2026年5月31日，北京昌平实验室携手华为昇腾 AI4S 平台正式发布开源、昇腾原生的全原子生物分子模型体系 TorchX，宣布其结构预测、质量评估与分子设计三大核心工具及完整推理、训练代码已全面适配昇腾 NPU，面向蛋白质研究和药物分子设计等前沿科研场景开放。
2026年5月31日，北京昌平实验室在昇腾AI4S平台发布会上正式对外介绍全原子生物分子模型体系 TorchX，并强调该体系已实现从结构预测、质量评估到分子设计的端到端 AI 工作流，面向蛋白质研究和药物分子设计等关键科研场景开放。[1] TorchX 被定位为“开源、昇腾原生”的生物分子 AI 设计平台，推理与训练代码均针对华为昇腾 NPU 做了深度适配，以满足大规模算力与长序列生物分子任务的需求。[2][1][3]
在发布现场，昌平实验室科研团队与华为昇腾 AI4S 联合展示了 TorchX 在抗原‑抗体复合物预测、蛋白质结构生成以及高亲和力分子设计等任务上的表现，并宣布核心模型与代码以开源协议对学术界和产业界全面开放，邀请更多科研机构和企业共同参与生态建设。[2][1][3]
TorchX 科研生态围绕生物分子 AI 设计的三大关键环节——结构预测、质量评估与全原子分子设计——设计了完整的模型与工具链，以解决当前蛋白质与药物研发中算力门槛高、前沿模型封闭等痛点。[1][2][3]
其中，核心组件包括：[1][2][3]
- TorchFold：完整复现 AlphaFold3 并兼容官方权重，用于蛋白质及复合物结构预测，在抗原‑抗体复合物等复杂场景中实测性能超越 AF3。[1][2][3]
- TorchScore：面向结构质量评估与打分的模型，为下游筛选与优化提供统一评分体系，提升候选结构的可靠性与可比性。[1]
- TorchDesign：面向全原子分子设计的生成式模型，可在 20–30 个分子内获得纳摩尔级亲和力的候选分子，大幅压缩传统实验筛选的时间与成本。[2][3]
发布方指出，相比只提供单一结构预测或评分工具的传统方案，TorchX 强调“全流程一体化”，让科研人员可以在同一平台内完成从序列输入到结构生成、质量评估、分子设计与优化的闭环，从而更好支撑蛋白质工程、抗体药物与小分子药物设计等前沿研究。[1][2][3]
TorchX 最大的技术亮点之一在于其对国产昇腾 NPU 的原生适配：不仅模型结构在设计之初就针对 NPU 特性进行优化，还针对推理与训练流程开发了融合算子和高效内存管理机制，以提升性能并降低显存占用。[1][2][3]
在结构预测方面，昌平实验室与昇腾 AI4S 团队基于 TorchFold 进行了深度性能优化，利用 KernelCat 等工具打通了最高 8K 序列长度的超长序列推理能力，使得复杂蛋白质和大分子体系的建模在 NPU 上成为可能。[3] 这一能力对于研究超大蛋白复合物、病毒壳体结构以及高复杂度免疫系统分子具有重要意义，因为传统 GPU 方案在显存与并行效率上往往遇到瓶颈。[3]
在全原子分子设计环节，团队对 TorchDesign 的算法与算子进行了针对性重构，据披露，相比初始版本在昇腾平台上实现了约 15 倍的性能提升，推理支持的序列长度也提升了 4 倍，为快速生成和评估大量候选分子提供了算力基础。[3] 同时，TorchX 在底层引入 NPU 融合算子技术，实现多步计算的整合执行，在确保精度的前提下降低显存占用，进一步提升模型在大规模并行场景下的稳定性与可扩展性。[1][2]
业界观察认为，随着 torch_npu 等 PyTorch 生态适配组件在昇腾平台的成熟，TorchX 这类“昇腾原生”科研平台有望成为国产算力在生命科学领域的标杆实践，为未来更多生物医药模型的迁移和优化提供方法论与工具基础。[4][5][6]
除了技术指标，TorchX 发布方在现场反复强调“开源”与“生态”两个关键词：所有核心模型和工具均以 MIT 许可协议开源，方便科研人员和企业在此基础上进行二次开发与定制化扩展，避免受到闭源商业模型的限制。[1][2] 为降低使用门槛，团队还提供了完整的训练与推理代码示例，并对昇腾 NPU 的部署流程进行了详细文档说明，帮助非硬件专家快速在国产算力平台上复现与扩展这些模型。[1][3][4]
在应用场景上，TorchX 被期望服务于多个生命科学与医药研发领域，包括：蛋白质结构预测与功能解析、抗体药物发现、疫苗设计、蛋白质工程优化以及小分子药物筛选等。[3][1] 通过结构预测、评分与设计的一体化工作流，科研人员可以更高效地从海量候选序列中筛选出具有潜在高亲和力与高稳定性的分子，并在后续实验阶段集中资源进行验证。[3]
昌平实验室与华为昇腾 AI4S 团队表示，TorchX 的后续迭代将继续围绕开放生态推进：一方面邀请高校、科研院所与生物医药企业贡献新的模型与算子，丰富平台支持的任务类型；另一方面计划与更多国产软硬件生态深度融合，推动国产算力在生物医药领域形成可复制的解决方案样板，使 AI 工具真正从实验室走向临床与产业应用。
