近日，權(quán)威機(jī)構(gòu)IDC發(fā)布報(bào)告《IDC PeerScape: 中國(guó)新藥研發(fā)中新興信息化技術(shù)應(yīng)用實(shí)踐與案例》。

其中，華為云聯(lián)合高校進(jìn)行的計(jì)算機(jī)輔助藥研案例，被該報(bào)告列為新藥研發(fā)機(jī)構(gòu)與專(zhuān)業(yè)的生物計(jì)算技術(shù)企業(yè)合作開(kāi)展新藥研發(fā)的最佳實(shí)踐之一，成為了所有新藥研發(fā)項(xiàng)目的參考范本。

至此，華為云的AI藥物研發(fā)布局也逐漸展露雄心。

更早之前，其還就得到中科院上海藥物研究所的青睞，將AI能力和計(jì)算藥物、藥物研發(fā)進(jìn)行結(jié)合，推出了基于 ModelArts平臺(tái)的藥物聯(lián)邦學(xué)習(xí)服務(wù)。

此外，在2020年4月，華為云還發(fā)布了迄今為止全球最大的免費(fèi)公開(kāi)新冠藥物虛擬篩選數(shù)據(jù)庫(kù)——“神農(nóng)項(xiàng)目”。

云+AI技術(shù)出身的華為云業(yè)務(wù)，為何頻頻在傳統(tǒng)的生物醫(yī)藥行業(yè)出招，在市場(chǎng)規(guī)模遠(yuǎn)超消費(fèi)行業(yè)的制藥產(chǎn)業(yè)，其又在籌劃著多大的戰(zhàn)略意圖。

近日，雷鋒網(wǎng)《醫(yī)健AI掘金志》以“AI制藥·下一個(gè)現(xiàn)象級(jí)賽道”為主題，邀請(qǐng)燧坤智能、英飛智藥、宇道生物、西湖歐米、華為云，五家先鋒企業(yè)，舉辦了一場(chǎng)線上論壇分享。

作為此次論壇的嘉賓，華為云醫(yī)療智能體產(chǎn)品總監(jiān)孟鑫，以《華為云人工智能在生命科學(xué)領(lǐng)域的探索和實(shí)踐》為題，進(jìn)行了演講。

孟鑫表示：藥物研發(fā)非常復(fù)雜，包含很多環(huán)節(jié)，從最開(kāi)始藥物發(fā)現(xiàn)到臨床前，到后續(xù)藥物流通，包含著很多復(fù)雜環(huán)節(jié)。 

以AI新藥研發(fā)為例，不只要關(guān)注藥物分子設(shè)計(jì)和篩選，背后需要藥物研究、基因臨床和醫(yī)學(xué)影像等等的支撐。

其中，華為云只聚焦在幾個(gè)點(diǎn)：藥物設(shè)計(jì)、藥物大規(guī)模虛擬篩選、藥物協(xié)同性、藥物重定向維度，集合云計(jì)算的能力，在云上做智能分析和結(jié)構(gòu)預(yù)測(cè)，能讓這些準(zhǔn)確度提升一個(gè)新水平。

目前，華為云和國(guó)內(nèi)單細(xì)胞測(cè)序平臺(tái)合作，提供數(shù)據(jù)算法和算力，協(xié)作做單細(xì)胞測(cè)序數(shù)據(jù)云上開(kāi)發(fā)和邊緣計(jì)算。在原來(lái)模型基礎(chǔ)上，做了大量空間搜索和運(yùn)算，大概能提高2~3倍分析速度。以前需要使用100個(gè)算力，現(xiàn)在只需要20個(gè)算力就可以實(shí)現(xiàn)單個(gè)樣本分析，對(duì)10萬(wàn)個(gè)、100萬(wàn)個(gè)樣本同樣也能夠提升效率。

以下是演講全部?jī)?nèi)容，《醫(yī)健AI掘金志》做了不改變?cè)獾恼砗途庉嫞?/strong>

大家好，我是華為云醫(yī)療智能體產(chǎn)品總監(jiān)孟鑫。今天給大家分享華為云人工智能在生命科學(xué)領(lǐng)域的探索和實(shí)踐。

