Skip to Content Facebook Feature Image

Brightseed推Hummingbird™ AI平台 助生命科學團隊加速創新

商業事

Brightseed推Hummingbird™ AI平台 助生命科學團隊加速創新
商業事

商業事

Brightseed推Hummingbird™ AI平台 助生命科學團隊加速創新

2026年05月13日 21:06 最後更新:21:13

生命科學公司Brightseed近日推出全新代理式人工智能產品Hummingbird™,旨在協助生命科學團隊在實際開發過程中,評估、優先處理並實踐科學見解。此舉旨在解決生命科學領域一大難題,即如何在投入大量時間和資金前,而非之後,判斷哪些創新概念具備可行性。

是次推出標誌着Brightseed平台邁出重要一步,將其能力從發現階段擴展至開發階段,而創新項目的成敗最終亦在此階段決定。Hummingbird™的代理層建基於Brightseed的平台,該平台以全球最大的專有生物活性數據集和生物學原生人工智能發現引擎為基礎。

Brightseed公司今日宣布推出Hummingbird™,這是一款全新的代理式人工智能產品,旨在協助生命科學團隊將生物發現轉化為更高信心的開發決策和具商業可行性的產品機會。 AP圖片

Brightseed公司今日宣布推出Hummingbird™,這是一款全新的代理式人工智能產品,旨在協助生命科學團隊將生物發現轉化為更高信心的開發決策和具商業可行性的產品機會。 AP圖片

生命科學創新持續平台

Brightseed正推動一種截然不同的生命科學創新模式,將發現、開發和決策視為一個持續、互聯的平台,而非零碎的階段。該平台建基於其經科學驗證的Forager™發現引擎,現已透過Hummingbird™擴展,帶來強大的代理能力,協助團隊根據這些見解採取行動。

現時,該平台由以下部分組成:

  • Forager™:人工智能發現引擎,利用專有生物活性數據,揭示生物機制。
  • Hummingbird™:代理式人工智能產品,在實際開發背景下評估可行性。
  • Brightseed科學服務:提供專家指導、數據解讀和策略規劃。

這種整合模式以持續平台取代零碎的工作流程,讓見解、證據和決策得以延續,從而提高成功的可能性。

與通用人工智能截然不同

Hummingbird™專為生命科學而設,旨在真實生物系統和開發限制內運作,而非從通用數據生成輸出。

與基於公開數據生成內容的通用人工智能工具不同,Hummingbird™在Brightseed的專有生物框架內運作,該框架以七年經實驗驗證的數據和科學推理為基礎。這使其能夠產生反映真實生物機制、開發限制和商業可行性的決策級輸出,而非一般建議。

在生命科學領域,挑戰並非產生想法,而是在投入大量時間和資金之前,確定哪些想法可行。Hummingbird™將決策過程提前,協助團隊更早識別高信心機會,減少代價高昂的後期失敗。

Brightseed聯合創辦人兼行政總裁Lee Chae博士表示:「我們已證明人工智能能以前所未有的規模解鎖發現。我們的客戶接下來需要的是能夠更早、更快、更有信心地根據這些發現採取行動。Hummingbird™正是為此而生。它能更早揭示風險,優先處理重要事項,並協助團隊將資源集中於最有可能成功的想法上。」

源於真實世界開發經驗

Hummingbird™不僅基於Brightseed的數據和人工智能能力,更結合了多年來與逾40個合作夥伴合作以及將自家成分商業化的實踐經驗。

這種平台建構者和營運商的雙重視角,使Brightseed能夠將真實世界的開發挑戰直接編碼到Hummingbird™的設計中:

  • 生物複雜性:應對錯綜複雜的生物系統。
  • 開發限制:資源限制、監管障礙、時間表。
  • 商業可行性:市場需求、競爭格局、成本效益。

透過將這些經驗嵌入代理系統,Hummingbird™使團隊能夠更早識別更高信心的機會,減少後續失敗。

邁向持續、人工智能驅動的創新

Hummingbird™的推出反映了Brightseed更廣泛的平台願景:將創新從一系列不相關的步驟轉變為持續、人工智能驅動的能力。現時,Hummingbird™以代理智能支援人類主導的工作流程。展望未來,Brightseed正朝著智能代理在其自身代理系統中互動的方向發展,實現持續的發現和開發,並由人類引導策略決策。

這一定位使Brightseed成為生命科學創新的基礎設施,人工智能在此不取代科學家,而是增強他們更早做出更好決策的能力。

為增長而非僅為速度而建的平台

透過在統一平台內連接發現和開發,Brightseed提高了生命科學創新的商業成功可能性:

