Bulletin#A5C2F16B2E4756FF6ABE6BBB10C6833F
orCmWKnKpoNGs5gJXA3tkxwWKv8j8KYxxp#2630
@2024-02-24 16:00:00
orCmWKnKpoNGs5gJXA3tkxwWKv8j8KYxxp#2630
@2024-02-24 16:00:00
# AI for Science时代与新基建
原创 海兰云UDC [ 新潮沉思录 ](javascript:void\(0\);)
__ _ _ _ _
分享一篇介绍IT技术新动向的文章， 文章由公众号 海兰云UDC 团队提供，有空闲的读者们可以帮忙关注 下这个公众号。
2023年，生成式AI火爆全球，无论是聊天机器人还是文字生成图片，都给大家带来了前所未有的体验。实际上，AI的应用前景远不只陪你聊天，ai for
science，也就是所谓的科学智能，正在扮演着越来越重要的角色，成为人类未来各领域技术不断革新的基础保障。
从计算机发明之初，就靠着强大的计算能力在科学领域起到了关键的作用，但是很长时间以来，计算机在科学领域的价值，更多在于数据的处理和存储，虽然确实可以帮助科研工作者，但是对于科学研究复杂规律的认识，计算机能起到的帮助相对有限。不过，在以深度学习为代表的新一代人工智能技术出现之后，这一现象发生了变化。
**AI与医疗**
2018年，在第十三届全球蛋白质结构预测大赛（CASP）中，deepmind的AlphaFold模型在预测43种蛋白质中，25项预测获得了最高分，这样的成绩震惊了全球生物学界。
这项成果有多重要呢？蛋白质结构预测是生物学研究十分关键的部分，蛋白质测序只能测定蛋白质的氨基酸组成，但是蛋白质的结构实际上并不是一条直线，而是由复杂的几何结构所构成，这些复杂的结构也正是蛋白质多种多样功能实现的基础，这方面的研究是现代生命科学的基础之一，同时也是新药开发的基础。
传统的蛋白质结构预测程序准确度较为一般，难以直接使用，而想要测定蛋白质结构，需要使用x射线晶体衍射和冷冻电镜之类复杂的技术，效率较为一般，而AlphaFold的横空出世，改变了生命科学界的这一现状。在这之后，AlphaFold还推出了更准确高效的第二代模型，同时deepmind还向全球开放了他们预测的两亿多个蛋白结构，几乎包含了人类所有已知的蛋白，
** 这一效率是传统研究方式无法比拟的。 **
**AI爆发，未来科学研究的加速器**
AI在科学领域的使用，远不止一个AlphaFold，实际上任何一个领域的科学研究，都有可能与人工智能结合。
比如说在2023年，百度与斯微生物合作的通过AI优化mrna疫苗设计的论文，发表在了著名学术期刊《nature》上，这是该刊物第一篇AI优化疫苗设计的文章，通过AI提高了疫苗的抗原性；
2023年中美都有公司推出了气象大模型，用少得多的时间与算力，实现不亚于甚至优于传统气象预测模型的效果，改变了气象预测的模式；
最近deepmind又提出了GNoME工具，目前为止已经预测了220万种材料的结构，其他领域类似的研究更是不在少数。 **
这些事实足以证明，人工智能会是未来科学研究的加速器。 **
在这些案例中，人工智能的主要作用是提取出数据里包含的人类难以直观分析的规律，进而对未来的研究进行预测。这是现在人工智能用于科学的主流方向，但是绝不是全部，人工智能对科学研究的价值是全方位的。
顶级期刊《nature》在去年八月的《Scientific discovery in the age of artificial
intelligence》一文里边就提出，人工智能对科学的模式改变，最起码可以分为四个领域，分别是
——人工智能辅助收集，预处理海量数据；
——提取复杂科学数据中难以直接掌握的抽象规律；
——生成优秀的科学假设，设计研究问题；
——驱动实验与模拟的全流程，进行更高效的模拟与实验结合。
无论是哪个领域，都存在着巨大的前景，都有可能彻底改变现行科学范式，而我们目前观察到的，只不过是其中之一。
2023年3月，科技部会同国家自然科学基金委启动了人工智能驱动的科学研究”（AI for Science）专项部署工作，这表明AI for
Science已经被摆到了科研总体战略的高度。如何让人工智能更好作用于科研，是未来科学研究相当关键的问题。无论是科研院所还是互联网企业，都在积极参与这场科学研究的变革，
** 这一领域未来必定是投资的巨大热点。 **
** **
**AI for Science时代的行业机遇**
科学智能时代，互联网与数字基础设施公司可以直接参与基础研究。在科学智能时代，这些公司有必要和基础研究者合作， **
