快科技 9 月 23 日消息，据报道，在近日由摩尔线程主办的 "MUSA 开源技术沙龙：RLinf × MUSA Meetup" 上，摩尔线程公布了 MTT S5000 在具身智能强化学习训练中的实测结果。

在 248 个并行环境、相同配方与随机种子的控制变量条件下，S5000 与国际主流 GPU 的训练曲线高度吻合，逐步相关系数达 r=0.976。这一结果来自 RLinf 框架上的 WoVR 负载全量适配与复现。

该团队采用 GRPO 算法 rollout action，使用 WAN 世界模型根据 action 想象执行结果，最后用 ResNet 评估对错并给出奖励用于训练，全程无需真实机器人参与即可完成 RL 后训练。

在真机 LIBERO-Spatial 评估中，两套硬件训练出的策略成功率实现对齐。

RLinf 开源框架负责人、清华大学深圳国际研究生院助理教授于超在会上透露，RLinf 官方 CI 自 0.3 版本起正式接入 MTT S5000，所有代码在合入主分支前均须基于国产算力完成自动化验证。

这意味着国产算力与国产具身强化学习框架已从单向适配进入双向共建阶段。

RLinf 是首个面向具身智能的 " 仿训推一体化 " 大规模强化学习框架，由清华大学、无问芯穹联合发布。于超表示，渲染能力是选择摩尔线程的关键考量，" 摩尔线程是国内除国际主流 GPU 厂商之外，少数能在渲染环节提供成熟支持的算力伙伴 "。

工程优化方面，摩尔线程对单步耗时实施了三项改造：图像处理从主机端迁移至 GPU 端、去噪循环数值检查合并、热路径 Python 标量替换为设备张量。

整步耗时从 2549 秒降至 1888 秒，下降 26%；GPU 空转率从 18.5% 压缩至 3.1%。算子级基准显示，S5000 的 GEMM 与注意力性能达到国际主流 GPU 的 1.6 至 2 倍。

在实际应用中，基于 π 0.5 的 " 策略自进化数据飞轮 " 让双臂机器人装配 GPU 的真机成功率从约两成稳定至 92%，精细操作耗时缩短 39.5%。

极佳视界 GigaBrain-0.7 则将四项精细操作平均成功率从 30% 经离线 RL 提升至 57.5%，在线 RL 后进一步提升至 100%。

摩尔线程高级副总裁杨上山表示，具身智能对算力的需求是复合的，既需要训练 " 大脑 " 的 AI 算力，也离不开构建虚拟世界的渲染与仿真算力，这正是全功能 GPU 的用武之地。