摩爾線程（Moore Threads）と光輪智能（LightWheel）が協業、中国国産コンピューティングパワーとシミュレーションアルゴリズムで自律制御可能な物理AI基盤を強化

近日、中国GPU会社「摩爾線程（Moore Threads）」と中国テック企業「光輪智能（LightWheel）」は戦略的提携を発表した。両社は、摩爾線程のフル機能GPUと誇娥（KUAE）知能コンピューティングクラスタに、LightWheelの「ソルバー・計測・生成」の三位一体となったフルスタック自社開発シミュレーションプラットフォームを組み合わせ、高信頼性シミュレーション合成データソリューションを共同で開発する。中国国産コンピューティングパワーとシミュレーションアルゴリズムの深い融合により、身体性知能（Embodied AI）の発展に向けて、自律制御可能なインフラストラクチャを強固なものとする。

今回の協業は、身体性知能業界の核心的な課題に直撃する。実際のロボットデータ収集は、物理データの希少性、高コスト、不十分なシーン網羅性、複雑な物理プロセスの安定的な再現の難しさなどに長らく直面してきた。このデータギャップを埋めるために、高品質なシミュレーション合成データが重要な解決策となる。しかし、その大規模な生成には、レンダリング量の指数的な爆増というコンピューティングパワーのボトルネックがある。例えば、代表的な操作タスクにおいて、単一の軌道の汎化後のレンダリング量は最大48,000フレームに達し、従来のコンピューティングパワーではこの負荷に対応することは困難だ。このような大規模な並列レンダリングと複雑な物理シミュレーションタスクは、GPUのAI計算、グラフィックレンダリング、物理シミュレーションといったフル機能に対して厳しい要件を突き付ける。特に、ハードウェアレベルのレイトレーシングは、合成データの物理的なリアリティを確保する上で不可欠だ。

図1：合成データ例。ロボットアームタスクの単一軌道における、5つの視覚カメラ位置からのレンダリング画像。ロボットの視覚シミュレーションデータ生成に使用。

図2：4種類の内装スタイル、4つの照明環境により、16組のレンダリング結果が生成される。各组に5つのカメラ位置があり、各カメラ位置で600フレームのレンダリングが必要。

中国国産コンピューティングパワー × シミュレーションアルゴリズム：身体性知能のための合成データプラットフォームを構築

上記の課題に体系的に対処するため、摩爾線程とLightWheelはそれぞれの強みを最大限に活かし、国産GPUによるコンピューティング基盤と自社開発のシミュレーション合成技術の深い連携を通じて、「実際の軌道 → シミュレーションモデリング → データ拡張」という国産化クローズドループを共同で構築した。これにより、柔軟体の把持に関する物理シミュレーションなどの技術的難関を克服しただけでなく、膨大かつ信頼性の高い合成データのスケールアップによる「量産」を実現した。

LightWheelは、世界をリードする物理AIデータとシミュレーションインフラ企業として、業界初の「ソルバー・計測・生成」三位一体フルスタック自社開発シミュレーションプラットフォームを提供し、今回の協業において中核となるアルゴリズムとシミュレーションアセットを提供した。

シミュレーション層では、LightWheelが自社開発した高精度GPU物理ソルバーは、微分可能性、マルチフィジックス、マルチマテリアルの統一求解を特徴とし、剛体、柔体、流体、粒子などの複雑な物理プロセスの高精度リアルタイムシミュレーションをサポートしている。また、摩爾線程のMUSAアーキテクチャに適応済みで、MTT S5000 AIコンピューティングカード上で、フル機能GPUによるネイティブアクセラレーションとハードウェアレイトレーシングユニットにより、効率的で安定した動作と高忠実度レンダリングを実現している。同時に、LightWheelは独自開発した物理計測ファクトリーと仮想現実比較方法論に基づき、質量、摩擦、接触、変形といった現実世界の重要な物理パラメータをシミュレーション環境に導入した。SimReady標準体系と組み合わせることで、シミュレーションアセットの検証可能性、再利用性、拡張性を確保し、中核となる物理パラメータのシミュレーション精度は99%以上を達成、高信頼性合成データ生成のための物理的なリアリティ基盤を提供する。

