AI药物发现中的数据闭环挑战
人工智能正以前所未有的速度识别新的治疗靶点，但这一速度也暴露了实验室的物理瓶颈和对更优质数据的迫切需求。自1950年代以来，新药研发成本每九年翻一番，即“埃鲁姆定律”所指的规律。如今，一款新药上市平均耗时10至15年，成本高达10亿至25亿美元，失败率超过90%。AI被制药行业寄予厚望，旨在提高成功率并缩短周期。Cytiva公司蛋白研究战略总监保罗·贝尔彻指出，AI不仅节省时间、压缩流程，还能筛选更优质的候选药物进入临床。然而，AI目前仍无法可靠预测新化合物的动力学或可开发性，每个AI生成的候选物仍需在实验室验证。传统筛选流程旨在大规模识别“命中”分子，而非详细分析大量复杂候选物，这给实验室团队带来更大压力。AI可增加命中数量和质量，但随之需要更高通量、信息丰富的技术来验证和表征这些分子。此外，早期AI模型依赖的数据质量参差不齐，未来需通过闭环系统整合真实、完整的实验数据，实现AI预测与实验验证的迭代优化。 #AI #药物发现 #数据闭环 #实验室自动化 #生物科技 #制药 #机器学习 #Eroom定律 #数据质量
人工智能正以前所未有的速度识别新的治疗靶点，但这一速度也暴露了实验室的物理瓶颈和对更优质数据的迫切需求。自1950年代以来，新药研发成本每九年翻一番，即“埃鲁姆定律”所指的规律。如今，一款新药上市平均耗时10至15年，成本高达10亿至25亿美元，失败率超过90%。AI被制药行业寄予厚望，旨在提高成功率并缩短周期。Cytiva公司蛋白研究战略总监保罗·贝尔彻指出，AI不仅节省时间、压缩流程，还能筛选更优质的候选药物进入临床。然而，AI目前仍无法可靠预测新化合物的动力学或可开发性，每个AI生成的候选物仍需在实验室验证。传统筛选流程旨在大规模识别“命中”分子，而非详细分析大量复杂候选物，这给实验室团队带来更大压力。AI可增加命中数量和质量，但随之需要更高通量、信息丰富的技术来验证和表征这些分子。此外，早期AI模型依赖的数据质量参差不齐，未来需通过闭环系统整合真实、完整的实验数据，实现AI预测与实验验证的迭代优化。 #AI #药物发现 #数据闭环 #实验室自动化 #生物科技 #制药 #机器学习 #Eroom定律 #数据质量
大模型质量趋同，改进速度放缓，AGI之路争议再起
据分析文章指出，大语言模型（LLM）的改进速度明显放缓，模型质量趋于收敛，标志着行业已从预训练时代进入后训练时代。文章引用了Paul Kedrosky的观点，认为在后训练阶段，模型发布的增量能力增益越来越小，持久性异常值减少，技术差异化难以维持。模型价格压缩，推理日益商品化，价值正从基础模型转向其他环节。与此同时，围绕LLM本质的争论再次升温：它们究竟是互联网内容的复杂模仿器，还是通过压缩训练数据逼近了深层思维结构？若前者成立，能力得分见顶合理，通用人工智能（AGI）论调只是炒作；若后者成立，则可能意味着人类正逼近真正的AGI。文章指出，即便前沿模型进步趋缓，大模型在编程等领域的“奇迹”能力已显现，更多超级应用场景仍将涌现。 #大模型 #AI #AGI #技术趋势 #机器学习 #LLM #模型趋同 #算法改进
据分析文章指出，大语言模型（LLM）的改进速度明显放缓，模型质量趋于收敛，标志着行业已从预训练时代进入后训练时代。文章引用了Paul Kedrosky的观点，认为在后训练阶段，模型发布的增量能力增益越来越小，持久性异常值减少，技术差异化难以维持。模型价格压缩，推理日益商品化，价值正从基础模型转向其他环节。与此同时，围绕LLM本质的争论再次升温：它们究竟是互联网内容的复杂模仿器，还是通过压缩训练数据逼近了深层思维结构？若前者成立，能力得分见顶合理，通用人工智能（AGI）论调只是炒作；若后者成立，则可能意味着人类正逼近真正的AGI。文章指出，即便前沿模型进步趋缓，大模型在编程等领域的“奇迹”能力已显现，更多超级应用场景仍将涌现。 #大模型 #AI #AGI #技术趋势 #机器学习 #LLM #模型趋同 #算法改进
企业级AI智能体环境构建指南
Intel通过数千次实验发现，企业级AI智能体远不止是聊天机器人或大模型推理。它需要完整的系统工程支持，包括任务编排、数据访问、工具执行、延迟管理、治理和可扩展基础设施。企业智能体是目标驱动的自动化工作流，能规划多步骤任务、调用工具、读取结果并在失败时重试。Intel扩展了开源基准测试工具Terminal-Bench，分离了LLM推理与智能体性能，发现评估还应关注任务耗时、系统承载能力、用户体验和成本变化。部署应分三阶段进行，核心指标是“agent密度”（每vCPU的智能体数量）。交互式助手应保持低密度以保证响应速度，批处理工作流则可运行更高密度，从而平衡服务目标与总成本。 #企业AI #智能体 #AI智能体 #Intel #系统架构 #Agent密度 #企业级应用 #大模型
