當(dāng)前，AI正在沿著行業(yè)軸和場(chǎng)景軸雙線并行，在不同領(lǐng)域和環(huán)節(jié)產(chǎn)生新的化學(xué)反應(yīng)。

在醫(yī)療各環(huán)節(jié)，AI也在廣泛滲透。疾病預(yù)測(cè)領(lǐng)域，通過借助AI分析健康大數(shù)據(jù)預(yù)測(cè)慢性病發(fā)病風(fēng)險(xiǎn)，指導(dǎo)預(yù)防干預(yù)。藥物研發(fā)借助AI、加速靶點(diǎn)發(fā)現(xiàn)與化合物篩選，縮短研發(fā)周期。智能輔助診療系統(tǒng)整合臨床知識(shí)，為醫(yī)生提供決策建議。影像診斷中，深度學(xué)習(xí)算法精準(zhǔn)識(shí)別影像特征，輔助醫(yī)生檢測(cè)腫瘤、心血管疾病等，多款產(chǎn)品已獲認(rèn)證應(yīng)用。遠(yuǎn)程醫(yī)療借助AI實(shí)現(xiàn)患者遠(yuǎn)程監(jiān)測(cè)與在線問診，提升醫(yī)療可及性，尤其在基層醫(yī)療中助力提升服務(wù)能力，整體應(yīng)用呈現(xiàn)蓬勃發(fā)展且持續(xù)深化拓展態(tài)勢(shì)。

2024年12月19-20日，第16屆創(chuàng)業(yè)邦100未來獨(dú)角獸大會(huì)在成都舉行。齊碳科技聯(lián)合創(chuàng)始人&首席科學(xué)家白凈衛(wèi)，萊芒生物聯(lián)合創(chuàng)始人兼CEO郭雨剛，強(qiáng)聯(lián)智創(chuàng)創(chuàng)始人、董事長(zhǎng)、總經(jīng)理秦嵐，宸安生物聯(lián)合創(chuàng)始人孫雙午，璞睿生命科技創(chuàng)始人&董事長(zhǎng)、艾昆緯亞太區(qū)總裁高級(jí)顧問王錚，益杰立科聯(lián)合創(chuàng)始人兼CEO張寶弘在創(chuàng)業(yè)邦內(nèi)容中心副主編劉恒濤主持的《AI for Science，未來醫(yī)療新圖景》對(duì)話環(huán)節(jié)，圍繞AI在醫(yī)療領(lǐng)域應(yīng)用的前景，以及目前面臨的醫(yī)療數(shù)據(jù)隱私、監(jiān)管合規(guī)、算力成本現(xiàn)實(shí)挑戰(zhàn)等話題展開討論。

以下為對(duì)話內(nèi)容，由創(chuàng)業(yè)邦整理：

劉恒濤（主持人）：非常榮幸能夠與各位嘉賓共同參與此次圓桌討論。本次主題聚焦“AI for Science—人工智能驅(qū)動(dòng)科技”，首先請(qǐng)大家分享AI為自己所在的領(lǐng)域，帶來了哪些改變。

張寶弘：大家好，感謝主辦方的邀請(qǐng)，益杰立科是一家新一代基因治療公司。大家可能熟知基因編輯技術(shù)，但這種技術(shù)的應(yīng)用場(chǎng)景存在較大局限，主要是因?yàn)榫庉嫽驎?huì)改變DNA序列，在人體修復(fù)編輯后的DNA序列時(shí)，會(huì)引發(fā)諸多不可控的風(fēng)險(xiǎn)。

我們從前人的科學(xué)發(fā)現(xiàn)以及當(dāng)前基因編輯藥物研發(fā)的實(shí)際情況出發(fā)，思考如何克服這些風(fēng)險(xiǎn)，將這種強(qiáng)大且靈活的技術(shù)應(yīng)用于慢病治療領(lǐng)域。為實(shí)現(xiàn)這一突破，需要一套有效的方法。首先，要精準(zhǔn)地與基因調(diào)控位點(diǎn)相結(jié)合，尤其是基因上調(diào)和下調(diào)的啟動(dòng)子區(qū)域。其次，調(diào)控并非采用傳統(tǒng)的編輯方式，如DNA切割，而是利用人體內(nèi)源性的表觀遺傳通路來調(diào)控基因轉(zhuǎn)錄和表達(dá)。

