EvoPhys-World登顶WorldScore，国产GPU全栈原生训练

前两天，北京大学EvoPhys团队放了个大招——他们推出了一个以“人”为中心、面向“场景级万物可控”的5D世界模型，名叫EvoPhys-World。这个研究成果直接登上了斯坦福大学WorldScore公开评测榜单“世界生成（World Generation）”赛道的榜首。而更值得注意的是，EvoPhys模型的整个原生训练过程，全部运行在摩尔线程的MTT S5000全功能GPU上，并由MUSA软件栈提供全栈支撑。可以说，国产算力在支撑高水平AI研究这件事上，迈出了相当扎实的一步。

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：

https://evophys.com

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已经能在虚拟世界中做到相当逼真的呈现，但真正去“操控”和“交互”物理世界，一直是行业面临的核心难题。EvoPhys-World的创新之处就在于，它把AI生成的世界从传统的“可观看、可漫游、浅交互”，提升到了“可操控、深交互、自进化”的新高度。

那么，它是怎么做到的？这个模型以“人”为中心，把第一视角下的人类观察和手部交互作为通用的动作表征，从大规模原始无标注的人手EGO数据中学习。它通过两种形态来构建从“生成世界”到“操控世界”的完整闭环：一个是World Engine（万物可孪生、物理可交互），另一个是World Policy（世界可预演、万物可操控）。

EvoPhys-World 模型架构图

这一前沿探索也得到了国际权威评测的验证。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都提出了极高要求。EvoPhys-World面向约4万小时的纯人手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来说，都是巨大的考验。

作为摩尔线程的旗舰级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团队训练这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了稳定的算力保障。

▼MUSA软件栈全方位支持：
从分布式训练框架、丰富的算子支持，到高效的卡间通信与软硬件协同优化，MUSA软件栈支撑了这种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，实现了从适配到稳定训练的全链路落地。

▼大规模稳定扩展：
依托高效的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，保持了稳定的运行状态和大规模扩展能力。

这意味着什么？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，而在训练负载的实验室验证中，MTT S5000交出了一份兼顾扩展性、对齐性与生成质量的成绩单。

▼大规模近线性扩展：从单机到20节点（160卡）规模的扩展过程中，训练吞吐保持了近线性增长，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。

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，没有出现明显的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这次协同，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，对国内高校、科研机构与具身智能团队来说，意味着在算力可得性、软硬件自主性与长期迭代能力上，拥有了更高的自主权，也从加速了从前沿探索到产业落地的全流程。摩尔线程正在做的，是推动国产算力从基础的模型训练，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。这个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，把精力聚焦在核心问题上，加速原创突破。可以说，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”的宗旨，深化与高校、科研机构的合作，并携手广大开发者及产业伙伴，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的算力与工程支持，共同推动人工智能技术突破，加速产业高质量发展。