昌平实验室 TorchX
宝锐能不能用上？
结论是：部分能，但不是现在能做全套。TorchX 的抗体–抗原结构预测能力，与宝锐已有的「抗体研发」技术平台存在真实交集；但它的设计模块面向新药发现，与诊断原料主业不同路。真正卡住的是算力、人才和数据三道门槛，不是软件本身。
1结论：三档判定
按「能不能用」拆成三档，避免一刀切结论
Web Server 在线试用
官方提供 TorchFold 在线推理服务，不需要任何本地算力，注册即用。适合先验证「它对我们手上的抗体项目到底有没有参考价值」。
本地部署推理
单卡即可跑。但需要一台 A100 级 GPU（或昇腾 910B）+ 一名懂生物信息的工程师。适合把结构预测纳入常规研发流程。
用于新药 / binder 设计
TorchCraft 的目标是设计全新结合蛋白（治疗性抗体、minibinder），宝锐主业是诊断原料，场景不重合。除非公司战略要进入新药发现，否则不建议为此投入。
2宝锐的研发底座
先看我们手上已有什么 —— 这决定 TorchX 有没有接口
宝锐生物 2012 年成立，是国家高新技术企业与专精特新「小巨人」企业，已建成多个省市级研发平台。关键的是：技术平台清单里明确包含 「抗体研发」与「蛋白进化」——这正是 TorchX 的作用域。
省级研发平台
广东省分子诊断原料酶工程技术研究中心｜珠海市企业技术中心｜广东省博士后创新实践基地
技术平台清单
蛋白进化 · 基因表达 · 抗体研发 · 适配体筛选 · 工艺开发 · 应用研究
产品结构
三大板块：诊断原料 / 生命科学 / 生物医药。产品册中「酶」出现 127 处、「抗体」18 处、「抗原」6 处
质量体系
ISO 13485:2016、ISO 9001:2015 —— 意味着任何新工具进入流程都要过验证与文档要求
3TorchX 到底是什么
四个模块，能力边界差异很大，不能整体看待
TorchFold
保留 AlphaFold3 架构，用界面损失 + 两轮蒸馏把训练样本从 5.0k 扩到 24.5k。FoldBench-AB 排名成功率 70.1%。
TorchScore
对已有结构做置信度评价。ipTM 与 DockQ 相关性 Pearson 0.869，可用于候选复合物排序筛选。
TorchCraft
反演冻结的预测器来设计 binder。8 个湿实验战役全中，Kd 达 nM 级（最低 2.04 nM）。面向新药发现。
TorchFold Train
把自有结构数据转成训练资产做微调。需独立环境，且需要成规模的自有结构数据。
TorchFold 成功率随训练样本的增长（FoldBench-AB 排名成功）
4逐项匹配：哪些对得上
把 TorchX 的能力逐条放到宝锐的实际场景里比
| TorchX 能力 | 宝锐对应场景 | 匹配度 | 判断依据 |
|---|---|---|---|
| TorchFold 抗体–抗原结构预测 |
抗体研发平台： 表位预测、抗体–抗原结合可行性预筛 |
★★★ 高 | 宝锐技术平台清单明确含「抗体研发」，TorchFold 正是这个环节的计算辅助 |
| TorchScore 复合物结构评价 |
候选抗体 / 复合物打分排序，减少无效湿实验 | ★★★ 高 | 不依赖重新生成结构、可对已有 coordinates 打分，接入门槛最低 |
| TorchCraft binder 设计 |
无直接对应 （面向治疗性抗体 / 新药发现） |
★ 低 | 论文验证靶点全为治疗方向（IFNAR2、PD-L1、PDGFRβ 等），与诊断抗体不同路 |
| TorchFold Train 微调 |
用自有抗体数据做专用模型（长期方向） | ★★ 中 | 需成规模自有结构数据 + 训练算力，属 6–12 个月级别的布局 |
5三条落地路径
按投入从小到大，可以独立停在任意一档
在线试用 —— 先验证有没有参考价值
直接用官方 Web Server 跑我们手上已有的抗体序列，看预测出来的复合物结构跟实测结果是否对得上。这一步不花钱、不需要算力、不用装环境，是唯一"零风险"的验证方式。
本地部署推理 —— 把预测纳入常规流程
按官方 README 装环境（要先装基础包 torchx，会编译 C++ 扩展），配一台 GPU 工作站即可跑预测与打分。适合 A 档验证通过后、要常态化使用时上。
深度使用 —— 微调自有模型 / 进入设计领域
用自有结构数据微调模型，或开展全新结合蛋白设计。这一步需要成规模的数据积累、专职团队和长期算力预算，本质是研发战略决策，不是工具采购。
6三道真实门槛
软件是免费的，门槛在软件之外
🖥算力
官方实测：A100 80G 上 300 残基约 4.5 分钟、500 残基约 7.6 分钟；昇腾 910B（64G）加融合注意力后 300 残基约 6.2 分钟。单卡起步即可，但需要一张专业卡。
宝锐现有算力状况待核实🧑🔬人才
需要同时懂生物信息（MSA、结构数据）和深度学习（环境配置、推理、微调）的人。宝锐有博士后创新实践基地，具备人才引进通道。
是否有生信/AI 岗位待核实🗄数据与权重
权重有两条路：TorchX 在 HuggingFace 上的训练权重（需申请、人工审核），或官方 AlphaFold3 参数（需向 DeepMind 申请）。两者都开放，但不是下载即用。
