英伟达详解 BioNeMo 推理运行时 BioIR：蛋白折叠吞吐量提升 2.9 倍

英伟达于 2026 年 9 月 10 日公布了面向大分子结构预测优化的推理运行时 BioIR，展示了从单靶点计算向全蛋白质组规模高通量推断转型的底层技术方案。

• BioIR 作为 Python 库直接兼容 PyTorch 原生工作流，模型仍为普通 torch.nn.Module，无需提前构建专用推理引擎或单独导出中间件。
• 该运行时在 8 卡 H100 架构上运行 Boltz-2 模型时实现了 2.90 倍的折叠吞吐量提升，每 GPU 小时可处理 58.5K 个氨基酸残基。
• 底层通过算子优选、模块优化与流水线设计加速 Pairformer、Evoformer 及三角注意力等关键运算，此前已支撑 AlphaFold 数据库扩展中 4777 个蛋白质组的大规模推断。
• 项目已在 GitHub 开源并提供预编译 CUBIN 的 wheel 包，运行仅需 Python 3.12+ 与基础驱动环境，无需依赖本地 nvcc 或 CMake 编译。
• 影响/看点：BioIR 显著降低了结构生物学大模型在集群环境的高通量计算门槛，但其吞吐增益的充分释放仍取决于多序列比对（MSA）前期特征生成的处理带宽与存储 IO 匹配度。
• 资料依据：
• MarkTechPost（2026-09-10）：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/
• NVIDIA Technical Blog（2026-09-10）：https://developer.nvidia.com/blog/accelerating-protein-structure-prediction-with-bionemo-inference-runtime/

本内容由 AI 生成，仅供参考，请注意甄别