清华 ProtCell 用国产算力跑通「虚拟细胞」：摩尔线程 S5000 完成预训练复现

清华大学本周发布单细胞蛋白组基础模型 ProtCell，并披露了一项容易被忽略的细节：该模型的”虚拟细胞”预训练复现，是在摩尔线程 S5000 智算卡上完成的。

这条消息有两层意思，一层在科研，一层在国产算力。

一、ProtCell 是什么

单细胞蛋白组学研究的核心难题是：同一个组织里，每个细胞的蛋白表达都不一样，而传统质谱一次能测到的蛋白数量有限，数据稀疏、噪声大。

ProtCell 走的路线，是把大模型那套”预训练 + 表征学习”搬到蛋白组数据上：先用海量单细胞数据训练出一个通用表征模型，再针对具体任务做微调。官方把它形容为”虚拟细胞”——给模型一个细胞状态，它能推演出蛋白层面的变化趋势。

这条路如果走通，药物靶点筛选、疾病早期标志物发现这类工作，可以先在模型里跑一遍，再进实验室验证，省下大量成本。

二、为什么”在国产卡上跑通”值得单独说

过去两年，国内做基础模型的团队普遍卡在同一个问题上：算法可以自研，算力得靠进口。一旦供应受限，训练和复现都会中断。

这次的关键词不是”性能超过谁”，而是“能跑通、能复现”。科学计算类模型对精度的要求比对话模型更苛刻，能完成预训练复现，说明软件栈（驱动、算子库、分布式训练框架）已经过了最基本的可用性门槛。

三、冷静看三点

第一，复现 ≠ 超越。完成一次预训练复现，和长期稳定支撑大规模训练，是两回事。工程化的差距往往在”第一百次训练”里才暴露。

第二，生态仍是短板。CUDA 的护城河不在硬件，而在十几年积累的算子库、调试工具和开发者习惯。换卡意味着大量代码要重写、重调优。

第三，科研场景是好切口。生命科学模型不像互联网业务那样要求极致吞吐，但对精度和可重复性要求高——这正是国产卡可以循序渐进积累口碑的地方。

四、对从业者的启示

如果你在做生物信息或科学计算，值得关注的不只是模型本身，还有它公布的训练配置和复现路径。这类论文如果附带可运行的训练脚本，对国产算力生态的推动，比一份漂亮的跑分更有价值。

国产算力真正被接受的那一天，不是某次评测拿了第一，而是——开发者换卡的时候，发现代码不用大改。