国产算力验证具身智能模型训练实力：摩尔线程联合智源研究院完成RoboBrain 2.5全流程训练
随着具身智能逐渐被视为人工智能领域的重要发展方向，构建自主可控的底层算力基础设施变得愈加关键。近日，摩尔线程与北京智源人工智能研究院携手，基于FlagOS-Robo框架，并依托MTT S5000千卡智算集群，成功完成智源自主研发的具身大脑模型RoboBrain 2.5的全流程训练。
此次训练标志着国产算力集群在具身智能大模型训练领域的首次验证，不仅展示了其可用性和高效性，也代表国产AI基础设施在处理复杂多模态任务方面迈出了坚实步伐。借助FlagOS统一的AI系统软件栈与MTT S5000硬件集群的高效协同，该训练方案不仅具备良好的训练能力，更在稳定性与效率上表现出色，为具身智能技术从实验室走向实际应用提供了坚实支撑。
RoboBrain：面向真实物理场景的通用具身大脑
RoboBrain是智源研究院为真实物理世界构建的通用具身智能模型，基于统一的视觉—语言多模态架构，为机器人在感知、认知、推理与决策方面提供基础能力支撑。升级后的RoboBrain 2.5在原有基础上，增强了机器人对动作时序价值的评估能力及对三维空间结构的理解与推理能力，从而显著提升了任务执行的成功率。
FlagOS-Robo：面向具身智能的训练与推理一体化框架
FlagOS-Robo是以开源多芯片AI软件栈FlagOS为基础，面向具身智能场景构建的训练与推理一体化框架。该框架支持端到云的多场景部署，兼容多种芯片架构，能够高效协同训练大脑模型（VLM）与小脑模型（VLA）。FlagOS-Robo覆盖从数据采集到真实设备部署的全链路流程，涵盖数据加载、模型训练、推理与评测等环节，显著降低开发复杂度。其支持多芯片架构、统一实验管理、自动调优与一键跨本体部署等功能，为具身智能的研究与产业应用提供了系统化支撑。
为验证模型算法效果，智源团队在多个权威具身智能评测数据集，如2D/3D空间感知推理榜单及时序价值评估榜单上进行了测试。结果显示，基于MTT S5000千卡国产训练集群完成的RoboBrain 2.5模型，在多项关键指标上与国际主流GPU训练模型保持一致，尤其在CrossPoint、Q-Spatial、VABench-V等任务中表现更优。这表明，FlagOS-Robo框架与MTT S5000算力集群在具身大脑的训练中已具备行业领先的理解、规划与执行能力。
多维评测验证，指标全面对齐
在模型精度方面，MTT S5000千卡集群展现出极高的稳定性。训练过程显示，Loss曲线与主流GPU训练结果高度吻合，相对误差控制在0.62%以内。这一低误差不仅体现了国产算力在训练准确性上的可靠性，也表明FlagOS-Robo框架成功实现了跨平台的无损迁移，开发者在硬件切换时无需担心模型性能波动，真正实现了“代码不改、精度不降”的无缝适配。
大规模并行训练的关键在于系统的扩展效率。测试数据显示，MTT S5000千卡集群在从64卡扩展至1024卡的过程中，系统扩展效率超过90%。扩展曲线显示良好的线性增长趋势，说明随着算力资源的增加，训练速度几乎同步提升，体现出国产集群在大规模并行计算与通信调度方面的成熟性，并具备支持万卡级训练的潜力。
此次摩尔线程与智源研究院的深度合作，为具身智能的产业化应用奠定了坚实基础。通过构建可复制、可扩展的“国产算力训练范式”，双方正推动中国具身智能产业迈向自主、开放、高效的新阶段。
关于摩尔线程
作为一家以全功能GPU为核心的企业，摩尔线程致力于为全球客户提供加速计算基础设施与一站式解决方案，支持各行业数字化与智能化转型。公司目标是成长为具备全球竞争力的GPU领军企业，并为融合人工智能与数字孪生的数智世界打造先进的计算平台。其愿景是——为美好世界加速。