昌平实验室携手昇腾联合发布TorchX，共建AI4S生物分子设计创新生态

2026年9月17日，昌平实验室携手昇腾联合发布TorchX，正式推出全原子生物分子模型体系。TorchX是业界首个NPU原生的开源全原子生物分子模型体系，推理与训练代码全面适配昇腾NPU，模型权重按MIT许可开放。此次联合发布为全球AI4S提供了首个NPU原生的开源生物分子设计平台，打造“自主创新+前沿模型”的技术底座，打破商业壁垒，对降低生物医药领域AI应用门槛、促进科研资源共享和成果可复现具有重要示范意义。

TorchX：三大模块构建全链条生物分子设计能力

TorchX包含三个核心功能模块：TorchFold用于抗体–抗原复合物结构预测，TorchScore用于候选复合物的结构评价，TorchCraft通过预测器反演开展分子设计。

TorchFold保留AlphaFold3的网络架构，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个扩展至24,500个，FoldBench成功率由34.0%提升至70.1%。在五项不同来源、不同时间范围和不同抗原组成的抗体–抗原基准上，TorchFold均展现出稳定的高质量界面恢复能力。

TorchCraft中使用了可重入式梯度重计算，期间昌平实验室与华为团队联合修复了Torch原生梯度重计算在当前模型下的显存泄漏问题。针对TorchCraft长序列场景，华为团队对FA算子进行PSE反向计算功能补齐，使得当前模型下该算子可以正常使能，在显存优化和性能提升上均有较好的表现。

TorchScore作为结构评分模式，可跳过扩散生成模块直接通过置信度通路评价候选复合物。TorchCraft则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、环肽和小分子结合口袋设计。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亲和力，且实验候选直接取自TorchCraft输出。

昇腾原生：从芯片到模型的端到端自主创新与长序列推理优化

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。昇腾与昌平实验室协同创新，通过蛋白质序列残基注意力算子融合、流水调度以及昇腾亲和性优化等方式，显著提升推理训练的速度和降低显存占用。

TorchFold长序列推理的第一性矛盾，是二维Pair引发的激活张量显存占用呈增长，带来显存与性能双重瓶颈。针对上述挑战，昇腾团队依托AI4S智能引擎提出了昇腾亲和长序列推理优化方案，围绕显存与性能瓶颈问题开展系统性优化，通过多维混合并行、等价数据流重构、推理不变量缓存复用实现序列规模与推理效率的协同提升。目前，方案已在昇腾上完成单卡4K级序列、整机10K级序列的推理验证。在37aa~2002aa测试用例中，单卡推理性能均获得1.7倍以上的显著提升，并在支持单卡4K级序列推理的前提下，通过四卡并行推理获得3.x倍性能提升。未来，团队将持续探索更长序列的推理能力边界，通过AscendSkills沉淀可复用的软硬件协同优化策略，向同类Fold模型推广，将昇腾打造为生科领域坚实的算力底座。

全原子生物分子模型体系TorchX运行于华为所构建的自主创新算力底座之上，为TorchX创新筑牢智能底座，进一步提升科研效率，推动科研智能化转型，助力AI4S落地。

开源开放：共建AI4S协同创新生态

TorchX的发布不仅是技术突破，更是生态共建的开端。昌平实验室已开放推理代码、训练代码、模型权重以及训练数据。华为也将聚焦科研核心场景，助力国内上百万科研工作者通过AI更加高效地进行科研。

此次华为与昌平实验室联合发布TorchX，是AI for Science领域“自主创新算力底座+前沿科研模型”协同创新的典范。未来，双方将共同推动AI工具从实验室走向生命科学产业应用，为新药发现、新蛋白设计及未来满足医学需求相关研究提供可复现、可扩展的基础模型支撑。

项目地址

项目主页：

https://torchx-cpl.github.io

TorchFold Web server：

https://torchfold.openi.org.cn/

昇腾NPU版本（TorchX-npu）

https://github.com/Mingchenchen/TorchX/tree/TorchX-npu

GitCode（NPU）

https://gitcode.com/AI4Science/Mingchenchen

Hugging Face（模型权重与训练数据）：

https://huggingface.co/datasets/TorchX-CPL/TorchFold

通信：

mingchenchen@cpl.ac.cn