演講主要從三個(gè)方面來(lái)進(jìn)行：

第一個(gè)方面，華為云在人工智能方面的技術(shù)研究。

第二個(gè)方面，華為云在人工智能的發(fā)展趨勢(shì)。

第三個(gè)方面，華為云在生命科學(xué)領(lǐng)域的一些探索和實(shí)踐。

華為云長(zhǎng)期扎根于AI基礎(chǔ)研究，覆蓋計(jì)算機(jī)視覺(jué)、語(yǔ)音語(yǔ)義和決策優(yōu)化三大AI方向。

在華為云的未來(lái)規(guī)劃中，AI的發(fā)展主要聚焦在模型高效、數(shù)據(jù)高效、知識(shí)高效、算力高效思維的重點(diǎn)。

此外，針對(duì)產(chǎn)業(yè)中的一些核心問(wèn)題，我們又提出6大基礎(chǔ)研究計(jì)劃。

1. 面向大模型的模型摸高的計(jì)劃；2. 面向小模型的模型瘦身的計(jì)劃；3. 面向多模態(tài)學(xué)習(xí)的數(shù)據(jù)魔方計(jì)劃；4. 面向小樣本學(xué)習(xí)的數(shù)據(jù)冰山計(jì)劃；5. 面向通用知識(shí)抽取的萬(wàn)物預(yù)示計(jì)劃；6. 面向新學(xué)習(xí)范式的敘事合一計(jì)劃。

這些計(jì)劃產(chǎn)生許多研究成果，包括自動(dòng)化學(xué)習(xí)與訓(xùn)練模型等，而將來(lái)這些成果也會(huì)采用即插即用的方式部署在華為云。

首先介紹一下這張圖片，也就是目前華為云的AI能力，可以看到左邊，國(guó)際大賽上的最佳論文上有很多提名，論文數(shù)量上已經(jīng)進(jìn)入世界第一梯隊(duì)。

圍繞剛才提到的幾個(gè)創(chuàng)新和計(jì)劃，我們?cè)谟?jì)算機(jī)視覺(jué)上的很多比賽都得到第一名，在語(yǔ)音、語(yǔ)義識(shí)別上和決策優(yōu)化上拿到了很好的成績(jī)。

整體來(lái)看，目前華為云的AI戰(zhàn)略，主要圍繞著感知、認(rèn)知和決策三大方面進(jìn)行，像感知圖像分類(lèi)、目標(biāo)檢測(cè)、預(yù)訓(xùn)練模型、實(shí)力分割都已經(jīng)集成在ModelArts平臺(tái)。

此外，華為云在去年還提出了知識(shí)計(jì)算，AI在認(rèn)知之后，就需要做相應(yīng)的決策，也就是運(yùn)籌優(yōu)化過(guò)程，中間的技術(shù)主要涵蓋強(qiáng)化學(xué)習(xí)和智能控制。

這里首先介紹一下，華為云的ModelArts平臺(tái)，該平臺(tái)沉淀了華為云的頂尖AI技術(shù)，目前主要分為兩層：

基礎(chǔ)層是ModelArts平臺(tái)，提供數(shù)據(jù)和數(shù)據(jù)處理，以及模型訓(xùn)練、管理、推理、部署等服務(wù)。

此外，我們還在ModelArts平臺(tái)上，提供了很多的行業(yè)套件，幫助各個(gè)企業(yè)開(kāi)發(fā)更適用自己的AI算法和模型，此外還有一些行業(yè)頂尖的算法，可以很方便開(kāi)發(fā)相應(yīng)模型，針對(duì)訓(xùn)練數(shù)據(jù)做相應(yīng)部署。

ModelArts目前適用的芯片也是，華為自主的AI芯片，計(jì)算能力非常高，在很多大規(guī)模作業(yè)可以做到40096卡單任務(wù)并行。

介紹完ModelArts平臺(tái)之后，我再分享一下近些年人工智能大概發(fā)展趨勢(shì)。

第一，從小模型到大模型，過(guò)去10年內(nèi)，AI算法對(duì)算力需求提升了40萬(wàn)倍左右；

第二，從全監(jiān)督學(xué)習(xí)到自監(jiān)督學(xué)習(xí)10年內(nèi)，自監(jiān)督學(xué)習(xí)全年度差距縮小了90%以上；

