国产算力破冰具身智能！摩尔线程联合智源完成RoboBrain 2.5全流程训练，误差＜0.62%

在具身智能成为AI下一战略高地的竞争中，国产算力终于实现关键突破。

2026年1月13日，摩尔线程联合北京智源人工智能研究院正式宣布，依托MTTS5000千卡智算集群与FlagOS-Robo框架，成功完成智源自研具身大脑模型RoboBrain 2.5的全流程训练。这是行业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，交出训练误差＜0.62%、千卡加速比超90%的亮眼成绩，不仅打破国外算力垄断，更为具身智能从实验室走向产业化铺就了自主可控的技术底座。

此次突破的核心在于“国产算力+自主框架”的高效协同。

摩尔线程MTTS5000千卡智算集群凭借自主研发的MUSA架构，实现从FP8到FP64的全精度计算支持，单卡Prefill吞吐速度突破4000tokens/s，Decode吞吐速度超1000tokens/s，算力效率比肩国际主流GPU集群。更关键的是其卓越的扩展能力，从64卡扩展至1024卡时，线性扩展效率保持90%以上，意味着算力增加时训练速度几乎同步倍增，具备万卡级训练潜力。而智源FlagOS-Robo框架则解决了跨平台适配难题，通过算子自动生成等技术实现“代码不改、精度不降”，开发者无需修改原有PyTorch代码即可快速迁移至国产算力平台，大幅降低适配成本。

RoboBrain 2.5模型本身也实现能力升级。

作为面向真实物理场景的通用具身大脑，该模型采用“大脑-小脑”分层架构，新增动作时序价值评估与三维空间结构理解能力，可预判动作连锁反应、解决复杂环境定位难题。权威评测显示，其在CrossPoint、Q-Spatial等2D/3D空间感知任务，以及VABench-V物理常识推理任务中，表现均优于传统模型，关键指标与国际主流GPU训练结果完全对齐。在多机器人协作场景中，模型可通过共享记忆库实现“导航-抓取-递送”的复杂协同，显著提升下游任务执行成功率。

此次成果标志着国产AI基础设施迈过具身智能训练的“生死线”。

此前，具身智能大模型训练高度依赖国外高端GPU，国内团队常面临算力卡脖子困境。摩尔线程与智源的合作，构建起“国产算力硬件+自主框架软件+开源生态”的完整链条，验证了国产方案“能训、训得稳、训得快”的核心优势。从行业价值看，这一突破破解了具身智能产业化的核心瓶颈——FlagOS-Robo框架已吸引15万开发者参与，首批适配5个开源项目覆盖服务机器人导航、工业机械臂控制等核心场景，中小企业无需重复投入基础研发即可快速落地应用。

在全球AI算力竞争加剧的背景下，此次突破更具战略意义。半导体行业协会数据显示，国产GPU芯片良率已达国际主流水平，MTTS5000集群的稳定运行正是这一基础的有力印证。随着“国产算力训练范式”的形成，未来将在智能制造、智慧物流等领域催生更多规模化应用场景。从DeepSeek的架构创新到摩尔线程的算力突破，中国团队正在AI核心领域逐步构建自主话语权，而这种“硬件+软件+生态”的协同创新模式，终将推动国产AI走向高质量发展的自主道路。