プラットフォーム層では、シーン構築、タスク生成、シミュレーション実行、評価検証を網羅したクローズドループを構築し、RoboFinalsに代表される体系的な評価能力を確立する。摩爾線程の国産GPUコンピューティング基盤と大規模並列処理能力を組み合わせることで、位置・姿勢、物理特性、視点、環境条件などの次元における効率的な汎化を実現し、身体性知能データを限定的な収集から大規模な生成へと移行させる。

図3：異なる質量の柔軟物体を把持するロボットアームのシミュレーション（左から右へ質量が増加）

摩爾線程は、そのフル機能GPUのコンピューティング基盤という強みを最大限に発揮している。自社開発のMUSAアーキテクチャに基づき、単一チップでAI計算、グラフィックレンダリング、物理シミュレーション、科学計算、超高精細動画のエンコード/デコードを同時にサポートする技術的ブレークスルーを達成し、身体性知能の合成データ生成に対して、一体化されたフルチェーンのコンピューティングパワーサポートを提供している。フラッグシップモデルであるAI学習・推論統合コンピューティングカード「MTT S5000」は、国内で数少ないハードウェアレベルのレイトレーシングとAI学習・推論の両方をサポートする国産GPUだ。専用のハードウェアレイトレーシングユニット（RT Core）を内蔵し、複雑な物理シーンのリアルタイム高忠実度レンダリングを実現した。MTT S5000を搭載した「KUAE」千枚クラスのGPUクラスタは、全精度汎用計算能力により、大規模合成データ生成に対して安定した効率的なコンピューティングパワーを保証する。これにより、単一タスクにおいても、位置・姿勢、物理特性、視点、環境条件などの次元で効率的な汎化が可能となり、身体性知能データを限定的な収集から大規模な生成へと押し上げる。さらに、摩爾線程のフル機能GPUはLightWheel自社開発の物理ソルバーをサポートし、柔軟体の力学、剛体の衝突、流体シミュレーションなどの複雑な物理計算を実現することで、合成データの物理的一貫性を産業レベルの精度要件にまで高めている。

図4：MTT S5000のRT Coreハードウェアレイトレーシングアクセラレーションを使用すると、パフォーマンスが2.7倍向上する。

図5：KUAE千枚クラスGPUクラスタによる合成データ生成の高速化

両社が協力して構築する身体性データ生成の国産化クローズドループは、データとシミュレーション分野におけるLightWheelの深い蓄積を反映するとともに、データ合成と生産効率の顕著な向上に対する摩爾線程のフル機能GPUによるフルスタックコンピューティング能力の価値を示している。この取り組みは、摩爾線程とLightWheelが共同で「身体性知能データ生産インフラ」を構築し、国産の自律技術能力によって身体性知能とロボットトレーニングの膨大なデータ需要を支えていることを象徴している。

国産物理AI基盤の共同構築：身体性知能エコシステムを自律制御可能なものへと導く

今回の連携は、技術的な協力の強化であるだけでなく、国産の身体性知能インフラ能力が、個別の技術的ブレークスルーからより深いレベルでの協調的構築へと移行しつつあることを意味している。両社は、国産自社開発物理ソルバーと国産フル機能GPUコンピューティング基盤の深い互換性を検証し、業界に対し、アルゴリズムからチップに至るまでの全面的な協調的課題解決のための再現可能なモデルを提供している。また、身体性知能業界に対して、コンピューティングパワー、アルゴリズム、データにわたるフルスタックの価値を提供している。

今後、両社は協力をさらに深め、身体性知能評価プラットフォーム、物理AIの高信頼性クローズドループシミュレーションなどの分野で共同探索を進め、現在のデータ合成段階から「シミュレーション・学習・評価」の全プラットフォームクローズドループへと協業を発展させ、自律制御可能な国産化された物理AIインフラを継続的に強化し、人工知能が物理世界へと進出するプロセスを加速していく。

（原文：https://www.icsmart.cn/104818/）