介紹完這些工具后，再談?wù)勎覀兊募夹g(shù)平臺(tái)機(jī)制。說到AI，我們也在進(jìn)行嘗試和探索。主要原因在于我們所使用的調(diào)控元件極為復(fù)雜，既要導(dǎo)航到精準(zhǔn)結(jié)合的位點(diǎn)，又要設(shè)計(jì)元件以激活或抑制基因表達(dá)。而人體的機(jī)制非常復(fù)雜，其中涉及的通路主要包括DNA甲基化和組蛋白修飾這兩套元件，這些都是生物學(xué)中早期的機(jī)制。要使我們?cè)O(shè)計(jì)的系統(tǒng)與人體內(nèi)源性通路高度相似，僅憑傳統(tǒng)思維是極為困難的。

因此，從公司成立之初，我們就組建了一個(gè)團(tuán)隊(duì)，致力于大量數(shù)據(jù)的收集，并運(yùn)用機(jī)器學(xué)習(xí)和AI的思路與方法，確保在源頭上設(shè)計(jì)“導(dǎo)彈系統(tǒng)”時(shí)，既能做到精準(zhǔn)，又使風(fēng)險(xiǎn)可控。在設(shè)計(jì)元件的組成部分時(shí)，能夠真實(shí)地模擬人體內(nèi)源性的表觀遺傳通路的細(xì)節(jié)。

王錚：璞睿生命科技所在賽道是醫(yī)藥行業(yè)中較為傳統(tǒng)的臨床研究的CRO（合同研究組織）賽道，大家都知道，自上個(gè)世紀(jì)以來的100多年里，臨床研究進(jìn)入的人體臨床試驗(yàn)階段基本全部依靠人工手動(dòng)來執(zhí)行完成。我們要去醫(yī)院現(xiàn)場(chǎng)進(jìn)行受試者數(shù)據(jù)采集，然后錄入到企業(yè)的EDC后再做數(shù)統(tǒng)分析，整個(gè)過程中是一個(gè)非常復(fù)雜而繁瑣的流程。為了保證數(shù)據(jù)質(zhì)量，行業(yè)還有一個(gè)著名的崗位叫做CRA（臨床研究監(jiān)查員）還得專門到現(xiàn)場(chǎng)做數(shù)據(jù)監(jiān)察。在臨床研究的CRO的整個(gè)臨床試驗(yàn)過程中，涉及100多個(gè)工種和600多個(gè)SOP。

再看傳統(tǒng)汽車制造行業(yè)，自動(dòng)化變革早在幾十年前就完成了。CRO面臨的情況就如同當(dāng)年豐田制造汽車時(shí)一樣，都在做精益化管理和SOP。我相信藥企和Biotech與CRO打交道時(shí)也很頭疼，現(xiàn)在人工工作不管是精密度還是流程，都有很大的局限性。在臨床研究的開發(fā)和研究方面將有很大機(jī)會(huì)，能通過計(jì)算機(jī)模擬預(yù)測(cè)藥物分子、化學(xué)合成、多肽形態(tài)。我們研發(fā)最核心的部分，就是用機(jī)器自動(dòng)化替代人工，因?yàn)橄鄳?yīng)的算法已經(jīng)成熟，像傳統(tǒng)人工方式的數(shù)據(jù)采集和錄入，以及統(tǒng)計(jì)學(xué)分析工作完全可以由機(jī)器完成。

可能大家不知道，中國(guó)每年在CRO臨床運(yùn)營(yíng)上的花費(fèi)達(dá)到2000億，其中60%花在CRC（臨床研究協(xié)調(diào)員）和CRA 上，也就是1200億，這里面大概有1/4的時(shí)間成本，差不多30億是用于支付他們往返公司和醫(yī)院的差旅費(fèi)用。要是通過線上數(shù)字化和自動(dòng)化，這300億人工成本就能輕松從行業(yè)節(jié)省下來，如果投入到我們的研究中心做研究，其價(jià)值之大不言而喻。

