5月11日，摩尔线程与光轮智能宣布达成战略合作。双方将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”自研仿真平台，联合打造高置信度仿真数据合成方案，以国产算力与仿真算法的深度融合，支撑起具身智能与机器人训练的海量数据需求，为我国具身智能发展夯实自主可控的基础设施。

当前，具身智能行业正面临真实数据获取难、成本高的普遍困境。机器人在真实环境中采集数据，不仅需要昂贵的硬件设备和人工标注，还难以覆盖足够多的场景，复杂的物理过程更是难以稳定复现。为解决这一“数据鸿沟”，高质量仿真合成数据成为关键突破口。

然而，仿真数据的大规模生产同样面临严峻挑战。以一条典型的机械臂操作任务为例，单条轨迹经过不同环境泛化后，需渲染的画面可达4.8万帧，数百条轨迹即达数百万帧规模。这类海量并发渲染与复杂物理计算任务，对GPU的AI计算、图形渲染、物理仿真等综合能力提出了极高要求。

针对这些核心痛点，摩尔线程与光轮智能充分发挥各自优势，通过国产GPU算力底座与自研仿真合成技术的深度协同，构建起“真实轨迹→仿真建模→数据扩增”的完整国产化闭环，不仅攻克了柔性体抓取物理模拟等技术难关，更让海量、高置信度合成数据的规模化“量产”成为现实。

其中，光轮智能作为物理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，为此次合作提供了核心算法与仿真资产支撑。其自研的高精度GPU物理求解器支持刚体、柔体、流体、颗粒等复杂物理过程的高精度实时仿真，并已适配摩尔线程MUSA架构。同时，光轮通过首创的物理测量工厂与虚实对标方法，将真实世界中的质量、摩擦、接触等关键物理参数引入仿真环境，核心物理参数仿真准确度达99%以上，保障合成数据的高可信度。

摩尔线程则发挥全功能GPU算力底座的优势，基于自研MUSA架构，其单颗芯片可同时支持AI计算、图形渲染、物理仿真与科学计算，为具身智能合成数据生产提供全面的算力支撑。其中，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。基于该智算卡的夸娥千卡集群，为海量合成数据生产提供了稳定高效的算力保障。

与此同时，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，确保合成数据与真实世界的物理规则实现高度吻合，并达到工业级的精度要求。

以一项实际测试案例为例，使用摩尔线程GPU的硬件光线追踪加速渲染，可获得2.7倍的性能提升。双方协同构建的国产化闭环，已攻克柔性体抓取物理模拟等技术难题，实现了具身数据从有限采集走向规模化生成。

业内专家分析认为，此次合作意味着国产具身智能基础设施建设正从单点突破走向更深层次的协同共建。“双方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的可复制范本。”