芯東西（公眾號：aichip001）
作者 云鵬
編輯 漠影

今天，我們已經跑步進入了“詞元（Token）時代”。

數字世界中，智能體（Agent）浪潮席卷全行業，“龍蝦（OpenClaw）”、“愛馬仕（Hermes）”的爆火進一步加速了這一進程。

而在物理世界中，AI做事的邊界也在快速擴展，機器人從工廠走入家庭。業內普遍認為，未來五到十年，以具身智能為核心的物理AI（Physical AI）將成為AI的下一波浪潮，根據IDC預測，2030年全球具身智能市場規模或達1.5萬億美元。

在具身智能浪潮中，中國玩家一直走在潮頭，宇樹機器人每支新品視頻都爆火海內外，春晚中各路機器人創新企業密集秀出實力，中國成為具身智能落地產業的最前沿戰場，政府工作報告中連續兩年提及“具身智能”。

行業火爆和快速發展也帶來一系列挑戰，具身智能技術的突破，需要“從Sim（模擬）到Real（真實物理世界）”的閉環，涉及復雜多樣算力需求，給傳統芯片行業帶來巨大挑戰。

近日，國內GPU賽道頭部玩家摩爾線程在發布會上全面展示了“云-邊-端”全棧智算矩陣：萬卡級規模夸娥智算集群、自研“長江”SoC驅動的智能終端MTT AICUBE和MTT AIBOOK、數字世界智能體“小麥”，首個全棧具身智能仿真平臺MT Lambda，以及持續進化的MUSA生態。從數字世界到物理世界的AI，摩爾線程都能在算力層面提供“云邊端”打通的扎實支撐。

其中面向具身智能的仿真平臺MT Lambda引起行業高度關注，可以說直指具身領域的核心算力痛點：用一套架構解決AI計算、圖形渲染、物理仿真、科學計算和超高清視頻編解碼，真正給具身智能的落地按下加速鍵。

值得一提的是，摩爾線程也成為國內極為稀缺的打通具身智能“大模型訓練—仿真模擬—端側部署”全鏈條的GPU公司。

一、打透具身智能落地最核心頑疾，為什么是摩爾線程把這件事做成了？

在具身智能領域，Agent想要真正在真實世界中服務于人，需要通過機器人的物理形態與現實世界交互，AI不僅要思考，還要通過機器人“行動”。

如何安全可靠地與人互動、完成復雜物理任務，這對物理仿真、實時感知、交互決策能力提出極高要求，而想要實現這些能力，需要海量訓練數據，不斷迭代、優化模型。

因此，在數字世界進行仿真訓練成為必然趨勢，而這一訓練模式給算力側帶來了新的挑戰。

機器人在虛擬場景中進行大規模物理仿真訓練，涉及大量柔性抓取、復雜接觸、危險場景測試等環節，這需要GPU具備高精度剛體動力學、軟體變形、復雜接觸碰撞等物理計算能力。

與此同時，要想獲得高質量數據，仿真環境就必須足夠“真”，這就需要GPU能夠支持像光線追蹤、3D高斯濺射等先進的圖形技術。

當然，在具身智能核心的VLA大模型訓練、強化學習、模仿學習等關鍵環節，芯片的AI訓練與推理能力也非常重要。

可以說，傳統計算架構的AI芯片難以“一站式”應對這些復雜多樣的計算需求，異構平臺之間的切換、數據遷移、格式轉換都會大幅降低研發效率，并拉大仿真到現實的差距，行業迫切需要基于全能型GPU的全鏈路解決方案。

這也是為何摩爾線程率先把這件事做成了——摩爾線程擁有國內極為稀缺的“全功能GPU”。

摩爾線程的全功能GPU可以基于一套統一的MUSA架構實現AI計算、科學計算、物理仿真、3D渲染、視頻編解碼，最終讓摩爾線程得以在MT Lambda平臺上直接實現“計算、仿真、渲染”，一站式搞定具身智能當下最為迫切的算力需求，進而突破數據瓶頸。

