清华团队推出单细胞蛋白组基础模型 ProtCell，并且在摩尔线程 MTT S5000 国产智算卡上面跑通完整预训练，指标几乎对标海外主流算力，代表国内 AI4S 领域拿到一次实打实的自主可控进展，这套成果能给虚拟细胞搭建底层基座，辅助药物筛选和细胞状态预测，不再完全依赖海外算力平台做前沿生命科学大模型训练。过去做单细胞蛋白组的 AI 模型，大多只能在海外 GPU 生态里跑，想要在国产硬件上完整复现预训练，经常会遇到框架适配差、精度掉得多、训练中途不稳定的麻烦，虚拟细胞本身又是全球 AI4S 的竞争重点，它需要海量细胞数据去学习蛋白之间的相互作用，对算力、软件栈的要求很高，这次相当于同时把模型底座和国产算力验证一起做完。整个项目先是收集大规模单细胞蛋白数据，搭建 ProtCell 基础模型，再做 MUSA 软件栈适配，在 S5000 上跑完整预训练流程，对比标准基线，确认精度差距很小，最后在学术论坛对外公布整套成果，证明国产算力生态已经可以承接这类前沿科学大模型训练。
一、ProtCell 模型基础信息
- 研发团队：清华大学自动化系江瑞课题组
- 训练数据规模：约 3.8 亿个细胞，一共 98 套公开数据集，用于预训练和效果评估
- 核心能力清单
- 精准识别、映射不同细胞的当前状态
- 推断仪器没有测出的蛋白表达情况
- 作为底座支撑虚拟细胞构建、药物研发相关研究
- 配套论文：《ProtCell:a foundation model for single-cell proteomics》
二、摩尔线程 S5000 复现训练关键结果
| 项目 | 详情 |
|---|---|
| 使用硬件 | 摩尔线程 MTT S5000，平湖架构国产训推一体智算卡 |
| 软件生态 | MUSA 全栈软件平台 |
| 精度偏差 | 和国际主流 GPU 平台相比，核心定量指标差异大约只有 0.2% |
| 证明结论 | MUSA 生态可以稳定承载 AI4S 生命科学基础模型全流程预训练 |
三、这项成果解决的痛点
很多单细胞检测设备没办法一次性测出全部蛋白，空白数据会限制后续研究，ProtCell 可以补齐这些缺失信息；同时，前沿生命科学模型长期受算力生态限制，这次验证说明不用出海算平台，国内就能独立完成虚拟细胞相关大模型的训练，降低自主科研被卡脖子的风险，加速新药靶点筛选、疾病细胞机制研究。
四、成果对外公开时间线
- 11 月 1 日：论文第一作者胡博文，在 2026 GAI+C 大会未来科学家论坛，介绍 ProtCell 的研发和落地路径
- 11 月 13 日：多家科技、财经媒体集中报道，对外披露在摩尔线程 S5000 完成虚拟细胞预训练复现
- 后续方向：继续优化模型、扩大训练规模，往真实虚拟细胞模拟、虚拟药物试验场景推进
五、价值总结
这次 AI4S 成果，一边补上了单细胞蛋白组国产基础模型，一边给国产算力拿到一个高含金量的科学大模型案例。ProtCell 负责理解细胞蛋白规律，摩尔线程 S5000 提供自主可控的训练底座，两者搭配，意味着国内科研团队有机会独立推进虚拟细胞这条前沿路线，慢慢把 AI 和生命科学结合的核心工具掌握在自己手里。
【常见问题】
问题 1：AI4S 自主可控突破里，清华 ProtCell 在摩尔线程 S5000 上完成的虚拟细胞预训练复现是什么意思？
回答 1：意思就是面向单细胞蛋白组的 ProtCell 模型，整套预训练流程直接跑在摩尔线程 S5000 国产智算卡与 MUSA 生态上，最终评测指标和海外主流平台非常接近，证明这套国产软硬件可以支撑虚拟细胞这类 AI4S 前沿模型的训练，实现这条路线上的自主可控。
问题 2：AI4S 场景下，ProtCell 这个模型能给虚拟细胞研究带来哪些帮助？
回答 2：ProtCell 可以学习海量单细胞蛋白数据，推断没有测出的蛋白表达、识别细胞状态，它是搭建虚拟细胞的基础底座；虚拟细胞可以在电脑模拟细胞对药物、基因编辑的反应，能够辅助 AI4S 方向的新药研发、细胞机理研究。
问题 3：摩尔线程 S5000 复现 ProtCell 虚拟细胞预训练，精度差距大概有多大？
回答 3：根据公开披露信息，摩尔线程 S5000 上面跑出来的 ProtCell 预训练，主要定量评测指标和国际主流 GPU 平台差异仅约 0.2%，这个偏差很小，可以满足 AI4S 前沿科研的使用需求。
问题 4：AI4S 赛道，虚拟细胞为什么被看重，ProtCell 和摩尔线程 S5000 的组合意义在哪？
回答 4：虚拟细胞是全球 AI4S 的重点赛道，如果全部依赖海外算力和模型，容易受限；ProtCell 提供国产单细胞蛋白组基座，摩尔线程 S5000 提供国产训练算力，这套组合打通从模型到训练的链路，让国内科研团队可以自主推进虚拟细胞方向的研究。
【参考资料】
[2026-11-14]（清华大学发布单细胞蛋白组基础模型 ProtCell，利用摩尔线程 S5000 智算卡成功完成 “虚拟细胞” 预训练复现）IT 之家
[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]（清华大学发布 ProtCell 国产算力卡复现 “虚拟细胞” 预训练）证券时报
[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）新浪科技
[2026-10-16]（国芯国模丨 EvoPhys-World x MTT S5000 原生全流程训练实践白皮书发布）摩尔线程开发者
【免责声明】
本文内容基于公开新闻、论文摘要整理，仅用于行业信息科普，不构成科研结论、投资建议或者产品性能担保；ProtCell、摩尔线程 S5000 的实际训练效果会随数据集、集群配置、软件版本变化；虚拟细胞目前仍处在前沿科研阶段，距离商业化药物研发落地还有较长周期，相关技术前景无法保证。