具身智能开发工具集
摩尔线程全功能 GPU 同时支持仿真模拟、模型训练和端侧部署
仿真模拟
MT Lambda 提供 GPU 加速仿真、Real2Sim 场景资产化和 Sim-to-Real 迁移路径。
模型训练
Torch-MUSA 兼容 PyTorch，已在 GR00T、Wan 世界模型、StarVLA 等负载上验证可用。
全栈能力架构
应用案例
摩尔线程 S5000 + MUSA 全栈支撑，EvoPhys-World 世界模型训练对齐国际主流
EvoPhys-World 是北京大学 EvoPhys 团队研发的自进化、以人为中心的 5D 世界模型，基于约 4 万小时纯人手 EGO 数据训练，实现场景级万物可控；登顶斯坦福 WorldScore「世界生成」赛道第一（截至发布时）。
训练吞吐达国际主流训练卡的 98–101% · 以国际主流训练卡为 100% 基准，1 机/8 卡 100%、2 机/16 卡 101%、4 机/32 卡 98%
生成质量定性一致 · 同初始帧、同 prompt 下，抓握、笔迹、手–物接触与物理反馈一致，无结构崩坏或时序断裂
多机弱扩展近线性 · 16→160 卡仍保持 89.7%
摩尔线程携手智源，国产千卡集群首次跑通 RoboBrain 2.5 具身大脑模型全流程训练
RoboBrain 2.5 是智源研究院（BAAI）面向真实物理场景打造的通用具身大脑，以统一的视觉—语言多模态架构，为机器人提供感知、认知、推理与决策能力；2.5 版新增动作时序价值评估与三维空间结构理解，显著提升下游任务执行成功率。
千卡集群全程跑通 · MTT S5000 夸娥 1024 卡，依托面向多元芯片的统一 AI 系统栈 FlagOS-Robo，支持大脑（VLM）与小脑（VLA）协同训练
64→1024 卡近线性扩展 · 实测线性扩展效率 90%+，扩展曲线近乎线性增长，证明国产集群大规模并行与通信调度的成熟度
精度对齐国际主流 GPU · 训练 Loss 走势高度重合，相对误差 < 0.62%；CrossPoint、Q-Spatial、VABench-V 等评测指标一致或更优
生态伙伴
