BioProfile 生命科学高性能计算论坛圆满举行

2026 年 6 月 6–7 日 · 成都

主办：北京大学生物信息中心 · 中国智能计算产业联盟

一、论坛背景

2026 年 6 月 6 日，由北京大学生物信息中心与中国智能计算产业联盟共同主办的 BioProfile 生命科学高性能计算论坛在成都顺利召开。论坛汇聚高校、科研机构及产业界专家，围绕生命科学高性能计算的评测体系、超智融合、存储测评及国产算力等议题展开深度交流。

■ 开幕致辞

赵屹 · 中国科学院计算技术研究所

报告：《开幕致辞》

概述了论坛背景与议程，指出论坛聚焦生命科学领域高性能计算的综合能力评估，旨在突破传统基准测试局限，构建专属评测体系。核心议题包括 BioProfile 评测框架深度解读、海量实测数据发布、集群优化全链条方案及交叉对话；首日涵盖产业应用主题演讲，次日闭门讨论评测体系演进、超算与智算融合及高质量数据集社区共建。

二、专场一：生命科学高性能计算

本专场围绕评测体系建设、超智融合解决方案、存储测评及超算中心实践等展开深入报告。

■ 2.1 BioProfile 框架及其未来思考

孔雷 · 北京大学

报告：《BioProfile 框架及其未来思考》

直面生命科学数据爆炸式增长与传统跑分工具失效的矛盾，介绍了秒级采集资源特征的评测方法，发现多数程序硬件利用率仅 20%-30%；揭示优化底层计算库可性能翻倍、优化并行策略可提升效率 4-5 倍、IO 带宽是主要瓶颈等关键结论；自研从耗时与能耗双维度打分的评测体系，并规划落地全业务流程评测与仿真工具研发。

■ 2.2 原生超智融合解决方案

樊春 · 北京大学计算中心

报告：《原生超智融合解决方案》

针对传统超算与智算生态割裂的痛点，介绍了自研统一调度系统——兼容 SLURM/LSF 并原生支持 K8S，打通算力、存储、任务三层资源。该方案入选工信部 2024 典型应用案例（教育领域第一），已落地全国 23 省市近 90 家算力中心；现场还展示了 Cloud 算力平台、低延迟远程桌面、大模型调度系统（支撑北大医学大模型 MedSick）及跨域算力网络等创新应用。

■ 2.3 面向场景的存储测评社区建设

张武生 · 清华大学 / CCF 信息存储专委会

报告：《面向场景的存储测评社区建设》

聚焦存储设备标称性能与实际表现的落差，介绍了 CCF 存储测评的非商业化、开源免费、面向真实业务场景的差异化定位；展示了由高校联合研发的三大标准化测试场景（AI 场景、HPC 场景、互联网场景）。测评手册与工具全部开源免费，宣布 7 月 10 日将在 CCF 总部举办存储测试专题技术交流会。

■ 2.4 从集群到超智融合服务

李南 · 西湖大学

报告：《从集群到超智融合服务》

西湖大学高性能计算中心经过多年逐步建设，具备了对超算和智算需求的服务能力。计算能力结合云原生平台，为本校的科研提供了更为广阔的服务选项。通过基准测试指导不同的计算设备的精准分配、针对重点应用的软硬协同优化、以及对人工智能训练的高效支持。校内自建的词元服务平台为科研用户使用智能体提供的保障，并获得用户热烈响应。超智融合的算力服务平台对学校科研提供积极支撑，累计支持 CNS 顶刊文章 32 篇。

三、专场二：产业界应用

本专场汇聚国内头部算力企业，围绕国产 GPU/DCU 在生命科学领域的应用实践进行深度分享。

■ 3.1 海光信息：软硬协同自主算力体系

杨超 · 海光信息技术股份有限公司

报告：《软硬协同自主算力体系助力生命科学智能计算》

介绍了基于海光 DCU 构建的三层 AI 引擎，兼容 CUDA/ROCm 生态。实测生信软件性能优化提升 20%-30%，AlphaFold3 性能达 A100 的 60%-100%，医学影像 CV 处理性能达英伟达同类 7 倍；分享了在生物医药研发、中科院高能所粒子物理大模型、中国海洋大学海浪预测 AI 模型等产学研落地案例。

■ 3.2 浪潮北京：AI 助力科研范式变革

杜怀亮 · 浪潮北京

报告：《AI 助力科研范式变革及应用创新》

聚焦算力成本攀升与供应链紧张的行业挑战。目前科研算力及算力服务价格飞涨，浪潮开发了 EPAI 能体开发平台，目前全国已经部署超千套，面对目前越来越复杂的国际形势，浪潮坚持开放策略并适配超过 20 款国产芯片；并成功将超节点应用到生物计算的场景中，多模多芯将会成为未来科学家面临的主要计算场景，浪潮将会提供完整的解决方案。