所以我覺得AI在臨床運(yùn)營(yíng)這一領(lǐng)域是最大的機(jī)會(huì)。全球臨床研發(fā)，在大家印象里可能還是：從一個(gè)藥物從分子發(fā)現(xiàn)到注冊(cè)上市，要花10年和10億美元。但據(jù)我們最新研究，過去10年研發(fā)周期遠(yuǎn)超10年，像很多腫瘤和免疫治療研究，時(shí)間或多超過10年了， 成本更是高達(dá)20億美元。很多跨國(guó)企業(yè)重新核算了成本，未來臨床研究肯定不能再用傳統(tǒng)方式持續(xù)運(yùn)作了。這可是個(gè)千億級(jí)的賽道，中國(guó)研發(fā)成本占全球10%，全球2萬億市場(chǎng)里至少40%的成本可以被機(jī)器自動(dòng)化和人工智能取代，這正是我們企業(yè)從事的最核心的賽道。

孫雙午：宸安生物一直專注于體外診斷領(lǐng)域，也就是IVD。大家去醫(yī)院檢查時(shí)，會(huì)抽取血液、尿液或其他樣本，這些樣本會(huì)被送到醫(yī)院的檢驗(yàn)科、病理科或其他相關(guān)科室進(jìn)行分析與檢查。這個(gè)賽道雖然歷史悠久，但也在發(fā)生新的變化。如今有非常先進(jìn)的科技和分析技術(shù)，能將各種樣本分析得越來越精細(xì)。不過隨之而來的問題是如何分析和解讀這些數(shù)據(jù)，以及怎樣把數(shù)據(jù)呈現(xiàn)給醫(yī)院的檢驗(yàn)科室和病理科室，并結(jié)合臨床科室反饋給每個(gè)檢查的人，而數(shù)據(jù)解讀是其中的關(guān)鍵問題。

實(shí)際上，AI在IVD數(shù)據(jù)分析領(lǐng)域已經(jīng)應(yīng)用多年，宸安生物在這個(gè)領(lǐng)域?qū)Ｗ⒂诩?xì)胞數(shù)據(jù)的獲取和分析。在臨床上，有類似CT和超聲等工具來通過在人體的器官和組織層面對(duì)患者進(jìn)行診斷。還有免疫學(xué)和分子診斷等技術(shù)，能夠?qū)w液樣本中的蛋白質(zhì)和核酸進(jìn)行分析。而細(xì)胞是人體生理和病理過程的最基本單元，異常的變化都能在細(xì)胞中體現(xiàn)，只是過去缺乏很好的在細(xì)胞這個(gè)維度進(jìn)行分析的工具。宸安生物提供的產(chǎn)品能夠高通量、低成本地解決細(xì)胞分析的問題。

回到本次主題AI，這也是目前面臨的問題。針對(duì)一份樣本可能要分析100萬個(gè)細(xì)胞，每個(gè)細(xì)胞可能同時(shí)分析30到40個(gè)指標(biāo)，這樣就形成了一個(gè)非常大的原始數(shù)據(jù)。如何通過這些數(shù)據(jù)來還原和解讀一個(gè)患者的細(xì)胞功能狀態(tài)，并達(dá)到診斷的目的，AI技術(shù)起著非常關(guān)鍵的作用。而且一個(gè)人的細(xì)胞功能在不同時(shí)間點(diǎn)，不同疾病狀態(tài)，不同用藥的條件下，會(huì)發(fā)生動(dòng)態(tài)的變化。通過對(duì)大量樣本細(xì)胞數(shù)據(jù)的分析，除了能夠用于診斷，還能夠發(fā)現(xiàn)一些有趣的現(xiàn)象，加速生物標(biāo)志物發(fā)現(xiàn)和藥物開發(fā)。

秦嵐：強(qiáng)聯(lián)智創(chuàng)主要致力于將AI應(yīng)用到外科領(lǐng)域，就拿腦血管病來說，像腦中風(fēng)這類致死致殘的疾病，內(nèi)科并沒有很好的解決方案，無法通過吃藥來預(yù)防中風(fēng)或者在中風(fēng)后進(jìn)行有效急救，往往需要介入手術(shù)治療。

