Компания Moore Threads опубликовала данные о производительности своих GPU MTT S5000 в задачах воплощенного интеллекта. Согласно отраслевым отчетам, опубликованным 23 сентября 2026 года, кривые обучения демонстрируют корреляцию с показателями ведущих мировых GPU на уровне 0,976 при контролируемых переменных. Официальное английское название продукта — Moore Threads / MTT S5000. Данный обзор охватывает измеренные показатели в задачах обучения с подкреплением и управления реальными роботами; он отличается от предыдущих публикаций CMS, посвященных 5D-модели мира от Moore Threads и концепции трех ИИ-фабрик.
Ян Шаньшань, старший вице-президент Moore Threads, охарактеризовал воплощенные рабочие нагрузки как комплексные вычисления, требующие одновременного обучения ИИ-мозга, рендеринга и физического моделирования в едином конвейере. Компания заявила, что поддержка MTT S5000 была интегрирована в фреймворк обучения с подкреплением RLinf начиная с версии 0.3. Тесты непрерывной интеграции, запущенные на оборудовании S5000, позволяют выявлять регрессии до выпуска новых версий. Инженерные оптимизации, включая перенос обработки изображений на GPU, объединение циклов проверки шума и замену скалярных значений Python на тензоры устройства, сократили время выполнения одного шага с 2549 до 1888 секунд (примерно на 26%) и снизили уровень простоя GPU с 18,5% до 3,1% в описанной конфигурации.
По данным поставщика, производительность в задачах GEMM и внимания в протестированных конфигурациях в 1,6–2 раза превышает показатели ведущих мировых GPU. При этом успешность выполнения задач сборки на реальных роботах с использованием двуруких манипуляторов достигла примерно 92%, а время выполнения точных операций сократилось примерно на 39,5% по сравнению с базовым уровнем. Эти цифры остаются заявлениями Moore Threads и должны рассматриваться как свидетельства производительности в задачах воплощенного обучения с подкреплением, а не как претензия на лидерство в общем рейтинге HPC. Исследователь Юй Чао из Шэньчжэньской международной аспирантуры Университета Цинхуа отдельно отметил, что зрелая поддержка рендеринга для подобных стеков в Китае остается редким явным преимуществом по сравнению с ускорителями, предназначенными только для обучения.
Для покупателей из сферы робототехники и симуляций, отслеживающих китайские GPU, MTT S5000 теперь предлагает опубликованное соответствие кривых воплощенного обучения с подкреплением (r=0,976), интеграцию RLinf CI и почти 92% успешности сборки на реальных роботах с двурукими манипуляторами — это конкретные метрики продукта, а не история о финансировании.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
