現(xiàn)在制藥 這事，人類要靠邊站了。

　　坐標蘇州 ，這是一個1600平的制藥實驗室，它的“打開方式”是這樣的：

　　門口，沒有人 。

　　走廊，沒有人 。

　　實驗室，也沒有人 。

　　相比以往充斥著科學家、研究員的實驗室，它更多的是把機械臂和AI系統(tǒng) 塞了進去，主打的就是一個全自動化 。

　　或許好奇的小伙伴就要問，這樣的實驗室能干嘛?就是為了自動化而自動化嘛?

　　事情當然沒有那么簡單，你瞧見的只是無人的操作，但在背后，AI做的可遠遠不只是替代人工的實驗室操作那么簡單，而是：

　　>14天內(nèi)完成靶點發(fā)現(xiàn)和驗證 ，還是全自動化干濕實驗閉環(huán)的那種。

　　要知道，這個過程要放以前，可是需要足足2-3年才能完成……

　　而且更為精細化的工作，例如樣本處理 、細胞培養(yǎng) 、化合物管理 、高通量篩選 、新一代測序 、高內(nèi)涵成像 等等，不論是單一任務還是“聯(lián)動”任務，機器都可以在AI的控制下輕松接手。

用Echo 650T制備檢測板

用NovaSeq 6000測序

　　這便是來自全球AI制藥第一梯隊的“選手”——英矽智能 (Insilico Medicine)的第六代智能機器人實驗室，也是全球首個用AI參與決策 的生物學實驗室。

　　而在它背后驅(qū)動這一切的AI大腦 ，則是一個叫做PandaOmics 的平臺，可以根據(jù)實驗的進程自主做決策、下達指令。

　　若是把這個AI平臺單拎出來，它更是囊括了20多種預測模型和生成生物學模型，還包含遺傳學、蛋白質(zhì)組學、甲基化數(shù)據(jù)、文本文獻和科研基金等海量數(shù)據(jù)，用以支持專業(yè)的靶點識別、分析和排序、適應癥探索等生物學研究。

　　甚至已經(jīng)有高中生用PandaOmics發(fā)現(xiàn)了藥物新靶點 ，并且研究成果還登上了國際學術(shù)期刊!

　　而且除了PandaOmics之外，英矽智能在人工智能制藥領(lǐng)域擁有端到端的藥物發(fā)現(xiàn)平臺Pharma.AI，其中專注于化學領(lǐng)域的Chemistry42 還可以針對給定靶點從頭設計具有特定屬性藥物理化性質(zhì)的新型小分子。

　　這一切都可以在幾小時內(nèi)到幾十小時內(nèi)完成，且支持并行運行多個任務。

　　以及英矽智能還將科技圈最潮的大模型 也融入進來，在Pharma.AI的架構(gòu)上推出Copilot系統(tǒng) ，讓你只要會對話就能使用專業(yè)的AI制藥平臺。。

　　由此可見，現(xiàn)在AI不僅是把制藥這件事變成了“自動駕駛”模式 ，更是狠狠地把門檻打下去 、效率提上來 。

　　AI制藥的流程和工作是方便了，但隨之而來的一個問題便是：如此大的工作量，算力 ，又是如何解決的呢?

　　科學計算與AI，CPU都在發(fā)力

　　對于上述的問題，包括英矽智能、晶泰科技等AI制藥的頭部力量們不約而同地選擇了相似的解決辦法：

　　充分利用所有可以用、值得用的科學計算與AI算力平臺。這種平臺可不是你想象的那樣被GPU制霸，相反，其中的CPU用量更大，尤其是英特爾的CPU 。

　　為什么要選擇英特爾?

