【导读】精准医疗与药物研发正被人工智能深刻重塑。作为AI for Science（AI4S）范畴的焦点阵地，解码生命秘密的要害已经从试验不雅测转向算力与算法的协同冲破。卵白质布局猜测、基因组阐发与医学影像，组成了生命科学AI的三类要害技能，其能力直接决议了新药研发的效率与精准医疗的进程。
然而，作为这三类要害技能之一的卵白质布局猜测模子AlphaFold 3，其练习代码未彻底开放，贸易利用亦受限，这使患上科学家难以基在该模子构建真正自立可控的研发情况。这类技能依靠还有面对更深层的合规挑战：卵白质布局猜测与基因组阐发触及年夜量人类遗传数据，相干法例对于数据的跨境流动有明确规范。是以，构建从模子到算力的全链路自立能力，不仅是科研效率的保障，更是合规与安全的一定要求。
于技能东西层面，这一困境迎来了破局。2026年，字节跳动发布Protenix-v1，于Apache 2.0和谈下完备开源代码和模子参数，业界称之为首个于划一前提下“机能体现到达甚至逾越AlphaFold 3的全开源模子”。至此，生命科学范畴迎来了自立可控、可练习、可定制的开源基础模子。
工欲善其事，必先利其器。模子开放只是出发点，可否于国产算力上跑通练习、推理、精度验证及开发情况，决议了这些模子可否真正进入科研与财产事情流。摩尔线程旗舰级训推一体全功效智算卡MTT S5000，基在自立MUSA软件栈，已经完成对于卵白质布局猜测模子Protenix、基因组基础模子Evo 2的完备验证。实测显示，于生命科学AI焦点事情负载中，MTT S5000实现了机能对于标：于卵白质布局猜测练习使命中，其单卡机能到达国际主流GPU的115%以上；于基因组年夜模子推理与练习使命中，精度与国际主流GPU持平。此外，摩尔线程已经开源MUSA加快版MONAI 1.5.0，为AI医学影像这一要害环节提供国产算力撑持，进一步加强了AI4S东西环的可控性。
生物医药研发对于算力的依靠日趋加深，而算力供给链的安全性直接影响科研与财产的不变性。摩尔线程全功效GPU可以或许完备承载生命科学AI前沿模子的出产级负载，为海内科研机构、药企和医疗机构提供了自立可控的高机能计较基座，降低了对于单一算力路径的依靠。
这是中国AI医药研发范畴的一个里程碑事务：从可控模子到自立算力，从布局猜测到医学影像，一个完备、开放、可控的AI医药研发底座正于形成。
生命的数字镜像
人类生命体由约30亿个碱基对于编码而成。若将人体比作一台周详运行的计较体系，伤风发热犹如姑且进程异样，免疫机制可主动修复。然而，癌症、渐冻症等庞大疾病的泉源，是写入基因组深处的代码过错：抑癌基因被窜改，致使细胞增殖掉控；运动神经元朝码发生乱码，指令没法转达。这些内源性过错没法经由过程通例手腕修复，需要从份子层面被靶向。
理解这些疾病，需回归生物学的中央规则：DNA转录为RNA，再翻译为卵白质。卵白质从氨基酸序列折叠为三维空间构象，多条肽链可组装为功效复合体（如血红卵白）。焦点共鸣贯串始终：序列决议布局，布局决议功效。
图1：基在AI生命科学技能的肿瘤精准诊疗与新疗法研发协同框架
恰是基在这一逻辑链条，AI驱动的精准医治解决方案患上以构建。当前，基在生命科学AI的癌症精准医治已经形成完备的技能闭环：
1. 基在MONAI等框架的AI影像学实现早筛与监测；
2. 基因组年夜模子（如Evo 2）解读突变功效；
3. 布局猜测模子（如AlphaFold / Protenix）展现卵白布局变化；
4. 于此基础上设计靶向药物或者降解剂；
5. 终极经由过程临床验证与数据回馈，连续优化模子。
这一技能路径的实现，高度依靠在卵白质布局猜测、基因组阐发与医学影像这三类要害东西。
生命科学AI的东西箱
