近日，摩尔线程基于自主MUSA软件栈，在训推一体智算卡MTT S5000上，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。实测显示，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。

视频：MTT S5000 vs 国际主流GPU 9NN9结构预测对比

Protenix-v2由字节跳动Seed团队研发，于2026年4月正式发布。作为在多项核心基准测试中性能持平甚至超越DeepMind AlphaFold 3的全开源模型，它打破了海外顶尖模型权重不完全开放、无法私有化部署的限制，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。

此次在S5000上的完整适配，不仅攻克了高难度多分子复合物计算在国产算力上的落地瓶颈，也形成一套性能更具优势的全链路自主方案。至此，摩尔线程已实现大分子结构预测、全基因组序列建模与临床医学影像三大AI for Science（AI4S）核心场景的端到端工程验证，为国内药企及科研机构提供自主可控且性能卓越的AI4S算力底座。

国产算力打通“最后一公里”，赋能创新药物研发

蛋白质结构预测是生命科学研究和新药研发的关键底座，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、数据合规等提出极高要求。

Protenix模型是首个在相同训练数据截止时间、模型规模和推理算力预算下，性能超越AlphaFold3的全开源模型。Protenix‑v2能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Protenix‑v2主要面向CUDA生态，国产算力缺少完整可用的落地方案，制约了国产化科研工作流落地。

摩尔线程此次打通的，正是Protenix-v2在国产算力上应用的“最后一公里”。通过实现全链路国产化运行，国内科研团队可以摆脱对海外算力的依赖，在MTT S5000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，助力我国创新药物研发的快速发展。

攻克AI4S复杂计算，MTT S5000比肩国际主流GPU

针对Protenix‑v2复杂的PairFormer、扩散采样、MSA预处理等计算链路，摩尔线程技术团队基于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，贯通从MSA输入、模型前向推理到pLDDT/PAE结果后处理的完整业务链路。

经验证，摩尔线程MTT S5000展现出扎实的工程性能。本次测试选取12个代表性的蛋白质测试样本，采用BF16精度，完整保留MSA处理、模型推理、后处理全流程，将S5000与国际主流GPU进行性能、精度对标验证。以下统计均采用完整model-forward时间，确保测试结果能够反映实际推理效率。

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高度对齐；多个样本端到端推理耗时优于对比国际主流GPU。

为降低开发者使用门槛，摩尔线程同步上线面向科研场景深度调优的Protenix-v2优化版Docker镜像（驱动版本5.2.0），科研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。

覆盖三大核心场景，筑牢AI4S自主底座

目前，摩尔线程已经完成Protenix系列、Evo2基因组模型、MONAI医学影像框架等生命科学领域主流工具链适配，覆盖蛋白质预测、基因组分析、医学影像三大AI4S核心场景，并构建起“前沿模型快速适配—性能深度调优—算法精度严格对齐—开箱即用镜像交付”国产化技术全链条。

摩尔线程将持续丰富生命科学AI生态，为AI4S领域提供更强劲的国产算力支撑。