健身小白自救：从最简单的爬楼梯开始，一步步越练越自信

精准医疗与药物研发正被人工智能深刻重塑。筑基主生作为AI for Science（AI4S）领域的摩命科核心阵地，解码生命奥秘的尔线关键已从实验观测转向算力与算法的协同突破。蛋白质结构预测、程全基因组分析与医学影像，功能国生构成了生命科学AI的速中91人观看的片丿三类关键技术，其能力直接决定了新药研发的学自效率与精准医疗的进程。

然而，筑基主生作为这三类关键技术之一的摩命科蛋白质结构预测模型AlphaFold 3，其训练代码未完全开放，尔线商业使用亦受限，程全这使得科学家难以基于该模型构建真正自主可控的功能国生研发环境。这种技术依赖还面临更深层的速中合规挑战：蛋白质结构预测与基因组分析涉及大量人类遗传数据，相关法规对数据的学自跨境流动有明确规范。因此，筑基主生构建从模型到算力的全链路自主能力，不仅是科研效率的保障，更是合规与安全的必然要求。

在技术工具层面，这一困境迎来了破局。2026年，字节跳动发布Protenix-v1，在Apache 2.0协议下完整开源代码及模型参数，业界称之为首个在同等条件下“性能表现达到甚至超越AlphaFold 3的全开源模型”。至此，[总攻]系统灌溉系统主角生命科学领域迎来了自主可控、可训练、可定制的开源基础模型。

工欲善其事，必先利其器。模型开放只是起点，能否在国产算力上跑通训练、推理、精度验证和开发环境，决定了这些模型能否真正进入科研与产业工作流。摩尔线程旗舰级训推一体全功能智算卡MTT S5000，基于自主MUSA软件栈，已完成对蛋白质结构预测模型Protenix、基因组基础模型Evo 2的完整验证。实测显示，在生命科学AI核心工作负载中，MTT S5000实现了性能对标：在蛋白质结构预测训练任务中，其单卡性能达到国际主流GPU的115%以上；在基因组大模型推理与训练任务中，精度与国际主流GPU持平。此外，摩尔线程已开源MUSA加速版MONAI 1.5.0，为AI医学影像这一关键环节提供国产算力支持，进一步增强了AI4S工具环的可控性。

生物医药研发对算力的56直播依赖日益加深，而算力供应链的安全性直接影响科研与产业的稳定性。摩尔线程全功能GPU能够完整承载生命科学AI前沿模型的生产级负载，为国内科研机构、药企及医疗机构提供了自主可控的高性能计算基座，降低了对单一算力路径的依赖。

这是中国AI医药研发领域的一个里程碑事件：从可控模型到自主算力，从结构预测到医学影像，一个完整、开放、可控的AI医药研发底座正在形成。

生命的数字镜像

人类生命体由约30亿个碱基对编码而成。若将人体比作一台精密运行的计算系统，感冒发烧如同临时进程异常，免疫机制可自动修复。然而，癌症、渐冻症等重大疾病的根源，是写入基因组深处的代码错误：抑癌基因被篡改，导致细胞增殖失控；运动神经元代码发生乱码，指令无法传达。这些内源性错误无法通过常规手段修复，需要从分子层面被靶向。

理解这些疾病，需回归生物学的六色中心法则：DNA转录为RNA，再翻译为蛋白质。蛋白质从氨基酸序列折叠为三维空间构象，多条肽链可组装为功能复合体（如血红蛋白）。核心共识贯穿始终：序列决定结构，结构决定功能。

图1：基于AI生命科学技术的肿瘤精准诊疗与新疗法研发协同框架

正是基于这一逻辑链条，AI驱动的精准治疗解决方案得以构建。当前，基于生命科学AI的癌症精准治疗已形成完整的技术闭环：

1. 基于MONAI等框架的AI影像学实现早筛与监测；

2. 基因组大模型（如Evo 2）解读突变功能；

3. 结构预测模型（如AlphaFold / Protenix）揭示蛋白结构变化；

4. 在此基础上设计靶向药物或降解剂；

5. 最终通过临床验证与数据回馈，持续优化模型。

这一技术路径的实现，高度依赖于蛋白质结构预测、基因组分析与医学影像这三类关键工具。

生命科学AI的工具箱

Protenix：蛋白质结构预测的开源破局

蛋白质结构决定功能。精确预测蛋白质三维结构，是理解疾病机制、设计靶向药物的关键。

2018年以来，DeepMind的AlphaFold系列不断刷新结构预测的精度边界。2024年发布的AlphaFold 3可同时预测蛋白质、DNA、RNA及小分子配体等复合物结构。然而，该模型的体育生爽擼又大又粗的雞巴小说训练代码未完全开放，商业使用亦受限，全球科研机构难以基于其进行定制化开发。

