国产GPU开始造世界！国内首个全栈具身智能仿真平台来了
一句话看懂：国产GPU厂商摩尔线程发布了国内首个全栈国产化具身智能仿真平台“MT Lambda”，首次实现了从仿真训练到真机部署的完整国产链路，使国产算力可用于训练机器人的物理世界行为。
事件核心：发生了什么
摩尔线程于2026年5月19日正式推出MT Lambda仿真平台。该平台在国产GPU（基于MUSA架构的MTT S5000等）上，首次打通了“大模型训练—仿真模拟—端侧部署”全链路。现场演示中，机器狗“小飞”的运动策略100%在仿真世界训练完成，并无损迁移至真机。平台整合了物理引擎、渲染引擎和AI引擎三类核心模块，支持机器人策略的强化学习、模仿学习及VLA模型开发。端侧则由基于长江SoC的E300 AI模组提供50 TOPS本地算力，完成实时响应。
为什么重要
具身智能目前的核心矛盾是“模型进化快，物理场景积累慢”。现实中的数据采集、真机训练成本高昂且风险大。MT Lambda的发布意味着国产GPU开始从单纯的AI训练芯片，延伸至“造世界”的物理AI基础设施。摩尔线程凭借全功能GPU架构（同时支持AI计算、图形渲染、物理仿真），成为国内唯一能支撑“算（AI训练）、仿（物理仿真）、渲（高保真渲染）”一体化的企业。这使得国产算力链具备了训练机器人、合成仿真数据、验证策略并部署到真实终端的完整能力，直接对标国际主流的仿真平台生态。
对用户/开发者/创作者的影响
对具身智能领域的开发者而言，MT Lambda降低了机器人策略开发的门槛——不再需要自建昂贵的真机训练环境，而是可以在全国产算力上完成数据合成、策略训练、虚拟验证。平台集成MuJoCo、Newton等开源物理后端及自研AlphaCore引擎，在典型仿真负载下效率可提升约30倍。此外，与智源的合作验证显示，基于摩尔线程千卡集群训练的RoboBrain 2.5模型，Loss走势与英伟达H100集群的差异仅为0.62%，意味着国产算力集群已具备大规模具身模型训练的可用性。对自动驾驶、灵巧操作等领域的团队，该平台提供了高置信度仿真数据量产方案（如光轮智能合作案例中物理参数准确度超99%），可缩短从仿真到现实部署的迭代周期。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，MT Lambda平台是否向第三方开发者开放API或工具链，以及MUSA生态对PyTorch等主流框架的适配深度，将决定其实际落地速度。第二，端侧E300模组的50 TOPS算力是否能满足人形机器人更复杂的实时决策需求，有待更多场景验证。第三，市场关注国产GPU能否在具身智能领域复现大模型训推阶段的高线性扩展效率（当前展示达到90%以上），这将直接影响其与英伟达等竞争对手在物理AI基础设施市场的争夺。
来源：量子位 · 每日最新