大家都知道，大醫(yī)院大專家做的手術(shù)效果通常優(yōu)于小醫(yī)院的醫(yī)生。但我們不可能讓每個(gè)大專家都去做手術(shù)，尤其是遇到急診情況，讓每個(gè)基層醫(yī)院都配備大專家更是難上加難。所以我們就思考AI在這當(dāng)中能發(fā)揮什么作用，大專家在手術(shù)過程中到底起到哪些關(guān)鍵作用。實(shí)際上，大專家并非從手術(shù)一開始忙到最后，而是在手術(shù)中最困難、最關(guān)鍵的那幾步發(fā)揮重要作用。一方面，我們利用的是大專家的經(jīng)驗(yàn)和智慧，也就是他們豐富的手術(shù)經(jīng)驗(yàn)?zāi)苤贫ǔ鲎顑?yōu)的方案，這其實(shí)就是算法，對(duì)我們而言就是AI的算法。我們可以通過AI對(duì)病人的影像、腦血管狀況及病變部位進(jìn)行分析，從而得出最優(yōu)治療方案。

另一方面，有了手術(shù)方案后需要執(zhí)行，若僅靠小醫(yī)生操作，會(huì)存在手術(shù)技能的問題。于是我們將AI的指令發(fā)送給機(jī)器人，依靠機(jī)器人實(shí)現(xiàn)精細(xì)化的手術(shù)操作。這樣一來，在整臺(tái)手術(shù)的關(guān)鍵步驟上，就實(shí)現(xiàn)了我們所說的“全自動(dòng)駕駛”。當(dāng)關(guān)鍵步驟實(shí)現(xiàn)自動(dòng)化后，小醫(yī)生與大醫(yī)生配合完成手術(shù)的模式，就轉(zhuǎn)變?yōu)樾♂t(yī)生、AI和手術(shù)機(jī)器人共同完成整臺(tái)手術(shù)。

從目前的臨床試驗(yàn)來看，中低年資醫(yī)生加上AI機(jī)器人所達(dá)到的手術(shù)效果能夠超過高年資醫(yī)生的獨(dú)立手術(shù)水平。只有實(shí)現(xiàn)這一點(diǎn)，無論是在大三甲醫(yī)院還是基層的縣級(jí)醫(yī)院，外科治療才能從以前完全依賴人的經(jīng)驗(yàn)和技能，轉(zhuǎn)變?yōu)橥|(zhì)化的治療。我認(rèn)為這就是AI結(jié)合機(jī)器人技術(shù)在整個(gè)外科治療領(lǐng)域能夠帶來的根本性改變，能讓所有需要外科治療的病人，無論在哪個(gè)醫(yī)院都能獲得相同的治療效果。

郭雨剛：萊芒生物專注于免疫治療領(lǐng)域，在該領(lǐng)域中AI有著諸多應(yīng)用。例如運(yùn)用AI技術(shù)進(jìn)行免疫因子的定向進(jìn)化、促進(jìn)抗體親和力成熟，以及發(fā)現(xiàn)新的TCR等。雖然這些工作在AI尚未介入時(shí)就已開展，但AI起到了加速開發(fā)進(jìn)程的關(guān)鍵作用，能大幅提升工作效率。不過，必須明確的是，不能過度神化AI，它并非無所不能，不能無中生有地創(chuàng)造出原本不存在的成果，其本質(zhì)是一種工具，在恰當(dāng)?shù)膽?yīng)用場(chǎng)景下，能夠切實(shí)有效地助力提高工作效率。因此，科學(xué)家們?nèi)孕鑸?jiān)守創(chuàng)新之本，借助AI加速創(chuàng)新進(jìn)程，從而全面提升藥物開發(fā)的整體效率。

白凈衛(wèi)：齊碳科技是做納米孔測(cè)序儀的公司。在我們行業(yè)，AI與深度學(xué)習(xí)方法已經(jīng)深度滲透。納米孔測(cè)序儀能興起，深度學(xué)習(xí)算法功不可沒。我們用電學(xué)方法對(duì)DNA序列ATCG進(jìn)行堿基的物理測(cè)量，類似聲紋識(shí)別，得益于AI，其識(shí)別準(zhǔn)確率從80%大幅躍升至近99.9%，它能夠挖掘出電流、波形等信號(hào)中的大量隱藏信息，盡管理論上還不明就里，但實(shí)踐效果顯著，基因測(cè)序的發(fā)展很大程度上得益于AI。