针对科研的需求设计优化各种人工智能工具，成为基础科学的直接参与者。 **
相应的，各种算力设施也会成为科学设施的一部分。科学智能和其他人工智能应用一样，需要大量的算力， ** 各个科研院所未来将会建设大量算力设施， **
但是因为环境的限制，不可能把所有的算力设施都建在大学和研究机构里，需要的算力很多依然需要去云平台上租赁，从成本和便捷性来说都是合理的，显然这对云服务提供商是巨大的机会。
科学智能的很多研究方向， ** 对于云服务提出了全新的要求。 **
比如说一部分领域需要非传统非通用的模型，需要进行与传统模型不一样的优化；比如说某些科学领域，对系统延迟有极高的要求，同时对系统的灵活性和冗余度也有特定更多需求；而一些特殊的场合，比如地下，海洋等情况，
** 需要新形式的算力设 ** 施 ** 作为基础，传统的算力设 ** 施 ** 不适合这样的环境。 **
另一方面，科学研究也必须考虑环保问题， **科研需要的算力也和时代的趋势一样，需要更加绿色环保的模式，**
目前大部分传统数据中心和算力中心在PUE值，WUE值这些能耗指标方面仍然很高，显然难以胜任这块未来的市场。
所以，以科学研究为目标的算力必然 **在建设起步阶段就要考虑低能耗的新型算力设施。** 比如，目前在我国沿海地区出现的海底数据中心就是这种趋势的代表
，以天然海水为冷源，PUE值低至1.1，WUE值更是趋近0。
** 未来，科学算力基础设施的建设会是富有潜力的巨大市场， **
随着科学智能的全面推进，海量的科基础科学研究经费中必然有相当一部分投入在算力设施中，而目前国家已经将科学智能列入了科学战略发展规划，未来这一领域也必然成为投资焦点，这样前景巨大的机会是不多见的，只有勇于全方位创新的公司，才能把握住这个市场。
在人工智能驱动下，未来的科学发展模式会带来全方位的变革，我们现在所看到的，只不过是开始的开始。在未来，人工智能可以帮助我们能以指数级的速度理解这个世界，最终让这个世界更加美好。
本文由海兰云UDC团队原创出品。海兰云专注于绿色低碳，节能环保的算力基础设施创新赛道，研发建设了全球第一家商用海底数据中心，并投入商业应用。在海兰云UDC公众号中，我们会分享海底数据中心和UDC行业的技术干货，行业动态，并且将持续聚焦于IT与信息行业的前沿动态，深度洞察。点击下方海兰云UDC公众号名片，持续获得更多优质行业信息。
预览时标签不可点
个人观点，仅供参考
微信扫一扫
关注该公众号
****
****
× 分析
收藏
# AI for Science时代与新基建
原创 海兰云UDC [ 新潮沉思录 ](javascript:void\(0\);)
__ _ _ _ _
分享一篇介绍IT技术新动向的文章， 文章由公众号 海兰云UDC 团队提供，有空闲的读者们可以帮忙关注 下这个公众号。
2023年，生成式AI火爆全球，无论是聊天机器人还是文字生成图片，都给大家带来了前所未有的体验。实际上，AI的应用前景远不只陪你聊天，ai for
science，也就是所谓的科学智能，正在扮演着越来越重要的角色，成为人类未来各领域技术不断革新的基础保障。
从计算机发明之初，就靠着强大的计算能力在科学领域起到了关键的作用，但是很长时间以来，计算机在科学领域的价值，更多在于数据的处理和存储，虽然确实可以帮助科研工作者，但是对于科学研究复杂规律的认识，计算机能起到的帮助相对有限。不过，在以深度学习为代表的新一代人工智能技术出现之后，这一现象发生了变化。
**AI与医疗**
2018年，在第十三届全球蛋白质结构预测大赛（CASP）中，deepmind的AlphaFold模型在预测43种蛋白质中，25项预测获得了最高分，这样的成绩震惊了全球生物学界。
这项成果有多重要呢？蛋白质结构预测是生物学研究十分关键的部分，蛋白质测序只能测定蛋白质的氨基酸组成，但是蛋白质的结构实际上并不是一条直线，而是由复杂的几何结构所构成，这些复杂的结构也正是蛋白质多种多样功能实现的基础，这方面的研究是现代生命科学的基础之一，同时也是新药开发的基础。
传统的蛋白质结构预测程序准确度较为一般，难以直接使用，而想要测定蛋白质结构，需要使用x射线晶体衍射和冷冻电镜之类复杂的技术，效率较为一般，而AlphaFold的横空出世，改变了生命科学界的这一现状。在这之后，AlphaFold还推出了更准确高效的第二代模型，同时deepmind还向全球开放了他们预测的两亿多个蛋白结构，几乎包含了人类所有已知的蛋白，
** 这一效率是传统研究方式无法比拟的。 **
**AI爆发，未来科学研究的加速器**
AI在科学领域的使用，远不止一个AlphaFold，实际上任何一个领域的科学研究，都有可能与人工智能结合。
