我们为什么放弃了全栈 Python，转而用 Rust 重构了整个筛选 Pipeline

张开发
• 2026/4/16 8:34:31 • 15 分钟阅读

最新文章

推荐文章

相关文章

分享文章

我们为什么放弃了全栈 Python，转而用 Rust 重构了整个筛选 Pipeline
在跨国药企（MNC）的真实环境里，AI 最大的瓶颈从来不是模型参数量，而是工业级的工程链路。很多团队搞 AI 研发的常态是：花 6 个月精调一个 SOTA 模型；花 2 天封装成 API；最后花 6 个月去解释为什么线上跑得比实验室慢 10 倍。在真实药物筛选（Virtual Screening）场景下，算力永远是稀缺资源。今天我想聊聊，我们为什么放弃了全栈 Python，转而用Rust重构了整个筛选 Pipeline。一、 药企 AI 的残酷真相：Amdahl’s Law很多人以为筛选慢是因为 GPU 算力不够。但如果你去 Profile 一下线上流程，你会发现一个令算法工程师崩溃的现实：在一个典型的分流筛选任务中：SMILES 分子解析：40% 时间（CPU 密集型）特征工程（Fingerprint/Descriptor）：20% 时间（CPU 密集型）模型推理（Inference）：25% 时间（GPU 密集型）IO/入库/结果排序：15% 时间根据Amdahl’s Law（阿姆达尔定律）：即使你把 GPU 推理速度优化到极致（耗时降为 0），整体速度也只快了 1.3 倍。剩下的 75% 时间，你的昂贵 GPU 全在等数据。Python 的痛点在这里被无限放大：GIL

更多文章