国产算力新里程碑：摩尔线程S5000成功适配顶尖开源生物模型

近日，从计算硬件领域传来一则重要消息。摩尔线程基于其自主研发的MUSA软件栈，在旗下的训推一体智算卡MTT S5000上，实现了对开源生物分子结构预测模型Protenix-v2的完整推理链路支持。这意味着，在AI for Science这一前沿赛道上，国产计算硬件有了新的突破性进展。

性能实测：推理速度显著领先，预测精度不打折

根据公布的实测数据，MTT S5000在运行Protenix-v2模型进行端到端推理时，其性能表现令人瞩目。相较于国际市场上主流的GPU产品，S5000的平均推理速度提升了约26%。更为关键的是，在实现速度大幅提升的同时，其在蛋白质三维构象等核心预测任务上的精度，与标杆结果保持了高度一致。这证明了该方案并非以牺牲准确性换取速度，具备了实际部署应用于严肃科研的价值。

Protenix-v2模型：打破壁垒的开源“利器”

此次成功适配的Protenix-v2模型，本身也承载着重要的行业意义。该模型由字节跳动Seed团队研发，并于今年4月正式发布。它的出现，直接针对了此前该领域的一个痛点：许多海外顶尖模型的权重并未完全开放，导致研究人员和机构无法进行私有化部署和深度定制。

Protenix-v2作为全球少数完全开源的基础模型之一，其能力覆盖颇为全面：

  • 多类型分子预测：能够对蛋白质、DNA、RNA等多种生物大分子的结构进行高精度预测。
  • 复合物分析：支持对包括小分子配体在内的生物分子复合物进行端到端建模。
  • 开源可私有化：完整的开源协议允许任何团队在自有算力平台上进行部署、研究和二次开发，打破了技术壁垒。

产业意义：为AI+科研提供自主算力底座

此次摩尔线程MTT S5000与Protenix-v2的成功打通，其价值不仅在于单个模型的性能优化。更深层的意义在于，它验证了基于国产自研软硬件技术栈，完全能够支撑起生命科学、药物研发等前沿领域对高性能AI计算的需求。这为国内相关科研机构和企业提供了一条不依赖特定国外硬件、且性能优异的技术路径，有助于推动我国在生物计算等基础科研领域的创新效率和自主性。

随着AI不断向科学深水区迈进，此类“开源模型+自主算力”的协同突破，将成为构建未来科研基础设施的关键一环。