编辑 岳彩周 校对 穆祥桐 对此，王志珍对新京报贝壳财经记者表示，"AlphaFold对我从事的蛋白质分子结构和功能领域科研的直 接影响是，几乎我所在领域的科学家人人都会去使用它，有一个氨基酸的序列后，几乎马上就能够知道 蛋白质的结构是什么样的，但这个结构并非100%准确。例如昨天我接触到的一位科学家发现其做出来 的新结构，如果使用AlphaFold进行预测，会出现很大差异。" "因为AlphaFold是根据已知结构，通过算法帮助科学家进行预测，因此对于新解的蛋白质结构， AlphaFold的预测效果就不一定很好。因此不能绝对化AlphaFold的作用。"王志珍说。 在她看来，结构生物学家不仅要把结构研究出来，还要解析分子的功能，而功能的研究则更加复 杂，"不仅仅是结构问题，还要使用细胞生物学、交叉学科的各种手段，才能明白分子怎样"干活儿"、 怎样起作用。而且生命当中起作用的并非靠一个分子，还要靠许多分子之间的相互作用，这都是现在结 构生物学家要解决的问题。" 新京报贝壳财经讯（记者罗亦丹）8月25日，中国科学院院士、中国科学院生物物理研究所研究员王志 珍在北京接受了新京报贝壳财经记者采访，回答了关于AI F ...

人工智能发展趋势 - 人工智能发展需要大量数据和合成数据，可能带来百亿美金规模的新机会 [2] - AI For Science是当前最重要的方向，今年诺贝尔奖的颁布是最好证明 [3] - 工业时代全球GDP年均增速1%-2%，信息时代3%-4%，人工智能时代增速将更高 [3] - AI能力逼近甚至超越人类，AI治理成为全球共同面对的议题 [3] 算力发展现状与趋势 - 过去几年新模型所需算力每年增长约4倍 [6] - 过去十年大模型训练对算力需求上涨100万倍，英伟达市值涨300倍 [7] - 英伟达H100芯片需求旺盛，微软、谷歌、亚马逊采购量巨大 [7] - 深圳未来可能成为全球唯二的算力中心之一 [5][7] - IDEA研究院拥有1000多张GPU卡，在深圳属于"小土豪"级别 [7] 算法与数据发展 - 2017年Transformer架构出现后，AI发展主要依靠堆数据和算力 [9] - GPT3使用2万亿Token，GPT4使用20万亿，GPT5可能需要200万亿 [10] - 互联网上高质量英文数据对AI训练至关重要 [10] - 合成数据将成为解决数据短缺的关键，可能创造百亿美金机会 [8][11] - IDEA Data Maker能节约85.7%的token消耗成本 [11] AI应用与创新 - IDEA研究院开发了MoonBit编程语言，希望改变中国无原创编程语言的现状 [13] - IDEA拥有化学、学术、营销、经济、运筹、投资、视觉等垂直领域大模型 [13] - ReadPaper学术大模型注册用户达99万，即将突破100万 [14] - DINO-X通用视觉大模型拥有物体级别理解能力，实现开放世界目标检测 [14] 大湾区发展机遇 - 大湾区是发展具身智能的绝佳机会，需要与企业特别是龙头企业合作 [15] - IDEA与腾讯合作建设福田实验室，聚焦具身智能技术 [15] - 与美团合作探索无人机视觉智能技术，与比亚迪合作拓展工业机器人应用 [15] - 深圳是用迭代软件速度迭代硬件的城市，大湾区机会巨大 [15] - IDEA与深圳市政府合作研究低空经济，提出建设四张网的基础设施 [16]