近日，摩尔线程基于自主MUSA软件栈，在旗舰级训推一体智算卡MTT S5000上完成字节跳动开源生物分子结构预测模型Protenix‑v2的完整推理支持，实现蛋白质、DNA、RNA、小分子配体等复合物结构预测的全链路国产化运行。实测显示，MTT S5000端到端推理性能较国际主流GPU平均提速约26%，且三维构象预测精度高度对齐。
目前，摩尔线程已完成Protenix系列模型、Evo 2基因组模型、MONAI医学影像框架等生命科学领域主流AI工具的完整验证与支持（详见过往报道），覆盖蛋白质结构预测、基因组分析、医学影像三大AI for Science（AI4S）核心场景，为国内药企、科研机构提供自主可控的AI4S国产算力底座。
打通国产化全链路
加速科研与新药研发
生物分子结构预测是生命科学研究和新药研发的重要基础，AI驱动的结构预测已成为全球科研竞争和产业应用的战略高地。同时，生命科学涉及大量生物遗传敏感数据，对算力安全、数据合规提出极高要求。
Protenix模型由字节跳动Seed团队研发，是首个在相同训练数据与推理预算下，性能达到甚至超越海外主流结构预测模型AlphaFold 3的全开源模型。Protenix-v2可实现多类型生物分子复合物端到端预测，为国内科研人员提供了可二次开发的高质量开源模型。但此前该模型主要面向CUDA生态，国产硬件缺少完整可用的方案，制约国产化科研工作流的落地。
摩尔线程此前已完成Protenix-v0.5.0推理与训练验证，此次进一步完成Protenix-v2的推理支持。针对Protenix-v2复杂的PairFormer、扩散采样、MSA预处理等计算链路，摩尔线程基于MUSA软件栈完成算子兼容与性能调优，解决科学计算场景下数值稳定性、访存密集计算等技术难点，打通从MSA输入、模型前向推理到pLDDT/PAE结果后处理的完整业务链路。
MTT S5000完成Protenix-v2推理支持，使国内科研团队能够在国产算力上完成蛋白质结构预测、靶点研究、蛋白质分子设计等科研工作，为创新药物研发筑牢自主可控的算力底座。
实测表现
性能与精度比肩国际主流GPU
摩尔线程选取12个具有代表性的蛋白质结构预测案例，在统一模型配置和输入规模下进行测试。测试采用BF16精度，完整保留MSA处理、模型推理、后处理全流程，将MTT S5000与国际主流GPU在单卡上进行性能与精度对标验证。
▼ 推理性能实测采用完整model-forward时间，结果显示：MTT S5000在端到端推理速度上表现突出，12个样本中有10个推理速度超越国际主流GPU，平均提速约26%。
▼ 预测精度对比实测结果显示：MTT S5000预测精度与国际主流GPU整体偏差控制在合理浮点漂移区间，蛋白三维构象结构评估指标对齐，构象生物学等价。
优化版开箱即用
加速AI4S科研落地
为降低开发者使用门槛，摩尔线程同步发布开箱即用的Protenix-v2优化版Docker镜像（驱动版本5.2.0）。该镜像面向科研任务场景，对Protenix-v2进行了调优，用户无需复杂环境编译，拉取镜像即可一键复现全套测试流程，快速开展蛋白质结构预测、分子辅助设计等科研工作。
来自北京大学/昌平实验室的曹云龙-简繁冲团队，根据科研任务场景独立测试了该优化版Protenix-v2，证实其相比在MTT S5000上直接开箱推理，推理速度提升100%以上，整体性能、精度与国际主流GPU相当。
▼ 欢迎下载体验摩尔线程Protenix-v2优化版Docker镜像（驱动版本5.2.0）：
registry.mthreads.com/public/protenix_v2:musa
摩尔线程在MTT S5000上完成Protenix-v2完整推理支持，进一步丰富了国产算力在生命科学领域的模型覆盖。生命科学计算涉及大量生物遗传敏感数据，算力的自主可控与数据合规尤为关键，开源模型与国产算力的结合，正在为科研与产业应用提供更坚实可靠的技术支撑。未来，摩尔线程将持续丰富生命科学AI生态，为AI for Science（AI4S）产业提供更强劲的国产算力底座。
*以上测试数据来自摩尔线程实验室及合作伙伴实测。
▼ 关于摩尔线程开发者
摩尔线程开发者是国产 GPU 创新企业摩尔线程专为技术爱好者和开发者打造的一站式服务平台。摩尔线程致力于构建一个技术共享和创新驱动的开发者生态服务体系，助力开发者实现技术突破，推动创新应用落地。