本文针对约14亿参数的ESM3科学模型，在鲲鹏920专业版上开展矩阵内核、算子融合、数据布局与多NUMA调度协同优化。在FP32、批量2、序列长度512条件下，单NUMA完整生成耗时由15.228秒降至5.549秒，加速2.74倍；八NUMA持续队列吞吐达1335.09个序列位置/秒，为单卡GPU批量8测试记录的2.25倍。通过从真实计算路径出发的系统级优化，显著提升国产算力在蛋白质序列生成等科研