近日，国内领先的全功能GPU企业摩尔线程与专注于物理AI数据与仿真基础设施的光轮智能正式签署战略合作协议。双方将深度融合摩尔线程的全功能GPU产品线及夸娥（KUAE）智算集群的强大算力，与光轮智能自主开发的“求解—测量—生成”一体化仿真平台，共同构建高置信度、可规模化的仿真数据合成解决方案。此次合作旨在通过国产算力与先进仿真算法的深度协同，为具身智能的研发与落地打造安全、自主、高效的基础设施。
此次战略合作精准应对了具身智能领域长期存在的核心痛点：真实物理数据获取困难。在实际研发过程中，依赖真机采集数据常面临成本高昂、场景单一、数据稀缺以及复杂物理过程难以重复验证等挑战。为跨越这一“数据鸿沟”，利用高保真仿真技术合成数据已成为关键路径。然而，合成数据的规模化生产本身也面临巨大算力挑战，尤其是由渲染任务量指数级增长带来的瓶颈。
以一个具体场景为例：在机器人抓取操作任务中，单条动作轨迹经过多维度（如物体位姿、材质、光照）泛化后，所需渲染的帧数可能高达数万帧。当需要生成数百条这样的轨迹数据时，总渲染量将激增至数百万帧。如此庞大的并发渲染与高精度物理仿真，对底层计算硬件提出了严苛要求：必须同时具备卓越的AI算力、图形渲染能力和物理仿真加速能力。其中，硬件级光线追踪支持更是确保合成数据具备物理真实感与高置信度的关键技术。
为系统化解决上述难题，摩尔线程与光轮智能决定强强联合，实现国产GPU算力底座与自研仿真合成技术的深度整合。双方共同打造了“真实轨迹输入→仿真建模→数据扩增”的完整国产化工作闭环。这一合作不仅成功攻克了柔性体抓取模拟等高难度物理仿真技术，更关键的是，实现了海量、高精度合成数据的规模化、工业化“生产”，为AI模型训练提供了源源不断的数据燃料。
技术底座：全栈自研仿真平台与全功能GPU
光轮智能为此次合作提供了核心的算法引擎与仿真资产。其首创的“求解—测量—生成”三位一体全栈自研仿真平台，构成了高置信度仿真数据合成的算法基石，能够精准建模复杂物理交互。
摩尔线程则充分发挥了其作为全功能GPU厂商的独特优势。基于其自研的MUSA统一系统架构，其GPU芯片实现了单颗同时高效支持AI训练推理、高性能图形渲染、物理仿真加速、科学计算及视频编解码的全能突破。这为具身智能合成数据生产线提供了一体化、全链路的国产算力支撑，从根本上避免了传统异构计算方案带来的协同复杂性与性能损耗。
算力赋能：从有限采集到规模化生成
据了解，基于摩尔线程MTT S5000 GPU构建的夸娥千卡智算集群，凭借其强大的全精度通用计算能力，为海量仿真数据的高效合成提供了稳定、澎湃的算力保障。这使得单一任务能够在物体属性、环境光照、摄像机视角及物理参数等多个维度上进行快速、低成本泛化，从而推动具身智能的数据来源，从过去依赖有限、高成本的真机采集，全面转向可定制、低成本、大规模并行的仿真生成。
同时，摩尔线程全功能GPU对光轮智能自研物理求解器的良好兼容与加速，实现了对柔性体动力学、复杂刚体碰撞、流体模拟等前沿物理过程的高效精确计算。这确保了最终产出的合成数据在物理一致性上达到工业应用级精度，为下游的机器人控制模型、感知模型训练提供了可靠的数据基础。
摩尔线程相关业务负责人表示，此次合作标志着国产具身智能基础设施的建设已进入系统化协同的新阶段。双方成功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性与协同效能。这不仅为行业提供了一个从核心算法到底层硬件全栈自主协同攻关的成功范例，也为整个具身智能产业提供了从算力、算法到数据集的端到端价值交付。
展望未来，双方计划在具身智能基准评测平台、物理AI高置信度闭环仿真系统等方向开展更深层次的联合探索。合作目标是从当前的高效数据合成，进一步演进至“仿真—训练—评测—迭代”的全流程闭环，持续夯实自主可控的国产物理AI基础设施，为人工智能在复杂物理世界中的深度融合与广泛应用提供坚实支撑。