比如说在2023年，百度与斯微生物合作的通过AI优化mrna疫苗设计的论文，发表在了著名学术期刊《nature》上，这是该刊物第一篇AI优化疫苗设计的文章，通过AI提高了疫苗的抗原性；
2023年中美都有公司推出了气象大模型，用少得多的时间与算力，实现不亚于甚至优于传统气象预测模型的效果，改变了气象预测的模式；
最近deepmind又提出了GNoME工具，目前为止已经预测了220万种材料的结构，其他领域类似的研究更是不在少数。 **
这些事实足以证明，人工智能会是未来科学研究的加速器。 **
在这些案例中，人工智能的主要作用是提取出数据里包含的人类难以直观分析的规律，进而对未来的研究进行预测。这是现在人工智能用于科学的主流方向，但是绝不是全部，人工智能对科学研究的价值是全方位的。
顶级期刊《nature》在去年八月的《Scientific discovery in the age of artificial
intelligence》一文里边就提出，人工智能对科学的模式改变，最起码可以分为四个领域，分别是
——人工智能辅助收集，预处理海量数据；
——提取复杂科学数据中难以直接掌握的抽象规律；
——生成优秀的科学假设，设计研究问题；
——驱动实验与模拟的全流程，进行更高效的模拟与实验结合。
无论是哪个领域，都存在着巨大的前景，都有可能彻底改变现行科学范式，而我们目前观察到的，只不过是其中之一。
2023年3月，科技部会同国家自然科学基金委启动了人工智能驱动的科学研究”（AI for Science）专项部署工作，这表明AI for
Science已经被摆到了科研总体战略的高度。如何让人工智能更好作用于科研，是未来科学研究相当关键的问题。无论是科研院所还是互联网企业，都在积极参与这场科学研究的变革，
** 这一领域未来必定是投资的巨大热点。 **
** **
**AI for Science时代的行业机遇**
科学智能时代，互联网与数字基础设施公司可以直接参与基础研究。在科学智能时代，这些公司有必要和基础研究者合作， **
针对科研的需求设计优化各种人工智能工具，成为基础科学的直接参与者。 **
相应的，各种算力设施也会成为科学设施的一部分。科学智能和其他人工智能应用一样，需要大量的算力， ** 各个科研院所未来将会建设大量算力设施， **
但是因为环境的限制，不可能把所有的算力设施都建在大学和研究机构里，需要的算力很多依然需要去云平台上租赁，从成本和便捷性来说都是合理的，显然这对云服务提供商是巨大的机会。
科学智能的很多研究方向， ** 对于云服务提出了全新的要求。 **
比如说一部分领域需要非传统非通用的模型，需要进行与传统模型不一样的优化；比如说某些科学领域，对系统延迟有极高的要求，同时对系统的灵活性和冗余度也有特定更多需求；而一些特殊的场合，比如地下，海洋等情况，
** 需要新形式的算力设 ** 施 ** 作为基础，传统的算力设 ** 施 ** 不适合这样的环境。 **
另一方面，科学研究也必须考虑环保问题， **科研需要的算力也和时代的趋势一样，需要更加绿色环保的模式，**
目前大部分传统数据中心和算力中心在PUE值，WUE值这些能耗指标方面仍然很高，显然难以胜任这块未来的市场。
所以，以科学研究为目标的算力必然 **在建设起步阶段就要考虑低能耗的新型算力设施。** 比如，目前在我国沿海地区出现的海底数据中心就是这种趋势的代表
，以天然海水为冷源，PUE值低至1.1，WUE值更是趋近0。
** 未来，科学算力基础设施的建设会是富有潜力的巨大市场， **
随着科学智能的全面推进，海量的科基础科学研究经费中必然有相当一部分投入在算力设施中，而目前国家已经将科学智能列入了科学战略发展规划，未来这一领域也必然成为投资焦点，这样前景巨大的机会是不多见的，只有勇于全方位创新的公司，才能把握住这个市场。
在人工智能驱动下，未来的科学发展模式会带来全方位的变革，我们现在所看到的，只不过是开始的开始。在未来，人工智能可以帮助我们能以指数级的速度理解这个世界，最终让这个世界更加美好。
本文由海兰云UDC团队原创出品。海兰云专注于绿色低碳，节能环保的算力基础设施创新赛道，研发建设了全球第一家商用海底数据中心，并投入商业应用。在海兰云UDC公众号中，我们会分享海底数据中心和UDC行业的技术干货，行业动态，并且将持续聚焦于IT与信息行业的前沿动态，深度洞察。点击下方海兰云UDC公众号名片，持续获得更多优质行业信息。
预览时标签不可点
个人观点，仅供参考
微信扫一扫
关注该公众号
****
****
× 分析
收藏