6月22日至6月23日,主题为“智·药未来”的中国医药思享会(第三届)在海南博鳌成功举办。
火山引擎作为大会的承办单位,与100余位来自药企、互联网企业以及高校、实验室、研究所的专家们齐聚一堂,共同展望人工智能在医药行业发展变革的新趋势,分享了前沿技术落地新实践经验,并深入探讨了人工智能加速医药行业数字发展的新思路。
以“四轮驱动”助推, “智药”研发
在以《算力、数据、算法、知识“四轮驱动”,加速科研提效与知识发现》为主题的演讲当中,火山引擎副总裁张鑫分析了当前医药行业的机遇与挑战,并阐释了不同阶段下火山引擎“四轮驱动”的解决方案和优势,为科研领域加速研发和科学提效注入 AI 新动力。
火山引擎副总裁 张鑫
随着数据体量的不断增加,科研领域已经进入数据密集型和 AI 加速的研发新范式,而大模型的出现也为医药行业技术领域的使用、开发和研发方式,以及效率体验带来了多维度的变革。张鑫表示,面向 AI 时代下医药科研的新需求,火山引擎提出了包含算力、数据、算法、知识在内的“四轮驱动”解题新思路,总体可分为三个阶段来执行。
在第一阶段,火山引擎通过生物医学操作系统 Bio-OS,以 Workspace 为工作核心,将数据、工作流、Notebooks、执行引擎等内容整合为一体,并基于云原生调度、支持多云异构等技术优势,让数据和计算可追溯、可分享、可协作、可传承。
第二阶段是科研文献知识 Copilot,企业可通过文献与知识挖掘提升科研机构整体效能,并结合知识的显性关联,增强大模型进行知识推理与发现的能力,从海量信息中快速提取、解读、创造知识。
进入第三阶段,需要构建科研智能体 Bio-Agent,企业可利用语言大模型实现自动化实验流程编排和数据产出,并以医药领域知识驱动模型,构建生物医药科研 Agent,让科研创新摆脱束缚。
大模型,落地医药领域“四步走”
火山引擎高级产品总监于鸿磊在《生成式 AI 助力医药大健康创新加速》主题发言中指出,生成式 AI 已形成新的产业图谱,语言模型、多模态模型、行业垂类模型更是掀起了 AI 原生应用的新浪潮,预示着大模型从技术走向应用的拐点已经来临。
火山引擎高级产品总监 于鸿磊
对医药企业而言,大模型时代“应用为王”也将是一次实现超越的战略机遇。火山引擎通过沉淀最佳实践,提出了大模型在垂直领域落地的“四步走”方法,帮助企业抢得先机,快速构建医药大健康行业应用,建立竞争优势。于鸿磊分享了具体的实施步骤:
第一步,选对基座大模型。火山引擎基于豆包大模型家族,帮助医药企业建立起强大的基座大模型能力,在医学知识普及、健康问题解答、疾病诊断治疗等多方面提供助力;
第二步,加速模型行业化。火山引擎提供的万卡规模 GPU 算力池、全栈 AI 开发工程优化方案、AI Infra 稳定性治理能力,确保企业以高利用率、高性价比、高开发体验以及低运维部署的算力支撑,实现高效的模型推理和微调;
第三步,降低场景化应用开发门槛。火山引擎推出的 AI 应用创新平台 HiAgent,将大模型应用的开发方式从代码进化到自然语言描述,让企业每一个员工都能轻松构建智能体,加速业务创新;
第四步,达成数据飞轮效应。大模型的出现降低了数据消费的难度,帮助企业更好地形成从数据资产到业务应用的双向正循环。数据飞轮转得越快,获得的场景、用户认知数据就越丰富,大模型应用的精确度会更高,实现大模型能力反哺。
医药行业大模型应用场景,快速涌现、加速落地
如今,大模型应用场景的落地案例正呈燎原之势,快速涌现。以临床方案信息提取为例,火山引擎正通过大模型能力,帮助某医药研发企业(CRO)高效、高质量地构建疾病维度的专业知识库,以更好地服务临床专家。同时,通过工作流编排提取临床试验方案关键信息,总结形成受试者知情同意书,这一过程从原来6小时的人工时间锐减至现在的几分钟。
医疗企业智能助手也是大模型重要的应用场景,医院可以通过 AI 机器人提供7x24的全科场景的健康咨询、智能导诊服务,过滤和匹配患者需求,更加精准地对接医生挂号,面向对药品有自主选择权的慢病患者,还提供用药咨询和指导服务。
还有在医学内容生成领域,通过 AI 文本生成能力助力医学专业内容生产提效,可面向C端用户每天大量生产医学科普内容,同时承接上游任务的“命题作文”,面向特定人群进行学术推广。火山引擎提供的医学内容生成服务已覆盖了大部分专科,平均每日 PV 达到百万人次。
火山引擎作为字节跳动旗下的云服务平台,致力于成为客户数字化转型和智能化升级的有力伙伴。未来,火山引擎将持续探索并解析大模型应用落地场景,助力医药科研创新,助力医疗机构智能化升级。
好文章,需要你的鼓励
NVIDIA团队开发的SANA-Sprint技术实现了AI图像生成的重大突破,将传统需要20步的生成过程压缩至1步,在H100上仅需0.1秒即可生成1024×1024高清图像,速度比现有最快模型提升10倍以上。该技术通过创新的混合蒸馏策略,在大幅提升速度的同时保持了图像质量,并支持实时交互应用,为AI绘画从专业工具向大众应用的转变奠定了基础。
初创公司Positron获得5160万美元A轮融资,推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍,并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计,无需液体冷却,可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯,解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集,设计了双模块协作的AI架构,让机器学会像人类一样通过标记重点区域来保持专注力,为更自然的人机视觉交流奠定了基础。