国产GPU全栈原生训练，EvoPhys-World登顶WorldScore
来源：互联网 2026-06-20 10:14:12北京大学EvoPhys团队推出以“人”为中心的5D世界模型EvoPhys-World，登顶斯坦福WorldScore世界生成赛道榜首。该模型全程基于摩尔线程MTTS5000GPU与MUSA软件栈原生训练，验证了国产算力在高水平AI研究中的全栈支撑能力。
北京大学EvoPhys团队近日推出以“人”为中心、面向“场景级万物可控”的5D世界模型EvoPhys-World。该成果已登顶斯坦福大学WorldScore公开评测榜单“世界生成（World Generation）”赛道。更值得关注的是，EvoPhys模型的整个原生训练过程全部运行在摩尔线程MTT S5000全功能GPU上，并由MUSA软件栈提供全栈支撑。这标志着国产算力在支撑高水平AI研究方面迈出了扎实的一步。
免费动漫立即观看： >>>点此进入<<<
WorldScore实时榜单：EvoPhys-World 位列第一
▼WorldScore 榜单链接：
https://huggingface.co/spaces/Howieeeee/WorldScore_Leaderboard
▼EvoPhys-World 模型主页：
世界模型：AI走进物理世界的“试金石”
AI正从数字世界加速走向物理世界。过去，AI已在虚拟世界中实现逼真呈现，但真正“操控”和“交互”物理世界一直是行业核心难题。EvoPhys-World的突破在于将AI生成的世界从传统的“可观看、可漫游、浅交互”提升至“可操控、深交互、自进化”的新高度。
该模型以“人”为中心，将第一视角下的人类观察和手部交互作为通用动作表征，从大规模原始无标注的人手EGO数据中学习。通过两种形态构建从“生成世界”到“操控世界”的完整闭环：World Engine（万物可孪生、物理可交互）和World Policy（世界可预演、万物可操控）。
EvoPhys-World 模型架构图
这一前沿探索得到国际权威评测验证。在斯坦福大学提出、发表于ICCV 2025的世界生成统一评测基准WorldScore上，截至本文发布时，EvoPhys-World位列世界生成评测榜首。
国产算力硬核支撑：MTT S5000与MUSA软件栈全栈赋能
世界模型的训练对算力底座和软件栈提出极高要求。EvoPhys-World面向约4万小时纯人手EGO数据，需要在长时序第一视角交互数据中精确建模时空记忆、状态预测、动作预测、物理交互与策略演化。这对训练稳定性、数据吞吐以及软硬件协同效率均是巨大考验。
作为摩尔线程旗舰级AI训推一体全功能GPU智算卡，MTT S5000专为大模型训练与推理、高性能计算而设计。依托MUSA软件栈的高兼容性与开放架构，摩尔线程为EvoPhys团队训练此类新型世界模型提供了全栈支撑：
▼全功能GPU算力底座：
MTT S5000面向大模型训练与推理负载，结合架构层面的计算单元协同与原生FP8等多精度训练能力，为前沿模型训练提供稳定算力保障。
▼MUSA软件栈全方位支持：
从分布式训练框架、丰富算子支持到高效卡间通信与软硬件协同优化，MUSA软件栈支撑了以扩散式生成为核心、融合多模态时空建模的新型世界模型，实现从适配到稳定训练的全链路落地。
▼大规模稳定扩展：
依托高效卡间通信与并行策略，MTT S5000集群在长时序、高负载的世界模型训练中保持稳定运行状态和大规模扩展能力。
这意味着国产全功能GPU不仅能有效支持前沿世界模型，更能在软硬件深度协同下支撑其从研发探索走向规模化训练。
MTT S5000训练性能验证：扩展性、对齐性与生成质量
EvoPhys-World全程在MTT S5000上原生训练。在训练负载的实验室验证中，MTT S5000在扩展性、对齐性和生成质量方面均交出可靠成绩。
▼大规模近线性扩展：从单机到20节点（160卡）的扩展过程中，训练吞吐保持近线性增长，多机区间弱扩展效率高达约90%。这验证了国产算力平台在大规模世界模型训练上的卓越可扩展性。
图1：MTT S5000 多机弱扩展效率（以16卡为基准）：从单机到20节点（160卡），训练吞吐保持近线性扩展，弱扩展效率约90%。数据来自北京大学EvoPhys团队实测。
▼与国际主流GPU性能接近：在对齐验证条件下，MTT S5000与国际主流产品的训练吞吐基本持平，多机扩展效率曲线趋势也相当接近。
图2：对齐验证条件下，MTT S5000与国际主流产品的多机扩展效率曲线趋势接近。数据来自北京大学EvoPhys团队实测。
| 规模 | MTT S5000相对训练吞吐 |
|---|---|
| 1机 / 8卡 | 100% |
| 2机 /16卡 | 101% |
| 4机 /32卡 | 98% |
表1：对齐验证条件下相对训练吞吐（以国际主流产品为100%）：MTT S5000与国际主流产品基本持平。数据来自北京大学EvoPhys团队实测。
▼生成质量定性一致：在相同初始帧、相同prompt的推理设置下，基于国产算力训练所得模型与基于国际主流产品训练所得模型，生成的第一视角人手操作视频在抓握姿态、书写笔迹、手—物接触与物理反馈上定性一致，未出现明显结构崩坏或时序断裂。
图3：同prompt推理生成对比——左为基于国产算力训练所得模型，右为基于国际主流产品训练所得模型。Demo来自北京大学EvoPhys团队实测。
全链路闭环：赋能前沿世界模型自主创新
摩尔线程与北京大学的此次协同构建了一个从“前沿模型 — 本土软件栈（MUSA）— 国产算力（MTT S5000）— 开发者与产业工作流”的全链路闭环。这一闭环的形成，使国内高校、科研机构与具身智能团队在算力可得性、软硬件自主性与长期迭代能力上拥有更高自主权，加速了从前沿探索到产业落地的全流程。摩尔线程正在推动国产算力从基础模型训练迈向稳定支撑并持续赋能高水平、自主可控世界模型的新阶段。
“灯塔计划”：全力支持中国科学家攀登AI高峰
EvoPhys-World的突破也是摩尔线程“灯塔计划”的标杆成果。该计划是摩尔线程面向全球科研机构推出的算力支持与协作计划，为具有创新性和前沿性的科研项目提供优惠算力以及工程、生态资源，帮助科学家突破资源瓶颈、聚焦核心问题、加速原创突破。摩尔线程正以国产芯片与国产软件栈为基石，支持中国创新力量在AI领域取得更多原创成果。
未来，摩尔线程将继续秉持“灯塔计划”宗旨，深化与高校、科研机构的合作，并与广大开发者及产业伙伴携手，以全功能GPU与MUSA软件栈为坚实底座，为前沿科研和产业创新提供持续算力与工程支持，共同推动人工智能技术突破，加速产业高质量发展。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
相关攻略
更多同类更新
更多
热游推荐
更多-
- DreamStudio
- Android/ | AI绘图
- 2026-06-30
-
-
- Playground AI
- Android/ | AI绘图
- 2026-06-30
-
- Adobe Firefly
- Android/ | AI绘图
- 2026-06-30
-
-
-
- Leonardo AI
- Android/ | AI绘图
- 2026-06-30
-
- Stable Diffusion
- Android/ | AI绘图
- 2026-06-30
