔线程提供国产全功能GPU算力底座，覆盖AI训推、3D渲染、物理仿真等多元负载；光轮智能提供全栈自研仿真算法与物理精度保障，解决仿真与真实世界的“虚实对齐”难题，形成“算力供给+算法落地”的强强联合格局，直击行业痛点。

核心能力：国产算力与仿真技术深度融合，构建全链路国产化闭环

摩尔线程：全栈自研算力，支撑大规模高并发仿真

摩尔线程作为国产GPU领军企业，以全栈自主技术为核心，为合作提供全功能GPU+夸娥智算集群双重硬核算力支撑，性能指标均来自官方发布与权威行业实测数据。

全功能GPU（MTTS5000）：基于第四代自研MUSA“平湖”架构打造，单卡FP8稠密算力达1000TFLOPS，配备80GB高带宽显存与1.6TB/s显存带宽，卡间互联带宽达784GB/s。原生支持硬件光线追踪、可微分物理仿真，适配刚体、柔体、流体等复杂物理过程的高精度计算，可同时满足AI计算、图形渲染与物理仿真的全功能需求。

夸娥（KUAE）智算集群：国产首个支持十万卡规模组网的全功能GPU集群，整体FP8浮点运算能力达10Exa-FLOPS。实测数据显示，集群在万卡规模下训练线性扩展效率达95%，有效训练时间占比超90%，核心性能指标接近国际主流水平，可高效支撑百万级自由度并行仿真与海量帧渲染任务，为仿真数据“量产”提供充足算力保障。

光轮智能：三位一体仿真平台，筑牢物理真实度壁垒

光轮智能作为全球领先的物理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，核心物理参数仿真准确度达99%以上，确保合成数据高置信度，技术体系已获全球头部生态验证。

求解层：自研高精度GPU物理求解器，支持多物理、多材质统一求解，可实现刚体、柔体、流体、颗粒等复杂物理过程的高精度实时仿真，物理精度达亚毫米级，更新频率达千赫兹。该求解器已完成摩尔线程MUSA架构适配，在MTTS5000智算卡上依托全功能GPU原生加速与光线追踪硬件单元，实现高效稳定运行与高保真渲染。

测量层：搭建全自动虚实对标物理测量工厂，通过高精度设备采集真实世界质量、摩擦、接触、形变等关键参数，构建国内规模领先的物理属性数据库，将真实物理规律精准映射至仿真环境，解决传统仿真“视觉逼真但物理失真”的行业难题，将仿真与真实数据误差控制在5%以内（行业平均20%）。

生成层：基于自研SimReady标准体系，将真实物理特性规模化映射为可验证、可复用、可扩展的仿真资产与场景，支撑海量高置信度数据生成，单条轨迹可生成覆盖多场景、多机位的4.8万帧渲染数据，满足模型大规模训练需求。

行业价值：构建国产化闭环，加速具身智能从实验室走向规模化应用

此次合作打通从真实数据采集→高精度仿真建模→大规模数据扩增→模型训练的全链路国产化闭环，不仅是两家企业的战略牵手，更对我国具身智能及相关产业发展具有深远的示范意义与带动作用。

破解数据与算力双重瓶颈，降低行业研发门槛

依托摩尔线程夸娥智算集群的大规模算力，结合光轮智能高物理精度仿真技术，双方可实现低成本、高效率的高置信度仿真数据规模化生产，替代高成本、低效率的真机采集。据行业测算，仿真数据生成成本仅为真机采集的1/100，且可覆盖极端环境、复杂交互等真实场景无法采集的工况，大幅降低具身智能企业的数据获取成本与研发周期，助力更多企业参与具身智能技术创新。

树立国产技术协同标杆，强化自主可控能力

从芯片、算力集群到仿真算法、物理测量，双方合作实现核心技术全栈自主可控，打破海外技术在物理AI仿真与高端算力领域的垄断。此前，我国具身智能领域高端算力依赖海外芯片，仿真引擎核心技术也多由海外企业掌控，存在技术“卡脖子”风险。此次合作形成的“国产GPU+自研仿真算法”协同模式，为具身智能、工业机器人、数字孪生等领域提供可复制的国产化解决方案，助力我国科技产业摆脱对外依赖，筑牢安全发展底线。

加速全闭环落地，推动具身智能工业化应用

根据合作规划，双方后续将拓展至具身智能评测平台、物理AI高置信度闭环仿真等领域，推动合作从数据合成阶段走向“仿真—训练—评测”全平台闭环。当前，我国具身智能技术多停留在实验室阶段，难以满足工业制造、智慧家居、智能驾驶、特种机器人等场景的规模化应用需求。双方构建的全链路国产化闭环，将实现仿真训练模型与真实硬件的高效适配，减少部署失败率，加速具身智能技术从实验室走向工业级规模化应用，赋能实体经济转型升级。

国产算力+仿真生态深度融合，开启具身智能发展新阶段

随着具身智能向通用化、工业化快速演进，自主可控算力与高保真仿真能力将成为行业核心竞争力。摩尔线程与光轮智能的合作，不仅是两家企业战略协同的开端，更是国产算力生态与物理AI仿真生态深度融合的标志性事件。

未来，随着国产化闭环的持续完善与技术迭代，双方将进一步优化算力与算法的适配效率，提升仿真数据质量与生成规模，推动具身智能在更多垂直场景落地。同时，此次合作将产生示范效应，带动更多国产算力企业、仿真企业、AI企业协同创新，构建自主可控、开放共赢的国产具身智能生态，助力我国在物理AI领域实现从跟跑到并跑、领跑的跨越，为全球数字化转型提供可借鉴的中国方案。