摩尔线程与 EvoPhys 发布白皮书：世界模型在 MTT S5000 与 MUSA 上完成原生全流程训练 时间：2026-10-19 15:52 加入技术交流群 扫码加入和技术大咖面对面交流海量资料库查询

摩尔线程与 EvoPhys 团队联合发布《国芯国模：世界模型在 MTT S5000 上的原生全流程训练实践》白皮书，披露了以人为中心的自演化 5D 世界模型 EvoPhys-World，在 MTT S5000 智算卡与 MUSA 软件栈上完成从多模态基座模型到世界模型的训练过程。白皮书同时给出了 MiniMax-H3、Wan2.2 与 EvoPhys-World 三类模型任务在同一套国产平台上的工程记录。

摩尔线程智算集群机房图片来源：摩尔线程

EvoPhys-World 的架构由两部分组成：World Engine 根据动作预测场景的下一状态，World Policy 结合场景信息与候选结果预测下一动作。两者构成闭环，World Policy 执行产生的结果反馈给 World Engine，用于修正后续预测。模型以首帧或场景记忆为基础，结合头部姿态、手部骨架、手势与接触动态生成视频，生成结果又作为下一轮交互的输入。训练数据约为 4 万小时纯人手第一视角（EGO）数据，已展示的应用包括倒水、开关灯、移动杯子与场景漫游。团队核心研发成员主要来自北京大学，是摩尔线程开发者计划 灯塔计划 首批合作学者团队之一。

三类任务的工程数据都在白皮书里：MiniMax-H3 完成了音视频推理与 SFT，覆盖 FL2VA 与 Ref2VA 两类任务，输出带原生立体声的视频，通过优化通信缓冲区释放机制把单卡通信缓冲区峰值压到约 0.451 GiB，训练从 2 节点 16 卡扩至 14 节点 112 卡，扩展效率维持在 83.921% 至 96.456%。Wan2.2 以 TI2V-5B 为基础，完成注意力、位置编码与归一化等核心算子在 MUSA 上的迁移，训练同样从 2 节点 16 卡扩至 14 节点 112 卡，扩展效率 92.526% 以上，并补充了 56 至 160 卡的测试，采用 FSDP2 与 HSDP 分片存储模型状态。EvoPhys-World 的训练从单机扩展到数十节点，吞吐保持近线性增长，端到端训练约一个月完成。

支撑这套链路的是三个软件组件：Torch-MUSA 为 PyTorch 提供 MUSA 张量计算与自动求导，MATE 提供优化后的注意力算子，MCCL 负责多设备集合通信；运行平台是基于 MTT S5000 智算卡的夸娥（KUAE）智算集群。据双方公布的信息，EvoPhys-World 在斯坦福大学提出、发表于 ICCV 2025 的世界生成评测基准 WorldScore 的 世界生成 维度登顶，并连续 37 天位居榜首。

世界模型通常以视频生成模型为基座，训练过程同时涉及文本、图像、视频与音频，平台要处理的不只是训练，还包括推理与媒体处理。落到工程上，一套 GPU 能否承接这类负载取决于两个条件：注意力、位置编码、归一化这些核心算子能否迁移到目标软件栈；通信库在节点数扩大后能否保持扩展效率。Wan2.2 的算子迁移记录对应前一条，白皮书给出的扩展效率区间与 160 卡测试对应后一条。EvoPhys-World 从单机扩展到数十节点、端到端训练约一个月完成，这两个环节都要在过程中走通。