Protenix的出现填补了这一空白。2025年5月，字节跳动发布生物分子结构预测模型Protenix-v0.5.0，成为开源社区中追平甚至挑战AlphaFold 3水平的重要力量。2026年2月，字节跳动正式发布Protenix-v1，在Apache 2.0协议下完整开源代码及模型参数。据媒体报道，Protenix是首个在相同训练数据与推理预算下，性能达到甚至超越AlphaFold 3的全开源模型，模型采用Transformer+Diffusion架构，可精准处理蛋白质、DNA/RNA及小分子配体。开发者可基于Protenix在自有数据集上进行微调与训练，为特定研究任务提供了灵活的技术路径。

Evo 2：从“阅读”到“写作”基因组

Protenix解决了“序列→结构”的映射问题，但更深层的源头问题仍然存在：基因如何决定蛋白质序列？为什么某些基因更易突变导致疾病？修改基因会产生什么后果？

人类基因组总长约30亿碱基对，其中编码蛋白质的基因仅占1%-2%，大部分为非编码区。非编码区承载了人与人之间90%以上的遗传差异，其功能机制尚未被完全阐明。糖尿病、精神分裂症等复杂疾病涉及多个微效基因的叠加效应——这需要更强大的基因组建模能力。

图2：Evo 2和Evo 1的模型框架

Evo 2由美国Arc研究所等机构共同开发，于2026年3月发表于《自然》期刊。作为面向生命科学领域的基因组基础模型，Evo 2借鉴了大语言模型的理念，在超过12.8万个物种、9.3万亿个核苷酸（OpenGenome 2数据集）上完成训练，覆盖细菌、古菌、真核生物三大生命域。其训练数据量是前代Evo 1的30倍，模型采用StripedHyena 2架构，可一次性处理长达100万个碱基对的序列，训练效率达传统Transformer的三倍。Evo 2提供70亿和400亿参数两个版本，其中400亿参数版本是当前最大的开源生物学AI模型。

Evo 2的核心能力主要体现在两个维度：

精准预测：可零样本评估编码区和非编码区基因突变的影响。在区分乳腺癌相关基因BRCA1的有害突变与良性突变时，预测准确率超过90%，为临床解读“意义未明变异”提供了重要工具；

生成设计：从“阅读”基因组进化到“写作”基因组。成功案例包括设计模拟生殖支原体的简化基因组、人类线粒体基因组、酵母染色体片段，以及设计并合成功能性噬菌体——部分设计序列在导入大肠杆菌后产生了具有杀菌活性的病毒颗粒，为应对抗生素耐药性提供了新思路。

MONAI：医学影像的“事实标准”

在AI医学影像领域，算法正从基础的2D图像筛查，迈向复杂的3D器官分割与生成式内容创建。作为该领域公认的“事实标准”，基于PyTorch构建的开源框架MONAI（Medical Open Network for AI），已成为连接前沿学术研究与临床落地应用的关键桥梁。截至2024年底，其全球下载量已突破350万次，在行业内被广泛应用。

MONAI采用清晰的三层架构设计：

MONAI Core：提供专门针对医学影像的高效数据处理、变换方法与网络架构；

MONAI Label：作为智能标注工具，通过AI辅助大幅提升数据标注效率；

MONAI Deploy：支持将训练好的AI模型打包并部署至临床环境。

凭借从数据标注、模型训练到临床部署的完整闭环能力，MONAI已成为医学影像AI研究与应用的主流框架。

结构预测模型涉及复杂的pair representation、几何推理与扩散式计算，对显存、访存及数值稳定性要求极高；基因组基础模型面向超长序列与大规模数据训练，对长上下文处理、分布式训练及吞吐效率要求严苛；医学影像框架强调从标注、训练到部署的完整链条，对框架兼容性与工程落地能力要求更强。对国产GPU而言，真正的挑战不仅在于跑通模型，更在于同时完成算子适配、数值稳定性验证、训练与推理双场景支持，以及开发环境的可复现封装。

摩尔线程全功能GPU实践

面对这些挑战，摩尔线程基于自主MUSA软件栈，完成了对Protenix、Evo 2及MONAI三大生命科学AI工具的完整验证与支持，覆盖推理、训练及医学影像三大场景。

