放弃AI制药！蚂蚁原副总裁漆远“All In”大模型【附大模型行业预测】

原标题：放弃AI制药！蚂蚁原副总裁漆远“All In”大模型【附大模型行业预测】

近日，蚂蚁集团原副总裁，复旦大学AI创新与产业研究院院长漆远被爆其创办的公司无限光年，正从AI制药领域，转向生成式AI和AGI研发。

这家公司规划自研百亿千亿大模型搭建底座，最终构建行业应用落地医疗、游戏和教育场景。

漆远曾在讲座上表示，基于ChatGPT的发展现状，AI for Science在各个领域都会有更长远的发展前景，如AI与生命科学大模型、气象大模型、流体大模型的结合等。

“AI for Science”正成为人工智能框架的重点发力方向

科研领域的问题分析维度高，尺度跨度大。随着复杂科学问题变量个数或分析维数的增加，计算复杂度成指数增加，传统的科研计算方法工作量大，分析时间长，科研工作人员经常感到力不从心。而“AI for Science”借助人工智能的巨大技术优势，可以将数学计算和科学模型的方法结合起来，高效处理海量数据，使传统的科研过程变得自动化、规模化、并行化和平台化，从而解决原来传统科学研究范式无法解决的问题，帮助科学家突破科研瓶颈。

2021年，DeepMind团队的AlphaFold2的问世，标志着人工智能已经成为科学研究最重要的生产力之一。之前，复杂蛋白质结构的测定需要耗费大量的时间和成本，AlphaFold2极大提高了蛋白质结构解析效率。而在中国，科研和人工智能团队也在积极推动“AI for Science”的应用。昌平实验室、北京大学生物医学前沿创新中心(BIOPIC)和化学与分子工程学院、深圳湾实验室高毅勤教授课题组等机构就联合推出了基于昇思MindSpore的MEGA-Protein蛋白质结构预测训练推理一体化工具。

根据Omdia的数据，中国大部分开发者认为，国外主流的人工智能框架TensorFlow对“AI for Science”支持比较好，而中国本土的框架华为昇思MindSpore对“AI for Science”的支持能力超过了PyTorch并有赶超TensorFlow的趋势。开发者的反馈充分肯定了昇思MindSpore在科学计算“AI for Science”领域内做出的努力和贡献。

预训练大模型成为人工智能领导者的竞争焦点

预训练大模型是人工智能产业发展的必然选择，基于海量行业数据和知识，通过强大算力集群，预先训练基础模型，并结合应用场景的数据和各类需求，通过“预训练大模型+任务微调”的方式，进行“工业化”的高效率开发。开发者利用预训练大模型，只需要少量数据，就可以快速开发出精度更高、泛化能力更强的行业模型。预训练大模型可以提升人工智能项目开发效率，降低研发成本，缩短研发时间，解决人工智能项目碎片化的问题。

根据Omdia的数据，中国开发者对基于昇思MindSpore打造的盘古NLP大模型最感兴趣。首先，盘古NLP大模型在技术上处于领先地位，千亿参数模型，学习了40TB的中文文本数据，在中文领域有天生优势;其次，盘古NLP大模型可覆盖多个场景下语言处理的任务和需求，泛化能力强，在知识问答、知识检索、知识推理等文本生成领域有广泛应用前景;另外，盘古NLP大模型对开发者友好，可以让开发者能用拖拉拽的方式使用大模型，开发和生产成本低。这也从另外一个角度验证了盘古大模型的开放性，开发者可以跨平台快速调用盘古大模型，与其他工具和应用结合使用。

前瞻产业研究院展望未来，AI框架将注重前端便捷性与后端高效性的统一，AI框架将支持端边云全场景跨平台设备部。另外，随着处理任务的复杂化、处理数据的密集化，跨架构的开发能力将会成为常态化的需求。AI框架需要与硬件基础设施平台充分解耦，通过标准的硬件注册接口实现跨设备平台的快速部署。

前瞻经济学人APP资讯组

更多本行业研究分析详见前瞻产业研究院《》

同时前瞻产业研究院还提供、、、、、、、、、咨询等解决方案。在招股说明书、公司年度报告等任何公开信息披露中引用本篇文章内容，需要获取前瞻产业研究院的正规授权。

更多深度行业分析尽在【前瞻经济学人APP】，还可以与500+经济学家/资深行业研究员交流互动。