2023年10月26日,SAS用户大会之生命科学峰会在北京成功举办。本次峰会以“数据驱动 · 智能未来”为主题,以前瞻性和洞察力释放数据价值,为SAS用户提供了开阔及高效的合作交流平台。
本次峰会共汇集了近100位来自生命科学、医疗康健等行业的数据精英,围绕“人工智能及数据分析”在生命科学领域的最前沿技术及应用进行了深入探讨,为生命科学研发创新与转化、推动产业繁荣发展提供了有力支撑。

释放数据价值,共谋行业发展
2020年席卷全球的疫情,让人们重新审视了生命科学数字化转型的重要性。面对不断变化发展的监管环境,如何从海量数据中安全、高效、准确地汲取到关键信息,以更低成本实现更好结果,成为了摆在行业从业者面前的重要议题。
作为高级分析领域的领导者,SAS拥有丰富的经验和专业知识,可为生命健康组织提供大规模值得信赖的、先进的解决方案充分激发数据潜力,助力广大客户应对数字健康挑战,改善发现、开发、制造和商业化疗法的方式,并在临床研发、药品生产和供应链等领域为客户提供帮助,在高度监管的环境中更快地为患者提供更好、更安全的治疗。
针对生命科学数字化变革发展趋势,SAS全球技术业务副总裁Deepak Ramanathan在演讲中提到:“从成立之日起,SAS就致力于推动企业有效利用数据实现生产力提升。如今,生命科学行业正处于蓬勃发展的关键时期。面对未来竞争日益激烈的市场环境,SAS将持续创新推动生命科学领域技术突破,赋能生命科学行业未来健康成长。”

SAS全球技术业务副总裁Deepak Ramanathan
拥抱数字变革,赋能未来成长
众所周知,生命科学是学科高度交叉融合的典型学科。近年来,随着人工智能、大数据等数字技术的飞速发展,生命科学行业在临床诊断、精准治疗等方面迎来了发展的机遇与挑战,未来全新一轮科技革命将在生命科学领域全面展开。
SAS副总裁兼大中华区董事总经理何伟信先生说道:“举办此次峰会的初衷在于深度聚焦人工智能与数据分析在生命科学行业中的融合,助力数据分析人士、医疗行业精英实现技术与资源共享,拓展行业视野。如今,财富500强企业中的生命科学公司100%使用SAS,还有超过2350家各种规模的生命科学公司正在使用SAS。 这些行业的信任源自SAS深厚的行业专业知识和开放的生态系统,我们期待通过此次机会结交更多行业伙伴,更希望借助自身在数据分析领域的技术沉淀,帮助全面释放数据的重要价值,为广大客户提供更为高效的分析解决方案。”
长期以来,SAS一直是机器学习和自然语言处理领域的先驱。通过在软件中嵌入人工智能功能,SAS可以提供专门满足生命科学组织需求的、更加智能的解决方案。以在制药行业的应用为例,SAS的高级分析及人工智能功能可以助力保障药品安全、更加快速地将新疗法推向市场、更快更准确地发现生产中的问题,从而极大地改变治疗方法,帮助行业客户解决复杂难题。
生命科学领域与未来人类健康息息相关,利用数据驱动生命科学领域实现发展责任重大、意义深远。作为数据分析领域的推进者,SAS将持续聚焦数据分析前沿技术,与各企业和组织携手应对生命科学领域未来挑战,为生命科学行业加速推进数字化变革奠定牢固基础。
继在北京成功举办之后, 2023 SAS中国用户大会之生命科学峰会上海站将11月16日在上海嘉里大酒店隆重举行,欢迎行业伙伴莅临参与,共同探索生命科学行业数字化发展新景象。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。