現在制藥這事，人類(lèi)要靠邊站了。
坐標蘇州，這是一個(gè)1600平的制藥實(shí)驗室，它的“打開(kāi)方式”是這樣的：
門(mén)口，沒(méi)有人。
走廊，沒(méi)有人。
實(shí)驗室，也沒(méi)有人。
相比以往充斥著(zhù)科學(xué)家、研究員的實(shí)驗室，它更多的是把機械臂和AI系統塞了進(jìn)去，主打的就是一個(gè)全自動(dòng)化。
或許好奇的小伙伴就要問(wèn)，這樣的實(shí)驗室能干嘛？就是為了自動(dòng)化而自動(dòng)化嘛？
事情當然沒(méi)有那么簡(jiǎn)單，你瞧見(jiàn)的只是無(wú)人的操作，但在背后，AI做的可遠遠不只是替代人工的實(shí)驗室操作那么簡(jiǎn)單，而是：
>14天內完成靶點(diǎn)發(fā)現和驗證，還是全自動(dòng)化干濕實(shí)驗閉環(huán)的那種。
要知道，這個(gè)過(guò)程要放以前，可是需要足足2-3年才能完成……
而且更為精細化的工作，例如樣本處理、細胞培養、化合物管理、高通量篩選、新一代測序、高內涵成像等等，不論是單一任務(wù)還是“聯(lián)動(dòng)”任務(wù)，機器都可以在A(yíng)I的控制下輕松接手。
用Echo 650T制備檢測板
用NovaSeq 6000測序
這便是來(lái)自全球AI制藥第一梯隊的“選手”——英矽智能（Insilico Medicine）的第六代智能機器人實(shí)驗室，也是全球首個(gè)用AI參與決策的生物學(xué)實(shí)驗室。
而在它背后驅動(dòng)這一切的AI大腦，則是一個(gè)叫做PandaOmics的平臺，可以根據實(shí)驗的進(jìn)程自主做決策、下達指令。
若是把這個(gè)AI平臺單拎出來(lái)，它更是囊括了20多種預測模型和生成生物學(xué)模型，還包含遺傳學(xué)、蛋白質(zhì)組學(xué)、甲基化數據、文本文獻和科研基金等海量數據，用以支持專(zhuān)業(yè)的靶點(diǎn)識別、分析和排序、適應癥探索等生物學(xué)研究。
甚至已經(jīng)有高中生用PandaOmics發(fā)現了藥物新靶點(diǎn)，并且研究成果還登上了國際學(xué)術(shù)期刊！
而且除了PandaOmics之外，英矽智能在人工智能制藥領(lǐng)域擁有端到端的藥物發(fā)現平臺Pharma.AI，其中專(zhuān)注于化學(xué)領(lǐng)域的Chemistry42還可以針對給定靶點(diǎn)從頭設計具有特定屬性藥物理化性質(zhì)的新型小分子。
這一切都可以在幾小時(shí)內到幾十小時(shí)內完成，且支持并行運行多個(gè)任務(wù)。
以及英矽智能還將科技圈最潮的大模型也融入進(jìn)來(lái)，在Pharma.AI的架構上推出Copilot系統，讓你只要會(huì )對話(huà)就能使用專(zhuān)業(yè)的AI制藥平臺。。
由此可見(jiàn)，現在A(yíng)I不僅是把制藥這件事變成了“自動(dòng)駕駛”模式，更是狠狠地把門(mén)檻打下去、效率提上來(lái)。
AI制藥的流程和工作是方便了，但隨之而來(lái)的一個(gè)問(wèn)題便是：如此大的工作量，算力，又是如何解決的呢？
科學(xué)計算與AI，CPU都在發(fā)力
對于上述的問(wèn)題，包括英矽智能、晶泰科技等AI制藥的頭部力量們不約而同地選擇了相似的解決辦法：
充分利用所有可以用、值得用的科學(xué)計算與AI算力平臺。這種平臺可不是你想象的那樣被GPU制霸，相反，其中的CPU用量更大，尤其是英特爾的CPU。
為什么要選擇英特爾？
首要的一個(gè)原因，就是英特爾供企業(yè)計算及科學(xué)計算使用的主力CPU，即至強? 可擴展處理器系列產(chǎn)品，一直都是物理計算——無(wú)論是昔日計算機輔助制藥，還是今天AI輔助制藥都非常依賴(lài)的科學(xué)計算應用的關(guān)鍵承載平臺。
