多年以后，人们回忆起人工智能（AI）影响生命科学领域的历史性一幕，恐怕很难会忽略2024年10月9日这个轰动全球科技圈的日子——瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予美国华盛顿大学的戴维·贝克（David Baker），以及来自谷歌DeepMind的德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper），以表彰他们在蛋白质设计和蛋白质结构预测领域作出的贡献。
而哈萨比斯和江珀获奖的代表作，便是2021年发布的AI模型AlphaFold2，它破解了生物学界50年来的重大挑战，在高精度蛋白质结构预测上树立了一座丰碑。该模型能预测超过2亿种蛋白质，几乎涵盖了地球上所有已知的蛋白质。这些预测结果DeepMind对外免费开放，使得全球研究人员能够大幅提高研究效率，将研究成果广泛应用于疫苗、制药、生物技术等领域。
随着生成式AI浪潮兴起，AI技术进一步在生命科学和医疗健康领域掀起一场效率提升浪潮，从临床研究、疾病诊疗、药物研发到报告撰写、文献翻译等各个细分环节，实现生产力的跃升。作为算力芯片及平台的提供商，英特尔正以更强的通用计算性能与兼顾AI推理加速的英特尔至强平台，提供丰富的算力产品组合与解决方案，加速生命科学领域的新发现、药物研发创新与医疗发展。
一、拉高落地部署性价比，帮更多人搭上AlphaFold2的快车
AlphaFold2为生物学界带来了原子级别的蛋白质三维结构预测精度，但要让这项突破性技术惠及更广泛的科研机构、高校实验室及生物、医药企业，需进一步降低部署应用的难度和成本。
AlphaFold2的架构有多项创新设计，使整个方案从预处理到推理任务都面临高通量的计算压力。不同蛋白质预测中，序列越长，张量运算规模与推理计算复杂度就越大，再结合更多序列的并行计算，所需内存容量越高。用户在构建和使用AlphaFold2时，需要更快的推理来缩短预测时长。
而支撑高通量计算、大规模推理及大内存需求，是芯片企业的专长。
活跃于AI for Science创新前沿的英特尔，已经通过一系列软硬件优化举措，为AlphaFold2提供算力支持与优化，并为内存“增量降耗”。其解决方案覆盖AlphaFold2的预处理、模型推理和后处理三个阶段，实现了端到端的性能优化。
数据显示，相比价格高昂的GPU平台，英特尔的AlphaFold2优化方案结合了CPU的易获取性和成本优势，在提升推理效率的同时降低内存消耗，既能满足多实例、长序列场景下的高通量计算与大规模推理需求，也能凭借大内存优势支持更长蛋白质序列预测。
英特尔还为AlphaFold2提供了面向英特尔架构优化的PyTorch和PyTorch Just-In-Time（JIT）图编译技术，并利用切分Attention模块、算子融合、多实例并行等方案，提升计算效率，满足高通量计算场景下同时处理多个蛋白质序列的预测任务。
除了加速预测单个蛋白质三维结构预测，基于英特尔架构的方案同样面向蛋白质复合体预测 (AlphaFold2 Multimer) 管线进行了优化与验证，提供更具性价比的算力支持。
目前，兼具高性价比、易获取、广泛生态支持等优势的英特尔架构AlphaFold2解决方案已展开实践合作，加速走进科研机构、高校实验室以及生物制药企业，让更多用户能够搭上AlphaFold2的“快车”。
二、给AI制药装上高速马达，加速药物研发
在制药行业，AI技术正带来效率的突破。
药物研发长期面临高成本、长周期、高风险的特点，其效率与人们的健康息息相关。根据德国英戈尔施塔特工业大学在2023年发表的一篇论文，2001-2020年期间，16家大型制药公司的研发支出每年增长6%，每款获批新药的平均研发费用高达61.6亿美元。
靶点发现是药物发现早期的一个关键环节。而AI通过分析海量数据，能够快速识别潜在的药物靶点和候选化合物，还能设计新的分子结构，大幅加速药物开发进程。
国内AI制药龙头企业英矽智能打造了AI靶点发现软件平台PandaOmics。该平台通过内置的20多种预测模型和生成生物学模型，囊括来自公开文献、科研基金、临床试验的文本数据，以及涵盖遗传学、蛋白质组学和甲基化数据的多组学数据，支持在药物研发前期快速筛选出与特定疾病高度相关的潜在靶点和生物标志物。
英特尔的处理器不仅能够支持传统的科学计算任务，还能够高效处理AI驱动的药物发现任务。通过在其多元硬件产品上对基于C++开发的晶体结构预测类应用实现软硬协同优化，英特尔进一步增强了PandaOmics平台的计算效率，并有助于降低研发成本。
例如，在第五代英特尔至强可扩展处理器和酷睿Ultra 7处理器的算力支持下，PandaOmics平台可以根据实际需求，灵活调用公有云SaaS服务或本地部署，加速药物研发流程。
