摩尔线程MTT S5000适配Protenix-v2

摩尔线程宣布，旗下训推一体智算卡 MTT S5000 正式完成了开源生物分子结构预测模型 Protenix-v2 的全链路推理支持。这是国产智算硬件与前沿生命科学大模型之间的一次深度工程对接，也意味着 AI for Science 场景在国产算力平台上又向前推进了一步。

Protenix-v2 开源模型由字节跳动 Seed 团队研发，在多项核心基准测试中性能持平甚至超越 DeepMind 的 AlphaFold 3。它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，覆盖了生命科学研究中最核心的几类生物分子对象。

生物分子结构预测长期被视为 AI4S 领域最具代表性的任务之一。传统的实验解析方法成本高、周期长，而端到端深度学习模型能够直接从序列出发推断三维结构，大幅压缩研究周期。Protenix-v2 在此基础上进一步将预测范围扩展到复合物体系，使其更贴近真实药物研发与基础研究的需求。

此次适配的核心价值在于全链路打通。摩尔线程通过 MTT S5000 完成了从模型加载、推理调度到结果输出的完整工程验证，而不只是单点算子层面的兼容。对于药企与科研机构而言，这意味着一套可实际部署、可规模化运行的国产 AI4S 算力底座已经具备落地条件。

更值得关注的是场景覆盖面。借助本次适配，摩尔线程在大分子结构预测、全基因组序列建模与临床医学影像三大 AI4S 核心场景上均实现了端到端工程验证。这三个方向分别对应药物发现、基因组学分析与医学诊断，构成了生命科学智能计算的主要需求面，也构成了算力平台在科学计算领域的完整能力图谱。

开源生态与国产算力的结合，正在成为 AI4S 落地的重要路径。Protenix-v2 以开源形式发布，降低了模型使用门槛；MTT S5000 提供的训推一体能力，则为模型的部署与推理提供了硬件支撑。两者叠加，为国内科研机构与制药企业提供了一条相对完整、可自主掌控的技术链路。

从产业视角看，AI4S 对算力的需求有别于通用大模型推理：它更强调高精度数值计算、大显存容量与稳定的长时任务执行能力。MTT S5000 完成此类模型的推理支持，也为后续更多科学计算类模型的适配积累了工程经验，预计将带动更多生命科学、材料科学领域的模型在国产平台上落地。