10 月 8 日，西雅图。华盛顿大学医学院蛋白质设计研究所（IPD）宣布，收到 Jen-Hsun and Lori Huang Foundation 的一笔实物捐赠：近 700 万 GPU 小时的 AI 算力，通过云计算公司 CoreWeave 的 NVIDIA GPU 集群直接到账。捐赠方正是 NVIDIA CEO 黄仁勋与妻子 Lori 的家族基金会。
按 CoreWeave 官网 H100 按需价 6.16 美元/GPU·小时估算，这笔算力的市价约合 4,312 万美元。但 IPD 的账户里不会多出一分钱现金，到账的是 GPU 时间本身。
IPD 用 Huang Foundation 支持的新模型设计的大型对称蛋白（图源：UW Medicine / Benedicte Rossi）
官方给出的预期很直接：这批算力将把算法学习和评估的时间从数月压缩到数天。但这份新闻稿的野心不止于速度——IPD 主任、2024 年诺贝尔化学奖得主 David Baker 说，算力将用于训练"定义物质如何相互作用"的模型，方向覆盖精准癌症治疗、持久疫苗、目前无法治疗的疾病，以及降解塑料和长效有害化学品的全新酶。
700 万 GPU 小时是什么概念
先做一个除法：7,000,000 除以一年的 8,760 小时约等于 799，相当于 800 张 GPU 满负荷跑一整年。GeekWire 的报道印证了这种直觉：这笔配额预计支撑 IPD 一整年，而 IPD 从今年 6 月起就已经接入了 CoreWeave 的 GPU。
700 万 GPU 小时的三种换算：800 张 GPU 满载一年、市价约 4,312 万美元、训练评估从数月到数天（图源：BioTender 自制）
但就在半年前，这家全球顶尖的蛋白质设计研究所还付不起商业云。IPD 一直靠自有计算集群运转，机器能用，容量却有限。
周二下午五点的算力配给会
算力稀缺塑造了这个实验室的工作方式。每周二下午 5 点，IPD 的科学家们开会决定下周测试什么，每个决策都要先掂量集群还剩多少余量。
更隐蔽的代价藏在实验设计里。算力不够时，研究人员只能把多个架构改动混在一起一次测，无法逐个变量做消融实验，得到的结果天然带着杂质。
David Baker 手持蛋白质设计模型（图源：Wikimedia Commons）
Baker 对 GeekWire 说，接入新算力之后，"我们在方法开发上的进展速度，超过了我职业生涯的任何时期，完全不可思议"。他知道 Google DeepMind 的算力比 IPD 多得多，但承认自己过去并未完全理解那意味着什么。
算力充裕本身会催生更多想法——因为你知道自己能验证它们。Baker 说，这创造了"一种极其肥沃的创造环境"。这也是开源蛋白质设计阵营第一次拿到与产业巨头同量级的算力入场券。
一张 1.083 亿美元的算力支票
黄仁勋的算力慈善早有脉络。2022 年，夫妇二人向母校俄勒冈州立大学捐赠 5,000 万美元，冠名建设一座 2 亿美元的协同创新综合体，里面装着一台 NVIDIA 超级计算机。
黄仁勋 2026 年 4 月在斯坦福大学（图源：Wikimedia Commons）
今年 5 月，路透社拿到的一份备案文件显示：Huang Foundation 正在向 CoreWeave 购买算力并捐给高校和非营利机构，累计估值已达 1.083 亿美元。但慈善与商业的边界离得并不远：NVIDIA 今年 1 月刚向 CoreWeave 投资 20 亿美元，是其第二大股东；文件还提到，NVIDIA 计划为部分受赠方提供免费的工程服务。
NVIDIA H100 GPU，CoreWeave 集群的主力算力单元（图源：Wikimedia Commons / 极客湾）
IPD 拿到的正是这套组合拳。今年 6 月，IPD 官网披露了与 NVIDIA 的工程合作：用 cuEquivariance 加速网络核心的几何计算，用 TensorRT 优化推理，把 RF3 对一个 256 残基蛋白质的端到端预测时间从 5.8 秒压到 2.5 秒。
NVIDIA 的 cuEquivariance 与 TensorRT 把 RF3 预测 256 残基蛋白的时间从 5.8 秒压缩到 2.5 秒（图源：IPD 官网）
黄仁勋的捐赠逻辑因此清晰起来：用 GPU 小时代替现金，把开源蛋白质设计的基础设施押在 Baker 手里。
从 Rosetta 到 RF3
Baker 的实验室配得上这张支票。2003 年，Baker 团队用 Rosetta 软件设计出 Top7，第一个自然界不存在的全新蛋白质结构。此后二十年，IPD 的工具链几乎定义了这个领域：RoseTTAFold 做结构预测，ProteinMPNN 设计序列，RFdiffusion 用扩散模型从头生成蛋白质。
从 Rosetta 到 RF3：IPD 的开源蛋白质设计模型谱系（图源：BioTender 自制）
这些工具全部开源。2024 年，Baker 因计算蛋白质设计获得诺贝尔化学奖。仅最近一年，IPD 就在 Nature、Science、Nature Methods、JACS 上各发了一篇新作——从靶向 GPCR 的迷你蛋白，到用 RFdiffusion2 给酶活性位点搭原子级脚手架。
Baker 在 2024 年诺贝尔化学奖演讲中（图源：Wikimedia Commons）
不过，论文高产并没有缓解算力饥渴。扩散模型的每一次架构迭代都要在数千万个分子结构上重训，这正是 700 万 GPU 小时要填的坑。
IPD 研究人员设计的大型对称蛋白组装体（图源：IPD / Benedicte Rossi）
700 万 GPU 小时的附加条款：全部开源
黄仁勋在声明里给出了自己的判断："未来最重要的药物，多数将来自自然界从未存在过的蛋白质。" 路径是在数千万个分子结构上训练 AI，从虚拟实验中学习，找到自然界错过的蛋白质设计。
捐赠的附加条款随之明确：由此产生的模型、数据和工具将全部向全球科学家开放，研究成果以开放获取形式发表。首批 AI 模型预计 2026 年底开始发布，一直持续到 2027 年初。
IPD 设计的 GBP511 沙贝冠状病毒疫苗抗原示意（图源：UW Medicine / IPD）
但新闻稿里有一句容易被忽略的限定：发布的前提是"研究进展和实验验证"。算力能把训练从数月压到数天，却加速不了湿实验台上验证一个蛋白质是否真正起效的周期。
一年之后，700 万 GPU 小时会用完。IPD 周二下午五点的会还会照开，只是议题变了：下一个算力金主在哪里，以及这批开源模型里，能不能长出下一个 RFdiffusion。