然而，基因測(cè)序數(shù)據(jù)等復(fù)雜數(shù)據(jù)在臨床應(yīng)用卻困難重重。以多病原檢測(cè)為例，基因測(cè)序能同時(shí)低成本檢測(cè)200多種病原，適用于多種病癥。但人體存在共生和定植菌群，例如，檢測(cè)結(jié)果中的肺炎鏈球菌等病原體在健康人中也可能存在，這就帶來了解讀難題。醫(yī)生面對(duì)檢測(cè)結(jié)果中的大量數(shù)據(jù)，如微生物種類、豐度、定植特征、是否是益生菌等信息，難以判斷感染與否、致病性、耐藥性、感染部位及是否需使用抗生素等，常陷入困惑。

目前，即便基因檢測(cè)技術(shù)進(jìn)入臨床，下游公司或醫(yī)院拿到報(bào)告后，仍需經(jīng)驗(yàn)豐富的解讀工程師或科學(xué)家輔助解讀，數(shù)據(jù)解讀成了組學(xué)數(shù)據(jù)臨床應(yīng)用的關(guān)鍵阻礙。而AI恰是破局關(guān)鍵，因其能替代依賴經(jīng)驗(yàn)的工作，在醫(yī)學(xué)領(lǐng)域潛力巨大。我期望與各位攜手合作，借AI之力打通基因測(cè)序、蛋白組學(xué)等進(jìn)入臨床的“最后一公里”，推動(dòng)這些技術(shù)大規(guī)模應(yīng)用，造?；颊摺?/p>

劉恒濤（主持人）：基于數(shù)據(jù)的解決方案，AI大有用武之地。接下來請(qǐng)問各位，大家所在的公司是如何在布局AI的，希望達(dá)到什么樣的愿景？

孫雙午：在臨床檢驗(yàn)中面臨著拿到大量數(shù)據(jù)后如何解讀與分析的關(guān)鍵問題，在不同的臨床試驗(yàn)及生命科學(xué)和轉(zhuǎn)化研究中亦是如此。公司基于自身核心技術(shù)，不斷拓展業(yè)務(wù)邊界。

第一，公司不僅提供診斷設(shè)備和試劑，也不斷與研究者、藥企、臨床單位緊密合作，提供多種服務(wù)，深入到數(shù)據(jù)采集與分析環(huán)節(jié)，參與數(shù)據(jù)價(jià)值的創(chuàng)造過程。

第二，針對(duì)某些醫(yī)院存在數(shù)據(jù)無法出院以及隱私保護(hù)等問題，公司開發(fā)了便于用戶操作的高維數(shù)據(jù)分析軟件。也就是說，一方面開展檢測(cè)服務(wù)與研究項(xiàng)目，另一方面打造優(yōu)質(zhì)的數(shù)據(jù)分析產(chǎn)品，可以為客戶進(jìn)行私有化部署，助力客戶實(shí)現(xiàn)自由地?cái)?shù)據(jù)分析。

王錚：因?yàn)槲覀冏雠R床試驗(yàn)，主要是新藥上市的注冊(cè)試驗(yàn)和真實(shí)世界研究（RWS），而AI在垂直領(lǐng)域的大模型布局是接下來資源投入較大的方向。首先面臨的挑戰(zhàn)是，醫(yī)療級(jí)別大語言模型需要大量語料訓(xùn)練，但患者層面的醫(yī)療數(shù)據(jù)受國(guó)家嚴(yán)格管控，難以獲取大數(shù)據(jù)用于外部訓(xùn)練，只能選擇私有化部署。然而，大語言模型廠商私有化部署成本極高，還未算上自身GPU投入成本。若中國(guó)要在垂直領(lǐng)域的大語言模型訓(xùn)練上取得進(jìn)展，一是要與國(guó)家數(shù)據(jù)平臺(tái)合作，二是要在大型醫(yī)療中心和大醫(yī)院集團(tuán)進(jìn)行私有化部署。

其次，核心挑戰(zhàn)還涉及監(jiān)管。國(guó)家在監(jiān)管法案上，對(duì)于數(shù)據(jù)應(yīng)用和跨中心的數(shù)據(jù)交流需要有所突破。最后，AI應(yīng)用成本巨大。在該賽道，美國(guó)同行基本以四五億美元的規(guī)模進(jìn)行融資，這是一個(gè)長(zhǎng)期過程。若投資人沒有做好長(zhǎng)期投入和產(chǎn)出的準(zhǔn)備，AI要真正實(shí)現(xiàn)應(yīng)用并超越國(guó)際同行極為困難。這三點(diǎn)對(duì)于在該領(lǐng)域布局和從事AI工作的人來說，融資壓力確實(shí)非常大。