第三，人工智能與科學(xué)計(jì)算進(jìn)行交匯，從模型、算法、軟件和硬件，4個(gè)層面上都有一個(gè)交匯點(diǎn)。

而這些變化，也在生物醫(yī)學(xué)、工業(yè)、氣象、能源等眾多領(lǐng)域制造深刻影響。在AI建模、AI求解、AI框架、AI視頻、AI芯片適配上，也增加了許多的人工智能可解釋性。

首先，分子動(dòng)力學(xué)層面可以進(jìn)行大規(guī)模分子模擬；物理學(xué)上，可以通過(guò)神經(jīng)網(wǎng)絡(luò)求解確定方程；在蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)中，AI可以預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)。 

根據(jù)我們的總結(jié)，這些數(shù)據(jù)中心和生產(chǎn)力迭代過(guò)程主要分為幾個(gè)階段：

第一，技術(shù)應(yīng)用做局部探索；

第二，技術(shù)發(fā)展與社會(huì)環(huán)境相互碰撞；

第三，技術(shù)發(fā)展與社會(huì)環(huán)境相互促進(jìn)。

現(xiàn)在正處于人工智能進(jìn)入核心生產(chǎn)系統(tǒng)的過(guò)程，目前，華為在人工智能行業(yè)大約落地超過(guò)600個(gè)項(xiàng)目，進(jìn)入核心業(yè)務(wù)的系統(tǒng)也超過(guò)30%。

接下來(lái)重點(diǎn)介紹：華為云人工智能在生命科學(xué)領(lǐng)域的探索，其中主要包含三個(gè)方面：智能基因組分析、智能藥物研發(fā)、智能醫(yī)學(xué)影像研發(fā)。

首先介紹基因組分析，基因組分析數(shù)據(jù)量和計(jì)算量非常大，后期解讀基因組數(shù)據(jù)也非常困難，里面包含基因/蛋白質(zhì)組學(xué)等等，這都屬于智能基因分析范疇。

因?yàn)橐粋€(gè)基因組數(shù)據(jù)就有幾百個(gè)G大小，而如果涉及到超過(guò)1萬(wàn)人，乃至10萬(wàn)人，數(shù)據(jù)量就會(huì)更大，這種情況就需要大數(shù)據(jù)能力。

所以我們希望結(jié)合華為云大數(shù)據(jù)能力，加上智能分析算法，幫助基因組領(lǐng)域做分析和研究。 

第二點(diǎn)，新藥研發(fā)。

大家知道藥物研發(fā)非常復(fù)雜，包含很多環(huán)節(jié)，從最開(kāi)始藥物發(fā)現(xiàn)到臨床前，到后續(xù)藥物流通，包含著很多復(fù)雜環(huán)節(jié)。 

其中，華為云只聚焦在幾個(gè)點(diǎn)：藥物設(shè)計(jì)、藥物大規(guī)模虛擬篩選、藥物協(xié)同性、藥物重定向維度。 

集合云計(jì)算的能力，在云上做智能分析和結(jié)構(gòu)預(yù)測(cè)，能讓這些準(zhǔn)確度提升一個(gè)新水平。

最后醫(yī)學(xué)影像，這是AI技術(shù)應(yīng)用最早領(lǐng)域，今年審批了十幾個(gè)AI醫(yī)療器械三類(lèi)證。

這個(gè)領(lǐng)域之所以非?；鸨驮谟跀?shù)據(jù)的標(biāo)準(zhǔn)化，因?yàn)槿斯ぶ悄苁?0%數(shù)據(jù)+20%運(yùn)算，數(shù)據(jù)量越大，AI準(zhǔn)確度就會(huì)越好，如果能夠提升智能醫(yī)學(xué)影像研發(fā)平臺(tái)和算法，降低人工操作復(fù)雜度，同樣也可以提升醫(yī)學(xué)影像的準(zhǔn)確性。

接下來(lái)詳細(xì)談?wù)劵蚪M領(lǐng)域。

我們目前開(kāi)發(fā)了一套自動(dòng)建模的工具，利用這套工具可以在很少的代碼開(kāi)發(fā)情況下，就能做多組學(xué)分析。

此外，像癌癥亞型分類(lèi)、靶基因預(yù)測(cè)、細(xì)胞發(fā)育預(yù)測(cè)等多種場(chǎng)景，我們的自動(dòng)建模工具也都有做過(guò)相應(yīng)的案例。

