MTT S5000 i robotikk: Hva testene viser – og ikke viser

I september 2026 la Moore Threads frem resultater for grafikkprosessoren MTT S5000 i robotlæring og en praktisk robotoppgave. For team som utvikler såkalt kroppslig KI – systemer som lærer å handle i en fysisk verden – er dette interessante tall. Men de er ikke én samlet, direkte sammenligning av S5000 og konkurrerende GPU-er. 4

Treningskurvene fulgte hverandre tett

I en WoVR-test med rammeverket RLinf brukte Moore Threads 248 parallelle miljøer, samme treningsoppskrift og samme startverdi for tilfeldighet. Treningskurvene for S5000 og en internasjonal, mye brukt GPU hadde en rapportert korrelasjon fra steg til steg på r = 0,976. Selskapet meldte også om sammenfallende suksessrater for de trente robotstrategiene i en LIBERO-Spatial-evaluering. Korrelasjonen beskriver hvordan treningen utviklet seg, ikke hvor lang tid de to systemene brukte. 410

Programvarestøtte er også relevant for dem som vil gjenta slike forsøk. RLinf skal støtte Moore Threads’ MUSA-system, og fra versjon 0.3 skal rammeverkets automatiserte tester omfatte MTT S5000 før kode legges inn i hovedgrenen. 4

Raskere steg etter endringer i arbeidsflyten

Moore Threads oppgir tre endringer: bildebehandling ble flyttet fra vertsdatamaskinen til GPU-en, numeriske kontroller i en løkke for støyfjerning ble slått sammen, og Python-skalarer i en ofte brukt kodedel ble erstattet med tensorer på enheten. I den målte konfigurasjonen falt tiden per steg fra 2,549 til 1,888 sekunder, omtrent 26 prosent. Andelen tid GPU-en sto uvirksom, falt fra 18,5 til 3,1 prosent. Dette er en før-og-etter-måling av samme arbeidsflyt, ikke en hastighetstest mot en annen GPU. 4

Selskapet hevder separat at S5000 oppnådde 1,6–2 ganger ytelsen til internasjonale, mye brukte GPU-er i tester av enkeltoperasjoner for GEMM (matrisemultiplikasjon) og attention-beregninger. Slike deltester kan ikke uten videre brukes som mål på hastigheten til en hel treningsjobb eller robotapplikasjon. 4

Robotforsøket: Sterkt resultat i én oppgave

I et forsøk der en robot med to armer monterte en GPU, ble en metode for videreutvikling av robotstrategien basert på π0.5 knyttet til en økning i rapportert suksessrate fra rundt 20 til 92 prosent. Tiden brukt på finmotoriske operasjoner ble oppgitt å være 39,5 prosent kortere. Tallene gjelder denne oppgaven og denne utprøvingen – ikke hvor ofte S5000-basert robotikk lykkes generelt. 4

For en robotikkutvikler er spørsmålet større enn hastigheten på KI-trening alene. Arbeidet kan også kreve bildegjengivelse og fysikksimulering for å skape og teste situasjonene roboten skal lære av, før strategiene evalueres. Moore Threads beskriver løsninger for flere av disse leddene, men de publiserte resultatene er ikke en uavhengig måling av ytelsen gjennom hele utviklingsløpet. Før et innkjøp bør team be om innstillinger som gjør testene mulige å gjenta, flere forsøk med fysiske roboter og målinger fra start til slutt på oppgavene de selv skal løse. 411