■ 3.3 新华三：AI 赋能教育科研

汪卫国 · 新华三

报告：《AI 赋能教育科研创新发展探索与实践》

结合教育强国、十五五规划、"人工智能+教育"行动计划等政策导向，解读新华三"算力 X 联接"战略及服务教育科研行业的"一体两翼"策略。打造全场景、全流程、全要素的解决方案：一方面，以 124N 架构，服务智慧校园及 AI 应用场景建设；另一方面，依托产学研、产教融合模式，构建 AI4S 智能基础设施体系。助力教育数智化、科研交叉化以及科研创投与人才培养。

■ 3.4 擎云智存：并行存储技术探索

顾海琦 · 擎云智存

报告：《适配以生命科学多场景为代表的并行存储技术探索》

聚焦生命科学领域诸如基因组测序、单细胞多组学、蛋白质结构预测与分子动力学、生命科学 AI 推理等场景讨论并行存储技术。梳理剖析传统存储在大文件吞吐、海量小文件管理、训练稳定性、高并发 IO 等方面的痛点。擎云智存依托多年生命科学领域并行存储运维的经验，结合分段条带、全局数据管理与智能分层、GDS 直通、KV Cache offload 等技术，针对性推出场景化解决方案，同时具备极致性能、极致可靠、云原生、多租户、智能运维等能力，可适配异构算力生态，助力破解生命科学数据存储与算力协同难题。

■ 3.5 天数智芯：通用 GPU 在生命科学的研究

颜瑞 · 天数智芯

报告：《天数智芯在生命科学领域的研究工作》

介绍了公司通用 GPU 产品路线图（天枢、天玄、天机、天权），2026 年发布的天枢架构支持 FP64 至 FP4 全精度，执行效率超 NVIDIA H 系列；自研软件栈提供与 CUDA API 一致的编程接口，QKV BF16 FA 算子性能比 A800 高约 10%；构建 MDLab（分子动力学）与 PreChain Lab（蛋白质智能）两大集成开发环境。

■ 3.6 摩尔线程：MUSA 科学计算技术

邢建超 · 摩尔线程

报告：《摩尔线程 MUSA 科学计算技术》

摩尔线程全功能 GPU，具备完善且强大的不同数据精度算力，良好的生态兼容性。在大模型训推的性能及精度均有良好表现，同时在分子动力学，分子对接，蛋白质预测，医疗影像，冷冻电镜等生命科学领域也有丰富的落地场景，完美满足 AI4S 领域的 GPU 国产化需求。

四、专场三：生物医药研究前沿进展

■ 4.0 下午开场致辞

张云泉 · 中国科学院计算技术研究所

报告：《下午开场致辞》

指出本场论坛是首次搭建超算技术创新、生物算法落地与医药转化的对接平台。高性能计算已成为生命科学研究的核心底层算力支撑，当前中国在创新药研发、疫情攻关、AI 算力融合等方面已形成国际亮点，本次论坛旨在打通"算力—算法—医药"闭环，加速国产原研药与精准医疗技术落地。

■ 4.1 三维基因组学与肿瘤精准医学

原佳沛 · 北京协和医学院

报告：《基于三维基因组学的肿瘤风险位点功能解析及其精准医学应用》

聚焦前列腺癌等高遗传率实体瘤（遗传率 57%），发现近 93% 的致病位点调控远端基因，仅 7% 作用于邻近基因；基于此方法的靶基因临床验证率接近 70%，显著高于传统邻近基因法的不足 30%。提出通过叠加表观组信号突破 GWAS 分辨率局限，并构建 Cox 模型证实生殖系突变与体细胞突变联合预测价值。

■ 4.2 RNA 动态调控与疾病关联精准解析

杨扬 · 天津医科大学

报告：《数智驱动的 RNA 动态调控与疾病关联精准解析》

聚焦 RNA 的内含子多聚腺苷酸化（IPA），开发了名为 InPACT 的算法，可直接从常规 RNA-seq 数据重构 IPA 事件，准确率优于现有工具。研究发现 IPA 可引入新序列产生 gain-of-function 效应，具备成为肿瘤新抗原的潜力，为设计通用型肿瘤疫苗提供新路径。

■ 4.3 中医药多组学与 AI 数智化创新研究

吴杨 · 中国科学院计算技术研究所

报告：《基于多组学与人工智能技术的中医药数智化创新研究》

构建中医症状与西医症状映射体系，建立"成分-基因-疾病-症状"异构知识网络；创建 HERB 数据库，整合 2 万余套中药处理前后组学数据；搭建一站式网络药理学平台 Point，基于网络拓扑的 RW 方法泛化能力优于深度学习模型，成果发表于 Science Bulletin，引用超 700 次。

■ 4.4 脑脊液 cfDNA 甲基化的脑肿瘤分型

刘广建 · 北京脑科学与类脑研究所

报告：《基于脑脊液 cfDNA 甲基化的脑肿瘤分型方法建立及初步应用》

采用新型甲基化技术对脑脊液 cfDNA 进行全基因组甲基化测序，初步建立脑母细胞瘤四分类模型，在肿瘤含量 210% 的样本中分型准确率达 100%，整体准确率 89%。在复发监测案例中成功检出持续存在的肿瘤信号并正确分型，具备早期预警潜力。