而在基因測(cè)序里，除了測(cè)序以外，更重要還要對(duì)數(shù)據(jù)分析，也就是解析mRNA，把電信號(hào)轉(zhuǎn)成基因序列信號(hào)。

特別是三代測(cè)序，以前的工具速度和精準(zhǔn)度都比較有限，而現(xiàn)在Fast-Bonito工具使檢測(cè)精度有了大幅提升，但檢測(cè)速度很慢，華為云也基于自己的研發(fā)力量，將這個(gè)速度提升到5倍以上。

還有新藥研發(fā)方面。

從去年2月開(kāi)始，我們做了一個(gè)新項(xiàng)目：全球最大的新冠藥物篩選數(shù)據(jù)庫(kù)及可視化平臺(tái)。

此外，新冠肺炎也可以通過(guò)醫(yī)學(xué)影像方式去檢測(cè)這種病灶，推動(dòng)決策，華為云可以做到三維病灶空間量化展示，在幾十秒就會(huì)有結(jié)果，提升檢測(cè)速度。

人工智能和云計(jì)算上，剛才已經(jīng)做了大量的介紹，目前我們的AutoGenome工具，已經(jīng)可以做到數(shù)據(jù)的自動(dòng)增長(zhǎng)、自動(dòng)的套餐選擇和神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索。

所以在新藥研發(fā)可以提供很多的幫助，例如生信工作人員就不用再學(xué)習(xí)大量的底層技術(shù)，可以很方便用這個(gè)框架去做一些科研的發(fā)現(xiàn)。

針對(duì)單細(xì)胞組學(xué)的研究，研究配套組織和分子在結(jié)構(gòu)和空間上的關(guān)系，通過(guò)我們的框架把數(shù)據(jù)整理標(biāo)準(zhǔn)的訓(xùn)練數(shù)據(jù)，然后再做各種訓(xùn)練。

這就像根據(jù)單細(xì)胞陽(yáng)性分離的精度，按照細(xì)胞的發(fā)育周期進(jìn)行分類(lèi)，分類(lèi)的精度相比于傳統(tǒng)方法有一個(gè)比較大的提升，至少達(dá)到20%以上。

第二個(gè)案例是人工智能和單細(xì)胞測(cè)序，以及云計(jì)算的結(jié)合?，F(xiàn)在單細(xì)胞也比較火，以前大家習(xí)慣所有的細(xì)胞一起去測(cè)序，現(xiàn)在隨著越來(lái)越精準(zhǔn)。

在國(guó)內(nèi)就有一家單細(xì)胞測(cè)序平臺(tái)，我們通過(guò)和他們一起合作，他們提供線下技術(shù)和服務(wù)，我們?cè)诰€上也用華為云平臺(tái)來(lái)提供數(shù)據(jù)算法和算力，一起協(xié)作，做單細(xì)胞測(cè)序數(shù)據(jù)在云上開(kāi)發(fā)，和邊緣計(jì)算。

剛才有介紹Fast-Bonito這個(gè)工具，那么為什么三代測(cè)序的結(jié)果要比人工智能方式比較好，因?yàn)樗旧砭褪且粋€(gè)一個(gè)電信號(hào)波形圖。

這樣就可以用AI方式去學(xué)習(xí)他們之間的關(guān)系，例如AA、TT、ATP的波形就很不一樣，波谷和波峰有很大差異。

那么通過(guò)對(duì)原來(lái)序列，做了很多標(biāo)準(zhǔn)的referenc之后，也就可以把模型訓(xùn)練的更精準(zhǔn)。

同時(shí)，華為云還在原來(lái)模型的基礎(chǔ)上，做了大量的空間搜索和運(yùn)算，用華為云芯片，大概能提高2~3倍分析速度。

目前這個(gè)案例主要是一個(gè)樣本的情況，以前是需要使用100個(gè)算力，現(xiàn)在只需要20個(gè)算力就可以實(shí)現(xiàn)一個(gè)樣本的分析。

