AutoDock-GPU 实战测评：CUDA 编译、四体系基准与版本沿革

本文收录于专栏 gnina系列 ------ 专栏系统覆盖分子对接引擎选型、GPU 加速虚拟筛选与打分函数评估，点击订阅可跟踪后续更新。

你要把 AutoDock 系的虚拟筛选搬上 GPU，第一个撞上的问题往往不是算法，而是编译：官方 README 一句 make DEVICE=CUDA，实测会直接报 cuda.h: No such file or directory；仓库自带的五个测试体系里还有两个跑不起来。

这篇用一台消费级 GPU（12 GB 显存、sm_86）机器从零走完 AutoDock-GPU v1.6 的编译、修坑与测评：给出四体系基准（nrun=200 时 1.3--26 秒，盒子大小主导耗时）、NUMWI=64 对 128 的调优实测（小体系快约两成）、v1.4 到 v1.6 的版本沿革，以及与 Uni-Dock、Vina-CUDA、Vina CPU 单核的同机横向对照。读完你能直接抄走编译命令，也知道哪些坑该修、哪些体系该剔除。

文章同时交代了软链修复格点图命名冲突的具体命令、GPL-2.0 许可对闭源集成的约束，以及它"加速的是 AutoDock 4 自己"这一与 Vina 系不可直接比分的边界。

关键字：AutoDock-GPU、分子对接、GPU加速、CUDA编译、虚拟筛选、NUMWI、格点对接、LGA算法
#mermaid-svg-Jh5Tw0yQsZ3PW0HI{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .error-icon{fill:#552222;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .marker{fill:#333333;stroke:#333333;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .marker.cross{stroke:#333333;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI p{margin:0;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge{stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 path{fill:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 text{fill:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon--1{font-size:40px;color:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge--1{stroke:hsl(240, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth--1{stroke-width:17;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section--1 line{stroke:hsl(60, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 path{fill:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-0{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-0{stroke:hsl(60, 100%, 73.5294117647%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-0{stroke-width:14;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-0 line{stroke:hsl(240, 100%, 83.5294117647%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 path{fill:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-1{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-1{stroke:hsl(80, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-1{stroke-width:11;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-1 line{stroke:hsl(260, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 path{fill:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 text{fill:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-2{font-size:40px;color:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-2{stroke:hsl(270, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-2{stroke-width:8;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 line{stroke:hsl(90, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 path{fill:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-3{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-3{stroke:hsl(300, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-3{stroke-width:5;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-3 line{stroke:hsl(120, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 path{fill:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-4{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-4{stroke:hsl(330, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-4{stroke-width:2;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-4 line{stroke:hsl(150, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 path{fill:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-5{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-5{stroke:hsl(0, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-5{stroke-width:-1;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-5 line{stroke:hsl(180, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 path{fill:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-6{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-6{stroke:hsl(30, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-6{stroke-width:-4;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-6 line{stroke:hsl(210, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 path{fill:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-7{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-7{stroke:hsl(90, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-7{stroke-width:-7;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-7 line{stroke:hsl(270, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 path{fill:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-8{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-8{stroke:hsl(150, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-8{stroke-width:-10;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-8 line{stroke:hsl(330, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 path{fill:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-9{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-9{stroke:hsl(180, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-9{stroke-width:-13;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-9 line{stroke:hsl(0, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 polygon,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 path{fill:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 text{fill:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .node-icon-10{font-size:40px;color:black;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-edge-10{stroke:hsl(210, 100%, 76.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge-depth-10{stroke-width:-16;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-10 line{stroke:hsl(30, 100%, 86.2745098039%);stroke-width:3;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:lightgray;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .disabled text{fill:#efefef;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root rect,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root path,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root circle,#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root polygon{fill:hsl(240, 100%, 46.2745098039%);}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root text{fill:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-root span{color:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .section-2 span{color:#ffffff;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .icon-container{height:100%;display:flex;justify-content:center;align-items:center;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .edge{fill:none;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI .mindmap-node-label{dy:1em;alignment-baseline:middle;text-anchor:middle;dominant-baseline:middle;text-align:center;}#mermaid-svg-Jh5Tw0yQsZ3PW0HI :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} AutoDock-GPU 实战
它是什么
AutoDock 4 的 GPU 版
OpenCL 与 CUDA 双路径
怎么编
cuda.h 报错根因
TARGETS 与 NUMWI
跑得如何
四体系实测
大盒子主导耗时
坑在哪
rec 星号 map 命名
1ac8 损坏配体

目录：[§0. 相关教程与核心文献](#§0. 相关教程与核心文献) ｜ [§1. 软件介绍与版本沿革](#§1. 软件介绍与版本沿革) ｜ [§2. 原理：三级并行与格点插值](#§2. 原理：三级并行与格点插值) ｜ [§3. 特点与边界](#§3. 特点与边界) ｜ [§4. 文献测评口径](#§4. 文献测评口径) ｜ [§5. 本地安装实测](#§5. 本地安装实测) ｜ [§6. 四体系基准与调优](#§6. 四体系基准与调优) ｜ [§7. 结论与选型建议](#§7. 结论与选型建议)