■ 4.5 Dr.AI 数据科学家平台发布

卜德超 · 中国科学院计算技术研究所

报告：《Dr.AI 数据科学家：海量生物医学数据自主科学分析》

介绍 Dr.AI 科学家平台（https://drai.cn），支持"读文献—提假设—算数据"的科研闭环，能够自主调用工具、流程规划和自学习进化，在 327 道题的生物信息任务集上整体成功率高达 77%，显著优于通用大模型，论文在 Nature Biomedical Engineering 发表。

■ 4.6 专病高质量数据集建设与 AI 应用

王俊人 · 四川大学华西医院

报告：《专病高质量数据集建设与 AI 应用探索》

围绕乳腺疾病构建"一体两翼六应用"高质量数据体系，覆盖筛查、诊断、手术、放疗到全程管理六大场景。数据集包含文本、影像、视频三模态，预训练 TOKEN 数超 420 亿，汇聚华西医院及四家外院数据，国产化率 >85%。自主研发轻量化医学图像分割网络（参数量 <10 万），开发多模态证据压缩归因模型。

■ 4.7 新生抗原疫苗与肝癌免疫治疗

陈冬波 · 北京大学人民医院

报告：《新生抗原疫苗：新兴的肝癌免疫治疗策略》

针对晚期肝癌患者，新生抗原联合 PD-1 抗体治疗可将客观缓解率提升至 30.6%（约为 PD-1 单药两倍），其中位总生存期亦优于 PD-1 单药的既往结果。研究建立了涵盖 39 种高频汉族 HLA 型的质粒库，用于新生抗原的体外筛选与验证。同时，研究提出从恶性积液（如腹水、胸水）中获取肿瘤新生抗原谱，该途径相比外周血具有更高的新生抗原载量，这将为无法手术的晚期患者提供了一种可行的个体化免疫治疗新方案。

五、第二天闭门讨论：凝聚共识，共建 BioProfile 评测生态

6 月 7 日，论坛进入第二天闭门讨论环节，由中国智能计算产业联盟安静主持。与会专家围绕生命科学计算与高性能计算的融合痛点展开深入研讨，核心目标是构建一套可复用、可推广的生命科学 HPC 生态解决方案。

当前三大核心挑战

1. 存储压力巨大：单个样本测序数据可达数十 GB，集群可用容量常处于高位且 IO 卡顿频发
2. 资源调度不合理：用户盲目申请资源导致实际利用率不足 30%
3. 软件生态复杂碎片化：大量生物信息计算软件缺乏统一规范，对算力资源的需求特点各不相同，而且也存在大量适配国产算力平台的需求

与会专家一致认为，当前生命科学领域的高性能计算面临"懂计算的不懂生物，懂生物的不懂计算"的复合型人才短缺问题，直接导致了资源滥用、任务阻塞和效率低下的普遍现象。

■ BioProfile 项目价值

BioProfile 项目在三端的核心价值

1. 计算平台建设方：指导新集群的规划和建设，发现既有集群的性能瓶颈并指导升级方向
2. 厂商：提供客观数据支撑软、硬件研发和性能优化
3. 计算生物学家：指导最佳实践流程，提高计算效率，降低计算成本

多位专家指出，BioProfile 不仅是一个评测工具，更是一个打通产业上下游的桥梁。通过标准化的数据集与评测流程，可以有效缩短新集群的调优周期，帮助厂商快速定位硬件与软件的适配问题。

■ 关键决策与共识

🎯 会议关键决策

1. 加强计算生物学家、平台建设方和厂商的学术交流与互动，共同促进产学研发展。
2. 持续推动评测体系的优化与完善，提升行业共识与应用生态建设。
3. 探索多方协作机制，为未来更广泛的标准制定与影响力拓展奠定基础。

特别值得注意的是，与会专家多次强调，应尽快推动"智能体+评测体系"的落地。通过构建基于历史运行日志的智能调度系统，自动预测资源需求、设置限额，有望将当前不足 30% 的资源利用率提升至 60% 以上。

■ 各方协同建议

• 高校：建立"复合型"人才培训机制，组织交叉课程并主动反馈典型问题
• 超算中心：引入智能调度系统，基于历史日志预测资源需求并设置自动限额
• 企业：加强软硬协同优化，参与社区共建开放评测数据
• 联盟：统筹资源、搭建定期交流平台

此外，多位企业代表（海光、摩尔线程、擎云智存等）表示，愿意开放自身算力与存储资源，支持 BioProfile 评测社区的建设。曙光等平台方也提出，可以基于 BioProfile 形成面向不同规模应用场景的配置建议白皮书，直接服务于高校与医院的采购与建设。

六、结语

本次闭门讨论标志着生命科学 HPC 评测生态从"单点探索"迈向"多方共建"。BioProfile 项目有望成为连接用户、平台与厂商的纽带，推动形成从技术评测到人才培养、从采购标准到智能调度的完整生态闭环。与会专家一致认为，只有通过持续的跨界协作与标准引领，才能真正破解生命科学计算的"最后一公里"难题。

— 完 —

北京大学生物信息中心 / 中国智能计算产业联盟