  • 加快上市時間:簡化流程,更快獲得見解。
  • 降低研發成本:早期可行性評估,減少失敗。
  • 提高成功率:數據驅動決策,優化資源分配。

Hummingbird™的推出鞏固了Brightseed作為定義類別的人工智能驅動生命科學平台公司的地位,結合了專有數據、深厚科學專業知識和代理式人工智能,以改變創新方式。

關於Brightseed

Brightseed獲逾40個行業領先合作夥伴支持,旨在為生命科學團隊提供基礎,透過人工智能推動科學發展、開發更佳產品,並最終改善健康。這家位於灣區的公司匯集了生物學、全球最大的專有數據集以及逾十年計算科學專業知識,共同致力於闡明生物學並將科學見解轉化為實際影響。Brightseed堅信,要實現更佳的健康成果,需要清晰、精準和整合的創新方法。

(美聯社)

矽谷半導體公司 TetraMem 專注開發模擬記憶體內運算 (IMC) 方案,今日公布其 MLX200 平台已成功完成設計定案、製造,並初步驗證其22納米多級電阻式隨機存取記憶體 (RRAM) 模擬記憶體內運算系統單晶片 (SoC)。

這項成就標誌著基於新興非揮發性記憶體技術的模擬運算架構,邁向商業化的重要一步,有助應對現代人工智能系統中,數據傳輸、功耗及散熱限制日益嚴峻的挑戰。

MLX200 晶片照片,旁為五仙硬幣作大小參考 AP圖片

MLX200 晶片照片,旁為五仙硬幣作大小參考 AP圖片

隨着人工智能工作負載持續擴展,系統效能日益受限於記憶體與運算單元之間數據傳輸的成本。模擬記憶體內運算提供截然不同的方法,直接在記憶體陣列內執行運算,大幅減少數據傳輸,並提升系統層面效率。TetraMem 的 MLX200 平台整合多級 RRAM 陣列與混合訊號運算引擎,可在記憶體內實現高吞吐量的向量矩陣運算,同時保持與先進互補式金屬氧化物半導體 (CMOS) 製程的兼容性。

台積電22納米製程展示的多級 RRAM 技術,具備實際部署所需的關鍵特性,包括與互補式金屬氧化物半導體 (CMOS) 兼容,且額外製程複雜性極低;低電壓及低電流操作;強勁的數據保留及耐用性;以及支援提升記憶體及運算密度的高多級能力。初步晶片測試結果顯示,陣列功能一致,證明此方法適用於嵌入式非揮發性記憶體及記憶體內運算應用。

這項里程碑建基於 TetraMem 早前在 MX100 平台上的工作。該平台採用台積電65納米互補式金屬氧化物半導體 (CMOS) 製程製造,公司曾展示具備數千個電導級別的多級 RRAM 裝置(《自然》雜誌2023年3月刊登的「集成於互補式金屬氧化物半導體上的憶阻器具備數千個電導級別」),以及高精度模擬運算能力(《科學》雜誌2024年2月刊登的「以任意高精度編程憶阻器陣列實現模擬運算」)。這些前期成果為將技術擴展至更先進節點,奠定堅實的科學及工程基礎。

自2019年起,TetraMem 一直與全球領先的半導體代工廠緊密合作,將 RRAM 技術從早期研究推進至可製造的晶片。22納米製程所取得的進展,反映製程整合、裝置均勻性及系統級協同設計的持續發展。

MLX200 及 MLX201 平台旨在支援對功耗及延遲敏感的邊緣人工智能應用,包括語音及音頻處理、可穿戴裝置、物聯網系統及持續感測。預計將於2026年下半年開始評估取樣,而多級 RRAM 記憶體知識產權 (IP) 現已可供評估及潛在授權。

TetraMem 聯合創辦人兼行政總裁葛林博士指出:「這項里程碑反映我們與代工夥伴台積電多年來的緊密合作,並展示將多級 RRAM 及模擬記憶體內運算,從運算架構突破帶入先進節點商業晶片的可行性。我們相信此方法為提升下一代人工智能系統的能源效率及可擴展性,提供切實可行的途徑。」

MLX200 平台的成功實現,突顯多級 RRAM 模擬運算在先進半導體製程上的可行性。TetraMem 將繼續推進這項技術,以支援新興人工智能工作負載,提升能源效率及系統可擴展性。

關於 TetraMem:TetraMem 是一間位於矽谷的半導體公司,利用多級 RRAM 技術開創模擬記憶體內運算。其架構整合記憶體與運算,大幅減少數據傳輸,並提升人工智能工作負載的能源效率。憑藉在裝置、電路及系統協同設計方面的堅實基礎,TetraMem 正推進邊緣人工智能及未來高效能運算的可擴展方案,並與領先的代工廠及生態系統夥伴緊密合作,將基礎科學突破技術帶入商業化量產。

(美聯社)

你 或 有 興 趣 的 文 章