多年以后，潤物人們回憶起人工智能（AI）影響生命科學領域的細無學醫歷史性一幕，恐怕很難會忽略2024年10月9日這個轟動全球科技圈的悄悄推日子——瑞典皇家科學院宣布，將2024年諾貝爾化學獎授予美國華盛頓大學的動生戴維·貝克（David Baker），以及來自谷歌DeepMind的命科德米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M.Jumper），以表彰他們在蛋白質設計和蛋白質結構預測領域作出的藥研貢獻。

而哈薩比斯和江珀獲獎的發進代表作，便是潤物2021年發布的AI模型AlphaFold2，它破解了生物學界50年來的細無學醫重大挑戰，在高精度蛋白質結構預測上樹立了一座豐碑。悄悄推該模型能預測超過2億種蛋白質，動生幾乎涵蓋了地球上所有已知的命科蛋白質。這些預測結果DeepMind對外免費開放，藥研使得全球研究人員能夠大幅提高研究效率，發進將研究成果廣泛應用于疫苗、潤物制藥、生物技術等領域。

隨著生成式AI浪潮興起，AI技術進一步在生命科學和醫療健康領域掀起一場效率提升浪潮，從臨床研究、疾病診療、藥物研發到報告撰寫、文獻翻譯等各個細分環節，實現生產力的躍升。作為算力芯片及平臺的提供商，英特爾正以更強的通用計算性能與兼顧AI推理加速的英特爾至強平臺，提供豐富的算力產品組合與解決方案，加速生命科學領域的新發現、藥物研發創新與醫療發展。

一、拉高落地部署性價比，幫更多人搭上AlphaFold2的快車

AlphaFold2為生物學界帶來了原子級別的蛋白質三維結構預測精度，但要讓這項突破性技術惠及更廣泛的科研機構、高校實驗室及生物、醫藥企業，需進一步降低部署應用的難度和成本。

AlphaFold2的架構有多項創新設計，使整個方案從預處理到推理任務都面臨高通量的計算壓力。不同蛋白質預測中，序列越長，張量運算規模與推理計算復雜度就越大，再結合更多序列的并行計算，所需內存容量越高。用戶在構建和使用AlphaFold2時，需要更快的推理來縮短預測時長。

而支撐高通量計算、大規模推理及大內存需求，是芯片企業的專長。

活躍于AI for Science創新前沿的英特爾，已經通過一系列軟硬件優化舉措，為AlphaFold2提供算力支持與優化，并為內存“增量降耗”。其解決方案覆蓋AlphaFold2的預處理、模型推理和后處理三個階段，實現了端到端的性能優化。

數據顯示，相比價格高昂的GPU平臺，英特爾的AlphaFold2優化方案結合了CPU的易獲取性和成本優勢，在提升推理效率的同時降低內存消耗，既能滿足多實例、長序列場景下的高通量計算與大規模推理需求，也能憑借大內存優勢支持更長蛋白質序列預測。

英特爾還為AlphaFold2提供了面向英特爾架構優化的PyTorch和PyTorch Just-In-Time（JIT）圖編譯技術，并利用切分Attention模塊、算子融合、多實例并行等方案，提升計算效率，滿足高通量計算場景下同時處理多個蛋白質序列的預測任務。

除了加速預測單個蛋白質三維結構預測，基于英特爾架構的方案同樣面向蛋白質復合體預測 (AlphaFold2 Multimer) 管線進行了優化與驗證，提供更具性價比的算力支持。

目前，兼具高性價比、易獲取、廣泛生態支持等優勢的英特爾架構AlphaFold2解決方案已展開實踐合作，加速走進科研機構、高校實驗室以及生物制藥企業，讓更多用戶能夠搭上AlphaFold2的“快車”。

二、給AI制藥裝上高速馬達，加速藥物研發

在制藥行業，AI技術正帶來效率的突破。

藥物研發長期面臨高成本、長周期、高風險的特點，其效率與人們的健康息息相關。根據德國英戈爾施塔特工業大學在2023年發表的一篇論文，2001-2020年期間，16家大型制藥公司的研發支出每年增長6%，每款獲批新藥的平均研發費用高達61.6億美元。

靶點發現是藥物發現早期的一個關鍵環節。而AI通過分析海量數據，能夠快速識別潛在的藥物靶點和候選化合物，還能設計新的分子結構，大幅加速藥物開發進程。

國內AI制藥龍頭企業英矽智能打造了AI靶點發現軟件平臺PandaOmics。該平臺通過內置的20多種預測模型和生成生物學模型，囊括來自公開文獻、科研基金、臨床試驗的文本數據，以及涵蓋遺傳學、蛋白質組學和甲基化數據的多組學數據，支持在藥物研發前期快速篩選出與特定疾病高度相關的潛在靶點和生物標志物。

英特爾的處理器不僅能夠支持傳統的科學計算任務，還能夠高效處理AI驅動的藥物發現任務。通過在其多元硬件產品上對基于C++開發的晶體結構預測類應用實現軟硬協同優化，英特爾進一步增強了PandaOmics平臺的計算效率，并有助于降低研發成本。

例如，在第五代英特爾至強可擴展處理器和酷睿Ultra 7處理器的算力支持下，PandaOmics平臺可以根據實際需求，靈活調用公有云SaaS服務或本地部署，加速藥物研發流程。

