摩尔线程今日宣布，旗下训推一体智算卡MTT S5000已正式完成开源生物分子结构预测模型Protenix-v2的全链路推理支持。这是国产GPU厂商在AI for Science（AI4S）领域的一次重要工程验证，也为国内药企和科研机构提供了新的算力选项。
Protenix-v2由字节跳动Seed团队研发，于2026年4月开源发布。该模型在多项核心基准测试中性能持平甚至超越DeepMind的AlphaFold 3，是目前全球少数能够对蛋白质、DNA、RNA及小分子配体复合物进行高精度端到端预测的开源基座模型。生物分子结构预测被视为AI4S领域最具代表性的应用方向之一，其计算需求集中在高精度浮点运算和大规模并行推理，对底层算力硬件的兼容性和效率提出了较高要求。
MTT S5000是摩尔线程面向训练与推理一体化场景推出的智算卡产品。此次完成对Protenix-v2的全链路推理适配，意味着该卡从模型加载、前向计算到结果输出的完整流程均可在国产算力平台上运行，而非仅通过局部算子替换实现有限支持。全链路适配的工程难度通常高于单点兼容，需要软硬件团队在算子优化、内存调度和框架对接等多个层面协同完成。
值得关注的是，摩尔线程方面表示，MTT S5000此次适配使其实现了大分子结构预测、全基因组序列建模与临床医学影像三大AI4S核心场景的端到端工程验证。这三个场景分别对应药物发现、基因组学和医学影像分析，构成了AI4S在生命科学领域的主要应用版图。能够在这三个方向均完成端到端验证，表明该硬件平台在科学计算场景中具备一定的通用性和工程成熟度。
从行业背景来看，AI4S正成为全球算力厂商竞争的新焦点。英伟达此前已推出面向生命科学的BioNeMo平台，并持续投资相关模型生态。在国内，随着AlphaFold类模型在科研和产业界的渗透率提升，对高性能推理算力的需求增长明显。但长期以来，国内科研机构和企业主要依赖进口GPU完成此类计算任务，供应链安全性和成本可控性存在不确定性。摩尔线程此次完成Protenix-v2适配，为国内用户提供了基于国产硬件的替代方案。
不过，从适配完成到规模化部署之间仍有距离。生物分子结构预测在实际科研场景中往往需要处理海量序列数据，对显存容量、多卡互联效率和长时间运行稳定性都有较高要求。MTT S5000在单模型推理适配上的表现，尚不能完全等同于大规模生产环境下的综合性能。摩尔线程未披露此次适配的具体性能数据，如推理吞吐量、精度损失比例及与进口方案的对比结果。
此外，AI4S算力底座的构建不仅依赖硬件适配，还需要上层工具链、模型库和开发者社区的持续建设。Protenix-v2作为开源模型，其社区活跃度和迭代节奏也将影响适配方案的长期可用性。摩尔线程若要在AI4S领域形成持续竞争力，需要在更多模型适配、框架兼容和行业解决方案上保持投入。
总体而言，MTT S5000完成Protenix-v2全链路推理适配，是国产GPU在科学计算场景中的一次务实推进。其实际产业价值，将取决于后续在真实科研工作负载中的性能表现，以及能否吸引更多药企和科研机构将国产算力纳入其AI4S技术栈。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
