9月1日,华为轮值董事长胡厚崑在2022世界人工智能大会上表示,人工智能触发的产业变革正在改变每一个行业,人工智能也在越来越多的行业场景发挥重要价值。大模型将为人工智能的行业实践提供牵引,加速行业应用的孵化与创新。
华为轮值董事长胡厚崑发表主题演讲
大模型落地药物研发领域,加速超级抗菌药Drug X的研发进程
胡厚崑分享了AI在医药领域的应用案例。当前,耐药细菌已经成为人类重大健康威胁。据世卫组织统计,全球每年至少有70万人因此死亡。面对突发或顽固性疾病,我们通常迟迟等不到新药上市。新药研发及上市进程受医药界公认的“双10定律”制约——一款创新药从研发到上市,平均成本超过10亿美元、研发周期大于10年。
西安交通大学第一附属医院(以下简称西安交大一附院)刘冰教授在新药研发的工作中采用了基于华为云盘古药物分子大模型打造的AI辅助药物设计服务,突破性地研发出一款超级抗菌药Drug X并打破了医药界“双十定律”。Drug X有望成为全球近40年来首个新靶点、新类别的抗生素,其靶点特质决定了细菌将难以对Drug X产生耐药性,对抗疟(即疟原虫)药物研发等多个领域有着重要的影响。华为云盘古药物分子大模型让先导药的研发周期从数年缩短至一个月,研发成本降低70%。
华为云盘古药物分子大模型让AI全流程辅助药物设计
科研成果的突破离不开技术的加持。华为云盘古药物分子大模型在“药物分子筛选”和“药物分子优化”两大环节对Drug X的研发具备重要作用。
·辅助科研人员对小分子化合物进行预筛选,大幅减少新药研发的成本
药物研发平均周期超过10年,其中先导药物的设计历时3-5年。科研人员需要反复对不同小分子化合物进行结合实验、结构修改及效果验证,以找到能够研制成超级抗菌药的最理想的小分子化合物。在数以亿计的小分子化合物面前,人工筛选方式不仅试错成本高,而且高度依赖药物学专家的经验。
华为云盘古药物分子大模型学习了17亿个小分子的化学结构,在无监督学习模式和业界独有的“图-序列不对称条件自编码器”深度学习网络架构下,更好地对分子结构与性质进行预测与推荐。在盘古药物分子大模型优先推荐的小分子化合物基础上,科研人员进一步进行人工实验验证。实验结果表明,盘古药物分子大模型的成药性预测准确率比传统方式高20%,进而提升研发效率,让先导药的研发周期从数年缩短至一个月,同时降低70%的研发成本。
·对筛选后的先导药进行定向优化,帮助降低新药的毒副作用
部分小分子化合物具备与人体细胞相结合的属性,将对正常细胞产生毒副作用。基于华为云盘古药物分子大模型的结构优化器,刘冰教授有效地提升了小分子化合物与目标抗菌靶点蛋白的结合、降低与人体蛋白的结合,从而减弱了超级抗菌药对人体正常细胞可能产生的毒副作用。
规划大模型沙盘,牵引创新方向
AI大模型具备“一个模型在众多场景通用、可泛化和规模化复制”的特点,如今孵化大模型已经成为行业与场景创新突破的共识。
胡厚崑提出,要汇聚各方力量,梳理行业场景所需的基础大模型与行业大模型,共同规划大模型沙盘,避免重复投资与开发,集中优势资源共同加速AI应用向各产业和行业的渗透。
华为云盘古预训练大模型已完成从学术大模型到产业大模型的转变,形成了“基础大模型-行业大模型-细分场景大模型”的发展路径,并且在医疗、互联网、金融、煤矿、农业、气象等领域中实现降本增效。
本次会上,基于华为云盘古预训练大模型打造的华为云AI辅助药物设计平台(Huawei Cloud AI Drug Design Platform)获得了“SAIL之星”奖项,作为国内首个商用的AI辅助制药SaaS平台,帮助药企减少试错成本,加速新药研发进程。
华为云将持续打牢技术根基,将AI技术以及行业落地经验云化、服务化,不断繁荣人工智能产业生态,让企业创新触手可及。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。