光轮智能作为物理AI数据与仿真根基设施企业，首创“求解—测量—生成”三位一体全栈自研仿真平台，为此次协作提供之核心算法与仿真资产支撑。
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”三位一体全栈自研仿真平台，联手打造高置信度仿真数据合成预案，以国产算力与仿真算法之深度融合，为具身智能演进夯实自立可控之根基设施。
与此同时，摩尔线程全功能GPU支光轮自研之物理求解器，实现柔性体动力学、刚体碰撞、流体模拟等繁物理计算，确保合成数据于物理一致性上达到工业级精度要求。
据悉，基于MTT S5000之夸娥千卡智算集群，凭借全精度通用计算本领，为海量合成数据制造提供稳固、高效之算力保障，支撑单一差事即可于位姿、物性、视角与氛围机缘等维度实现高效泛化，推动具身数据从有尽采集走向规模化生成。
为跨越数据鸿沟，高品质仿真合成数据成为枢纽路径，但其规模化制造又面临渲染量指数级爆炸之算力瓶颈。
展望前景，双方将续深化协作，于具身智能评测平台、物理AI高置信度闭环仿真等方位展开进一步探求，推动协作从当前之数据合成阶段走向“仿真—操练—评测”全平台闭环，延续夯实自立可控之国产化物理AI根基设施。
梅西（迈阿密国际）、尼科·帕斯（科莫）、马斯坦托诺（皇家马德里）、蒂亚戈·阿尔马达（马德里竞技）、阿兰达（博卡青年）、尼古拉斯·冈萨雷斯（马德里竞技）、加纳乔（切尔西）、朱利亚诺·西蒙尼（马德里竞技）、苏莱（罗马）、埃切维里（赫罗纳）、詹卢卡·普雷斯蒂安尼（本菲卡）、圣地亚哥·卡斯特罗（博洛尼亚）、劳塔罗（国际米兰）、若泽·曼努埃尔·洛佩斯（帕尔梅拉斯）、胡利安·阿尔瓦雷斯（马德里竞技）、马特奥·佩莱格里诺（帕尔马） 摩尔线程相关负责者介绍，此次之协作，意味之国产具身智能根基设施本领，正从单点突围走向更深层次之协同建立。
凯文-麦卡利斯特，圣吉罗斯联手 乔瓦尼-洛塞尔索，皇家贝蒂斯 为体系性对付上述应战，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艺之深度协同，共同构建起“确凿轨迹→仿真建模→数据扩增”之完整国产化闭环，不仅攻克之柔性体抓取物理模拟等技艺难关，更让海量、高置信度合成数据之规模化“量产”成为现状。
此类海量并发渲染与繁物理仿真差事，对GPU之AI计算、图象渲染、物理仿真等全功能本领提出刚性要求，硬件级光线追踪更为确保合成数据物理确凿度之枢纽。
摩尔线程作为国内全功能GPU企业，充分发挥全栈通用算力底座优势。
前因后果。据之解，本次协作直击具身智能行业之核心痛点：真机数据采集长期面临物理数据稀缺、本金高昂、场景覆盖不足、繁物理历程难以稳固复现等难题。
基于自研MUSA架构，其单颗芯片实现同时支AI计算、图象渲染、物理仿真、格致计算与超高清视频编解码之技艺突围，为具身智能合成数据制造提供一体化、全链路之算力支撑。
双方验证之国产自研物理求解器与国产全功能GPU算力底座之深度兼容本领，为行业提供之从算法到芯片全面协同攻关之可复制范本，也为具身智能行业提供之从算力、算法到数据之全栈式身价。
以典型操作差事为例，单条轨迹泛化后渲染量可达4.8万帧（如图2），数百条轨迹即达数百万帧规模，旧俗算力难以支撑。
近日，摩尔线程与光轮智能达成方略协作。