張寶弘：任何事物都具有兩面性，有利也有弊。就公司而言，由于是基于全新技術(shù)驅(qū)動(dòng)未來革命性的管線開發(fā)，所以公司對(duì)于新興技術(shù)在基因治療領(lǐng)域的應(yīng)用，秉持先行先試、搶占先機(jī)的積極態(tài)度。比如在sgRNA的設(shè)計(jì)上，我們從源頭確保其精準(zhǔn)性，同時(shí)也嘗試運(yùn)用AI進(jìn)行預(yù)測(cè)，這展示了我們積極探索和創(chuàng)新精神。

然而，從另一個(gè)角度來看，在沒有收集到足夠大量的數(shù)據(jù)之前，AI的應(yīng)用存在諸多瓶頸，難以構(gòu)建有效的預(yù)測(cè)模型。因此，我們必須保持清醒的認(rèn)識(shí)，如果在現(xiàn)階段完全依賴AI，可能會(huì)降低準(zhǔn)確性，這并非是走捷徑，反而會(huì)誤入歧途。所以公司一直保持著清醒的頭腦和謹(jǐn)慎的態(tài)度來應(yīng)用AI，并持續(xù)進(jìn)行優(yōu)化和學(xué)習(xí)。

秦嵐：AI的研發(fā)的確是一個(gè)耗費(fèi)大量資金的過程，強(qiáng)聯(lián)智創(chuàng)較為幸運(yùn)，已經(jīng)完成了9輪融資，將近10億的投資被投入到研發(fā)項(xiàng)目中。在腦血管病這一垂直領(lǐng)域，公司的愿景始終是成為全球領(lǐng)先的腦卒中智能診療服務(wù)平臺(tái)。

AI能夠基于中國(guó)豐富的臨床數(shù)據(jù)發(fā)揮作用，公司搭建了兩個(gè)中國(guó)人群顱內(nèi)病變的結(jié)構(gòu)性數(shù)據(jù)庫，憑借這些大量的中國(guó)人群數(shù)據(jù)，公司有機(jī)會(huì)實(shí)現(xiàn)彎道超車。AI可以重構(gòu)整個(gè)腦血管病診療的關(guān)鍵環(huán)節(jié)：一方面是手術(shù)自動(dòng)化，手術(shù)中最困難的部分無需人類醫(yī)生去學(xué)習(xí)掌握，而是可以交給AI機(jī)器人來操作；另一方面是關(guān)鍵決策，既要避免不該做手術(shù)的病人被安排手術(shù)，也不能遺漏任何應(yīng)該提前手術(shù)預(yù)防中風(fēng)的情況。

所以，公司致力于通過AI洞察力，將AI應(yīng)用于手術(shù)治療和關(guān)鍵決策這兩個(gè)方面，最終期望達(dá)成所有醫(yī)學(xué)生的理想與憧憬，即無論在大型醫(yī)院還是偏遠(yuǎn)鄉(xiāng)村，讓每一位腦血管病患者都能平等地獲得最有效的治療。

郭雨剛：萊芒生物在AI領(lǐng)域主要有三個(gè)布局方向，其中代謝增強(qiáng)因子的篩選以及更精準(zhǔn)地識(shí)別腫瘤這兩方面此次不做分享，重點(diǎn)分享患者用藥劑量的優(yōu)化這一方面。

過去人們認(rèn)為在安全范圍內(nèi)藥物劑量越高療效越好，但在活細(xì)胞藥物治療中，這一觀念可能并不正確。萊芒生物正在利用基于大語言模型的AI技術(shù)構(gòu)建精準(zhǔn)藥物用量的預(yù)測(cè)模型，為患者量身定制地預(yù)測(cè)最有效的藥物用量。

這樣一來，當(dāng)新的患者前來就診時(shí)，經(jīng)過診斷確定其病情后，便能為其推薦出最為合適的用藥范圍。這不僅為患者帶來了良好的治療體驗(yàn)，有效減少了高劑量用藥所產(chǎn)生的副作用，而且還節(jié)省住院時(shí)間以及護(hù)理費(fèi)用，有助于提升活細(xì)胞藥物治療的精準(zhǔn)性和有效性，為患者的治療提供更科學(xué)、更優(yōu)化的臨床方案，具有重要的臨床價(jià)值和意義。

