摩尔线程：共建全栈国产化的物理AI仿真体系

随着端到端智驾路线收敛至VLA与世界模型，提升算法长尾场景处理能力成为行业尚未破解的关键瓶颈，基于海量Log数据的高置信度闭环仿真与合成数据生成更是行业公认的技术难点。

为突破这一挑战，摩尔线程以旗舰级AI训推一体全功能GPU MTT S5000的强劲算力，深度赋能五一视界下一代智驾仿真平台SimOne 4.0，双方已高效完成系统性适配与深度优化。通过打通从大模型感知挖掘、4DGS模型训练到4DGS仿真推理和合成数据生成的关键链路，双方基于MTT S5000，正式开启物理AI高置信度闭环仿真与合成数据的全栈国产化新篇章。

MTT S5000是专为大模型训练、推理及高性能计算而设计的全功能GPU智算卡，基于第四代MUSA架构“平湖”打造。其单卡AI算力（稠密）最高可达1000TFLOPS，配备80GB显存，显存带宽达到1.6TB/s，卡间互联带宽为784GB/s，完整支持从FP8到FP64的全精度计算。MTT S5000凭借FP8提升训推效率、FP64保障计算精准、光线追踪实现高保真渲染，以自主可控的强劲底层算力，为智能驾驶提供安全、高效、可靠的核心国产算力支撑。

VLM大模型感知挖掘：首字响应速度表现卓越

SimOne大模型感知挖掘能够从海量车辆采集的非结构化Log数据中，利用多模态大模型（VLM）极强的语义理解能力，精准挖掘出包含长尾场景、复杂博弈及极端天气在内的最有价值数据。通过感知挖掘出的关键场景，可以进一步结合4DGS技术进行高保真场景重建与生成，将碎片化的真实路采数据转化为可编辑、可泛化的动静态场景和资产。

在SimOne 4.0的大模型感知挖掘功能中，双方针对Qwen3-VL多模态大模型进行了深度调优。实测结果令人惊喜：无论是在8B模型还是更复杂的30B MoE架构下，MTT S5000在“预填充（Prefill）”阶段的首字响应速度（TTFT）均优于国际主流竞品，优势最高扩大至14%，且在10并发的高压环境下依然保持了稳健的吞吐量。

4DGS模型训练与仿真推理：高效替代方案的正式落地

在更考验训练和推理能力的4DGS（4D高斯泼溅）领域，基于51Sim此前在入选AAAI 2026人工智能顶会发布的LidarPainter技术，国产算力同样经受住了考验。目前测试数据显示，在训练端，MTT S5000展现出比肩国际主流竞品的强劲性能，仅需2.5小时即可完成一个真实Clip场景的高质量重建。

全栈国产化：重塑物理AI生态底座

摩尔线程与五一视界的强强联手，首次将国产算力与端到端智能驾驶仿真体系完整打通，标志着从芯片、仿真引擎到上层应用的国产软硬件生态闭环正加速形成，共同构建物理AI进化的基础设施。