Protenix：卵白质布局猜测的开源破局
卵白质布局决议功效。切确猜测卵白质三维布局，是理解疾病机制、设计靶向药物的要害。
2018年以来，DeepMind的AlphaFold系列不停刷新布局猜测的精度界限。2024年发布的AlphaFold 3可同时猜测卵白质、DNA、RNA和小份子配体等复合物布局。然而，该模子的练习代码未彻底开放，贸易利用亦受限，全世界科研机构难以基在其举行定制化开发。
Protenix的呈现弥补了这一空缺。2025年5月，字节跳动发布生物份子布局猜测模子Protenix-v0.5.0，成为开源社区中追平甚至挑战AlphaFold 3程度的主要气力。2026年2月，字节跳动正式发布Protenix-v1，于Apache 2.0和谈下完备开源代码和模子参数。据媒体报导，Protenix是首个于不异练习数据与推理预算下，机能到达甚至逾越AlphaFold 3的全开源模子，模子采用Transformer+Diffusion架构，可精准处置惩罚卵白质、DNA/RNA和小份子配体。开发者可基在Protenix于自有数据集长进行微调与练习，为特定研究使命提供了矫捷的技能路径。
Evo 2：从“浏览”到“写作”基因组
Protenix解决了“序列→布局”的映照问题，但更深层的源头问题仍旧存于：基因怎样决议卵白质序列？为何某些基因更容易突变致使疾病？修改基因会孕育发生甚么后果？
人类基因组总长约30亿碱基对于，此中编码卵白质的基因仅占1%-2%，年夜部门为非编码区。非编码区承载了人与人之间90%以上的遗传差异，其功效机制还没有被彻底阐明。糖尿病、精力破裂症等繁杂疾病触及多个微效基因的叠加效应——这需要更强盛的基因组建模能力。
图2：Evo 2及Evo 1的模子框架
Evo 2由美国Arc研究所等机构配合开发，在2026年3月发表在《天然》期刊。作为面向生命科学范畴的基因组基础模子，Evo 2借鉴了年夜语言模子的理念，于跨越12.8万个物种、9.3万亿个核苷酸（OpenGenome 2数据集）上完成练习，笼罩细菌、古菌、真核生物三年夜生命域。其练习数据量是前代Evo 1的30倍，模子采用StripedHyena 2架构，可一次性处置惩罚长达100万个碱基对于的序列，练习效率达传统Transformer的三倍。Evo 2提供70亿及400亿参数两个版本，此中400亿参数版本是当前最年夜的开源生物学AI模子。
Evo 2的焦点能力重要表现于两个维度：
精准猜测：可零样本评估编码区及非编码区基因突变的影响。于区别乳腺癌相干基因BRCA1的有害突变与良性突变时，猜测正确率跨越90%，为临床解读“意义未明变异”提供了主要东西；
天生设计：从“浏览”基因组进化到“写作”基因组。乐成案例包括设计模仿生殖支原体的简化基因组、人类线粒体基因组、酵母染色体片断，以和设计并合乐成能性噬菌体——部门设计序列于导入年夜肠杆菌后孕育发生了具备杀菌活性的病毒颗粒，为应答抗生素耐药性提供了新思绪
MONAI：医学影像的“事实尺度”
于AI医学影像范畴，算法正从基础的2D图象筛查，迈向繁杂的3D器官支解与天生式内容创立。作为该范畴公认的“事实尺度”，基在PyTorch构建的开源框架MONAI（Medical Open Network for AI），已经成为毗连前沿学术研究与临床落地运用的要害桥梁。截至2024年末，其全世界下载量已经冲破350万次，于行业内被广泛运用。
MONAI采用清楚的三层架构设计：
MONAI Core：提供专门针对于医学影像的高效数据处置惩罚、变换要领与收集架构；
MONAI Label：作为智能标注东西，经由过程AI辅助年夜幅晋升数据标注效率；