隨著大模型及生成式AI快速發展，AI在制藥行業的滲透率持續提升。在靈活高效的算力基座驅動下，AI藥物發現工具將為醫生、科研人員及藥企提供更強助力，推動研發效率提升、創新療法突破，加速探索更多疾病的治療路徑，最終為全球患者帶來挽救生命的希望。

三、壓低計算成本，讓基因組分析更加可持續

基因組分析是推動醫學進步的前沿學科。研究人員及醫療行業從業者可利用基因組分析來推動新藥研發、為各種疾病探尋更奏效的診治方案。基因組分析還在全球范圍內被廣泛應用于群體測序、作物改良和人類微生物組研究。首次完成人類完整基因組測序耗時長達13年，但如今，處理一個WGS（全基因組測序）樣本只需數小時。

英特爾通過與基因分析生態系統合作，持續加速基因組測序并降低成本。例如，其與科研機構聯合開發了一個由端到端軟硬件包構成的基因組分析參考設計，旨在優化基因組分析解決方案的性能及簡化解決方案的大規模部署，幫助用戶減少軟硬件評估的時間與成本。

該參考設計的組件經調優，可充分發揮英特爾架構的優勢。第五代英特爾至強可擴展處理器利用在內核數量、主頻、內存子系統和末級緩存方面的提升，及英特爾AVX-512指令集帶來的性能增益，既能節省功耗，又能以更低成本提供加速基因組研究所需的計算性能。

測試顯示，該研究機構將基因組分析集群從第四代英特爾至強可擴展處理器升級到第五代英特爾至強可擴展處理器后，吞吐量提升高達61%，每節點每天處理的WGS樣本數量增加至多達3倍以上，可高達14.81個WGS樣本，從而解鎖更多可用于造福人類的基因信息。

在這個經過驗證的參考設計中，基因組分析的單位成本僅為2.34美元，每個WGS樣本的功耗僅為0.341千瓦時，這意味著每個WGS樣本產生的二氧化碳排放僅為120.7克。

此外，英特爾開發的基因組內核庫（GKL）與研究機構的基因組分析工具包 (Genomics Analytics Toolkit, GATK) 軟件集成后，進一步優化軟件，能更好地利用英特爾AVX-512提升計算密集型任務的性能。

英特爾參與合作開發的基因組分析解決方案在高性能基因組計算與低功耗之間取得了平衡，可降低基因組測序的單位計算成本，加速WGS樣本處理，促進解決方案的快速、便捷部署。該方案已在全球基因組研究與分析項目中得到應用。

四、幫醫生“穿越時空”，實現優質醫療資源的共享

醫療資源不均的問題，正被AI技術改善。

AI使高質量的遠程醫療服務成為可能，打破地域與經濟的壁壘，讓偏遠地區的患者也能獲得快速診斷和治療建議。加速這一進程，離不開高性能硬件的支持。

英特爾與復旦大學附屬中山醫院、聯影醫療等生態伙伴打造的“無界”智能虛擬元診室項目，利用計算機視覺、大模型、虛擬現實（VR）等技術，將高水平醫療資源下沉到基層，為遠程患者提供診前、診中、診后的全周期服務，不僅使數字醫生能夠遠程實時執行真實醫生的指令，還為醫患雙方提供直觀、流暢、實時交互的交流體驗。

在元診室的虛擬現實空間中，千里之外的醫患可實現 “面對面” 交流。通過醫療設備數字孿生管理平臺，在英特爾硬件的支持下，醫生可以精準指導遠程患者的檢查過程，患者也能通過三維重建的數字孿生模型，清晰直觀地了解病情和診療方案，進而優化醫患溝通體驗。

基于英特爾計算機視覺及AI技術，元診室提供打造了三維效果逼真的“數字醫生”。它由中山醫院的醫學知識訓練而成，能夠實時跟蹤以執行醫生指令，輔助醫生進行更全面的問診，提高效率并減少誤診、漏診的風險。

英特爾優化的醫療領域大模型技術與知識圖譜技術以及數字醫生，能夠有效幫助基層醫生完成針對疑難病癥的相關診斷工作。遇到一些復雜病情，基層醫生亦可以利用英特爾自由視角視頻技術，通過云端算法和頭部追蹤算法將三維場景以數據形式傳輸至用戶端，向中山醫院專家實時展示患者病情，實現超越傳統視頻通話的多視角視頻會診體驗。

尤其在醫療資源稀缺、醫療水平不足的地區，這類推動醫療服務數字化轉型的項目具有重要意義，有助于顯著提升診療效率和充分釋放醫療資源，實現優質醫療資源共享。

結語：AI正為全球醫療健康帶來深遠影響

在數字化浪潮的推動下，算力成為數字經濟時代的關鍵生產力，深刻地改變生物科學與醫療行業。從加速藥物研發、基因組分析到虛擬診療、患者管理，AI技術正全方位地推動生命科學領域的創新突破和醫療體系的數字化轉型，為全球醫療健康與公共衛生開辟新的發展路徑。

坐擁龐大的CPU市場和生態系統，英特爾通過軟硬件協同組合，向廣大醫生及科研人員提供性能強大且經濟高效的算力底座，以潤物細無聲的方式持續改善AI在生命科學和醫療領域的部署效率與體驗。這些融入前沿技術的愛與責任，將推動高質量的醫療資源進步與普及，為造福大眾醫療健康創造深遠價值。

“掌”握科技鮮聞 （微信搜索techsina或掃描左側二維碼關注）

最新評論