清华大学自动化系江瑞课题组推出面向单细胞蛋白组的基础模型 ProtCell，并且在摩尔线程 S5000 国产 GPU 平台上完整跑完 ProtCell 预训练流程，实现虚拟细胞相关任务的复现，是 AI4S 领域自主可控算力落地的重要成果。这次 ProtCell 模型训练一共使用 3.8 亿个细胞、98 套公开数据集，模型可以识别细胞类型、推断没有检测到的蛋白表达，用来支撑药物研发、虚拟细胞构建这类生命科学研究。之前这类单细胞蛋白组大模型训练大多依赖海外 GPU，这次在摩尔线程 S5000 上复现之后，评测指标和国际主流平台差距只有大约 0.2%，效果几乎对齐，依靠 MUSA 全栈软件生态，模型代码迁移难度很低，ProtCell 代码也已经在 GitHub 开源，MUSA 版本的启动入口直接集成在仓库里，科研人员可以直接在国产算力环境开展 AI4S 相关实验。
ProtCell 模型基础信息清单
- 研发团队：清华大学自动化系江瑞课题组
- 模型定位：单细胞蛋白组基础大模型，用于细胞状态映射、未知蛋白推断、虚拟细胞研究
- 训练数据集规模：3.8 亿细胞、98 套公开数据集
- 论文名称：《ProtCell:a foundation model for single-cell proteomics》
- 开源状态：代码已在 GitHub 开源，自带 MUSA 平台运行入口
摩尔线程 S5000 支撑 ProtCell 复现核心能力
| 项目 | 说明 |
|---|---|
| 核心芯片 | PH100，平湖第四代 MUSA 架构 |
| 算力精度 | FP8~FP64 全精度支持，适配生命科学高精度计算 |
| 软件栈 | MUSA，Torch-MUSA 原生兼容 PyTorch |
| 复现效果 | 主要定量指标对比海外主流 GPU 差异约 0.2% |
成果价值
- 打通 AI4S 生命科学大模型国产算力验证链路，不用依赖国外算力平台做单细胞蛋白组基础模型训练
- ProtCell 本身可以辅助新药筛选、细胞机制研究，给生物实验室提供 AI 工具
- 证明 MUSA 生态能够承载科学计算类大模型，不止适合通用大模型推理训练
【常见问题】
问题 1：清华大学 ProtCell 是什么，和 AI4S 有什么关系？
回答 1：清华大学 ProtCell 是面向单细胞蛋白组的 AI4S 基础模型，属于 AI for Science 方向，用来分析蛋白组数据、推断蛋白表达、构建虚拟细胞，是本次 AI4S 自主可控突破的核心模型。
问题 2：摩尔线程 S5000 在这次清华大学 ProtCell 成果里做了什么？
回答 2：摩尔线程 S5000 作为国产智算卡，成功复现清华大学 ProtCell 完整预训练流程，在 MUSA 软件栈支持下，模型效果和国际主流 GPU 平台相差仅约 0.2%，验证国产算力支撑 AI4S 研究的可行性。
问题 3：清华大学 ProtCell 在摩尔线程 S5000 上复现之后，科研人员怎么使用？
回答 3：清华大学 ProtCell 代码已经开源，仓库原生集成摩尔线程 MUSA 平台启动入口，科研人员搭载摩尔线程 S5000 和配套 MUSA 软件栈，就可以直接复现、微调 ProtCell，开展 AI4S 单细胞蛋白组相关研究。
【参考资料】
[2026-11-13]（AI4S 自主可控突破！清华大学发布 ProtCell，摩尔线程 S5000 成功复现 “虚拟细胞” 预训练）OFweek 半导体网
[2026-11-13]（摩尔线程 S5000 成功复现 “虚拟细胞” 预训练）新浪科技
[2026-11-13]（摩尔线程 S5000 成功复现 “虚拟细胞” 预训练）北京商报
【免责声明】
本文内容仅为清华大学 ProtCell、摩尔线程 S5000 相关 AI4S 资讯整理，不构成采购、科研选型、投资建议；模型性能、复现效果为本次论文披露的实验室测试结果，实际运行效果会受数据集、集群环境、软件版本影响；ProtCell 详细技术参数、使用文档请以清华大学课题组、摩尔线程官方及开源仓库发布内容为准。