§0. 相关教程与核心文献

资源	链接	与本文关系
AutoDock-GPU 官方仓库	---	编译入口与测试体系来源
Santos-Martins 等, JCTC 2021, 10.1021/acs.jctc.0c01006	---	方法论文（17 卷 1060--1073 页）
AutoDock-GPU v1.6 Release	---	版本线与更新日志
Tang 等, Molecules 2022, 10.3390/molecules27093041	---	350× 口径的转引出处

§1. 软件介绍与版本沿革

AutoDock-GPU 是 Scripps 研究所 ccSb 团队对经典 AutoDock 4.2.6 的 GPU 移植：打分函数、力场参数与 PDBQT 输入格式全部继承 AutoDock 4，只把计算内核搬上加速器。它同时维护 OpenCL 与 CUDA 两条实现路径，前者可跑 NVIDIA、AMD、Intel 乃至国产 DCU 与多核 CPU，后者专门深挖 N 卡；同一份代码编译期用 DEVICE= 切换。

版本沿革（GitHub Release 时间线）：v1.4（2021-05，加入柔性残基 flexres）→ v1.5（2021-08，大版本）→ v1.5.3（2021-12，Apple M1 适配与硼原子类型）→ v1.6（2024-11，当前 Major release）。本文实测基于 v1.6（commit be06a13，2026-08）。许可证为 GPL-2.0------比 Vina 生态常见的 Apache 2.0 严格，闭源商用集成前要过合规。

§2. 原理：三级并行与格点插值

AutoDock 4 的搜索算法是拉马克遗传算法（Lamarckian Genetic Algorithm, LGA）：种群内每个个体做 Solis-Wets 局部搜索，能量评估占掉绝大部分耗时。GPU 化利用了三层天然并行：run 之间 （nrun 次独立对接互不依赖）、个体之间 （种群内个体互不依赖）、个体内部（单次能量评估的原子对循环向量化）。能量评估本身靠预计算的格点图（grid map）做三线性插值，GPU 上再叠加纹理内存加速------这是它移植成本低、跨平台好的根本原因：没有改变打分函数，只改了执行位置。

编译期参数 NUMWI 决定每个工作组放多少工作项，直接影响占用率；官方对现代显卡的建议是"试 128 或 64"------本文 §6 给了实测对照。

§3. 特点与边界

特点：跨厂商可移植性是对接引擎里最好的（OpenCL 路径覆盖非 N 卡）；支持批量模式（--filelist）与柔性残基（--flexres）；输出兼容 DLG/XML 双格式，XML 可回转 DLG 做接触分析。

边界：它的打分是 AutoDock 4 数值体系，与 Vina 系（vina/vinardo 打分）分数不可直接比较，命令行也不兼容 Vina 语法------同一批分子想跨引擎对比，要分别准备 map 与 pdbqt。另外它是"单受体多配体"模型，每次切换受体都要重新生成格点图。

§4. 文献测评口径

官方 README 的口径：相比串行 AutoDock 4.2（Solis-Wets），四核 CPU 提速约 4 倍、GPU 提速约 56 倍。JCTC 2021 论文口径：三级并行下最高 350 倍（对单线程 CPU 实现）。两个数字都真实，差异来自基准与并行档位------引用时注明"对谁、开几级并行"。需要注意的是，这些倍数的分母都是 AutoDock 4 自己，不能拿去和 Vina 系的千倍加速（分母是 Vina 单核）直接排序。

§5. 本地安装实测

实测环境（specs）：

项	值
操作系统	Ubuntu 22.04 LTS
GPU	消费级 GPU，12 GB 显存，sm_86 架构
驱动 / CUDA Toolkit	580.178.04 / 12.4（装在 /usr/local/cuda）
编译器与构建	gcc/g++ 11.4 + make（本引擎不需要 cmake）
OpenCL 头文件与 ICD	opencl-headers + ocl-icd-opencl-dev（仅 OpenCL 路径需要）

第 0 步：系统依赖 。CUDA Toolkit 的安装不展开（官方 runfile 或 deb 包均可），装完确认 /usr/local/cuda/bin/nvcc 存在即可：

bash 复制代码

sudo apt-get install -y build-essential
# 走 OpenCL 路径再加装（CUDA 路线可不装）：
sudo apt-get install -y opencl-headers ocl-icd-opencl-dev

第 1 步：获取源码：

bash 复制代码

git clone https://github.com/ccsb-scripps/AutoDock-GPU.git
cd AutoDock-GPU

第 2 步：编译 CUDA 版（关键：显式传 GPU_INCLUDE_PATH/GPU_LIBRARY_PATH，见坑 1；TARGETS=86 对应 sm_86，其他卡换成自己的算力号）：

bash 复制代码

export PATH=/usr/local/cuda/bin:$PATH
make DEVICE=CUDA NUMWI=128 TARGETS=86 \
     GPU_INCLUDE_PATH=/usr/local/cuda/include \
     GPU_LIBRARY_PATH=/usr/local/cuda/lib64
# 产物: bin/autodock_gpu_128wi
# OpenCL 跨厂商版: 把 DEVICE=CUDA 换成 DEVICE=GPU, 其余参数不变, 产物同名

