国产卡跑通 AI4S：摩尔线程 MTT S5000 适配 Protenix v2 生物分子模型

国产算力在生命科学场景里又向前走了一步。据摩尔线程 9 月 24 日的消息，其训推一体的智算卡 MTT S5000，已经完成对 Protenix v2 这一开源生物分子结构预测模型的全链路推理支持。

Protenix v2 由字节跳动 Seed 团队研发，于 2026 年 4 月发布。在多项核心基准测试中，它的性能与 DeepMind 的 AlphaFold 3 持平，部分项目甚至实现反超；同时，在目前全球范围内，能够对蛋白质、DNA、RNA 和小分子配体复合物做高精度端到端预测的开源基座，并不多见。

对科研与制药行业来说，结构预测是药物研发流程里的一环。蛋白质、DNA 与小分子配体如何结合，直接关系到候选药物能否成立；用模型在计算机里先筛一遍，可以大幅减少实验室试错，缩短前期研发周期。

这次适配的意义，不止是能跑起来。摩尔线程表示，MTT S5000 由此完成了覆盖结构预测、全基因组序列建模以及临床医学影像三条主线的端到端工程验证，能够为国内药企及科研机构提供算力底座。

AI4S 被视为人工智能与科研结合的重要方向，其特点是模型规模大、对显存与算力要求高，同时依赖完善的算子库与工具链。国产加速卡要想被这类模型采纳，既要在硬件上跑得动，也要在软件生态上让开发者愿意用。摩尔线程此前已在多个大模型适配项目上积累经验，此次把适配对象选在生命科学模型上，也透露出它希望在 AI4S 这类高门槛场景里建立标杆案例的意图。

把模型与国产硬件打通，是 AI 走向科研落地时必须跨过的一关。过去，前沿生物计算模型往往绑定在特定加速卡上，迁移成本不低；如今国产卡覆盖到结构预测、基因序列与医学影像这几类典型负载，意味着相关团队在算力选型上有了更多余地。对正在推进本地化部署的科研与制药单位来说，这条路能否走稳，还要看后续的生态适配与工具链完善程度。

文章与图片内容转载网络，如有侵权请联系平台删除