二、如何通過軟硬一體、端云協同實現“一站式”具身全鏈路閉環？

可以說，摩爾線程的立家之本就是基于MUSA架構的全功能GPU，而這項能力在今天的具身智能時代，展現出巨大的行業賦能價值。

如何將自身的技術優勢轉化為實用、好用的工具和平臺，真正讓行業可以用起來，加速具身智能的落地，才是最重要的。

詳細“拆解”此次重磅發布的MT Lambda平臺，我們就會發現，實際上摩爾線程從硬件到軟件層面都做了大量工作，從更好的性能釋放、開放生態的打造到真正實現國產自主，具身智能的高效開發和訓練，有了新的扎實路徑。

具體來看，在基于MUSA架構的全功能GPU基礎之上，MT Lambda在中間層集成了自研的三個引擎，分別負責物理計算、3D渲染和AI計算。

物理仿真引擎包括MuJoCo Warp MUSA、Newton-MUSA等開源后端引擎以及自研的AlphaCore物理引擎，可以基于MUSA架構進行高精度物理計算。

根據測試，其在典型仿真負載下可以實現30倍左右的仿真吞吐效率提升，這可以讓機器人在復雜交互中獲得精準物理反饋，這是仿真到部署鏈路中的關鍵一環。

圖形渲染引擎中則包括融合了光線追蹤與混合渲染能力的MT Photon光子引擎，同時其引入了3DGS三維高斯濺射技術和自研MT AGR生成式渲染技術，讓仿真畫面的真實感、細膩度、畫面流暢度都得到顯著提升。

▲使用MTT S5000 RT Core硬件光線追蹤加速渲染，可以獲得 2.7倍的性能提升

值得一提的是，光線追蹤技術如今通常用于頂級3A游戲大作中，而摩爾線程3DGS技術曾獲全球圖形學頂會SIGGRAPH Asia 2025獎項，體現了其在圖形領域扎實的技術功底。

在AI引擎方面，MT Lambda深度適配了PyTorch的Torch-MUSA深度學習框架，原生兼容主流開發生態，同時支持VLA模型開發部署，還融合了強化學習與模仿學習兩種訓練范式，從機器人感知決策、自主學習到行為迭代，都可以提供AI訓練與推理的支撐。

在三個關鍵引擎構成的技術底座之上，MT Lambda還提供了MT Lambda-Lab具身策略開發與訓練平臺和MT Lambda-Sim高保真物理仿真與渲染平臺。

物理、渲染到AI三個引擎及兩大平臺，貫穿了感知模擬、數據合成、模型訓練、仿真驗證等關鍵鏈路。

三、摩爾線程組起具身智能“朋友圈”，AI基建生態版圖加速完善

在發布會上，摩爾線程創始人、董事長兼CEO張建中反復提及的一個關鍵詞，就是“開放”。在AI時代，開放生態的構建極為重要，而中國又是在AI開源開放方向上走的最快、成果最為豐富的。

在具身智能從實驗室走向行業的過程中，構建自主、開放、可持續的軟硬技術棧同樣重要，也需要各方協同。如今，摩爾線程已經與產、學、研、政等多方力量合作，推動技術開發合作、仿真生態共建和區域產業協同。

在具身技術開發層面，摩爾線程重磅開源了MuJoCo Warp MUSA后端，補齊國產算力具身智能仿真訓練關鍵一環。在四足機器狗訓練任務測試中，其相較CPU方案實現了最高40倍訓練加速；在宇樹G1人形機器人動作跟蹤任務中，MTT S5000單卡約4.8天完成模仿學習收斂，與8卡海外主流GPU對比，收斂加速約8倍。

與此同時，摩爾線程正積極拓展具身生態“朋友圈”，共建仿真生態，比如與光輪智能在合成數據等關鍵領域共筑國產具身智能仿真底座，以及與光線云聯合打造RaysTwins具身仿真平臺。

