北京2024年3月14日 /美通社/ -- 你是否想过，有一天，我们能够在更短的时间内研发出更多的创新药物？现在，这一切都成为了可能。浪潮信息通过其AI服务器+AIStation平台的整体方案，已经成功地帮助领军创新药企将算力资源利用率提升至70%以上，候选化合物筛选用时缩短75%，解决了AI计算资源压力大、AI业务上线周期长、任务排队时间久等难题，业务上线时间从几周缩短到了几天，AI模型训练效率提升了30%，大大加速了药物研发的进度，助力更多新药早日问世。
AI+药物研发背后的算力挑战
一款新药的研发需要经历筛选、优化、临床前研究、临床研究等多个阶段，这个过程既漫长（10到15年）又昂贵（10亿到20亿美元），充满了风险。然而，随着大数据和人工智能技术的快速发展，AI+药物研发的创新范式应运而生。AI不仅可以加速药物研发中的关键步骤，如靶点发现、化合物设计与生成、临床试验设计与结果预测等，还可以帮助我们更好地理解和预测疾病的发生和发展。
但是，AI+药物研发并非易事。它不仅依赖于数据和算法，而且对计算资源的消耗非常大。以基于AI方法的蛋白质结构预测模型AlphaFold2为例，从头训练一次需要使用128块TPUv3耗时11天。AlphaFold2推理阶段对算力的考验也很大，对于长度达到数千个氨基酸的蛋白质序列，模型预测前的搜索和比对过程可能长达数小时。
制药企业在AI+药物研发探索过程中，通常会同步并行多个项目。例如，某领军创新药企利用神经网络算法提取小分子化合物不同层面的特征，再根据这些特征进行预测，提升小分子化合物设计、生成和优化的效率；利用图像识别模型识别单克隆细胞，提高准确率和效率；针对研发人员需投入大量时间撰写报告的问题，开发智能写作助手，自动生成实验报告、药物申报等，助力研发人员提高写作效率。
随着研发项目快速推进，该药企的计算平台已不能满足需求，不同部门抢占计算资源，研发人员下发计算任务后往往需要长时间等待才能得到结果，严重影响了工作效率。此外，药物研发涉及多种应用场景与模型，模型更新迭代速度快，如何合理调度、分配算力资源，高效部署并管理不同类型的AI模型，也是一大挑战。
智算平台加速医药创新，候选化合物筛选用时缩短75%
针对AI+药物研发过程中的算力挑战，浪潮信息打造了AI服务器+AIStation联合解决方案。该方案使用浪潮信息AI服务器作为算力底座，强大AI计算性能能够满足AI+药物研发场景的算力需求，同时采用AIStation智能业务生产创新平台，不仅能够统一纳管、监控底层计算资源，提高资源利用率，还能够统一管理不同的药物研发AI模型，降低运维难度及成本。
该方案具有以下优势：
算力平台强大：该方案使用浪潮信息AI服务器NF5468G7作为计算平台。NF5468G7在4U空间内搭载8张业界先进的GPU卡，并支持多种AI加速卡，提供超大本地存储，能够灵活应对不同AI+药物研发应用场景需求，为模型训练和推理提供强有力的算力支撑。
资源利用率高：该方案具备强大、动态、弹性的AI算力，能够帮助药企大幅提升资源利用率，破解算力挑战。对于资源要求不高的应用，用户可通过AIStation平台按需配置资源，GPU细粒度调度功能可使单张GPU卡同时运行多个AI+药物研发应用，减少资源闲置，提升利用率。AIStation还能够监控应用调用情况、资源使用情况，并基于请求或设定实现应用的自动扩缩容，减轻操作负担，提高资源利用率。
业务快速上线：针对药物研发涉及多种应用场景与模型的特点，该方案帮助药物研发企业构建全栈AI创新生产平台，打通模型训练和推理流程，快速部署生物小分子识别、AlphaFold2、OCR等超过30种AI应用，并对各类模型进行统一纳管，实现可视化的应用生命周期管理，快速完成业务上下线、迁移。
此外，AIStation具有任务排队托管、定义任务优先级功能，可让用户同时提交多个训练任务，资源不足时排队等待，一个任务训练结束后自动释放资源给排队等待的任务，同时用户可设置优先级，让重要任务优先训练。这样可以帮助研发人员将非工作时间利用起来，减少等待时间，从而缩短AI+药物研发模型的开发周期，加速业务创新。
在成功部署该方案之后，该领军创新药企的算力资源利用率提升至70%以上，业务上线时间从几周缩短到几天，模型训练效率提升30%，医药新领域探索到临床前候选化合物（PCC）的时间从平均4年半缩短至约13.7个月，缩短近75%。
AI正在改变我们的生活，也正在改变我们的医疗健康产业。它能够大幅缩短药物研发的时间并降低成本，将成为未来药物研发的关键核心技术之一。浪潮信息将与药物研发企业深入合作，以强大算力支撑药物研发行业的智能化转型，助力打造全新的药物研发模式，让更多的人吃上便宜的救命药。
原创文章，作者：，如若转载，请注明出处：https://knewsmart.com/archives/252036
微信扫一扫 
