国产算力首证具身智能模型训练实力：摩尔线程携手智源完成RoboBrain 2.5全流程训练
随着具身智能技术逐渐成为人工智能发展的关键方向，构建自主可控的底层算力体系愈发重要。近日，摩尔线程联合北京智源人工智能研究院（以下简称“智源”），基于FlagOS-Robo训练框架，依托MTT S5000千卡智算集群，成功完成RoboBrain 2.5这一具身大脑模型的全流程训练。
此次训练验证了国产算力集群在处理复杂多模态任务上的能力，为国内AI基础设施的自主化发展注入了新动能。通过FlagOS统一AI系统软件栈与MTT S5000硬件平台的高效协作，训练过程不仅稳定且高效，为具身智能技术从科研迈向产业应用奠定了坚实基础。
RoboBrain 是智源为实际物理环境设计的通用具身智能模型，其多模态视觉—语言架构为机器人在感知、理解、推理与决策等方面提供了核心支撑。RoboBrain 2.5在原有基础上新增了对动作时序价值的评估能力及三维空间结构的理解与推理能力，显著提升了机器人在执行任务时的效率与成功率。
FlagOS-Robo 是基于开源软件栈FlagOS构建的一体化训练推理框架，专为具身智能设计。该框架支持多种芯片协同训练与推理，具备端到云的多场景部署能力，涵盖从数据采集到模型训练、推理及具身评估的全链路流程。其统一实验管理、芯片自动调优及一键跨本体部署功能，显著降低了开发复杂度，为具身智能研究和应用提供系统性支持。
为评估训练效果，智源团队在多个权威具身智能评测数据集上进行了测试。结果显示，由MTT S5000训练出的RoboBrain 2.5在关键性能指标上与国际主流GPU训练模型保持高度一致。尤其在CrossPoint、Q-Spatial、VABench-V等任务中，其表现更具优势，体现出训练模型在理解、规划与执行方面的卓越能力。
多维评测验证，指标全面对齐
Loss曲线高度一致，误差控制在0.62%以内
训练精度方面，MTT S5000千卡集群展现出出色的稳定性。训练曲线显示，其Loss走势与主流GPU平台高度重合，相对误差小于0.62%。这一结果表明国产算力在模型训练精度方面具备竞争力，同时FlagOS-Robo框架也成功实现了跨平台的无损迁移，保障模型性能不受硬件变化影响。
线性扩展表现优异，千卡加速比突破90%
在大规模训练任务中，算力集群的扩展效率至关重要。实测数据显示，MTT S5000从64卡扩展至1024卡的过程中，系统加速比超过90%，展现出优秀的线性扩展能力。这一表现不仅说明国产集群在并行计算和通信调度方面的成熟，也为未来万卡级训练提供了可行性。
摩尔线程与智源研究院的此次合作，不仅推动了具身智能技术的落地进程，也为行业提供了一套可复制、可推广的国产算力训练模式。这一成果为我国具身智能产业的自主创新和高质量发展提供了坚实支撑。
关于摩尔线程
作为一家以全功能GPU为核心的高科技企业，摩尔线程致力于为全球用户提供加速计算的基础设施与一站式解决方案，助力各行业实现智能化转型。公司愿景是打造具备国际竞争力的GPU品牌，为融合人工智能与数字孪生的新一代数字世界提供先进的算力平台，持续推动技术革新与社会进步。