北京大学EvoPhys团队近日在人工智能领域取得突破性进展，其研发的5D世界模型EvoPhys-World在斯坦福大学WorldScore公开评测中登顶“世界生成”赛道。该模型以人类为中心，突破传统AI在物理世界交互的局限，实现了从“可观看”到“可操控”的跨越式发展。值得注意的是，这项前沿研究全程基于国产摩尔线程MTT S5000全功能GPU完成训练，标志着我国在自主算力支撑高水平AI研究方面迈出关键一步。
传统AI模型在物理世界的应用长期面临“浅交互”瓶颈，而EvoPhys-World通过创新架构设计，将第一视角人类观察与手部动作作为核心交互接口。该模型从海量无标注人手视角数据中自主学习，构建了包含“万物孪生引擎”与“世界操控策略”的双重体系，形成从环境生成到动态操控的完整闭环。这种设计使AI不仅能生成逼真场景，更能理解物理规则并实现复杂操作，例如精准抓握、书写轨迹预测等深度交互行为。
支撑这项突破的算力底座来自摩尔线程旗舰级产品MTT S5000。这款专为大模型训练设计的全功能GPU，通过计算单元协同优化与原生FP8多精度训练技术，为长时序交互数据建模提供稳定算力。配套的MUSA软件栈展现出强大适应性，其分布式训练框架、高效卡间通信机制及软硬件协同优化能力，成功支撑起扩散式生成与多模态时空建模的复杂需求。在长达4万小时的训练过程中，系统保持了卓越的稳定性与扩展性。
实测数据显示，MTT S5000在集群扩展方面表现优异。从单机8卡扩展至20节点160卡时，训练吞吐量维持近线性增长，弱扩展效率达90%，这一指标与国际主流产品处于同一水平。在相同实验条件下，国产算力平台在训练吞吐量、多机扩展效率等核心指标上，与国际竞品基本持平。更关键的是，基于MTT S5000训练的模型在生成质量上达到国际先进水平，其输出的第一视角操作视频在物体抓握、书写笔迹、物理反馈等细节表现上，与使用国际主流产品训练的模型难分伯仲。
这项成果的背后，是国产软硬件生态的深度协同。摩尔线程与北京大学构建了从模型研发到算力部署的全链路闭环：MUSA软件栈提供从算子开发到分布式训练的全栈支持，MTT S5000集群保障大规模并行计算的稳定性，最终通过开源生态赋能开发者社区。这种协作模式不仅解决了科研团队的算力瓶颈，更为国内具身智能领域提供了自主可控的技术路径，显著提升了从实验室创新到产业落地的转化效率。
作为该项目的算力支持方，摩尔线程通过“灯塔计划”为前沿科研提供专项扶持。该计划面向全球科研机构开放优惠算力资源及工程支持，重点助力具有原创价值的AI项目突破资源限制。EvoPhys-World的成功验证了国产芯片在支撑高水平AI研究方面的可行性，为国内科研团队使用自主算力平台树立了标杆案例。随着MUSA软件栈生态的不断完善，国产GPU正在从基础训练支撑向全流程赋能演进，为AI技术创新提供更坚实的底层保障。