另一方面，就算是把應用的主題從相對傳統的制藥相關(guān)的科學(xué)計算任務(wù)，切換到更偏AI的應用上，英特爾也算是頗有建樹(shù)，這一點(diǎn)從它以AlphaFold2為代表的開(kāi)源蛋白質(zhì)預測模型的支持上就可見(jiàn)一斑。
AlphaFold2基本架構
首先，AlphaFold2整個(gè)端到端的處理過(guò)程，涉及?量復雜多樣的計算類(lèi)型。從早期的數據收集、特征提取等預處理階段，到基于深度學(xué)習的蛋白質(zhì)結構預測，再到后續的結果分析，這是?個(gè)高度異構的工作負載。
而英特爾?至強? 可擴展處理器可以輕松勝任這一系列多樣化的任務(wù)。以至強? CPU Max系列處理器為例，它采用全新微架構、更多內核(最高達56個(gè))，能以更高頻率和更大緩存，去應對?通量的預處理和后處理工作。
它在內存和輸入/輸出（I/O）子系統性能上有著(zhù)顯著(zhù)的增強，還結合大容量末級緩存使AlphaFold2推理過(guò)程中關(guān)鍵的張量吞吐獲得了大幅提升。
英特爾? 至強? CPU Max 系列處理器
其次，由于A(yíng)lphaFold2所采用的深度學(xué)習模型規模巨大，推理過(guò)程中的張量運算不僅量大，且維度極高。這就要求承載平臺具備強?的AI運算加速能力。
在這?點(diǎn)上，新款至強? 系列處理器內置的英特爾? AMX(?級矩陣擴展)技術(shù)，可以顯著(zhù)加速大規模矩陣乘法運算。
在FP32/BF16混合精度計算下，其理論峰值可達每時(shí)鐘周期1024次乘加操作。針對AlphaFold2推理任務(wù)中所需的大量矩陣運算操作，AMX_BF16能在保持較高精度的同時(shí)，提高計算速度并減少存儲空間。
AMX_BF16推理優(yōu)化帶來(lái)更低內存占用和更大輸入長(cháng)度
另一方面，AlphaFold2因其高維張量運算和長(cháng)序列并行計算，在推理過(guò)程中常?臨超?內存需求，不光影響推理速度，還會(huì )限制更長(cháng)蛋白質(zhì)序列的預測。
為此英特爾從軟硬協(xié)同的方式給出完整解決方案。
一面是提升內存容量和帶寬。解決方案中，英特爾? 至強? CPU Max系列處理器除支持DDR5內存外，還集成了HBM（?帶寬內存）。單顆處理器的HBM容量?達64GB，且具有高達460GB/s帶寬。
另一面是提供了多種降低內存的軟件優(yōu)化方法。如面向PyTorch對張量計算原語(yǔ)（Tensor Processing Primitives，TPP）技術(shù)進(jìn)行擴展，以及切分Attention模塊和算子融合的推理優(yōu)化方案，幫助AlphaFold2在通用矩陣乘法計算中所需的內存峰值大幅降低。
熱點(diǎn)算子與融合效果
經(jīng)過(guò)一系列加強和優(yōu)化后，最終效果如何呢？
如圖所示，在基于至強? CPU Max系列處理器的優(yōu)化流程中，每個(gè)優(yōu)化步驟獲得的提升累積后，獲得了相對于基線(xiàn)性能（對比組1，基于第三代至強? 可擴展處理器，未實(shí)施優(yōu)化）高達33.97倍的通量提升。
根據測算，性能提升中的74%源自預處理階段的高通量?jì)?yōu)化，26%要歸功于對推理過(guò)程的優(yōu)化。
此外，在同樣開(kāi)啟IPEX（面向PyTorch的英特爾? 擴展優(yōu)化框架）的情況下，相比對比組2（基于第三代至強? 可擴展處理器，但實(shí)施過(guò)優(yōu)化），方案在升級使用至強? CPU Max 系列處理器后，其內置的HBM內存、英特爾? AMX的加成，則帶來(lái)了48.3%的性能提升。
切分Attention模塊和算子融合的推理優(yōu)化方案