Protenix：训练性能达115%以上

Protenix-v0.5.0作为开源社区中追平AlphaFold 3水平的重要版本，为开发者提供了可训练、可定制的全栈开源方案。摩尔线程在MTT S5000上完成了对该模型的推理与训练验证。

图3：7r6r等示例序列在MTT S5000上的推理重建结果和误差对比

▼ 推理精度：

选取 7r6r、7wux、7pzb三个示例序列进行推理重建测试。如上图所示，重建可视化效果与参考实现基本一致，端到端整体计算误差小于1%，充分验证了推理结果的准确性与可靠性。

▼ 训练性能：

如下图所示，在全数据集训练任务中，MTT S5000单卡性能达到国际主流GPU的115%以上。

图4：Protenix-v0.5.0实测表现

Evo 2：精度完全对标

在Evo 2_7B模型上，摩尔线程完成了推理与训练的精度对标。对4个序列生成任务的比对显示：序列生成Score、准确率与国际主流GPU持平，充分体现了MUSA软件栈对基因组大模型的完整兼容性。

图5：Evo 2_7B实测表现

MONAI：国产化加速

在医学影像环节，摩尔线程已开源MUSA加速版MONAI 1.5.0（了解更多详情请参见https://gitee.com/MooreThreads/monai ），为AI医学影像领域提供国产算力支撑。基于MUSA软件栈，摩尔线程实现了对MONAI官方仓库的原生支持，开发者可实现“零学习成本”的无缝迁移。

国内领先的XR+AI智慧外科解决方案提供商锦瑟医疗，已将MONAI深度集成至其产品线。锦瑟医疗CTO陈亮表示：“我们基于CUDA开发的成熟算法，可以低成本、高效率且无损地迁移到摩尔线程MUSA平台。在AI医学影像的复杂实际任务中，MUSA展现出与CUDA对等的计算精度与运行稳定性。”

这意味着，国产全功能GPU的价值不再局限于研究端的模型验证，而开始进入更接近真实医疗应用的工程链路。

筑基AI4S，共创生命科学新未来

从基因序列到蛋白质宇宙，生命科学的AI化正在重塑疾病理解与治疗的根本范式。在AI for Science（AI4S）的版图中，蛋白质结构预测与基因组设计已成为检验算法创新与算力能力的试金石。

摩尔线程在生命科学领域的一系列探索成功推动了“开源模型—本土软件栈—国产算力—开发者工作流”的全链路闭环。对国内科研机构、药企和医疗技术团队而言，意味着在许可条件、数据合规、供应链安全与长期迭代能力上，拥有更高自主性，加速从验证到落地的全流程。

生命科学的数字镜像正在被层层解码。在AI for Science的时代浪潮中，摩尔线程愿与开发者一同，在30亿碱基对的浩瀚宇宙里，探索从基因到蛋白质的未竟之路。

泉州消防救援支队工会成立 系福建省首个

原标题：泉州消防救援支队工会成立 系福建省首个

3月19日，泉州消防救援支队工会第一次会员代表大会召开。这意味着泉州消防救援支队工会成立。据悉，这是全省首个消防救援支队工会。

会上宣读了《关于同意成立泉州市消防救援支队工会委员会的批复》。会议听取了《泉州市消防救援支队工会第一次代表大会筹备工作报告》，选举产生泉州消防救援支队工会第一届委员会、经审委员会和女职工委员会，副支队长吴军雄当选为支队工会第一届委员会主席。

据悉，组建工会是消防“军转民”后，落实严管厚爱方针、提升职业荣誉感的有力支撑。支队工会将认真履行政治责任和根本职责，勇于担当，积极作为，为新时代泉州消防救援事业发展作出新贡献。（泉州晚报记者龚翠玲 通讯员李永江）

国风音乐内容带动文化新风潮，腾讯音乐人以完善服务扶持体系助力国风音乐人持续成长

　　“中国音乐和中国传统戏曲有着独特的魅力，就像是我们血液中的文化DNA。”腾讯音乐人平台上新锐国风音乐团队“一棵小葱”主理人周明聪在接受China Daily的采访时说到。近年来，国风音乐因其兼容并包的姿态以及深厚的文化底蕴，在乐迷中广泛流行。而国风音乐的繁荣发展，正在成为中国年轻一代展示文化自信、表达文化认同的一种独特方式。

