北京
来源：滚动播报
（来源：千龙网）
机器人要想“心灵手巧”，先得在数字世界里“勤学苦练”。如今，北京企业联合破局，让海量机器人训练数据得以规模化量产。5月11日，摩尔线程与光轮智能宣布达成战略合作，双方将通过国产算力与仿真算法的深度融合，支撑起具身智能与机器人训练的海量数据需求，为我国具身智能发展夯实自主可控的基础设施。
盘核桃、叠衣服、拎重物、打螺丝……机器人要学会这些精巧动作并操作得行云流水，核心“燃料”就是数据。有了海量数据的投喂，机器人才能真正“聪明”起来。然而，机器人在真实环境中采集数据，不仅需要昂贵的硬件设备和人工标注，还难以覆盖足够多的场景，复杂的物理过程更是难以稳定复现。为解决这一“数据鸿沟”，高质量的仿真合成数据成为关键突破口。
仿真数据的大规模生产同样面临挑战。以一条典型的机械臂操作任务为例，单条轨迹经过不同环境泛化后，需渲染的画面可达4.8万帧，数百条轨迹即达数百万帧规模。这类海量并发渲染与复杂物理计算任务，对GPU（图形处理器）的AI（人工智能）计算、图形渲染、物理仿真等综合能力提出了极高要求。
针对这些核心痛点，摩尔线程与光轮智能充分发挥各自优势，通过国产GPU算力底座与自研仿真合成技术的深度协同，不仅攻克了柔性体抓取的物理模拟等技术难关，更让海量、高真实度的合成数据规模化量产成为现实。
其中，光轮智能作为物理AI数据与仿真基础设施企业首创了全自主研发的仿真平台，提供了核心算法与仿真资产支撑。这个仿真平台如同一座“数字平行宇宙”，不仅能模拟重力、碰撞、摩擦等基础物理现象，更能精确还原材料形变、液体流动、柔性物体操作等复杂交互。在医疗领域的手术机器人训练中，仿真平台可以模拟人体组织的弹性和脆性；在物流领域的分拣场景中，仿真平台可以模拟包裹的重量分布和易碎特性。机器人很大一部分技能都需要在这样的虚拟世界中习得，从简单的抓取动作到复杂的装配任务，每一项能力的获得都离不开仿真数据的支撑。
摩尔线程则发挥全功能GPU算力底座的优势，基于自研架构，其单颗芯片能够同时支持AI计算、图形渲染、物理仿真与科学计算，为具身智能合成数据的生产提供算力支撑。与此同时，其全功能GPU能实现柔性体动力学、刚体碰撞、流体模拟等复杂的物理计算，确保合成数据与真实世界的物理规则高度吻合，并达到工业级的精度要求。
业内分析认为，双方的合作意味着国产具身智能基础设施建设正从单点突破走向更深层次的协同共建，机器人成长之路上有了更坚实的“数据粮仓”。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
