AI 正在进入一个越来越 " 专业 " 的阶段。

过去几年，GPU 最主要的应用场景还是大模型训练和推理。但随着 AI 向科研、工业和医疗等垂直领域深入，真正考验算力的，开始变成一批更复杂、也更难标准化的任务：分子模拟、蛋白质结构预测、医学影像分析、基因组计算，以及由多个模型和科学计算工具共同组成的科研工作流。

生命科学，正在成为其中一个重要的试验场。

近日，国产 GPU 厂商沐曦股份与生命科学计算平台唯信计算的合作出现新进展：基于 WeMol 平台，双方上线了沐曦算力专区，OpenDDE、BoltzGen、Boltz-2、GROMACS 等模型和科学计算工具，以及沐曦自研的 MetaxFEP 自由能微扰 GPU 计算引擎，已经进入同一计算平台运行。

如果只看这件事本身，它似乎只是一次 " 国产 GPU 适配 AI 制药软件 " 的合作。

但换一个角度看，这件事真正值得关注的地方在于：

国产 GPU 正在尝试从 " 能不能运行一个模型 "，走向 " 能不能进入一套真实的科学研发流程 "。

01

AI 制药需要的，不只是一块 GPU

创新药研发并不是简单地训练一个 AI 模型。

从靶点研究到候选分子设计，中间可能涉及蛋白质结构预测、分子生成、分子对接、结合亲和力预测、分子动力学模拟、自由能计算等多个环节。

这些任务背后的计算范式并不完全相同。

有的偏 AI 推理，有的依赖传统高性能计算，有的需要大规模并行，有的又非常依赖显存容量和数值精度。

因此，AI 真正进入药物研发之后，GPU 面对的已经不是某一个 benchmark，而是一整条计算链路。

这也是此次 WeMol 合作比较有意思的地方。

在这个平台上，Boltz-2 负责结构与结合亲和力预测，BoltzGen 面向蛋白和多肽结合分子的生成设计，GROMACS 承担分子动力学模拟，MetaxFEP 则面向自由能微扰计算。

换句话说，从 " 设计 " 到 " 预测 "，再到 " 模拟 " 和 " 评估 "，不同类型的计算任务开始被放到同一个研发平台中。

这其实比单纯宣布 " 某某模型完成国产 GPU 适配 " 更值得关注。

因为科研人员真正需要的，从来不是一块 " 理论性能很高 " 的芯片，而是一套能够稳定跑起来、持续跑下去，并且可以被实际科研流程调用的计算基础设施。

02

国产 GPU 的下一场竞争，正在从 " 跑得动 " 转向 " 用得起来 "

过去谈国产 GPU，大家首先关注的是芯片性能、显存、互联带宽等硬件指标。

但 AI4S 场景正在改变这一评价体系。

科学计算有一个非常明显的特点：

软件比硬件更复杂，工作流比单点性能更重要。

以生命科学为例，一次完整的计算任务可能同时涉及 AI 模型、传统科学计算软件、算法库、数据处理以及多轮结果分析。

这意味着，GPU 厂商不仅要解决硬件问题，还需要解决软件栈、框架、算子以及上层应用的适配问题。

从这个角度看，沐曦近年来对 AI4S 的投入，正在逐渐形成一条比较清晰的路线。

目前沐曦已经把 AI4S 划分为 AI4Materials、AI4Weather 和 AI4Biomedical 等方向，并围绕材料科学、气象、生命科学和医学影像等场景推进软硬件适配。其开发者平台公开的信息显示，在 AI4Biomedical 方向，相关布局已经覆盖 AI 辅助药物研发和医学影像等领域。

今年 WAIC 上，沐曦进一步发布了面向科学智能的曦索 X300 系列。

与传统 AI GPU 相比，这款产品被明确放在 AI4S 场景中进行定位，面向气象海洋、流体力学、分子动力学等经典科学计算，同时覆盖材料科学和生命科学等方向。

这意味着，沐曦对 AI4S 的布局已经开始从 " 应用适配 " 向 " 专用算力产品 " 延伸。

而此次 WeMol 的合作，则更像是把这套能力进一步推向具体研发工作流。

03

医疗领域已经出现了一个更有说服力的案例

相比于发布一款产品或者上线一个平台，国产 GPU 真正进入真实科研场景，往往更有说服力。

今年 5 月，一项与 AI 辅助肾癌手术决策相关的研究论文发表于《Nature Communications》。

研究由维纳智能负责 AI 相关工作，中山大学肿瘤医院等机构负责医学研究。公开报道显示，该研究绝大部分 AI 工作负载的算力底座来自沐曦 GPU，双方在训推交替、长周期稳定运行以及全精度计算等方面进行了协同。

这件事的意义可能比 " 某个模型完成适配 " 更大。

因为医学 AI 与互联网大模型有一个很大的不同：

它最终面对的是科研和临床场景，对准确性、稳定性和可重复性的要求更高。

也就是说，一块 GPU 真正进入医学研究，并不只是 " 把模型跑起来 " 这么简单。

它需要经受真实数据、真实科研任务以及长时间运行的考验。

从这个角度看，沐曦 GPU 已经开始出现在 AI+ 医疗的真实科研链路中。

这也是国产算力从 " 技术验证 " 走向 " 科研生产力 " 的一个缩影。

04

AI4S 真正的价值，不只是 " 让科研更快 "

为什么 GPU 厂商越来越重视 AI4S？

一个重要原因是，AI 正在改变科学研究的计算范式。

过去，科学计算更多依赖理论模型、数值模拟和超级计算机。

而今天，AI 开始进入这个体系：

AI 模型负责从海量数据中寻找规律，传统科学计算负责提供物理约束，两者再通过高性能计算基础设施连接起来。

生命科学尤其适合这种模式。

蛋白质结构预测、分子生成、药物筛选、分子动力学模拟，本质上都在尝试回答一个问题：

能不能把过去依赖大量实验和计算试错的过程，变得更加高效？

例如，Boltz-2 的一个重要方向，就是同时进行生物分子复合物结构和结合亲和力预测。其官方资料显示，Boltz-2 试图以深度学习方法逼近物理基础 FEP 方法的精度，同时显著提高计算速度。

这也解释了为什么 AI 制药会成为 GPU 厂商争夺的新场景。

药物研发本身就是一个巨大的计算问题。

如果 AI 能够把部分实验前的筛选、预测和模拟过程进一步数字化，那么算力的价值就不再只是 " 训练一个模型 "，而是直接进入研发效率和研发成本。

05

从 AI 制药到 AI 医疗，算力正在往 " 科学基础设施 " 演变

其实，沐曦在生命科学上的布局并不只停留在此次 WeMol 合作。

今年 4 月，在 2026 年世界互联网大会亚太峰会数智健康论坛上，沐曦创始人陈维良曾提出 " 算力 + 模型 + 应用 " 的医疗健康生态体系，并将 DNA 测序、蛋白质结构预测、虚拟药物筛选、药代动力学预测和医学影像分析等纳入布局。

与此同时，沐曦也在与高校和科研机构推进 AI4S 生态建设。

今年 4 月，复旦大学计算力学与人工智能交叉研究院访问沐曦，双方围绕国产算力底座、科学计算软件生态、科研协同创新和人才培养展开交流，涉及材料科学、计算流体力学和高性能计算等方向。

从这些动作可以看到一个比较清晰的变化：

沐曦正在尝试把 "GPU 公司 " 的能力边界向 " 科学计算基础设施 " 延伸。

而生命科学，可能是其中最容易形成产业价值闭环的方向之一。