北京大学EvoPhys-World登顶斯坦福榜单 摩尔线程S5000完成国产GPU历史性突破

北京大学EvoPhys团队近日发布5D世界模型EvoPhys-World，在斯坦福大学WorldScore公开评测榜单中位列第一，全程基于摩尔线程MTT S5000全功能GPU完成原生训练。这是国产GPU首次全栈支撑世界模型的原生训练，标志着国内AI算力基础设施在训练侧取得实质性突破。

一、里程碑：国产GPU首次全栈支撑世界模型原生训练

世界模型（World Model）旨在让AI系统构建对物理世界的内部表征，是自动驾驶、机器人控制具身智能等前沿应用的核心底层技术。其训练对算力芯片的浮点运算能力、显存带宽和集群扩展性要求极高，长期以来，该领域的技术探索几乎由英伟达A100/H100系列GPU主导。

此次北京大学EvoPhys团队发布的EvoPhys-World是一款5D世界模型，能够对空间中的三维物体运动与时间维度进行联合建模。从技术参数看，该模型在斯坦福WorldScore评测榜单的世界生成（World Generation）维度中登顶，综合得分超越多款基于国际主流芯片训练的对手方案。

值得关注的是，训练全程运行在摩尔线程MTT S5000GPU上。摩尔线程成立于2020年，是国内专注于全功能GPU设计的芯片公司。S5000是其面向数据中心推出的高性能加速卡，支持CUDA兼容生态与主流深度学习框架，被视为国内GPU替代方案中进展最快的选手之一。

北京大学EvoPhys团队在官方说明中表示，此次合作验证了MTT S5000在大规模 Transformer 架构训练场景下的稳定性与性能，"为国产算力生态在世界模型这一高难度赛道提供了可行性证明"。

二、技术背景：世界模型为何成为算力新战场

世界模型的概念近年来在AI研究社区快速升温。以Waymo、OpenAI、Tesla等为代表的公司均在相关方向投入大量资源。简而言之，世界模型的目标是让AI不仅能"感知"当前状态，还能"预测"环境未来的演变，从而在不确定的物理世界中做出更优决策。

从模型架构看，EvoPhys-World很可能采用了基于扩散（Diffusion）或自回归（Autoregressive）的大规模网络结构，参数规模达到百亿甚至千亿级别，对GPU的双精度浮点（FP64/FP32）计算能力、HBM/GDDR显存容量以及多卡互联带宽均提出严苛要求。

摩尔线程S5000采用自研MUSA架构，官方标称FP32算力约为15 TFLOPS（具体参数以官方发布为准），在单卡性能上与英伟达A100（约19.5 TFLOPS）存在差距，但在超大规模训练中，集群调度效率、框架优化深度和显存容量同样关键。北京大学团队的实现表明，通过算法层面的针对性优化，国产GPU在高难度训练任务中的可用性已跨越了一道重要门槛。

三、市场反应：科技股分化，芯片板块情绪有所回暖

与这一技术里程碑相关联，当日美股市场呈现出明显的板块分化格局。AMD 以+5.13%领涨，报收于$490.33；英伟达（NVDA）收涨+1.73%，至$208.64。两只芯片股的上扬反映了投资者对AI算力需求持续扩张的乐观预期。

相比之下，大型科技股普遍承压：苹果（AAPL）下跌-1.89%，报$301.54；Alphabet（GOOGL）跌-1.42%至$363.31；Meta 收跌-1.28%，报$585.39；微软（MSFT）微跌-1.18%，至$411.74。

加密市场方面，以太坊（ETH）小幅下跌-1.06%至$1665.54，Solana（SOL）跌-0.81%，狗狗币（DOGE）微跌-0.64%，整体呈小幅回调态势，与AI芯片板块的正面情绪形成对比。

需要指出的是，当日芯片股的回暖并非单纯由这一事件驱动：AMD近期在数据中心业务上的增长预期，以及市场对AI基础设施持续投入的共识，均对板块形成支撑。但北京大学团队使用国产GPU完成世界模型训练的消息，至少在情绪层面强化了"AI算力多元化"这一叙事——市场开始关注英伟达之外的选择，这对AMD等竞争对手构成潜在利好。

四、历史对照：芯片验证路径上的前车之鉴

从产业演进规律看，GPU从"可用"到"好用"通常需要经历多轮迭代与生态验证。以英伟达为例，其CUDA生态的护城河并非一日建成，而是经历了2006年CUDA发布 → 2012年深度学习爆发 → 2020年A100规模化 → 2022年H100垄断的漫长积累过程。

摩尔线程当前的处境，某种程度上与英伟达2012-2015年间的阶段类似：硬件基础能力已经具备，框架适配和上层应用生态的丰富度成为决定性变量。此次EvoPhys-World的成功训练，是一次重要的"上层应用验证"，类似于当年深度学习框架在GPU上跑通ImageNet竞赛——它证明的不是硬件的绝对性能优势，而是"这条路走得通"。

从海外经验看，特斯拉（Tesla）自研Dojo超算、谷歌自研TPU，均经历了先从内部场景验证、再向外部推广的路径。摩尔线程与北京大学EvoPhys团队的合作，同样遵循了学术场景先行验证的逻辑。

五、后续观察点：情绪与基本面的交叉验证

这一事件的后续影响，可从以下几个维度持续跟踪：

• 摩尔线程商业化进展：MTT S5000是否已获得国内大模型厂商的正式采购订单，或进入更多学术机构的训练清单，将直接影响其营收预期。
• 英伟达的应对：面对国产GPU在部分场景的突破，英伟达是否加速在中国市场的产品迭代（如特供版芯片的性价比提升），值得留意。
• AMD的市场空间：若算力多元化趋势确立，AMD MI系列GPU是否获得更多国内客户的测试机会。
• 学术与产业的联动深度：EvoPhys-World本身是否将进入具身智能或自动驾驶的商业化应用阶段，这将是判断"国产GPU全栈训练"是否具备可持续性的关键信号。

北京大学EvoPhys团队与摩尔线程的这次合作，在技术叙事上完成了重要一步——国产GPU不再仅能承担推理（Inference）任务，而是首次完整跑通了高复杂度模型的训练全流程。这一节点的意义，不在于性能超越了谁，而在于证明了"国产算力可以被依赖"。接下来的问题，是这一能力能否从实验室走向规模化商业部署。