破局具身数据缺口：国产仿真与算力的协同创新
在具身智能迈向规模化落地的过程中，数据供给能力、物理仿真能力与底层算力适配能力，正成为决定行业发展的关键基础设施。长期以来，真机数据采集普遍面临采集成本高、场景覆盖不足、复杂物理过程难以稳定复现等难题，高质量仿真合成数据已成为跨越具身数据鸿沟的关键路径。
近日，光轮智能与摩尔线程达成战略合作。双方将依托光轮智能“求解—测量—生成”三位一体全栈自研仿真平台，结合摩尔线程全功能 GPU 与夸娥（KUAE）智算集群，联合打造国产自研仿真合成数据方案，以国产算力与仿真的深度融合，为具身智能发展夯实自主可控的基础设施。
图 1：合成数据示例，一条机械臂任务的执行轨迹中，包含 5 个视觉相机机位的画面渲染，用于具身的仿真数据生成。
国产化仿真合成数据生成平台：光轮智能“三位一体”全栈自研仿真
作为全球领先的物理 AI 数据与仿真基础设施企业，光轮智能首创“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平台支撑。
图 2：光轮智能“求解—测量—生成”三位一体全栈自研仿真技术平台
仿真层，光轮自研高精度 GPU 物理求解器具备可微分、多物理、多材质统一求解能力，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，在 MTT S5000 智算卡上依托全功能 GPU 原生加速与光线追踪硬件单元（RT Core），实现高效稳定运行与高保真渲染。
图 3：模拟机械臂抓取不同质量的柔性物体（抓取物从左往右，质量依次变大）
与此同时，光轮依托首创物理测量工厂与虚实对标方法论，将真实世界中的质量、摩擦、接触、形变等关键物理参数引入仿真环境，结合 SimReady 标准体系，确保仿真资产可验证、可复用、可规模化，核心物理参数仿真准确度达 99% 以上，为高置信度合成数据生产提供物理真实基础。
图 4：4 种装修风格，4 个灯光环境，形成 16 组渲染结果。每一组渲染配有 5 个机位，每个机位有 600 帧画面需要渲染。最终，单条轨迹的渲染总量达 4.8 万帧。
平台层，基于前述能力，光轮智能进一步形成覆盖场景构建、任务生成、仿真执行、结果分析与评测验证的闭环。这一框架下，光轮智能已构建以 RoboFinals 为代表的系统化评测能力，围绕任务完成度、策略泛化性、操作稳定性与仿真一致性等关键指标，持续验证数据质量与模型效果，使平台不仅能够高效生成数据，更能够反向牵引训练优化。结合摩尔线程基于 MTT S5000 的夸娥千卡智算集群所提供的国产 GPU 算力底座与大规模并发能力，单一任务即可在位姿、物性、视角与环境条件等维度实现高效泛化，推动具身数据从有限采集走向规模化生成，最终双方共同构建起“真实轨迹→仿真建模→数据扩增”的完整国产化闭环。
图 5：夸娥千卡智算集群加速合成数据生成
共筑国产物理 AI 底座：引领具身智能生态迈向自主可控
双方的合作，不仅是技术的强强联手，更意味着国产具身智能基础设施能力，正从单点突破走向更深层次的协同建设。此次合作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攻关的可复制范本，也为具身智能行业提供了从算力、算法到数据的全栈式价值。
未来，双方将继续深化合作，在具身智能评测平台、物理 AI 高置信度闭环仿真等方向展开进一步探索，推动合作从当前的数据合成阶段走向“仿真—训练—评测”全平台闭环，持续夯实自主可控的国产化物理 AI 基础设施，加速人工智能走向物理世界的进程。
▌关于光轮智能
光轮智能致力于为物理 AI 构建数据与仿真基础设施，依托首创“求解—测量—生成”三位一体全栈自研仿真平台，提供高质量和规模化的数据生成、工业级仿真评测等产品，加速物理 AI 落地。目前，国际主要具身智能团队中，超过 80% 的仿真资产与合成数据来自光轮智能，全球前五的世界模型团队均已与光轮开展合作。
▌关于摩尔线程
摩尔线程以全功能 GPU 为核心，致力于向全球提供加速计算的基础设施和一站式解决方案，为各行各业的数智化转型提供强大的 AI 计算支持。我们的目标是成为具备国际竞争力的 GPU 领军企业，为融合人工智能和数字孪生的数智世界打造先进的加速计算平台。我们的愿景是为美好世界加速。
