# Anthropic 让 Claude 动手优化了 36 个生物分子软件包，最快提速 4.1 倍

> 原标题：AI 参与科研的稳妥姿势：让 Claude 去优化科学软件本身

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-09-24T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/58838
- 原文：https://yage.ai/share/ai-biomolecular-optimization-20260924.html

## 摘要

Anthropic 的两位研究员带着 Claude，在不到四周内重构了 30 多个开源生物分子模型的代码。他们没让 AI 去替科学家做判断，而是让它干最实在的活：写了一套叫 FlashPairformer 的 GPU 内核，把蛋白质结构预测里最吃资源的三角几何运算合并成高吞吐的流式操作，再给每个模型加上缓存和 CUDA 图重放，清理掉 Python 的...

## 推荐理由

Anthropic 研究员用 Claude 在不到四周内重构了 30 多个生物分子模型的代码，交付了 FlashPairformer 内核和一系列可复现的优化。技术细节具体，代码开源，结果可衡量，不是公关稿。扣分点：这是 yage.ai 的报道，不是一手论文，但信息量足够支撑判断。

## 锐评

这条新闻最值得看的是分工思路：AI 没去猜蛋白质怎么折叠，而是去修科学家跑折叠预测用的软件。两位不懂 GPU 内核的研究员，靠 Claude 在四周内重构了 36 个软件包，写了一套叫 FlashPairformer 的定制内核，把最吃资源的三角几何运算合并成流式操作。在 H100 上跟人工调优过的基线比，输出完全一致的 exact 模式平均提速 1.6 倍，允许微小误差的 fast 模式平均 4.1 倍，省显存的 big 模式 3.4 倍。精度没系统性滑坡，DockQ 合格率稳定在 54-55%。

但提速有代价：exact 和 fast 模式显存占用最高能到原来的 3 倍。更关键的是，代码优化不解决模型本身的知识边界。big 模式能跑完 10,761 个生物 token 的超大复合体且 TM 分数高达 0.92-0.997，但面对 3 万到 7 万残基的病毒衣壳，输出全塌成小球，TM 分数跌到 0.08-0.14。报告归因于模型训练时只见过 768 token 的片段，不是优化的锅，但没跑未优化模型的同尺寸对照，这个结论还停在合理推断上。

蛋白设计那边，单卡跑 24 小时的中位 ipSAE 从之前多智能体战役的 0.749 提到 0.785，算力省了约 100 倍。不过所有设计都没做过湿实验验证，数字好看但离实际能用还差一步。代码开源了但团队声明不做后续维护，想拿来用的人得自己扛。