摩爾線程還與智源研究院合作， 基于MTT S5000千卡智算集群與FlagOS-Robo框架，成功完成前沿具身大腦模型RoboBrain 2.5的完整端到端訓練與對齊驗證，這也是行業內首次驗證國產算力集群在具身智能大模型訓練中的可用性與高效性。

此外，摩爾線程還在無錫、杭州多地進行產學研聯合研發，成立了摩爾線程（無錫）工業具身智能創新中心、與國家具身智能應用中試基地達成戰略合作。

我們看到，摩爾線程在具身智能領域的一系列技術、平臺、解決方案，真正走到了產業中，與諸多企業、機構一起形成了加速具身智能落地的優秀案例，生態的力量，凸顯無疑。

四、端云協同完整硬件生態，成具身智能全鏈路最扎實支撐

除了具身智能軟件方案，摩爾線程本次還展示了端云協同的具身完整硬件生態。

端側，MT Lambda平臺可以與摩爾線程自研的“長江”SoC及邊緣AI模組E300進行集成，最終實現端側部署的閉環。長江SoC有著本地50 TOPS的算力，并且集成了CPU、GPU、NPU、VPU等關鍵模塊，可以實現低延遲、高可靠實時響應。

在云端，摩爾線程的夸娥（KUAE）智算集群，支持萬卡級并行訓練與萬億參數大模型訓練，其核心單元MTT S5000基于第四代MUSA架構“平湖”打造，單卡AI稠密算力1000 TFLOPS，支持從FP8到FP64的全精度計算，這也是國內極少數同時支持硬件級光線追蹤與AI訓推的國產GPU。

整體來看，從算力到引擎，再到工具鏈、端側算力芯片，摩爾線程提供了一套完整的解決方案，具身智能的策略訓練、統一開發、仿真驗證、端側真機部署，都可以一站式閉環完成。

值得一提的是，摩爾線程整套技術解決方案對于國內產業鏈的另一個突出價值就是全鏈路的國產自主可控，在當今全球科技局勢下，其重要性不言而喻。

在全國產自主可控方案下，具身智能開發與驗證的門檻、風險都大幅降低，機器人以及各類通用實體智能的規模化落地進一步加速，具身智能從技術驗證加速邁向工程化、產業化。

結語：打通具身智能算力“任督二脈”，摩爾線程沖刺詞元時代

縱觀整場發布會，從張建中長達一個半小時的深度分享中，我們可以把握到一條清晰的主線：摩爾線程要在萬物智能的“詞元時代”，給智能體的落地提供扎實的全鏈路國產化算力支撐，不論是數字世界的Agent還是物理世界的機器人。

摩爾線程圍繞智能體這一核心趨勢，基于自身最核心的MUSA架構生態優勢，瞄準行業關鍵痛點發力，尋找突破口：

在智能體領域，首次亮相的“小麥”智能體有記憶、能主動服務、自主編排復雜任務，還能識別情緒、跨端協同，提供有溫度的AI交互體驗；為了承載“小麥”，摩爾線程進一步發布了搭載自研“長江”SoC的智能家庭AI中樞MTT AICUBE，其整合了“智能體+AI PC+AI NAS”能力體系，一個設備就能成為整個家庭的AI大腦；而面向更廣闊的智能體生態和企業用戶，摩爾線程祭出MTT AIBOOK AI筆記本，讓基于多智能體協同的“一人公司”成為可能。

搞定了數字世界的智能體，摩爾線程進一步加速物理AI的到來，從全功能GPU底座、夸娥智算集群、端側SoC芯片到MT Lambda具身智能仿真平臺，摩爾線程打通具身智能“訓練、仿真、部署”整個鏈路。

從數字世界到物理世界，全場景AI應用都得到了基于MUSA的“云邊端”智算生態加持。在邁向詞元時代的路上，摩爾線程毫無疑問已經成為了國內智算基建生態的關鍵支柱型企業。