路径明确，需走申请流程7建议动作
每一条落到具体责任部门，可按顺序执行或只做第一条
用官方 Web Server 跑一批现有抗体序列
挑 5–10 个宝锐已在做或已做过实测的抗体项目（有已知结合结果的最好），拿去在线预测，比对预测结构与实际表现是否一致。这一步直接回答"值不值得往下走"。
主责：研发部 · 抗体方向负责人｜协同：无｜验收：形成一页对比结论确认公司现有算力与生信人力底数
查清三件事：有没有 GPU 服务器、规格如何；有没有生物信息岗位或可培养人选；现有结构数据积累到什么程度。这决定 B 档路径能不能走。
主责：研发部｜协同：IT｜验收：一份现状清单（算力/人力/数据三项）把 TorchX 放进客户技术话题库
无论内部是否用，这都是科研客户会关注的 AI4S 热点（国家级实验室 + 华为 + MIT 开源 + 全链国产算力）。可作为拜访时的前沿话题储备。
主责：市场部｜协同：生命科学销售部｜验收：话题卡纳入拜访素材（可选）跟踪生态更新后再判断 C 档
仓库当前仅 2 次提交、59 stars，属刚发布状态，接口和文档仍在演进。建议 3–6 个月后再评估深度使用，届时看社区成熟度与是否有诊断方向的案例出现。
主责：研发部｜验收：季度技术跟踪记录9本机实测：这台 Mac 能用什么
用实测配置 + 上游依赖清单判定，不靠印象
本机配置（实测）
| 项目 | 实测值 | 对 TorchX 的影响 |
|---|---|---|
| 机型 / 芯片 | MacBook Air · Apple M4 | 无 CUDA，不在官方支持分支内 |
| CPU | 10 核（4 性能 + 6 能效） | CPU 推理未提供 |
| 统一内存 | 16 GB | ★ 不足 |
| GPU | M4 集成 10 核 · Metal 4 | ★ 与 CUDA 不兼容 |
| 可用磁盘 | 102 GB | ★ 不足 |
| 系统 | macOS 26.5.2 · arm64 | 架构与 CUDA 生态不通 |
✅ 能用的：TorchFold 在线服务（唯一现成能力）
无需登录，浏览器直接可用
实测打开即用，不需要注册、不需要安装、不消耗本机算力。后端跑在「中国算力网 C²NET」上。
可做多实体复合物建模
界面有 Add entity，意味着可以同时提交多个分子实体 —— 这正是做抗体 + 抗原复合物预测需要的形式。
操作路径
① 选 Entity type（Protein）② 粘贴序列或 FASTA、按需 Add entity ③ 填接收邮箱 → continue。结果邮件送达。
只有 TorchFold
在线服务只提供结构预测。TorchScore 与 TorchCraft 没有在线入口，要用必须本地部署。
❌ 不能用的：本地部署（三条硬阻断）
| 阻断项 | 证据 | 结论 |
|---|---|---|
| CUDA 专属依赖 | requirements.txt 含 18 个 nvidia-*-cu12 包（cublas / cudnn / nvcc / nvrtc / nccl 等）＋ jax-cuda12-pjrt＋jax-cuda12-plugin＋triton==3.4.0。需 nvcc 编译 CUDA 内核。 |
★ 苹果平台无 CUDA，装不上 |
| 数据库体量 | fetch_databases.sh 从 alphafold-databases/v3.0 下载 PDB 全量 mmCIF＋BFD＋UniRef90＋MGnify＋UniProt＋RNA 库等成套序列数据库。 |
★ 本机仅剩 102 GB，装不下 |
| 内存与散热 | 16 GB 统一内存需与系统、IDE、浏览器共享；机型为 MacBook Air，无主动散热，长时推理必然降频。 | ★ 不适合长时推理 |
TorchX-npu 分支也救不了。两个官方分支分别是 NVIDIA GPU（CUDA）与昇腾 NPU（CANN），没有 CPU / Apple MPS 分支。所以在 Mac 上"装来试试"这条路，连起点都不存在。
✅ 能做的：在 Mac 上完成准备工作
通读代码与论文
474 个文件的仓库 + 两篇论文 + 项目页图表，都可以在本机读完并做技术评估。
申请权重与参数
HuggingFace 权重（gated，人工审核）与 DeepMind 官方 AF3 参数申请，都是网页操作，Mac 完全胜任。
整理自有序列数据
把宝锐要验证的抗体序列整理成 FASTA，直接喂给在线服务。这是本机最有价值的一步。
结论：这台 Mac 的角色定位
这台 Mac 不是运行 TorchX 的机器，而是使用 TorchX 的终端。真正跑模型的算力有两种来源：官方在线服务（零成本，仅 TorchFold）或租用云 GPU（可跑全模块，按小时计费）。本地部署不属于这台机器。
8我没查到、需要你补的
以下信息我拿不到，但会直接改变结论强度 —— 如实列出，不做推测
⚠ 待核实清单（3 项）
- 宝锐现有的算力状况 —— 有没有 GPU 服务器、什么规格。这决定 B 档路径的增量投入。
- 宝锐「抗体研发」平台的具体方向 —— 是做诊断用配对抗体，还是也涉及其他方向。方向不同，TorchFold 的用处差别很大。
- 是否有生物信息 / AI 相关岗位或人才储备 —— 没有人的话，工具再好也落不了地。