□本报记者 王萌

机器人要学会端茶倒水、爬楼避障，得先在“数字世界”里经历海量“特训”。过去，这样的特训需要图形渲染、物理仿真、AI训练三套系统“各管一段”，开发者来回切换，效率低。近日，海淀国产GPU龙头企业摩尔线程宣布，其全功能GPU作为具身智能国产算力底座，已贯通训练全流程，把“训练场”合而为一。

如果把训练机器人比作培养一名运动员，图形渲染是“眼睛”，物理仿真是“身体”，AI训练是“大脑”。传统开发中，这三项训练常在不同平台完成，如同运动员要在三个场馆之间奔波。据摩尔线程创始人、董事长兼首席执行官张建中介绍，基于自研MUSA架构打造的全功能GPU，单颗芯片能同时支持AI计算、图形渲染、物理仿真、科学计算与超高清视频编解码，相当于建起了一座“综合训练馆”。一颗芯片同时当起了“画家”“物理老师”和“AI教练”，不仅解决了单卡层面的异构难题，也适用于大规模集群扩展。

在算力底座上，摩尔线程构建了以全功能GPU为根基的夸娥智算集群，从万卡向十万卡持续扩展，并以此打造贯通“训练—推理—智能体”的一体化AI工厂，包括模型训练工厂、词元生产工厂和智能体生产工厂。通俗地说，这就像给机器人产业建起了一座从“上学”到“上岗”的超级工厂：先训练基础模型，再生产高质量数据，最后生产能看、能听、能动的智能体。

有了硬件，还要把算力转化为可用的工具链。今年5月，摩尔线程发布国内首个全栈国产化具身智能仿真平台MTLambda。该平台搭载MTPhoton光子引擎，融合光线追踪与混合渲染能力，同时引入3D高斯泼溅（3DGS）和自研AI生成式渲染能力，提供高保真物理仿真与渲染，以及上层具身策略开发与训练平台。对开发者来说，MTLambda更像一个“机器人训练基地的操作系统”：从合成数据生成、基模训练、后训练与强化学习，到仿真评测与Sim2Real——也就是把仿真中学到的本领迁移到真实机器人身上，都能在这一平台上完成。

张建中告诉记者，产业正在共同迎接具身智能的“ChatGPT时刻”，而算力底座是决定这一时刻何时到来的关键力量。语言模型已跨越万亿参数门槛，具身智能模型同样在ScalingLaw驱动下，从十亿、百亿级向千亿、万亿级参数进化，对算力规模提出更高要求。

“摩尔线程是国内极少数可以支撑具身智能训练全流程的GPU企业。”张建中说，公司已交出基础模型、具身大脑、世界模型等多项“国芯训国模”成绩单，体现出国产GPU在超大规模、超长连续稳定训练上的全链路闭环能力。

张建中向产业界发出邀请，希望在“具身大小脑模型训练、仿真评测及合成数据、端侧算力”等方向开展合作，共筑具身智能开发生态。