从算力底座到前沿模型，华为在AI4S赛道再落关键一子

2026年9月17日，昌平实验室与华为联合发布全原子生物分子模型体系TorchX。这是业界首个NPU原生的开源生物分子设计平台，推理与训练代码全面适配昇腾NPU，模型权重按MIT许可开放。此次发布意味着，生物医药研究者首次能够在国产算力底座上，完整跑通“预测抗体抗原结合结构—给候选分子打分—从头设计新药分子”的AI制药全流程。

而在这项技术突破的背后，华为制药军团总裁樊杰给出的行业研判却显得尤为冷静：“当前AI制药整体处于快速成长期，但距离成熟规模化落地仍有较远距离。”这句话，恰好为TorchX的发布提供了注脚——技术指标固然亮眼，但AI制药的真正拐点，仍未到来。

成功率翻倍：从34%到70%的跨越

TorchX的核心突破，首先体现在抗体–抗原复合物结构预测这一公认难题上。

抗体与抗原的相互作用界面区域小、构象变化大、高质量训练数据稀缺，长期以来是结构预测领域的“硬骨头”。TorchX内设的TorchFold模块，保留了AlphaFold3的网络架构，但通过界面特异性坐标损失、高噪声扩散调度策略及两轮置信度筛选蒸馏三项创新训练策略，将非冗余抗体–抗原训练样本由约5000个大幅扩展至24,500个。

数据规模的量变引发了性能的质变。在标准化的FoldBench基准上，TorchFold的成功率从34.0%提升至70.1%，提升幅度超过一倍。在五项来源不同、时间范围不同、抗原组成也不同的抗体–抗原基准测试中，模型均展现出稳定的高质量界面恢复能力，说明这一提升并非针对特定测试集的过拟合。

三大模块：从结构预测到新药设计的全链条闭环

TorchX并非单一工具，而是一套覆盖生物分子设计全流程的模块化体系。

TorchFold负责“看清”分子。它通过模拟抗体、抗原、多肽、小分子等生物分子之间的相互作用，完成复合物结构预测。TorchScore负责“评判”分子。作为结构评分模块，它可跳过扩散生成步骤，直接通过置信度通路对候选复合物进行快速评价，大幅缩短筛选周期。TorchCraft负责“创造”分子。通过预测器反演机制，它实现了跨分子类型的统一全原子设计，可同时用于微型蛋白结合体、框架约束VHH、环肽以及小分子结合口袋的设计。

据披露，针对IFNAR2、IL-7Rα等靶点的微型蛋白及VHH设计，均经生物层干涉法验证达到纳摩尔级亲和力，且实验候选直接取自TorchCraft的输出结果。这意味着该工具不仅能“设计”，其输出已具备进入湿实验验证的实用性。

昇腾原生：国产算力的“长序列”攻坚战

TorchX“NPU原生”的定位，是其区别于其他开源生物分子模型的关键标签。

TorchFold是业界首个基于昇腾NPU原生的全原子结构预测开源模型。华为与昌平实验室团队通过蛋白质序列残基注意力算子融合、流水调度及昇腾亲和性优化，显著提升了推理训练速度并降低了显存占用。

长序列推理是结构预测模型的核心瓶颈——二维Pair表示引发的激活张量显存占用随序列长度呈二次方增长。昇腾团队提出的“昇腾亲和长序列推理优化方案”，通过多维混合并行、等价数据流重构、推理不变量缓存复用等手段，实现了序列规模与推理效率的协同提升。目前，该方案已在昇腾上完成单卡4K级、整机10K级序列的推理验证，在37aa至2002aa的测试用例中，单卡推理性能获得1.7倍以上的提升，四卡并行推理则实现3倍以上加速。

在TorchCraft的开发中，双方团队还联合修复了Torch原生梯度重计算在特定模型下的显存泄漏问题，并针对长序列场景补齐了FA算子的PSE反向计算功能。

华为的清醒：不做“淘金者”，做“卖水人”

