随着具身智能日益成为人工智能发展的战略制高点，底层算力基础设施的自主可控性愈发重要。近日，摩尔线程携手北京智源人工智能研究院（以下简称“智源”），依托mtt s5000千卡智算集群，基于flagos-robo框架，成功完成了智源自主研发的具身大脑模型——robobrain 2.5的端到端全流程训练。
这是业内首次在国产算力集群上完成具身智能大模型的全周期训练验证，充分证实了国产AI硬件在支撑复杂多模态任务方面的可行性与高性能表现，标志着我国AI基础设施工具链在面向物理世界智能体的演进中取得关键突破。借助面向异构芯片的统一AI系统软件栈FlagOS与MTT S5000硬件平台的深度协同，该联合方案不仅实现了“训得动”，更达成了“训得稳、训得快”的目标，为具身智能技术从科研探索迈向规模化产业应用筑牢了算力根基。
RoboBrain是智源面向真实物理环境构建的通用型具身智能中枢，采用统一的视觉—语言融合架构，全面支撑机器人在感知理解、高层认知、逻辑推理与自主决策等核心能力上的发展。RoboBrain 2.5在前代基础上进一步强化了对动作序列价值判断及三维空间结构建模与推理的能力，显著提升了模型在下游具身任务中的执行成功率。
FlagOS-Robo是在开源开放的多芯AI软件栈FlagOS之上专为具身智能打造的一体化训练与推理框架。它支持云边端全场景部署，兼容多种国产及主流AI芯片，可同步高效完成大脑模型（VLM）与小脑模型（VLA）的联合训练与协同推理。FlagOS-Robo打通了从真实数据采集、模型训练、在线推理到真机评测的完整闭环，覆盖数据预处理、模型优化、部署验证及性能评估等全部环节，大幅降低开发门槛。其具备多芯片统一实验管理、自动调优适配、一键跨本体部署等能力，通过构建完整的软硬协同生态，为具身智能前沿研究与工程落地提供了坚实可靠的系统级支撑与高性能算力保障。
多维度权威评测，关键指标全面比肩国际水平
为全面评估模型能力，智源团队在多个国际公认的具身智能评测基准上开展了系统性测试，涵盖2D/3D空间感知与推理榜单、时序价值评估榜单等。结果显示，由MTT S5000国产千卡集群训练出的RoboBrain-2.5，在多项核心指标上与国际主流GPU平台训练结果高度一致。尤其在CrossPoint、Q-Spatial、VABench-V等典型任务中，模型表现更胜一筹。这一系列全面对齐的评测结果表明：FlagOS-Robo框架与MTT S5000算力深度融合所产出的“具身大脑”，已在环境理解、任务规划与动作执行等关键维度达到业界领先水平。
将小说章节转换为电影分镜剧本。用户上传txt/md/docx文本，AI分析场景、角色、情绪、镜头语言，输出专业分镜脚本。适用于用户提及“分镜”“storyboard”“小说转分镜”“影视改编”“镜头脚本”或需要将小说改编为分镜的场景。
Loss曲线高度重合，相对误差低于0.62%
在模型精度一致性方面，搭载MTT S5000的夸娥智算集群展现出卓越的训练稳定性。训练过程中的Loss变化趋势与国际主流GPU平台高度吻合，全程相对误差控制在0.62%以内。如此微小的偏差不仅印证了国产算力在训练精度层面的高可靠性，也说明智源FlagOS-Robo框架已实现跨硬件平台的无损迁移能力——开发者无需修改代码即可无缝切换至国产硬件，真正达成“代码零改动、精度不衰减”的平滑适配体验。
超强线性扩展能力，千卡加速比突破90%
大规模集群训练效能的核心在于并行扩展效率。实测数据显示，摩尔线程MTT S5000千卡智算集群展现出优异的横向扩展性能：当计算规模从64卡扩展至1024卡时，整体加速比稳定维持在90%以上。扩展曲线呈现近乎理想的线性增长特征，意味着算力资源每翻一倍，训练速度亦接近同步提升一倍。这充分体现了国产智算集群在分布式训练调度、高速互联通信及大规模并行计算等方面的成熟度，也为未来支撑万卡级超大规模具身模型训练奠定了坚实基础。
此次摩尔线程与智源研究院的深度协同，将有力推动具身智能技术加速走出实验室、迈向真实产业场景，形成一套可复用、可推广、可量产的“国产算力训练新范式”，为中国具身智能产业发展提供一个自主可控、开放兼容、高效稳定的底层算力底座。
