大湾区三剑客之芯培森样本：材料计算领域的专用算力与三元闭环

　　9月10日,广东芯培森技术有限公司旗下材料计算服务品牌芯培森·SwiftMater正式发布。一家企业的产品发布,往往也是观察其所在领域的一个窗口。在AI4S(AI for Science)这条路径上,粤港澳大湾区近年来聚集起一批企业,晶泰科技、态创生物与芯培森,是其中较常被放在一起讨论的三家。

　　近日,记者围绕这三家企业的产业化路径进行了走访了解。三家公司分别从AI制药、合成生物与材料计算切入,落点不同,指向的方向却相近——让计算在研发中承担更多原本由时间与实验承担的工作。

　　三条路径,各走各的桥

　　晶泰科技是AI for制药方向的代表。据公开信息,这家公司由三位物理学家于2015年创立。其业务以AI驱动的药物与材料研发为主,近年重点投入「AI+机器人」的自动化实验方向,团队分布在深圳、上海、北京及波士顿、利物浦等城市。

　　态创生物成立于2021年,总部位于广州,走的是合成生物路线。据公开信息,其以Tidetron Altra平台型菌株库与元件库为核心,通过生物合成方式提供日化、食品饮料等领域的原料,2023年建立TIDETRON COMDEL® AI模型并对外公开。

　　芯培森则聚焦AI(人工智能)赋能材料研发领域。这家公司成立于2024年,围绕原子级科学计算展开布局,产品线覆盖专用算力芯片、加速卡、服务器与算力集群,并同步提供云计算、垂类模型开发、计算方案设计等服务。如果说晶泰科技做的是让AI找到新药分子,态创生物做的是让微生物产出目标物质,那么芯培森做的,是让算力把材料从原子层面「算」出来。

　　三条路径的共同点在于,它们都在尝试把研发中依靠经验与反复试验的部分,尽可能交给计算完成。在这其中,专用算力是绕不开也是尤其值得关注的一个点。

　　为什么材料计算尤其需要专用算力

　　制药方向的数据积累相对充分,小分子化合物的数据库已经具备规模,难点更多集中在实验通量与模型精度上。合成生物方向的关键,在于对生物体系的定量描述——细胞代谢路径的复杂性,决定了建模的难度。

　　材料方向则更靠底层。材料计算处理的是一组组原子之间的相互作用:一个体系可能包含数十万乃至上百万个原子,每个时间步都要计算原子间的相互作用力,迭代步数多、数据吞吐密集。这种计算负载有两个特征:数据吞吐密集,且对精度高度敏感。通用CPU/GPU是为通用计算场景设计的,遇到这类专用负载,数据在「存」与「算」之间来回搬运的开销被迅速放大——数据搬运速度跟不上计算需求,形成存储墙;搬运能耗随体系规模攀升,形成功耗墙。原子级材料计算因此面临速度慢、能耗高、大体系模拟难以落地的困境。

　　这也是芯培森选择从底层算力单元切入的原因。它不是在通用算力上做软件优化,而是从架构层面重新设计面向原子模拟的专用算力单元。

　　芯培森样本:从算力单元到三元闭环

　　芯培森的解法,是从架构层面重新设计算力。其自研的APU(Atomistic Processing Unit,原子级物质计算专用算力单元)采用独创性「非冯·诺依曼」专用芯片架构,让数据紧靠存储位置参与运算,在存储墙、功耗墙这两个环节上作出针对性设计。

　　以APU为核心的赫曦服务器采用超异构计算架构(CPU+GPU+APU协同),按计算任务灵活调度算力资源,AI模型训练、AI模型推理、DFT计算与分子动力学MD计算均可承载。据悉,芯培森合资建设的赫曦原子智算中心,目前已完成100台赫曦服务器部署,后续将正式投入运营使用。

　　硬件之外,芯培森还布局了两个方向:一是智能体(芯培森·MaterPlato),承担自动建模、智能参数寻优、报错预判、辅助后处理等环节,降低科研人员的使用门槛;二是计算服务(芯培森·SwiftMater),由全职在岗的硕博技术团队直接对接新材料研发机构、高校课题组和企业研发团队。

　　三者共同构成芯培森的「三元闭环」——超级终端(芯培森·MaterHaven)、智能体(芯培森·MaterPlato)与计算服务(芯培森·SwiftMater)。9月10日发布的芯培森·SwiftMater,是这一闭环中面向用户的一端。至此,从底层算力到终端服务,芯培森的生态结构初步成形。

　　大湾区的AI4S版图

　　把视野放大来看,三家企业的聚集并非偶然。粤港澳大湾区近年来在AI4S方向的政策支持力度持续加大,从算力基础设施建设到产学研合作机制,都在为这一领域的产业化提供条件。晶泰科技的港交所上市,验证了AI4S企业的资本市场路径;态创生物的合成生物产能落地,展示了从实验室到工厂的转化能力;芯培森的专用算力单元与算力中心,则为材料计算方向提供了一类新的算力基础设施选项。

　　把三家企业的下一步并排来看,各自的进度并不相同。晶泰科技在药物与材料方向的研发管线推进情况,将在后续的定期披露中逐步清晰;态创生物的合成生物产能,需要经历从建成到达产的爬坡;芯培森这边,则是新一代专用芯片的投产与赫曦原子智算中心的正式投运。三条路径,三种进度。芯培森所在的这一条,下一步要回答的是:专用算力如何被更多研发团队稳定地用起来。