第 3 步：冒烟验证（仓库自带 1stp 体系，10 次 LGA 应在 1 秒内出结果）：

bash 复制代码

./bin/autodock_gpu_128wi -M input/1stp/derived/1stp_protein.maps.fld \
  -L input/1stp/derived/1stp_ligand.pdbqt --nrun 10 --resnam smoke
# 预期输出含: "Job #1 took 0.27 sec ..." 与 "best inter + intra  -9.99 kcal/mol" 量级

坑 1（必踩）：host 侧编译报 cuda.h: No such file or directory。 根因是 Makefile 通过 GPU_INCLUDE_PATH/GPU_LIBRARY_PATH 两个变量把 CUDA 头文件传给 host 编译器，裸 make DEVICE=CUDA 时它们为空。显式传入即解（见上命令）。

坑 2：--res 参数不存在。 不少旧教程用 --res out.xml，v1.6 已改名为 --resnam；参数写错时程序直接打印 usage 退出，耗时 0.2 秒，容易被误以为"跑完了"。

坑 3：仓库自带测试体系五个里两个跑不起来。 3tmn/7cpa 的 fld 文件引用 rec.*.map，实际文件名是 <pdb>_rec.*.map，报 Can't open grid map rec.A.map；修法是补软链：

bash 复制代码

cd input/3tmn/derived
for f in 3tmn_rec.*.map; do ln -sf "$f" "rec.${f#3tmn_rec.}"; done
ln -sf 3tmn_protein.maps.xyz rec.maps.xyz

坑 4：1ac8 体系配体损坏。 1ac8_ligand.pdbqt 触发 HETATM or ATOM line is too short，属于仓库数据问题，直接剔除出基准集。

§6. 四体系基准与调优

四个体系（配体 18--43 原子，盒子 9.4×8.6×12.4 Å 至 22.9³ Å，spacing 0.375），CUDA 路径、NUMWI=128，Job 纯计算耗时：

体系	配体原子	nrun=200	nrun=1000	最佳能量 (kcal/mol)
1stp	18	1.34 s	1.60 s	-8.25
3ce3	37	2.01 s	2.43 s	---
3tmn	27	1.43 s	1.48 s	-9.75
7cpa	43	26.2 s	29.8 s	---

一、盒子大小主导耗时 ------7cpa 与 3tmn 同为 22.9³ 大盒子，但 7cpa 慢 18 倍，格点数与评估数才是瓶颈，nrun 从 200 加到 1000 也只多 4%--21% 的时间（3tmn 仅 +4%、3ce3 约 +21%）；

二、NUMWI=64 比 128 略优 （1stp 1.09 对 1.34 s，7cpa 24.9 对 26.4 s），验证了官方"现代卡试 64"的建议；二点五、OpenCL 与 CUDA 两条编译路径性能打平 ------同卡重编 OpenCL 版（make DEVICE=GPU）跑同一批体系为 1.37/2.14/1.54/27.4 s，与 CUDA 版差距在 8% 以内，跨厂商可移植性几乎是免费的；

三、同机横向对照（同配体同盒子、各自打分体系）：Uni-Dock v1.2.0 跑 1stp 2.44 s、Vina-CUDA v1.1 跑 1.17 s、AutoDock Vina 1.2.7 CPU 单核 12.3 s------AutoDock-GPU 的定位是"AD4 生态的加速器"，追求吞吐时应优先 Vina 系（详见本系列其余篇）。

§7. 结论与选型建议

如果你的存量流程是 AutoDock 4（map、dpf、pdbqt 全套），AutoDock-GPU 是零迁移成本的选择：编译两分钟、坑集中在文件命名与参数改名，修完即用。

如果你是从零搭虚拟筛选管线、且不绑定 AD4 打分，直接上 Vina 系 GPU 引擎更快------本系列后续篇会给出同机对照。跨厂商算力（AMD/国产卡）场景下，它是目前唯一成熟的开源选项。

系列导航 ：专栏全集 gnina系列 ------ 下一篇：Uni-Dock 实战测评。

更多专栏：

我的专栏

蛋白 / 抗体 / 多肽 / 核酸	分子模拟 / 动力学 / 对接	药物 / 设计 / 案例	AI / Agent / 大模型
开源蛋白结构预测	分子模拟基础	小分子药物设计案例	AI Agent系列
开源蛋白生成方法实践	分子动力学模拟-Amber	蛋白药物设计案例	化学大模型
开源多肽设计模型	分子动力学模拟-Gromacs	多肽药物设计案例	《AI Agent原理与实战》
开源多肽性质预测	分子动力学模拟-OpenMM	开源小分子生成设计	CADD中的机器学习模型
DNA/RNA药物设计	結合自由能	高效计算配置	《MCP 入门实战》
siRNA药物设计模型	UCSF DOCK系列	我胡师兄说药	《AI入门实战2026》
ASO药物设计模型	rDock系列 LeDock系列 gnina系列		《经典机器学习实战》