MONAI Deploy：撑持将练习好的AI模子打包并部署至临床情况。
依附从数据标注、模子练习来临床部署的完备闭环能力，MONAI已经成为医学影像AI研究与运用的主流框架。
布局猜测模子触及繁杂的pair representation、几何推理与扩散式计较，对于显存、访存和数值不变性要求极高；基因组基础模子面向超长序列与年夜范围数据练习，对于长上下文处置惩罚、漫衍式练习和吞吐效率要求严苛；医学影像框架夸大从标注、练习到部署的完备链条，对于框架兼容性与工程落地能力要求更强。对于国产GPU而言，真实的挑战不仅于在跑通模子，更于在同时完成算子适配、数值不变性验证、练习与推理双场景撑持，以和开发情况的可复现封装。
摩尔线程全功效GPU实践
面临这些挑战，摩尔线程基在自立MUSA软件栈，完成为了对于Protenix、Evo 2和MONAI三年夜生命科学AI东西的完备验证与撑持，笼罩推理、练习和医学影像三年夜场景。
Protenix：练习机能达115%以上
Protenix-v0.5.0作为开源社区中追平AlphaFold 3程度的主要版本，为开发者提供了可练习、可定制的全栈开源方案。摩尔线程于MTT S5000上完成为了对于该模子的推理与练习验证。
图3：7r6r等示例序列于MTT S5000上的推理重修成果及偏差对于比
推理精度：
拔取 7r6r、7wux、7pzb三个示例序列举行推理重修测试。如上图所示，重修可视化效果与参考实现基本一致，端到端总体计较偏差小在1%，充实验证了推理成果的正确性与靠得住性。
练习机能：
以下图所示，于全部据集练习使命中，MTT S5000单卡机能到达国际主流GPU的115%以上。
图4：Protenix-v0.5.0实测体现
Evo 2：精度彻底对于标
于Evo 2_7B模子上，摩尔线程完成为了推理与练习的精度对于标。对于4个序列天生使命的比对于显示：序列天生Score、正确率与国际主流GPU持平，充实表现了MUSA软件栈对于基因组年夜模子的完备兼容性。
图5：Evo 2_7B实测体现
MONAI：国产化加快
于医学影像环节，摩尔线程已经开源MUSA加快版MONAI 1.5.0（相识更多详情请拜见https://gitee.com/MooreThreads/monai ），为AI医学影像范畴提供国产算力支撑。基在MUSA软件栈，摩尔线程实现了对于MONAI官方堆栈的原生撑持，开发者可实现“零进修成本”的无缝迁徙。
海内领先的XR+AI聪明外科解决方案提供商锦瑟医疗，已经将MONAI深度集成至其产物线。锦瑟医疗CTO陈亮暗示：“咱们基在CUDA开发的成熟算法，可以低成本、高效率且无损地迁徙到摩尔线程MUSA平台。于AI医学影像的繁杂现实使命中，MUSA揭示出与CUDA对于等的计较精度与运行不变性。”
这象征着，国产全功效GPU的价值再也不局限在研究真个模子验证，而最先进入更靠近真实医疗运用的工程链路。
筑基AI4S，共创生命科学新将来
从基因序列到卵白质宇宙，生命科学的AI化正于重塑疾病理解与医治的底子范式。于AI for Science（AI4S）的邦畿中，卵白质布局猜测与基因组设计已经成为查验算法立异与算力能力的试金石。
摩尔线程于生命科学范畴的一系列摸索乐成鞭策了“开源模子—本土软件栈—国产算力—开发者事情流”的全链路闭环。对于海内科研机构、药企及医疗技能团队而言，象征着于许可前提、数据合规、供给链安全与持久迭代能力上，拥有更高自立性，加快从验证到落地的全流程。
生命科学的数字镜像正于被层层解码。于AI for Science的时代海潮中，摩尔线程愿与开发者一同，于30亿碱基对于的浩瀚宇宙里，摸索从基因到卵白质的未竟之路。
