芯东西（公众号：aichip001）
作者 |  云鹏
编辑 |  漠影

今天，我们已经跑步进入了“词元（Token）时代”。

数字世界中，智能体（Agent）浪潮席卷全行业，“龙虾（OpenClaw）”、“爱马仕（Hermes）”的爆火进一步加速了这一进程。

而在物理世界中，AI做事的边界也在快速扩展，机器人从工厂走入家庭。业内普遍认为，未来五到十年，以具身智能为核心的物理AI（Physical AI）将成为AI的下一波浪潮，根据IDC预测，2030年全球具身智能市场规模或达1.5万亿美元。

在具身智能浪潮中，中国玩家一直走在潮头，宇树机器人每支新品视频都爆火海内外，春晚中各路机器人创新企业密集秀出实力，中国成为具身智能落地产业的最前沿战场，政府工作报告中连续两年提及“具身智能”。

行业火爆和快速发展也带来一系列挑战，具身智能技术的突破，需要“从Sim（模拟）到Real（真实物理世界）”的闭环，涉及复杂多样算力需求，给传统芯片行业带来巨大挑战。

近日，国内GPU赛道头部玩家摩尔线程在发布会上全面展示了“云-边-端”全栈智算矩阵：万卡级规模夸娥智算集群、自研“长江”SoC驱动的智能终端MTT AICUBE和MTT AIBOOK、数字世界智能体“小麦”，首个全栈具身智能仿真平台MT Lambda，以及持续进化的MUSA生态。从数字世界到物理世界的AI，摩尔线程都能在算力层面提供“云边端”打通的扎实支撑。

其中面向具身智能的仿真平台MT Lambda引起行业高度关注，可以说直指具身领域的核心算力痛点：用一套架构解决AI计算、图形渲染、物理仿真、科学计算和超高清视频编解码，真正给具身智能的落地按下加速键。

值得一提的是，摩尔线程也成为国内极为稀缺的打通具身智能“大模型训练—仿真模拟—端侧部署”全链条的GPU公司。

一、打透具身智能落地最核心顽疾，为什么是摩尔线程把这件事做成了？

在具身智能领域，Agent想要真正在真实世界中服务于人，需要通过机器人的物理形态与现实世界交互，AI不仅要思考，还要通过机器人“行动”。

如何安全可靠地与人互动、完成复杂物理任务，这对物理仿真、实时感知、交互决策能力提出极高要求，而想要实现这些能力，需要海量训练数据，不断迭代、优化模型。

因此，在数字世界进行仿真训练成为必然趋势，而这一训练模式给算力侧带来了新的挑战。

机器人在虚拟场景中进行大规模物理仿真训练，涉及大量柔性抓取、复杂接触、危险场景测试等环节，这需要GPU具备高精度刚体动力学、软体变形、复杂接触碰撞等物理计算能力。

与此同时，要想获得高质量数据，仿真环境就必须足够“真”，这就需要GPU能够支持像光线追踪、3D高斯溅射等先进的图形技术。

当然，在具身智能核心的VLA大模型训练、强化学习、模仿学习等关键环节，芯片的AI训练与推理能力也非常重要。

可以说，传统计算架构的AI芯片难以“一站式”应对这些复杂多样的计算需求，异构平台之间的切换、数据迁移、格式转换都会大幅降低研发效率，并拉大仿真到现实的差距，行业迫切需要基于全能型GPU的全链路解决方案。

这也是为何摩尔线程率先把这件事做成了——摩尔线程拥有国内极为稀缺的“全功能GPU”。

摩尔线程的全功能GPU可以基于一套统一的MUSA架构实现AI计算、科学计算、物理仿真、3D渲染、视频编解码，最终让摩尔线程得以在MT Lambda平台上直接实现“计算、仿真、渲染”，一站式搞定具身智能当下最为迫切的算力需求，进而突破数据瓶颈。

二、如何通过软硬一体、端云协同实现“一站式”具身全链路闭环？

可以说，摩尔线程的立家之本就是基于MUSA架构的全功能GPU，而这项能力在今天的具身智能时代，展现出巨大的行业赋能价值。

如何将自身的技术优势转化为实用、好用的工具和平台，真正让行业可以用起来，加速具身智能的落地，才是最重要的。

详细“拆解”此次重磅发布的MT Lambda平台，我们就会发现，实际上摩尔线程从硬件到软件层面都做了大量工作，从更好的性能释放、开放生态的打造到真正实现国产自主，具身智能的高效开发和训练，有了新的扎实路径。

具体来看，在基于MUSA架构的全功能GPU基础之上，MT Lambda在中间层集成了自研的三个引擎，分别负责物理计算、3D渲染和AI计算。

物理仿真引擎包括MuJoCo Warp MUSA、Newton-MUSA等开源后端引擎以及自研的AlphaCore物理引擎，可以基于MUSA架构进行高精度物理计算。

根据测试，其在典型仿真负载下可以实现30倍左右的仿真吞吐效率提升，这可以让机器人在复杂交互中获得精准物理反馈，这是仿真到部署链路中的关键一环。

图形渲染引擎中则包括融合了光线追踪与混合渲染能力的MT Photon光子引擎，同时其引入了3DGS三维高斯溅射技术和自研MT AGR生成式渲染技术，让仿真画面的真实感、细腻度、画面流畅度都得到显著提升。

▲使用MTT S5000 RT Core硬件光线追踪加速渲染，可以获得 2.7倍的性能提升

值得一提的是，光线追踪技术如今通常用于顶级3A游戏大作中，而摩尔线程3DGS技术曾获全球图形学顶会SIGGRAPH Asia 2025奖项，体现了其在图形领域扎实的技术功底。