　　首要的一個原因，就是英特爾供企業(yè)計算及科學計算使用的主力CPU，即至強? 可擴展處理器系列產(chǎn)品，一直都是物理計算——無論是昔日計算機輔助制藥，還是今天AI輔助制藥都非常依賴的科學計算應用的關(guān)鍵承載平臺。

　　另一方面，就算是把應用的主題從相對傳統(tǒng)的制藥相關(guān)的科學計算任務，切換到更偏AI的應用上，英特爾也算是頗有建樹，這一點從它以AlphaFold2為代表的開源蛋白質(zhì)預測模型的支持上就可見一斑。

AlphaFold2基本架構(gòu)

　　首先，AlphaFold2整個端到端的處理過程，涉及?量復雜多樣的計算類型。從早期的數(shù)據(jù)收集、特征提取等預處理階段，到基于深度學習的蛋白質(zhì)結(jié)構(gòu)預測，再到后續(xù)的結(jié)果分析，這是?個高度異構(gòu)的工作負載。

　　而英特爾?至強? 可擴展處理器可以輕松勝任這一系列多樣化的任務。以至強? CPU Max系列處理器為例，它采用全新微架構(gòu)、更多內(nèi)核(最高達56個)，能以更高頻率和更大緩存，去應對?通量的預處理和后處理工作。

　　它在內(nèi)存和輸入/輸出(I/O)子系統(tǒng)性能上有著顯著的增強，還結(jié)合大容量末級緩存使AlphaFold2推理過程中關(guān)鍵的張量吞吐獲得了大幅提升。

英特爾? 至強? CPU Max 系列處理器

　　其次，由于AlphaFold2所采用的深度學習模型規(guī)模巨大，推理過程中的張量運算不僅量大，且維度極高。這就要求承載平臺具備強?的AI運算加速能力。

　　在這?點上，新款至強? 系列處理器內(nèi)置的英特爾? AMX(?級矩陣擴展)技術(shù)，可以顯著加速大規(guī)模矩陣乘法運算。

　　在FP32/BF16混合精度計算下，其理論峰值可達每時鐘周期1024次乘加操作。針對AlphaFold2推理任務中所需的大量矩陣運算操作，AMX_BF16能在保持較高精度的同時，提高計算速度并減少存儲空間。

　　另一方面，AlphaFold2因其高維張量運算和長序列并行計算，在推理過程中常?臨超?內(nèi)存需求，不光影響推理速度，還會限制更長蛋白質(zhì)序列的預測。

　　為此英特爾從軟硬協(xié)同的方式給出完整解決方案。

　　一面是提升內(nèi)存容量和帶寬。解決方案中，英特爾? 至強? CPU Max系列處理器除支持DDR5內(nèi)存外，還集成了HBM(?帶寬內(nèi)存)。單顆處理器的HBM容量?達64GB，且具有高達460GB/s帶寬。

　　另一面是提供了多種降低內(nèi)存的軟件優(yōu)化方法。如面向PyTorch對張量計算原語(Tensor Processing Primitives，TPP)技術(shù)進行擴展，以及切分Attention模塊和算子融合的推理優(yōu)化方案，幫助AlphaFold2在通用矩陣乘法計算中所需的內(nèi)存峰值大幅降低。

　　熱點算子與融合效果

　　經(jīng)過一系列加強和優(yōu)化后，最終效果如何呢?

　　如圖所示，在基于至強? CPU Max系列處理器的優(yōu)化流程中，每個優(yōu)化步驟獲得的提升累積后，獲得了相對于基線性能(對比組1，基于第三代至強? 可擴展處理器，未實施優(yōu)化)高達33.97倍的通量提升。

　　根據(jù)測算，性能提升中的74%源自預處理階段的高通量優(yōu)化，26%要歸功于對推理過程的優(yōu)化。

　　此外，在同樣開啟IPEX(面向PyTorch的英特爾? 擴展優(yōu)化框架)的情況下，相比對比組2(基于第三代至強? 可擴展處理器，但實施過優(yōu)化)，方案在升級使用至強? CPU Max 系列處理器后，其內(nèi)置的HBM內(nèi)存、英特爾? AMX的加成，則帶來了48.3%的性能提升。

