一块国产显卡，把AlphaFold 3拉下马？摩尔线程这次适配有点东西
先看一个数字：0.6 摩尔线程的MTT S5000，单卡FP16算力是**0.6 PFLOPS**。 这个数字放在英伟达H100面前不够看，H100是它的十几倍。但就是这张卡，刚刚完成了对字
一、先看一个数字：0.6
摩尔线程的MTT S5000，单卡FP16算力是0.6 PFLOPS。
这个数字放在英伟达H100面前不够看，H100是它的十几倍。但就是这张卡，刚刚完成了对字节跳动Protenix-v2的全链路推理适配。Protenix-v2是什么来头？它在多项核心基准测试里，性能持平甚至超越了DeepMind的AlphaFold 3。
有个细节很有意思：AlphaFold 3是闭源的，蛋白质结构预测圈子里不少人憋着一口气。字节Seed团队今年4月开源的Protenix-v2，算是把这张桌子掀了。而摩尔线程这次适配，相当于告诉国内药企和科研机构——你们不用只盯着英伟达了。
算力卡适配大模型不稀奇，适配一个能跟AlphaFold 3掰手腕的科学计算模型，意义完全不同。
二、为什么这事比想象中重要
技术上来说，生物分子结构预测和跑大语言模型是两码事。
大语言模型推理主要吃显存带宽和矩阵乘法单元，但结构预测模型涉及注意力机制、几何深度学习、扩散模型等多重计算图，对算子融合、内存调度、精度对齐的要求极其苛刻。简单讲就是，能跑通LLaMA的卡，不一定能跑通Protenix-v2。
摩尔线程这次宣称的是“全链路推理支持”，这意味着从输入序列到输出三维结构，整个pipeline都在MTT S5000上跑通了。不是demo级别，是工程验证级别。
我特意去翻了摩尔线程的官方公告，他们提到这标志着大分子结构预测、全基因组序列建模、临床医学影像三大AI4S场景的端到端验证完成。这个表述很克制，但信息量很大——他们不是只做了Protenix-v2一个模型，而是把AI for Science这条线串起来了。
对谁影响最大？
国内药企：以前做AI制药，算力卡要么买英伟达（贵且受限），要么用云服务（数据出域有合规风险）。现在有了国产选项。
科研机构：结构生物学实验室往往经费有限，MTT S5000的性价比可能是关键。
字节Seed团队：开源模型被国产硬件适配，等于多了一条生态护城河。
三、跟英伟达比，差在哪，强在哪
必须承认，单卡性能上MTT S5000跟H100不在一个量级。
H100的FP16算力接近1 PFLOPS（稀疏模式下更高），显存带宽3.35TB/s，而MTT S5000大概率在1TB/s以下。这个数据我没找到官方验证，但根据公开的规格推测，差距是客观存在的。
但换个角度看：Protenix-v2的推理需求，真的需要H100吗？
一个蛋白质结构预测任务，序列长度几百到几千个残基，推理时间通常在秒级到分钟级。MTT S5000如果能在可接受的时间内完成，那性价比就是它的杀手锏。英伟达一张H100现在什么价格，懂的都懂。
在科学计算场景里，“够用”比“最快”更重要。
而且摩尔线程走的是训推一体路线，MTT S5000既能做推理也能做训练。这意味着药企可以用同一张卡做模型微调和推理部署，不用买两种硬件。这个思路跟英伟达的A100/H100是一致的，但国产化替代的背景下，客户买单的意愿会更强。
竞品方面，华为昇腾910B也在推AI4S场景，但昇腾的生态更偏向自家CANN框架，适配开源模型的灵活性不如摩尔线程的MUSA架构。当然，这也可能是我想多了——毕竟昇腾的体量和客户基础摆在那里。
四、跟你有什么关系
如果你在药企做算法，或者在学校做结构生物学研究，这件事的直接意义是：你的下一个项目，可以考虑国产卡了。
具体场景：假设你在做一个小分子药物筛选的课题，需要批量预测蛋白质-配体复合物结构。以前你可能需要排队等实验室的GPU集群，或者租AWS的p4d实例。现在你可以申请一台搭载MTT S5000的服务器，把Protenix-v2部署上去，跑自己的数据。
成本可能只有原来的三分之一。
如果你是从业者，更值得关注的是生态信号。字节跳动Seed团队把Protenix-v2开源，摩尔线程第一时间适配，这背后大概率有合作。国产AI芯片厂商正在从“能跑通”向“跑得好”过渡，而AI4S是最容易建立标杆的场景——因为科学计算对精度敏感，对生态依赖反而没那么强。
有个细节：摩尔线程的公告里特意提到了“临床医学影像”。这说明他们的野心不止于药物研发，而是想覆盖诊断、制药、科研全链条。这个路线图如果走通，英伟达在中国AI4S市场的份额会被啃掉一块。
五、现在可以做什么
如果你正好在评估AI4S的算力方案，这周可以去摩尔线程官网看看MTT S5000的适配列表，确认Protenix-v2是否在你的目标场景里。
如果是做药物设计的，建议把Protenix-v2的论文和代码先下载下来，跑一遍官方示例，感受一下推理速度。然后对比一下你手头的硬件，算算迁移成本。
别急着下单，但可以开始做技术调研了。
国产算力卡追上英伟达是迟早的事，但“迟早”是多久，取决于有多少人真的去用。
本文基于 media 公开报道编译解读
本文基于 media 公开报道编译解读，查看原文