在AI引擎方面，MT Lambda深度适配了PyTorch的Torch-MUSA深度学习框架，原生兼容主流开发生态，同时支持VLA模型开发部署，还融合了强化学习与模仿学习两种训练范式，从机器人感知决策、自主学习到行为迭代，都可以提供AI训练与推理的支撑。

在三个关键引擎构成的技术底座之上，MT Lambda还提供了MT Lambda-Lab具身策略开发与训练平台和MT Lambda-Sim高保真物理仿真与渲染平台。

物理、渲染到AI三个引擎及两大平台，贯穿了感知模拟、数据合成、模型训练、仿真验证等关键链路。

三、摩尔线程组起具身智能“朋友圈”，AI基建生态版图加速完善

在发布会上，摩尔线程创始人、董事长兼CEO张建中反复提及的一个关键词，就是“开放”。在AI时代，开放生态的构建极为重要，而中国又是在AI开源开放方向上走的最快、成果最为丰富的。

在具身智能从实验室走向行业的过程中，构建自主、开放、可持续的软硬技术栈同样重要，也需要各方协同。如今，摩尔线程已经与产、学、研、政等多方力量合作，推动技术开发合作、仿真生态共建和区域产业协同。

在具身技术开发层面，摩尔线程重磅开源了MuJoCo Warp MUSA后端，补齐国产算力具身智能仿真训练关键一环。在四足机器狗训练任务测试中，其相较CPU方案实现了最高40倍训练加速；在宇树G1人形机器人动作跟踪任务中，MTT S5000单卡约4.8天完成模仿学习收敛，与8卡海外主流GPU对比，收敛加速约8倍。

与此同时，摩尔线程正积极拓展具身生态“朋友圈”，共建仿真生态，比如与光轮智能在合成数据等关键领域共筑国产具身智能仿真底座，以及与光线云联合打造RaysTwins具身仿真平台。

摩尔线程还与智源研究院合作， 基于MTT S5000千卡智算集群与FlagOS-Robo框架，成功完成前沿具身大脑模型RoboBrain 2.5的完整端到端训练与对齐验证，这也是行业内首次验证国产算力集群在具身智能大模型训练中的可用性与高效性。

此外，摩尔线程还在无锡、杭州多地进行产学研联合研发，成立了摩尔线程（无锡）工业具身智能创新中心、与国家具身智能应用中试基地达成战略合作。

我们看到，摩尔线程在具身智能领域的一系列技术、平台、解决方案，真正走到了产业中，与诸多企业、机构一起形成了加速具身智能落地的优秀案例，生态的力量，凸显无疑。

四、端云协同完整硬件生态，成具身智能全链路最扎实支撑

除了具身智能软件方案，摩尔线程本次还展示了端云协同的具身完整硬件生态。

端侧，MT Lambda平台可以与摩尔线程自研的“长江”SoC及边缘AI模组E300进行集成，最终实现端侧部署的闭环。长江SoC有着本地50 TOPS的算力，并且集成了CPU、GPU、NPU、VPU等关键模块，可以实现低延迟、高可靠实时响应。

在云端，摩尔线程的夸娥（KUAE）智算集群，支持万卡级并行训练与万亿参数大模型训练，其核心单元MTT S5000基于第四代MUSA架构“平湖”打造，单卡AI稠密算力1000 TFLOPS，支持从FP8到FP64的全精度计算，这也是国内极少数同时支持硬件级光线追踪与AI训推的国产GPU。

整体来看，从算力到引擎，再到工具链、端侧算力芯片，摩尔线程提供了一套完整的解决方案，具身智能的策略训练、统一开发、仿真验证、端侧真机部署，都可以一站式闭环完成。

值得一提的是，摩尔线程整套技术解决方案对于国内产业链的另一个突出价值就是全链路的国产自主可控，在当今全球科技局势下，其重要性不言而喻。

在全国产自主可控方案下，具身智能开发与验证的门槛、风险都大幅降低，机器人以及各类通用实体智能的规模化落地进一步加速，具身智能从技术验证加速迈向工程化、产业化。

结语：打通具身智能算力“任督二脉”，摩尔线程冲刺词元时代

纵观整场发布会，从张建中长达一个半小时的深度分享中，我们可以把握到一条清晰的主线：摩尔线程要在万物智能的“词元时代”，给智能体的落地提供扎实的全链路国产化算力支撑，不论是数字世界的Agent还是物理世界的机器人。

摩尔线程围绕智能体这一核心趋势，基于自身最核心的MUSA架构生态优势，瞄准行业关键痛点发力，寻找突破口：

在智能体领域，首次亮相的“小麦”智能体有记忆、能主动服务、自主编排复杂任务，还能识别情绪、跨端协同，提供有温度的AI交互体验；为了承载“小麦”，摩尔线程进一步发布了搭载自研“长江”SoC的智能家庭AI中枢MTT AICUBE，其整合了“智能体+AI PC+AI NAS”能力体系，一个设备就能成为整个家庭的AI大脑；而面向更广阔的智能体生态和企业用户，摩尔线程祭出MTT AIBOOK AI笔记本，让基于多智能体协同的“一人公司”成为可能。

搞定了数字世界的智能体，摩尔线程进一步加速物理AI的到来，从全功能GPU底座、夸娥智算集群、端侧SoC芯片到MT Lambda具身智能仿真平台，摩尔线程打通具身智能“训练、仿真、部署”整个链路。

从数字世界到物理世界，全场景AI应用都得到了基于MUSA的“云边端”智算生态加持。在迈向词元时代的路上，摩尔线程毫无疑问已经成为了国内智算基建生态的关键支柱型企业。