同樣當(dāng)我們面對(duì)10萬(wàn)個(gè)、100萬(wàn)個(gè)樣本同樣也能夠提升效率，節(jié)省費(fèi)用和時(shí)間。

然后是藥物篩選方面。

從去年2月，國(guó)內(nèi)疫情爆發(fā)沒(méi)多久，我們就和國(guó)內(nèi)幾所高校一起進(jìn)行新冠肺炎藥物篩選工作。

當(dāng)時(shí)我們?cè)谠粕现饕\(yùn)用超過(guò)15000個(gè)GPU進(jìn)行藥物篩選，將原來(lái)需要兩個(gè)月時(shí)間，21個(gè)新冠靶點(diǎn)，8500個(gè)上市藥物的篩選工作縮短到兩天，篩選工作效率提升了30倍。

當(dāng)時(shí)我們?cè)?月初找到了5個(gè)候選藥物，有兩個(gè)進(jìn)入了臨床實(shí)驗(yàn)過(guò)程，后來(lái)因?yàn)閲?guó)內(nèi)疫情得到了很好的控制，所以臨床試驗(yàn)也就逐步放緩了一些，而我們的研究后來(lái)也得到了紅點(diǎn)獎(jiǎng)，發(fā)表在JCIM期刊。

我們主要給這個(gè)項(xiàng)目命名為神農(nóng)計(jì)劃，主要是尋找和篩選大量的已知藥物分子，因?yàn)檫@些分子的物理和化學(xué)性質(zhì)都已經(jīng)比較穩(wěn)定，相當(dāng)于老藥新用的過(guò)程。

下面再介紹一下，華為云在醫(yī)學(xué)影像方面的工作。

這方面主要介紹一個(gè)腦部神經(jīng)元鏈接的案例，也就是腦科學(xué)

這個(gè)研究過(guò)程非常復(fù)雜，小如斑馬魚(yú)這么大的生物，個(gè)體非常小，大腦尺度只有0.5毫米左右。

但它的神經(jīng)元突觸數(shù)目卻非常多，達(dá)到108，如果把這些神經(jīng)元都鏈接起來(lái)，就需要大量的數(shù)據(jù)標(biāo)注工作。

大家知道人類(lèi)基因組數(shù)據(jù)大概有109左右，兩者做類(lèi)比，就相當(dāng)于要把人類(lèi)的每一根細(xì)胞都要鏈接起來(lái)。這個(gè)過(guò)程中完成一個(gè)大腦的神經(jīng)元重建，一般一個(gè)標(biāo)注員大概需要125年的時(shí)間。

而利用我們的AI算法和ModelArts平臺(tái)可以實(shí)現(xiàn)集群和大規(guī)模分布訓(xùn)練，將原來(lái)的需要125年的工作量，縮短到10天內(nèi)完成，而且利用的資源也非常少。整個(gè)神經(jīng)元重構(gòu)費(fèi)用減少為原來(lái)的1/77 ，準(zhǔn)確度和召回率都在95%以上，是一個(gè)非常大的突破。

目前，我們還只是研究一個(gè)斑馬魚(yú)腦部神經(jīng)元這樣小范圍的數(shù)據(jù)，以后如果要研究像老鼠，像人腦這樣更復(fù)雜的數(shù)據(jù)，都會(huì)有一定的借鑒意義。

那回到我們?yōu)槭裁匆芯窟@樣的數(shù)據(jù)，未來(lái)的智能究竟是什么樣子，就是來(lái)源于像人腦這樣的研究，怎樣實(shí)現(xiàn)控制，怎樣實(shí)現(xiàn)反饋，我們的神經(jīng)網(wǎng)絡(luò)研究，其實(shí)也就是模仿腦部神經(jīng)元的構(gòu)建，回歸生物學(xué)的本質(zhì)。

這里列舉一個(gè)和醫(yī)療器械公司合作的案例。

華為云和微清醫(yī)療的合作案例，微清本身就有眼底診斷系統(tǒng)，可以通過(guò)光學(xué)做青光眼識(shí)別，以及糖尿病疾病的診斷。

這其中，主要是利用華為云平臺(tái)，做數(shù)據(jù)標(biāo)注管理和病人應(yīng)用，幫助醫(yī)生更方便做診斷，以前可能需要用半小時(shí)，現(xiàn)在也就幾分鐘時(shí)間，就能完成青光眼疾病診斷。
總結(jié)與展望