Intel通过数千次实验发现，企业级AI智能体远不止是聊天机器人或大模型推理。它需要完整的系统工程支持，包括任务编排、数据访问、工具执行、延迟管理、治理和可扩展基础设施。企业智能体是目标驱动的自动化工作流，能规划多步骤任务、调用工具、读取结果并在失败时重试。Intel扩展了开源基准测试工具Terminal-Bench，分离了LLM推理与智能体性能，发现评估还应关注任务耗时、系统承载能力、用户体验和成本变化。部署应分三阶段进行，核心指标是“agent密度”（每vCPU的智能体数量）。交互式助手应保持低密度以保证响应速度，批处理工作流则可运行更高密度，从而平衡服务目标与总成本。 #企业AI #智能体 #AI智能体 #Intel #系统架构 #Agent密度 #企业级应用 #大模型
特朗普AI智囊团内部分歧加深，对华AI政策悬而未决
随着中国开源AI模型日益强大，特朗普政府内部对如何应对产生严重分歧。决策权集中在少数官员手中，但他们的观点截然不同：商务部长卢特尼克试图走中间路线，既对Anthropic实施出口管制，又考虑激励美国实验室开发开源模型；白宫AI政策负责人凯恩克罗斯则持强硬立场，专注于遏制中国通过“蒸馏”技术利用美国前沿模型。由于部门间缺乏协调，最终政策将由最接近总统的人决定。此外，商务部下属AI标准与创新中心因与Anthropic的安全谈判问题出现人事变动，进一步增加了政策不确定性。 #特朗普 #AI政策 #中国 #人工智能 #出口管制 #开源模型 #美国政府 #科技竞争 #Anthropic #蒸馏
随着中国开源AI模型日益强大，特朗普政府内部对如何应对产生严重分歧。决策权集中在少数官员手中，但他们的观点截然不同：商务部长卢特尼克试图走中间路线，既对Anthropic实施出口管制，又考虑激励美国实验室开发开源模型；白宫AI政策负责人凯恩克罗斯则持强硬立场，专注于遏制中国通过“蒸馏”技术利用美国前沿模型。由于部门间缺乏协调，最终政策将由最接近总统的人决定。此外，商务部下属AI标准与创新中心因与Anthropic的安全谈判问题出现人事变动，进一步增加了政策不确定性。 #特朗普 #AI政策 #中国 #人工智能 #出口管制 #开源模型 #美国政府 #科技竞争 #Anthropic #蒸馏
从AI PC到Agent Computer AMD重新定义PC的下一个角色
在AMD Advancing AI 2026活动中，AMD提出了PC向Agent Computer演进的新战略，区别于以往强调NPU效能和Copilot+功能的AI PC思路。AMD运算与图形事业部负责人Jack Huynh指出，下一代PC将能直接执行AI模型、管理工作流程，并成为企业AI代理人的运作节点。这标志着AMD正将PC从具备AI功能的设备，重新定位为AI运算的核心平台。随着生成式AI进入Agentic AI时代，任务规划与多步骤执行对模型推理能力提出更高要求，若完全依赖云端将导致延迟、成本上升及数据隐私风险。因此，终端PC的本地AI能力变得至关重要，AMD此举旨在让PC成为主动执行AI任务的新型计算平台。 #AMD #AgentComputer #AIPC #人工智能 #PC产业 #AI运算 #科技趋势
在AMD Advancing AI 2026活动中，AMD提出了PC向Agent Computer演进的新战略，区别于以往强调NPU效能和Copilot+功能的AI PC思路。AMD运算与图形事业部负责人Jack Huynh指出，下一代PC将能直接执行AI模型、管理工作流程，并成为企业AI代理人的运作节点。这标志着AMD正将PC从具备AI功能的设备，重新定位为AI运算的核心平台。随着生成式AI进入Agentic AI时代，任务规划与多步骤执行对模型推理能力提出更高要求，若完全依赖云端将导致延迟、成本上升及数据隐私风险。因此，终端PC的本地AI能力变得至关重要，AMD此举旨在让PC成为主动执行AI任务的新型计算平台。 #AMD #AgentComputer #AIPC #人工智能 #PC产业 #AI运算 #科技趋势