近日AWS宣布与制药和生物技术公司辉瑞以及新能源汽车制造商Rivian Automotive公司达成新的协议,加快开拓市场的步伐。
值得注意的是,此次AWS与辉瑞合作计划将AWS云计算能力发挥到极致,尝试用于改进新药的开发、制造和分销方式,以进行测试和临床试验。
辉瑞在AWS re:Invent 2021大会期间宣布了重塑药物发现和开发计划的雄心。该公司启动了一个名为Pfizer Amazon Collaboration Team(PACT)的新项目,在该项目下,辉瑞的实验室、临床制造和供应团队将采用Amazon在数据分析、机器学习、计算、存储、安全和云数据仓库方面的专业技能。
眼下正以新冠疫苗而大热的辉瑞公司表示,计划以多种方式与AWS展开合作,例如使用AWS的机器学习工具包括Amazon Lookout for Equipment服务,将预测性维护纳入他们持续的临床制造过程中。该服务可分析传感器数据以寻找异常设备行为迹象,将会让辉瑞能够最大限度地延长离心机、搅拌机、粉碎机、涂布机以及其他机器的正常运行时间。
在PACT项目的倡议下,辉瑞正在构建一个原型系统,旨在检测连续临床药物制造平台中的异常数据点,在这个过程中使用Amazon SageMaker(一种用于构建机器学习模型的服务)、Amazon Lookout for Equipment、Amazon Lookout for Metrics和Amazon QuickSight构建一些先进的机器学习模型,用于检测辉瑞固体口服药物制造中可能发生的任何问题。
此外,双方也会有很多团队合作,例如辉瑞的科学家们正在与亚马逊医疗和生命科学专家展开合作,尝试利用AWS机器学习工具和服务,为研究人员带来一种能够从遗留文件中提取和挖掘数据的更好方法。
辉瑞拥有数以千计的现有稳健,并且某些情况下都是纸质的文件,其中包含了有关数百个旧药物开发过程的宝贵数据,这些数据涉及合成化学路线、配方、分析测试、方法开发、配方组成、临床生产活动、批次记录、技术转让以及其他很多类型的工作。
亚马逊表示:“这些文件中包含了潜在的、强大的洞察,可以为辉瑞的研究人员们指明一个开发新药或重新利用现有药物的正确方向。”
但问题是,目前他们还没有一种办法可以快速地、轻松地搜索所有这些文档。辉瑞和亚马逊正在努力改变这一情况。他们目前正在开发一个系统,希望能够从辉瑞的遗留文件库中自动提取、接收和处理数据,为新的实验提供帮助。
辉瑞制药科学、全球研究、开发和医疗副总裁Andrew McKillop表示:“辉瑞与AWS合作的目标是加快药物发现和开发的过程,最终改善患者体验,并将新疗法推向市场。”
除了辉瑞之外,AWS与Rivian之间展开的合作,很可能对电动汽车领域产生同样巨大的影响。Rivian是一家面向消费者和商业市场的电动汽车初创公司。AWS母公司Amazon.com是Rivian的投资方,并且双方已经达成协议Rivian将为Amazon的物流业务提供100,000辆送货车。
因此,Rivian现在选择AWS作为自己的“首选云提供商”也就不足为奇了。
同时,Rivian采用了多种方法利用AWS云来管理自己的业务运营以及简化车辆的开发。例如,Rivian使用AWS云作为其软件定义车辆架构和无线软件更新的基础,用于远程添加和升级新的功能和特性。Rivian的汽车可不断与AWS云进行通信,使Rivian能够执行远程诊断、预测性维护、软件更新的快速测试和部署。Rivian还依赖AWS进行业务运营,包括销售、营销、分销和内部车辆维修。
Rivian软件开发副总裁总裁Wassym Bensaid表示:“通过利用AWS并构建一个中央数据湖来连接Rivian的运营、产品和服务,我们实现了主动诊断,并为我们的车辆添加智能特性,以此来产生协同效应和规模效率。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。