至顶网软件频道消息:Deep Knowledge Ventures的合伙人Margaretta Colangelo在她最近的一篇文章(https://www.linkedin.com/pulse/ai-forefront-biochemistry-biopharma-must-innovate-die-colangelo/)里提到,尽管制药公司公司每年在研发上的花费超过1720亿美元,但90%以上的使用传统技术发现的分子都在人体临床试验中失败。而且,新批准的药物75%都无法承担开发成本,一些分析师预测药品研发的投资回报率(ROI)到2020年时可能为零。如果我们觉得这种预测有很大机会成为现实,那么我们就应该将人工智能(AI)视为制药研发领域活命的天外救星,人工智能同时也为某些患者提供了宝贵的选择希望。
制药和科技公司的药物发现和药物开发之间的顶级人工智能互连(图:DKA)
在这场生死之赛里,一些公司试图在未知领域测试极限。 Deep Knowledge Analytics(DKA)是专注于DeepTech的投资基金公司Deep Knowledge Ventures的子公司。DKA从全球1000家AI Healthcare(人工智能医疗保健)公司里将专门从事核心科学研发的公司分了出来。根据DKA的说法,人工智能医疗保健行业的入场门槛比人工智能药物发现方面低,这些人工智能医疗保健公司可以利用更少的资金和更少的高度专业化的员工实现真正的成果。药物发现公司的AI则需要更高水平的传统生物制药科学(生物化学、生物学、生物医学等)和核心AI技术。将新的AI鉴定药物推向市场需要“完整堆栈”, 公司要实现完整堆栈需要非常强大、非常专业的团队以及需具有足够多的具个人专业知识的专家坐镇。
而即使是投资者也很难进入这个行业,因为所需的最低专业知识门槛相对较高。投资基金公司很少能真正了解该行业的内容、原因和方式以及在该行业做出合理投资决策所需的各项参数。 260家投资基金公司里可能只有不到20家基金资助了125家活跃的人工智能药物发现公司。
药物发现AI专家100强(图:DKA)
也许在未来几年里,会有一些公司将在制药行业发挥强大的影响力,进而在药物开发方面取得前所未有的突破。从药膏到人工智能花了不到200年,期间的发展从根本上改变了医疗保健和患者的生活质量。然而,在最近几十年里,大家普遍认为我们已经陷入了停滞不前的境地,每个新的一步都需要付出巨大努力。我们希望AI在药物开发方面能将医疗保健推向新的高度。尽管如此,有些星星将黯然消失,新星将会出现,这是物理定律使然。我们知道这一点后在看到新星诞生时也就释然了。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。