TorchX的技术指标令人瞩目，但华为对AI制药的整体判断，远比单一模型的性能提升更为审慎。

华为制药军团总裁樊杰在接受《每日经济新闻》记者等媒体采访时指出，当前AI制药仍处于快速成长期，行业在高端专业模型、高质量生物医药数据集、底层算力底座三大维度还存在瓶颈，具备巨大的技术迭代与产业成长空间。在樊杰看来，算力投入不足的背后，是制药行业对AI制药核心路径的认知偏差。干湿实验数据的打通与深度融合，是当前最棘手且仍在集中攻关的核心难点。

“国产AI制药的核心竞争力，不单一依赖技术模型，而在于场景和数据生态。”樊杰强调，中国拥有数百万化学工程师人才储备、全球领先的临床资源以及仅为国外一半的临床试验周期，这些本土优势是国产AI制药实现弯道超车的真正底牌。

话很明白：华为不打算自己冲进去做药，而是把算力、模型和研发工具，接进药企的新药研发流程里。 用更直白的话说——华为要做的不是药企，而是AI制药的“卖水人”。

这一策略，是以“算力+算法+数据”为底层能力，构建覆盖医药研发、临床试验、智能生产、智慧供应、智慧器械五大环节的全流程智慧制药体系，与生态伙伴共同构建中国医药产业数智化转型的“第二科技平面”。樊杰用“铁三角”模型勾勒这一图景：算力是地基，模型是引擎，数据是燃料，三者缺一不可。在落地路径上，华为计划于2026年在全国打造5至10个AI制药灯塔项目。

生态布局：从“坤元”到TorchX的持续投入

TorchX的发布，是华为在AI4S领域持续体系化投入的最新落点。

回顾近两年轨迹：2024年，昌平实验室的“坤元”药物大模型依托昇腾算力底座完成训练；2025年，昇腾AI4S团队开始公开全原子模型体系的研发进展；2026年，智算实验室方案持续升级，TorchFold等工具上线OpenI社区提供在线服务，直至本月TorchX全面开源。从底层算力、科研方案到模型工具，华为在AI4S上的推进脉络清晰可辨。

在生态落地层面，华为智算实验室方案已覆盖230余家机构，并与北京AI4S研究院等科研机构完成签约。在药企合作方面，华为与广药集团的联合创新项目已完成POC测试，“这是业界首次实现自主创新的AI药研模型和昇腾、鲲鹏技术适配和生产业务验证”，基于昇腾算力的AI药研模型在单轮生成320分子的实测中，效率较业界水平提升1.08倍。广药集团与华为的AI制药联合创新实验室已于9月正式启动。与振东制药的人工智能赋能药物研发联合创新实验室也于9月揭牌，双方将重点围绕靶点发现、苗头化合物发现、先导化合物优化、临床实验等方向开展联合课题攻关。

此外，华为制药军团已完成医药领域全球Top50模型的适配，包括AlphaFold、Evo2等主流生物大模型。昌平实验室则开放了TorchX的推理代码、训练代码、模型权重及训练数据，以MIT许可彻底降低使用门槛。

仍需时间检验的“采用率”

从TorchX的全面开源，到制药军团的“卖水人”定位，华为在AI4S领域的布局逻辑愈发清晰：不进入医药研发本身，而是聚焦打造国产自主的AI医药底座，让算力、模型和工具成为药企的“水电煤”。

但一个更实际的问题依然存在：这些投入能否转化为市场的广泛采用？AI制药领域从不缺少开源模型与工具，但真正被工业界和学术界高频使用、持续贡献的生态寥寥。TorchX的差异化优势在于“NPU原生”带来的国产算力亲和性——对于受限于算力供应或寻求自主可控路径的国内药企与科研机构，这是一条颇具吸引力的技术路线。但昇腾生态的成熟度、开发者迁移成本、以及与现有GPU工作流的兼容性，仍将是决定其实际渗透率的关键变量。

TorchX的代码已在GitHub开放，从“可用”到“好用”，再到“离不开”，国产AI4S生态的构建才刚刚开始。而华为选择的“卖水人”角色，能否在AI制药的淘金热中真正立住，5至10个灯塔项目的落地成效，将是第一块试金石。

免责声明：本文内容来源互联网，且含有AI生成内容，不构成任何专业建议。文中所涉及的图片及文字仅供参考，若侵犯肖像权或者著作者权等知识产权，请联系我方删除。