而且值得一提的是，在一項基于某公有云服務(wù)的測試中，基于至強? CPU平臺構建的AlphaFold2解決方案還在性能上獲得了遠優(yōu)于某高端GPU平臺的表現，同時(shí)也優(yōu)于由CPU+GPU混合構建的方案。
這可是一個(gè)非常難得的成績(jì)——畢竟過(guò)去在很多AI應用的測試或實(shí)戰中，CPU能有接近或媲美GPU的表現就已經(jīng)算是成功，而AlphaFold2上至強? 平臺則實(shí)現了性能+蛋白質(zhì)預測序列長(cháng)度的全面反超。
現在還剩下最后一個(gè)問(wèn)題，多個(gè)蛋白結果的解析模型AlphaFold2 Multimer。
也就是從預測單個(gè)蛋白質(zhì)三維結構，發(fā)展到了對多個(gè)蛋白質(zhì)分子之間的相互作用及所形成的復合體結構進(jìn)行預測。
CPU在這一演變過(guò)程中的支持力度如何呢？
答案是不用擔心！基于英特爾? 架構的AlphaFold2解決方案同樣也面向AlphaFold2 Multimer的管線(xiàn)結構進(jìn)行了優(yōu)化與驗證，雖然后者的管線(xiàn)結構已根據蛋白質(zhì)復合體結構預測的需求進(jìn)行了調整，但英特爾AlphaFold2上的優(yōu)化方案，在被用于A(yíng)lphaFold2 Multimer時(shí)同樣有效。
面向AlphaFold2 Multimer模式的方案實(shí)現
CPU加速新藥發(fā)現不是夢(mèng)
回顧以往，研發(fā)?種新藥動(dòng)輒需要10年時(shí)間，投入20億美元才能起步。
而在A(yíng)I的助力下，這?成本正大幅降低。以英矽智能為例，它們進(jìn)展最快的項目?jì)H用18個(gè)月就找到了治療特發(fā)性肺纖維化(IPF)的潛在全球首創(chuàng )候選藥物并通過(guò)實(shí)驗驗證，總成本約為280萬(wàn)美元。
展望未來(lái)，隨著(zhù)AI技術(shù)的進(jìn)?步發(fā)展滲透，它必將重塑制藥業(yè)的創(chuàng )新模式，讓新藥研發(fā)變得更加高效、精準、經(jīng)濟。而在這?進(jìn)程中，相關(guān)的科學(xué)計算及AI應用任務(wù)，依然需要有強大的算力支撐。
從英矽智能、晶泰科技等實(shí)踐來(lái)看，以至強?處理器為代表的CPU平臺，正憑借其在性能、成本、生態(tài)等方面的獨特優(yōu)勢，成為推動(dòng)AI時(shí)代制藥創(chuàng )新的重要“引擎”。
這也預示著(zhù)，CPU加速AI應用落地，幫助用戶(hù)節支增效以及推進(jìn)其技術(shù)和業(yè)務(wù)創(chuàng )新的腳步從未停止。
AI讓新藥研發(fā)進(jìn)入“自動(dòng)駕駛”模式，而英特爾?至強?處理器則提供了它所需的源源不斷的動(dòng)?。
在這種合作模式下，AI+制藥還將擦出怎樣的火花，就很值得期待了。
為了科普CPU在A(yíng)I推理新時(shí)代的玩法，量子位開(kāi)設了《最“in”AI》專(zhuān)欄，將從技術(shù)科普、行業(yè)案例、實(shí)戰優(yōu)化等多個(gè)角度全面解讀。
我們希望通過(guò)這個(gè)專(zhuān)欄，讓更多的人了解英特爾? 架構CPU在A(yíng)I推理加速，甚至是整個(gè)AI平臺或全流程加速上的實(shí)踐成果，重點(diǎn)就是如何更好地利用CPU來(lái)提升AI，包括大模型應用的性能和效率。
未來(lái)隨著(zhù)英特爾AI產(chǎn)品技術(shù)組合的進(jìn)一步擴展和豐富，我們還將在這里為大家提供更多產(chǎn)品技術(shù)上的優(yōu)秀用例與方案分享，以及技術(shù)應用指南。
免責聲明：市場(chǎng)有風(fēng)險，選擇需謹慎！此文僅供參考，不作買(mǎi)賣(mài)依據。
關(guān)鍵詞：
