在具身智能的发展路径中，传统的算力架构正面临瓶颈。具身智能不仅需要训练大脑的“AI算力”，更极度依赖构建虚拟世界的“图形渲染力”与“物理仿真力”。传统架构中，物理仿真使用专用物理引擎，图形渲染用图形显卡，AI训练用专用AI芯片，三者相互割裂。开发者不得不在三个异构平台之间反复切换，导致研发效率极低。为此，行业需要一种能够统一支撑多种范式的算力底座。

张建中介绍，摩尔线程是国内极少数可以支撑具身智能训练全流程的GPU企业，从合成数据生成、基模训练、后训练/强化学习，到仿真评测与Sim2Real，为具身智能发展提供从数据到部署的硬核算力支撑。

这一判断背后的支撑，是摩尔线程基于自研MUSA架构打造的全功能GPU。据了解，该架构下的单颗芯片能同时支持AI计算、图形渲染、物理仿真、科学计算与超高清视频编解码。

张建中在演讲中表示，摩尔线程构建以全功能GPU为根基的夸娥智算集群，从万卡向十万卡持续扩展，并以此构建贯通“训练—推理—智能体”的一体化AI工厂，包括模型训练工厂、词元生产工厂、智能体生产工厂。

在关键的仿真训练环节，摩尔线程推出了首个全栈具身智能仿真平台MT Lambda。该平台底层基于全功能GPU与MUSA统一架构，实现渲染、物理、AI计算在同一芯片中完成，数据“零拷贝”；中间层深度融合自研物理、渲染、AI三大引擎；上层提供多种工具平台，赋能用户构建数据合成、策略训练、仿真验证的高效工作流。这一平台旨在打破传统开发中仿真、训练割裂的痛点，满足具身智能对高同步性的严苛要求。

从训练到仿真，从云端到边缘，国产GPU在具身智能领域的角色正逐渐清晰。张建中表示，摩尔线程将进一步构建连接数字世界与物理世界的新一代计算基础设施，以全功能GPU的强大算力驱动具身智能产业跃迁与生态重塑。