在人工智能驱动科学研究（AI for Science）的浪潮中，生物计算正逐渐成为 GPU 算力的核心战场。蛋白质折叠预测作为生命科学的基础研究，其计算复杂度极高，往往需要消耗大量的计算资源。近日，NVIDIA 正式公布了其 BioNeMo Inference Runtime (BioIR) 的详细信息。这是一款专为加速生物分子结构预测模型而设计的 Python 库，它不仅允许研究人员在标准的 PyTorch 框架下运行，更通过深度优化实现了惊人的性能提升。
基准测试数据是检验性能的最佳标准。在针对 1,000 个人类二聚体目标的严格测试中，BioIR 展现了压倒性的优势。当使用 8 块 H100 GPU 进行并行计算时，BioIR 驱动的 Boltz-2 模型每 GPU 小时能够处理 58.5 万个氨基酸残基，而传统 Torch 编译的开源实现仅为 20.2 万个残基。这意味着 BioIR 的吞吐量是传统方法的近三倍。这一提升对于科研效率的提升是指数级的，原本需要数周的计算任务现在可能仅需几天。
从技术架构来看，BioIR 的成功并非偶然。它通过三个核心层级的优化实现了这一飞跃：首先是智能内核调度，它能根据模型的特性自动选择最优的 GPU 内核；其次是CUDA Graph 技术，这通过减少 CPU 和 GPU 之间的通信开销，大幅提升了执行效率；最后是Ray 分布式调度，它允许在集群环境中灵活地扩展模型副本，确保每块 GPU 都能满负荷工作。这种“软硬结合”的优化思路，为开发者提供了一个无需重写底层代码即可获得极致性能的捷径。
BioIR 的实际应用价值同样不容小觑。它此前已成功应用于 AlphaFold 数据库的扩展工程，帮助科学家生成了约 3100 万个候选蛋白复合物。这一庞大的数据集覆盖了 4,777 个不同的蛋白质组，为后续的药物筛选和疾病机理研究提供了海量的数据支持。随着生物制药行业对高通量计算需求的增加，BioIR 这种高效的推理运行时将成为推动行业发展的关键基础设施。
综上所述，NVIDIA BioNeMo Inference Runtime 的发布，标志着生物分子结构预测进入了“超高速时代”。它不仅验证了 PyTorch 在极致性能场景下的潜力，也为 AI 模型在生命科学领域的落地提供了强有力的工具支持。
信息来源：MarkTechPost
原文链接：https://www.marktechpost.com/2026/09/10/nvidia-details-bionemo-inference-runtime-bioir-2-90x-higher-boltz-2-folding-throughput-and-58-5k-residues-per-gpu-hour-on-8xh100/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/10/nvidia-details-bionemo-inference-runtime-bioir-2-90x-higher-boltz-2-folding-throughput-and-58-5k-residues-per-gpu-hour-on-8xh100/
