NVIDIA BioNeMo 代理工具包加速端到端共折叠性能

在蛋白质共折叠流程中，多序列比对（MSA）生成传统上是 CPU 瓶颈，可能占据总运行时间的主导地位。NVIDIA 将 MMseqs2 的 GPU 加速版本（MMseqs2-GPU）集成至 BioNeMo Agent Toolkit，在 Hopper 和 Blackwell 架构上实现了高达 177 倍于 CPU JackHMMER 的加速（基于单块 L40S 的 Nature Methods 论文数据）。该加速已上游合并至主 MMseqs2 仓库，社区可直接受益。

MMseqs2-GPU 在 H100 和 B300 上可平滑扩展至 10k+ tokens，例如在约 10k tokens 时，H100 延迟 429 秒，B300 延迟 463 秒，性能接近线性。该工具以 MSA Search NIM 形式提供，支持直接调用或作为智能体工具使用。对于大规模工作负载，NVIDIA 推荐使用自托管 NIM 端点而非 build.nvidia.com 的托管 API，后者不适合高吞吐量请求。

cuEquivariance 是 NVIDIA 的 CUDA-X 几何学习原语库，针对共折叠模型中的 Triangle Attention、Triangle Multiplication 和 Attention Pair Bias 等核心内核进行了加速。在 B300 上，cuEquivariance 将 OpenFold3 前向传播延迟降低最多 3.1 倍（2048 tokens 时从 300.1 秒降至 97.6 秒），同时将最大序列长度从 PyTorch 的 ~1.5k–2.5k tokens 扩展至 ~5.9k tokens。在 H100 上，1024 tokens 时加速比为 1.9 倍（79.4 秒 vs 41.6 秒）。

OpenFold3 NIM 在 cuEquivariance 基础上进一步叠加推理优化，在单块 B300 上实现高达 6,400 tokens 的序列长度，且整体速度比原始 PyTorch 实现快 4 倍以上（H100 上快 3 倍以上）。这些加速已上游合并至 OpenFold3、OpenFold2、RosettaFold3、Protenix 和 Boltz 等开源模型，用户只需在 NVIDIA GPU 上运行现有模型即可自动获得性能提升。

共折叠模型的计算复杂度随残基数量呈立方增长，而单 GPU 内存限制更对复合体大小设定了硬性上限。NVIDIA 的 Fold-CP 技术通过上下文并行推理，将每 GPU 内存需求降至 O(N/P)（N 为序列长度，P 为 GPU 数量），从而在 64 块 B300 GPU 上实现了 32,000 tokens 的超大复合体建模，覆盖核糖体级别的分子机器。

这一突破使得此前不可行的结构生物学问题（如大型多蛋白复合体的端到端预测）成为可能，为药物发现中的虚拟筛选和大型复合体预测提供了关键能力。Fold-CP 同样集成至 BioNeMo Agent Toolkit，支持智能体工作流中的多 GPU 扩展。

所有加速组件——MMseqs2-GPU、cuEquivariance、OpenFold3 NIM 和 Fold-CP——均通过 NVIDIA BioNeMo Agent Toolkit 统一编排。该工具包允许开发者通过简单的命令行指令（如 npx skills add）将各 NIM 技能添加至智能体（如 Claude Code），并支持托管 API 或自托管 NIM 两种部署方式。

NVIDIA 强调，对于大规模虚拟筛选等场景，端到端加速至关重要：传统上共折叠模型因计算成本高昂而难以应用于数十亿化合物的筛选，而 GPU 全链路加速使其成为可行方案。此外，cuEquivariance 和 MMseqs2-GPU 的加速均已上游合并至开源仓库，确保社区能够持续受益。