總結(jié)與展望

首先，大算力將是AI成功的基石。

以前神經(jīng)網(wǎng)絡(luò)做到三層就很厲害，現(xiàn)在往往可以做到幾十層或幾百層，模型也變得很大，對(duì)于算力要求也非常大。

我們猜測(cè)AI系統(tǒng)發(fā)展程度是可以利用數(shù)據(jù)和消耗算力來(lái)衡量，與卡達(dá)爾肖夫指數(shù)類(lèi)似，AI智能化程度對(duì)算力需求會(huì)呈指數(shù)級(jí)增長(zhǎng)。

近些年，我們國(guó)家也在建設(shè)AI計(jì)算中心，AI算力作為一種基礎(chǔ)資源需求，開(kāi)始被社會(huì)所需要。

其次，軟硬件一體化將是大勢(shì)所趨。

軟件發(fā)展一定程度會(huì)受限于技術(shù)的瓶頸，隨后就需要依賴(lài)硬件進(jìn)一步發(fā)展，而硬件達(dá)到一定水平后也需要更好軟件架構(gòu)。

之后，AI與科學(xué)計(jì)算會(huì)深度融合。

AlphaFold2將人類(lèi)98.5%的蛋白質(zhì)做了預(yù)測(cè)，大家越來(lái)越認(rèn)識(shí)到人工智能跟科學(xué)研究密切相關(guān)。

最后，深度整合醫(yī)療資源，全面賦能行業(yè)創(chuàng)新。

以AI新藥研發(fā)為例，不只是要關(guān)注藥物分子設(shè)計(jì)和篩選，背后需要藥物研究、基因臨床和醫(yī)學(xué)影像等等的支撐。

Deepmind就表示，如果一個(gè)臨床試驗(yàn)?zāi)軌虻玫交蚪M學(xué)支撐，它的成功率就會(huì)提升兩倍。

受益于基因組學(xué)、藥物靶點(diǎn)發(fā)現(xiàn)和基準(zhǔn)研究，AI技術(shù)已經(jīng)開(kāi)始在基因、藥物、臨床等更多方面做分析工作。

這其中加速各方融合，促進(jìn)數(shù)據(jù)資源的轉(zhuǎn)化使用也非常重要，在國(guó)家管控越來(lái)越明確之后，大家能夠更深入的合作，一同探討數(shù)據(jù)方面的聯(lián)合創(chuàng)新，加速應(yīng)用落地。

問(wèn)答環(huán)節(jié)

Q1：1.在AI制藥浪潮中，華為更側(cè)重怎樣的角色，是算法提供方，還是算力提供方，具體深入到pcc和臨床試驗(yàn)，又有哪些合作點(diǎn)？

孟鑫：華為云作為基礎(chǔ)設(shè)施的算力提供方，安全培訓(xùn)這塊做的非常好，也拿到了2799認(rèn)證，同時(shí)標(biāo)志著我們?cè)卺t(yī)療領(lǐng)域有非常大的決心。

但華為云并不是所有的算法都做，我們希望把這個(gè)領(lǐng)域打開(kāi)，做一些案例被大家看到，大家可以在我們的運(yùn)營(yíng)商開(kāi)發(fā)自己的算法，或者也可以用我們的算力和算法。

華為云也只是提供了非常少量的算法，希望大家合作一起做一些算法，我們也愿意和大家一起去探索。

對(duì)于專(zhuān)門(mén)做醫(yī)療AI公司來(lái)說(shuō)，華為云整個(gè)體量相對(duì)來(lái)說(shuō)還是大一些，我們更希望去做一些大規(guī)模的事情或者基礎(chǔ)方面的服務(wù)。

例如，有一些公司想做模型開(kāi)發(fā)，但是沒(méi)有很好的基底模型，大模型需要做1萬(wàn)億級(jí)別參數(shù)的訓(xùn)練，訓(xùn)練需要幾個(gè)月的時(shí)間，小公司肯定負(fù)擔(dān)不起，華為云可以把基礎(chǔ)部分做了。