切分Attention模塊和算子融合的推理優(yōu)化方案

　　而且值得一提的是，在一項基于某公有云服務的測試中，基于至強? CPU平臺構(gòu)建的AlphaFold2解決方案還在性能上獲得了遠優(yōu)于某高端GPU平臺的表現(xiàn)，同時也優(yōu)于由CPU+GPU混合構(gòu)建的方案。

　　這可是一個非常難得的成績——畢竟過去在很多AI應用的測試或?qū)崙?zhàn)中，CPU能有接近或媲美GPU的表現(xiàn)就已經(jīng)算是成功，而AlphaFold2上至強? 平臺則實現(xiàn)了性能+蛋白質(zhì)預測序列長度的全面反超。

　　現(xiàn)在還剩下最后一個問題，多個蛋白結(jié)果的解析模型AlphaFold2 Multimer。

　　也就是從預測單個蛋白質(zhì)三維結(jié)構(gòu)，發(fā)展到了對多個蛋白質(zhì)分子之間的相互作用及所形成的復合體結(jié)構(gòu)進行預測。

　　CPU在這一演變過程中的支持力度如何呢?

　　答案是不用擔心!基于英特爾? 架構(gòu)的AlphaFold2解決方案同樣也面向AlphaFold2 Multimer的管線結(jié)構(gòu)進行了優(yōu)化與驗證，雖然后者的管線結(jié)構(gòu)已根據(jù)蛋白質(zhì)復合體結(jié)構(gòu)預測的需求進行了調(diào)整，但英特爾AlphaFold2上的優(yōu)化方案，在被用于AlphaFold2 Multimer時同樣有效。

面向AlphaFold2 Multimer模式的方案實現(xiàn)

　　CPU加速新藥發(fā)現(xiàn)不是夢

　　回顧以往，研發(fā)?種新藥動輒需要10年時間，投入20億美元才能起步。

　　而在AI的助力下，這?成本正大幅降低。以英矽智能為例，它們進展最快的項目僅用18個月就找到了治療特發(fā)性肺纖維化(IPF)的潛在全球首創(chuàng)候選藥物并通過實驗驗證，總成本約為280萬美元。

　　展望未來，隨著AI技術(shù)的進?步發(fā)展?jié)B透，它必將重塑制藥業(yè)的創(chuàng)新模式，讓新藥研發(fā)變得更加高效、精準、經(jīng)濟。而在這?進程中，相關(guān)的科學計算及AI應用任務，依然需要有強大的算力支撐。

　　從英矽智能、晶泰科技等實踐來看，以至強?處理器為代表的CPU平臺，正憑借其在性能、成本、生態(tài)等方面的獨特優(yōu)勢，成為推動AI時代制藥創(chuàng)新的重要“引擎”。

　　這也預示著，CPU加速AI應用落地，幫助用戶節(jié)支增效以及推進其技術(shù)和業(yè)務創(chuàng)新的腳步從未停止。

　　AI讓新藥研發(fā)進入“自動駕駛”模式，而英特爾?至強?處理器則提供了它所需的源源不斷的動?。

　　在這種合作模式下，AI+制藥還將擦出怎樣的火花，就很值得期待了。

　　為了科普CPU在AI推理新時代的玩法，量子位開設了《最“in”AI》專欄，將從技術(shù)科普、行業(yè)案例、實戰(zhàn)優(yōu)化等多個角度全面解讀。

　　我們希望通過這個專欄，讓更多的人了解英特爾? 架構(gòu)CPU在AI推理加速，甚至是整個AI平臺或全流程加速上的實踐成果，重點就是如何更好地利用CPU來提升AI，包括大模型應用的性能和效率。

　　未來隨著英特爾AI產(chǎn)品技術(shù)組合的進一步擴展和豐富，我們還將在這里為大家提供更多產(chǎn)品技術(shù)上的優(yōu)秀用例與方案分享，以及技術(shù)應用指南。