随着大模型及生成式AI快速发展，AI在制药行业的渗透率持续提升。在灵活高效的算力基座驱动下，AI药物发现工具将为医生、科研人员及药企提供更强助力，推动研发效率提升、创新疗法突破，加速探索更多疾病的治疗路径，最终为全球患者带来挽救生命的希望。
三、压低计算成本，让基因组分析更加可持续
基因组分析是推动医学进步的前沿学科。研究人员及医疗行业从业者可利用基因组分析来推动新药研发、为各种疾病探寻更奏效的诊治方案。基因组分析还在全球范围内被广泛应用于群体测序、作物改良和人类微生物组研究。首次完成人类完整基因组测序耗时长达13年，但如今，处理一个WGS（全基因组测序）样本只需数小时。
英特尔通过与基因分析生态系统合作，持续加速基因组测序并降低成本。例如，其与科研机构联合开发了一个由端到端软硬件包构成的基因组分析参考设计，旨在优化基因组分析解决方案的性能及简化解决方案的大规模部署，帮助用户减少软硬件评估的时间与成本。
该参考设计的组件经调优，可充分发挥英特尔架构的优势。第五代英特尔至强可扩展处理器利用在内核数量、主频、内存子系统和末级缓存方面的提升，及英特尔AVX-512指令集带来的性能增益，既能节省功耗，又能以更低成本提供加速基因组研究所需的计算性能。
测试显示，该研究机构将基因组分析集群从第四代英特尔至强可扩展处理器升级到第五代英特尔至强可扩展处理器后，吞吐量提升高达61%，每节点每天处理的WGS样本数量增加至多达3倍以上，可高达14.81个WGS样本，从而解锁更多可用于造福人类的基因信息。
在这个经过验证的参考设计中，基因组分析的单位成本仅为2.34美元，每个WGS样本的功耗仅为0.341千瓦时，这意味着每个WGS样本产生的二氧化碳排放仅为120.7克。
此外，英特尔开发的基因组内核库（GKL）与研究机构的基因组分析工具包 (Genomics Analytics Toolkit, GATK) 软件集成后，进一步优化软件，能更好地利用英特尔AVX-512提升计算密集型任务的性能。
英特尔参与合作开发的基因组分析解决方案在高性能基因组计算与低功耗之间取得了平衡，可降低基因组测序的单位计算成本，加速WGS样本处理，促进解决方案的快速、便捷部署。该方案已在全球基因组研究与分析项目中得到应用。
四、帮医生“穿越时空”，实现优质医疗资源的共享
医疗资源不均的问题，正被AI技术改善。
AI使高质量的远程医疗服务成为可能，打破地域与经济的壁垒，让偏远地区的患者也能获得快速诊断和治疗建议。加速这一进程，离不开高性能硬件的支持。
英特尔与复旦大学附属中山医院、联影医疗等生态伙伴打造的“无界”智能虚拟元诊室项目，利用计算机视觉、大模型、虚拟现实（VR）等技术，将高水平医疗资源下沉到基层，为远程患者提供诊前、诊中、诊后的全周期服务，不仅使数字医生能够远程实时执行真实医生的指令，还为医患双方提供直观、流畅、实时交互的交流体验。
在元诊室的虚拟现实空间中，千里之外的医患可实现 “面对面” 交流。通过医疗设备数字孪生管理平台，在英特尔硬件的支持下，医生可以精准指导远程患者的检查过程，患者也能通过三维重建的数字孪生模型，清晰直观地了解病情和诊疗方案，进而优化医患沟通体验。
基于英特尔计算机视觉及AI技术，元诊室提供打造了三维效果逼真的“数字医生”。它由中山医院的医学知识训练而成，能够实时跟踪以执行医生指令，辅助医生进行更全面的问诊，提高效率并减少误诊、漏诊的风险。
英特尔优化的医疗领域大模型技术与知识图谱技术以及数字医生，能够有效帮助基层医生完成针对疑难病症的相关诊断工作。遇到一些复杂病情，基层医生亦可以利用英特尔自由视角视频技术，通过云端算法和头部追踪算法将三维场景以数据形式传输至用户端，向中山医院专家实时展示患者病情，实现超越传统视频通话的多视角视频会诊体验。
尤其在医疗资源稀缺、医疗水平不足的地区，这类推动医疗服务数字化转型的项目具有重要意义，有助于显著提升诊疗效率和充分释放医疗资源，实现优质医疗资源共享。
结语：AI正为全球医疗健康带来深远影响
在数字化浪潮的推动下，算力成为数字经济时代的关键生产力，深刻地改变生物科学与医疗行业。从加速药物研发、基因组分析到虚拟诊疗、患者管理，AI技术正全方位地推动生命科学领域的创新突破和医疗体系的数字化转型，为全球医疗健康与公共卫生开辟新的发展路径。
坐拥庞大的CPU市场和生态系统，英特尔通过软硬件协同组合，向广大医生及科研人员提供性能强大且经济高效的算力底座，以润物细无声的方式持续改善AI在生命科学和医疗领域的部署效率与体验。这些融入前沿技术的爱与责任，将推动高质量的医疗资源进步与普及，为造福大众医疗健康创造深远价值。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如稿件版权单位或个人不想在本网发布，可与本网联系，本网视情况可立即将其撤除。