華為云今年也發(fā)布了大模型，訓(xùn)練了幾個(gè)月的時(shí)間之后做出來(lái)，大家可以去華為云運(yùn)營(yíng)的公眾號(hào)可以搜到相關(guān)介紹。

有了大模型想要針對(duì)某一個(gè)積分領(lǐng)域去做出自己的優(yōu)質(zhì)、特點(diǎn)和數(shù)據(jù)，再做一些訓(xùn)練可能會(huì)更容易，可以用少量的幾塊算力，就得到好的結(jié)果，站在更高的級(jí)別。

我給到大家一個(gè)提前消息，華為云在今年9月份會(huì)有更多的基礎(chǔ)服務(wù)發(fā)布，實(shí)驗(yàn)這一塊就是收費(fèi)者招募、培訓(xùn)、加速的AI研究，都可以通過(guò)這樣方式去做。

華為云和國(guó)內(nèi)一些頂尖的醫(yī)院有合作，在臨床試驗(yàn)的數(shù)據(jù)有很多的發(fā)現(xiàn)，而且有相應(yīng)的文章發(fā)表，大家有興趣可以去看看。

Q2:請(qǐng)問(wèn)計(jì)算服務(wù)如何收費(fèi)？目前的價(jià)格水平如何？下降趨勢(shì)如何？

孟鑫：大家可以用CPU的算力或者NGO算力，目前來(lái)看收費(fèi)比較貴，只有大企業(yè)才有實(shí)力做出來(lái)，但是AI算力費(fèi)用會(huì)逐漸降低，再加上國(guó)內(nèi)芯片受到一些限制，國(guó)際上短缺，技術(shù)發(fā)展持續(xù)的迭代和更新，大部分會(huì)持續(xù)下降。

同時(shí)，意味著人工智能技術(shù)受益于成本的下降，會(huì)越來(lái)越普及被大家所接受，每一個(gè)人都能夠用得起，都能做AI。

Q3：看到AI新藥研發(fā)企業(yè)，也在賣(mài)藥物篩選服務(wù)收費(fèi)模式，這和咱們的計(jì)算服務(wù)有沒(méi)有合作點(diǎn)，配合起來(lái)幫助藥企加速新藥研發(fā)？

孟鑫：國(guó)內(nèi)和國(guó)際上有很多AI藥物研發(fā)企業(yè)和華為云都有比較深入的合作。

一方面是華為云基礎(chǔ)的云資源，在本地區(qū)構(gòu)建這種集群很難達(dá)到大規(guī)模的訴求，還需要花費(fèi)很大的精力去運(yùn)營(yíng)資源，在云上可以很好的來(lái)解決這個(gè)問(wèn)題，想用的時(shí)候就用，不想用的時(shí)候就關(guān)掉。

另外，云上有各種各樣的AI模型，對(duì)AI新藥研發(fā)企業(yè)來(lái)說(shuō)有很多好處，因?yàn)榭梢詭椭麄內(nèi)プ鰧?duì)外提供服務(wù)。

我們內(nèi)部也在開(kāi)會(huì)研討，在華為云上有很多這樣的案例，我們自己做或者有一些藥企會(huì)找到我們想一起合作，我們?cè)敢鈳椭麄儼研滤幾龀鰜?lái)。

華為云與其他藥物研發(fā)企業(yè)不太一樣，有些藥物研發(fā)企業(yè)有自己的定位，只提供相應(yīng)的研究服務(wù)。

華為云從現(xiàn)在定位來(lái)看更傾向于做平臺(tái)，希望能夠幫助大家更好的去服務(wù)企業(yè)，也可以配合大家去做一些創(chuàng)新。

Q4：請(qǐng)問(wèn)系統(tǒng)架構(gòu)中有哪些方面是為生物計(jì)算專(zhuān)門(mén)設(shè)計(jì)或優(yōu)化的？

孟鑫：剛才我舉了一個(gè)例子，利用AI來(lái)加速三代測(cè)序過(guò)程，在模型空間搜索上做了相應(yīng)的優(yōu)化，讓模型會(huì)更小一些，在計(jì)算時(shí)間上速度有提升。