白凈衛(wèi)：AI是我們產(chǎn)品的關(guān)鍵構(gòu)成部分，在測(cè)序儀的核心組件里，有核心的GPU 以及驅(qū)動(dòng)GPU運(yùn)行的整套AI算法，并且公司一直配備著AI團(tuán)隊(duì)持續(xù)對(duì)深度學(xué)習(xí)算法進(jìn)行迭代優(yōu)化。該算法與通用的生成式AI有所不同，因其承擔(dān)的任務(wù)極具特殊性，要求能夠?qū)崟r(shí)、輕量化運(yùn)行，并且在短時(shí)間內(nèi)處理海量數(shù)據(jù)。例如谷歌在行車場(chǎng)景中的圖像識(shí)別算法，也無法滿足這類特殊需求，所以公司一直在專注鉆研以完成特定任務(wù)，這是算法方面的情況。

此外，目前公司面臨著GPU供應(yīng)中斷的問題，尤其是高端GPU。隨著測(cè)序儀通量不斷增大，算力不足的問題凸顯出來。起初使用游戲卡就能滿足算力需求，但后來就需要更高端的算力支持。為此，公司正在積極與國(guó)產(chǎn)GPU廠商和硬件廠商展開大規(guī)模的合作嘗試。然而，經(jīng)過大量測(cè)試后發(fā)現(xiàn)，能夠滿足公司特殊需求的產(chǎn)品很少。

國(guó)產(chǎn)GPU大多是針對(duì)特定需求進(jìn)行設(shè)計(jì)的，實(shí)際投入使用時(shí)會(huì)暴露出諸多問題。因此，公司也在探索從底層出發(fā)，將硬件和算法整合起來使其協(xié)同運(yùn)行。最終的實(shí)現(xiàn)模式不一定局限于GPU，若將技術(shù)推至極致，使用FPGA等其他方式也有可能，當(dāng)前公司仍在努力探尋與國(guó)產(chǎn)廠商合作的有效途徑。

關(guān)于2024創(chuàng)業(yè)邦100未來獨(dú)角獸大會(huì)

2024年12月19-20，第十六屆創(chuàng)業(yè)邦100未來獨(dú)角獸大會(huì)在成都舉辦。本屆大會(huì)由創(chuàng)業(yè)邦主辦，成都市科學(xué)技術(shù)局、成都市投資促進(jìn)局為指導(dǎo)單位，睿獸分析為數(shù)據(jù)支持平臺(tái)。大會(huì)官方指定用車為比亞迪旗下新能源個(gè)性品牌方程豹汽車豹8。

“創(chuàng)業(yè)邦100未來獨(dú)角獸大會(huì)”是準(zhǔn)獨(dú)角獸企業(yè)的年終盛會(huì)，始于2009年，致力于發(fā)掘出一批未來1-3年有望成為獨(dú)角獸的未來獨(dú)角獸企業(yè)。作為獨(dú)角獸的挖掘者、創(chuàng)新的探路者，大會(huì)連續(xù)十六載頒發(fā)《創(chuàng)業(yè)邦100未來獨(dú)角獸榜單》，累計(jì)評(píng)選出1289家高成長(zhǎng)企業(yè)，如美團(tuán)、小米、滴滴、理想汽車、蔚來汽車、泰格醫(yī)藥……根據(jù)睿獸分析數(shù)據(jù)顯示，其中有106家公司已經(jīng)成功上市，91家企業(yè)被并購，105家成為獨(dú)角獸企業(yè)。

本屆大會(huì)以“CrossingtheAlps——行者無疆”為主題，繼續(xù)揭曉“2024年度投資人”《2024創(chuàng)業(yè)邦100未來獨(dú)角獸榜單》《2024硬科技創(chuàng)變者50強(qiáng)》，發(fā)布《2024年全球獨(dú)角獸企業(yè)洞察》，攜手未來獨(dú)角獸、硬科技創(chuàng)變者奮楫前行。

更多未來獨(dú)角獸、硬科技榜單，以及實(shí)時(shí)科創(chuàng)數(shù)據(jù)、產(chǎn)業(yè)圖譜盡在睿獸分析。