　　2月21日，China Daily发布了一篇名为《Singer-songwriters draw on tradition》的深度报道，结合近期的《国风音乐内容生态报告》盘点了近年来中国国风音乐的发展历程和内容趋势，也重点关注了国风词曲创作营等创作活动。文章中，腾讯音乐人周明聪、UKEYZ、Metablue赛博蓝接受了采访，讲述了国风音乐人、国风音乐团体参与此类活动以及在平台助力下更好地表达与创作的故事。报道发布后，文中音乐人们对国风内容创作的思考与音乐内容文化趋势引发了很多原创音乐人以及媒体的关注。

　　据悉，China Daily提及的国风创作营活动，是海淀文化发展促进中心与腾讯音乐娱乐集团（TME）旗下腾讯音乐人和TME音乐学堂联合举办的系列词曲创作营活动第三期，主题为“国风新潮”。该活动首创全新模式，联动“三山五园”历史文化景点，带领音乐人知行合一。音乐人不仅可以共探历史文化底蕴，还能进行实地采风。同时，该活动还为年轻的创作者们提供一站式专业知识和专业指导：邀请召集人许环良、林乔、音阙诗听制作人罗洋、一棵小葱、朱强面对面亲自指导音乐人打磨作品；专家学者讲述历史，提供专业知识；曲艺大师和知名音乐人献声合作，助力“国风新潮”创作营完整企划，打造精品专辑。

　　在音乐人和平台的共同努力下，国风音乐发展的飞轮正在加速转动。2022年1月18日，腾讯音乐旗下腾讯音乐数据研究院正式发布了《国风音乐内容生态报告》，报告显示，从国风音乐的播放总量来看，2020-2021年度是2019-2020年度的两倍多，而2020-2021年度共有51首国风音乐播放量破亿。市场上国风音乐的作品质量在大大提升，国风音乐的发展阶段正以从求数量向更高要求的求作品质量的健康阶段发展。

　　作为中国在线音乐与音频娱乐服务领航者，一直以来，腾讯音乐都在通过各项举措助力音乐人持续成长与发展，为行业注入更大的内容活力。创作服务层面，以腾讯音乐旗下腾讯音乐人平台为例，仅在2021年，便有“伯乐计划”、“你好，大学声”、“国风新潮”、“小红花回响音乐季”四大词曲创作营推出：“伯乐计划”由腾讯音乐人和TME音乐学堂联合发起，旨在发掘真实、有温度的优秀词曲作品和有才华的词曲创作人,让好词曲与好声音碰撞出这个时代最具力量的音乐作品；“你好，大学声”由腾讯音乐人、TME音乐学堂及QQ音乐联合发起，为全国高校学生提供创作、发歌、演出等全方位追梦舞台，助力有才华的校园音乐人“从成长到成名”；“国风新潮”由海淀文化发展促进中心、腾讯音乐人、TME音乐学堂联合发起，意在“用音符诠释中国风，用音乐演绎传统文化”，推动中华优秀传统文化的复兴与创新性发展。而“小红花回响音乐季”由腾讯公益、腾讯音乐人、TME音乐学堂、腾讯音乐公益联合发起，进一步扩大公益视野，带领音乐人积极投身社会，为公益发声。

　　从作品征集评选、创作营培训再到数字专辑结合释出，腾讯音乐旗下腾讯音乐人平台与其他业务或平台联合发起的词曲创作营系列活动不仅为众多音乐人打造了能够全方位提升创作能力的创作成长体系，也基于集团全平台海量资源和服务生态，全方位助力新声力量崛起，在音乐人奔赴星辰大海的路上始终陪伴。值得一提的是，通过众多优秀音乐人的倾情制作打磨，国风创作营中所诞生的优秀国风作品即将汇聚成辑，于近期与广大国风爱好者见面。

　　中国原创音乐如今已经进入高速发展阶段，如何聚集更多优质资源切实帮助到原创音乐人，从而形成一个整体更健康、发展更平衡的中国原创音乐生态，这是整个音乐行业都在不断探索的方向。

　　凭借多年来的深耕，腾讯音乐也收获了音乐人们的广泛认可。据其旗下腾讯音乐人平台发布的2021年度报告数据显示，2021年腾讯音乐人平台总入驻音乐人数再创新高,已超30万人,入驻人数同比增长超51%，新增00后音乐人同比增长55%，新增校园音乐人同比增长239%；新增女性音乐人同比增长了18%，“她”力量进一步崛起；同时，闽南文化、粤语潮流嘻哈、西北根源艺术等不断以新的音乐形式进行传承与创新。越来越多的音乐人选择在腾讯音乐人平台扎根、成长和绽放。未来，腾讯音乐及旗下业务与平台也将继续深化行业服务者角色，通过不断完善的生态体系为音乐人提供更大的舞台，让世界听到属于中国音乐的澎湃生命力。