这些合作基于英伟达的“人工智能工厂”概念,即把原始数据转化为可操作的人工智能模型或“tokens”的数据中心,这些模型或“tokens”可作为各种应用的智能工具。
这些联盟还旨在开发能力更强的代理,即具有决策能力的自主行动数字机器人,这些机器人通常以目标或目的为指导。代理系统可以规划、推理和执行多步骤的任务,适应不断变化的环境和背景,超越回答问题,发起行动。
英伟达表示,人工智能代理现在可以自动处理临床文件,帮助病人寻找治疗,甚至在自然灾害等紧急情况下协调医院的运作。
数以千计的代理
英伟达的医疗保健副总裁 Kimberly Powell表示:“仅在我们的启动计划中,就有超过1000 家数字医疗保健初创企业正在开发数千个人工智能代理。”她以临床对话式生成人工智能平台Abridge为例,该平台使用代理自动处理临床文档,每天可为医生节省多达三小时的文书工作。
Iqvia Holdings是一家为生命科学行业提供先进分析、技术和临床研究服务的供应商,英伟达与该公司合作,简化药物和医疗器械开发。Powell表示,Iqvia的64 PB专有匿名数据集将被英伟达最近发布的Llama Nemotron大型语言模型训练定制模型,“通过人工智能代理推动更高效的临床试验和工作流程转型。”
与梅奥诊所(Mayo Clinic)的合作旨在共同开发新一代病理模型。梅奥诊所将利用英伟达的DGX Blackwell系统和人工智能工具训练超过2000万张数字病理图像,以创建“数字孪生”,即物理实体的计算机化复制品,用于个性化医疗保健。
与生物技术公司Illumina的合作旨在通过将Illumina的测序技术与英伟达的人工智能工具结合,从基因组学数据中获得洞察力。英伟达表示,双方的合作将使基因组学研究民主化,并扩大其在药物发现领域的应用。
Powell表示:“我们将为基因组学开辟新的市场,让人们不仅能获得数据,还能更深入地了解基因组学,推动疾病研究和药物发现取得重大进展。”
英伟达还与非营利性医学研究机构Arc Institute合作,利用英伟达的BioNeMo 自然语言处理框架(如图)为生物学和临床研究创建开源生物基础模型。Powell表示,这样做的目的是促进对DNA、RNA和蛋白质结构的理解,从而推动生物医学研究。
她表示:“我们的合作将专注于利用BioNeMo和DGX云开发真正的生物学基础模型,并将成果贡献回BioNeMo的开源中。”DGX Cloud是一种基于云的人工智能超级计算服务。
大会上还将首次发布名为GenMol的BioNeMo新版本,这是一个用于虚拟筛选的目标导向分子生成NeMo推理微服务。英伟达还将发布蛋白质设计蓝图(Blueprints for Protein Design),这是开发基于蛋白质的疗法的参考工作流。
Powell表示:“数以万计的生命科学公司、研究机构和平台公司现在可以将BioNeMo与传统的实验室工作整合在一起,创建一个人工智能药物发现工厂,业界称之为‘干实验室’。”“我们正在看到的是从湿实验室发现过程向人工智能工厂、干实验室和移动药物发现的转变。”
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。