另外提到過(guò)的一系列工具，也是專(zhuān)門(mén)針對(duì)經(jīng)營(yíng)組織和多組學(xué)的特點(diǎn)去研發(fā)，有基因調(diào)控的關(guān)系，并不會(huì)因?yàn)閮蓚€(gè)名字比較相近就導(dǎo)致基因功能一樣，或者就能夠發(fā)揮作用，看似沒(méi)有關(guān)系的兩個(gè)名字實(shí)際上是有一些意義的。同時(shí)，華為云在神經(jīng)網(wǎng)絡(luò)上也有自己的設(shè)計(jì)。

Q5：華為云AI在慢病早篩領(lǐng)域是否有相應(yīng)的案例？

孟鑫：有的，和北京技術(shù)所教授其實(shí)有一個(gè)合作，利用AI方式去研究食管癌案例，大家感興趣可以去搜一下。

Q6：人工智能可以對(duì)早期診斷疾病、有效開(kāi)出藥物、監(jiān)測(cè)患者對(duì)處方的依從性做出判斷嗎？

孟鑫：可以的，臨床輔助決策AI也發(fā)揮了很大的作用，國(guó)家衛(wèi)健委也在臨床輔助決策上面有一個(gè)全國(guó)性的試點(diǎn)項(xiàng)目正在開(kāi)展中。

利用人工智能對(duì)電子病歷做相應(yīng)分析，進(jìn)行學(xué)習(xí)和檢查疾病診斷的病變，可以給出藥物治療的方案。

需要做很多診斷工作，包括現(xiàn)在醫(yī)保上面提到病案首頁(yè)，我們的合作伙伴也有一些聯(lián)合方案。

Q7：人工智能生物學(xué)中有什么核心難點(diǎn)？

孟鑫：用人工智能方式去解答生物學(xué)方面問(wèn)題，就需要大量數(shù)據(jù)，如果數(shù)據(jù)量比較小，那學(xué)習(xí)出來(lái)的模型就不具有代表性，結(jié)果不會(huì)太好。

以前做統(tǒng)計(jì)模型或者記錄模型重要的是保持準(zhǔn)確，現(xiàn)在越多數(shù)據(jù)才能把問(wèn)題表述的更加有特征。

把人類(lèi)當(dāng)成一個(gè)嬰兒而言，從小就對(duì)他進(jìn)行培養(yǎng)，如果只培養(yǎng)某一方面技能的話，他另外一方面肯定是失衡的，所以全面的數(shù)據(jù)是最核心的。

另外，智能模型和人工智能模型融合起來(lái)，就是計(jì)算和人工智能來(lái)到了一個(gè)歷史性的交匯點(diǎn)。希望這種模型的機(jī)制，物理、化學(xué)或者數(shù)學(xué)方面，能更容易理解得到的結(jié)果，把兩個(gè)技術(shù)聯(lián)系起來(lái)。

知識(shí)圖譜也有很多難點(diǎn)，特別是針對(duì)我們生命科學(xué)領(lǐng)域的知識(shí)本身，要用一個(gè)圖去標(biāo)記所有數(shù)據(jù)，同時(shí)還要把他們的依賴(lài)條件表述出來(lái)。

Q8：和藥研所合作現(xiàn)在是什么情況？

孟鑫：上海藥物所在這個(gè)領(lǐng)域算是國(guó)內(nèi)的Number one，專(zhuān)門(mén)做藥物研究的，所以我們和國(guó)內(nèi)的院校是有合作的，同北大、深圳和上海的一些高校進(jìn)行科研合作，非常歡迎院校的老師同我們進(jìn)一步合作。

在華為云有專(zhuān)門(mén)針對(duì)高校扶持計(jì)劃，能夠讓大家去做相應(yīng)的研究和資源。

Q9：目前在AI新藥研發(fā)上，看到咱們大多數(shù)進(jìn)展都在新冠領(lǐng)域上，有沒(méi)有其他案例介紹一下？

孟鑫：有的，現(xiàn)在還不太方便說(shuō)，后續(xù)也會(huì)跟大家再分享我們的一些進(jìn)展。后續(xù)也會(huì)跟大家再分享我們的一些進(jìn)展。我就回答到這里，謝謝雷鋒網(wǎng)。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。