基因组编辑技术发展 - 自CRISPR-Cas9技术问世后，碱基编辑器（BE）和先导编辑器（PE）被开发，分别用于单碱基转换和小片段编辑[2] - 先导编辑器因其灵活性和精准性，在细胞和基因治疗及疾病建模领域受到关注，但受限于编辑效率低的问题[2] AI驱动的技术突破 - 研究团队利用AI工具RFdiffusion设计出仅82个氨基酸的MLH1小型结合蛋白（MLH1-SB），通过抑制错配修复（MMR）通路显著提高PE效率[3][9] - AlphaFold3用于高效筛选候选蛋白，整个设计筛选过程仅耗时4天，大幅缩短研发周期[15] 先导编辑器优化架构 - PE2、PE3、PE5等架构通过逆转录酶和切口向导RNA（ngRNA）改进编辑效率，但MMR通路会阻碍编辑整合[6] - PE4通过递送MLH1dn蛋白抑制MMR，但仅对10bp以下片段有效[7] - PE6和PE7通过RNA假结结构或外切核酸酶保护因子增强pegRNA稳定性，进一步提升效率[7][8] 效率提升数据 - PE7-SB2系统在人类细胞中编辑效率比PEmax和PE7分别提高18.8倍和2.5倍，小鼠体内效率比PE7提高3.4倍[11] - MLH1-SB的紧凑结构（82氨基酸）优于传统MLH1dn蛋白（753氨基酸），更易整合到AAV和LNP递送系统中[11] 技术应用前景 - MLH1-SB与现有PE架构（PEmax、PE6、PE7）兼容，可开发PEmax-SB、PE6-SB等新平台[10][11] - 生成式AI工具的高效性（如RFdiffusion网页版）正改变基因组编辑领域的研究模式，加速疗法开发[15]

港股通互联网指数表现 - 中证港股通互联网指数下跌0 88%，成分股涨跌互现，东方甄选领涨8 94%，狮腾控股上涨7 74%，同程旅行上涨1 74%，金山软件领跌8 31%，趣致集团下跌5 37%，美图公司下跌4 87% [3] - 港股互联网ETF下跌1 33%，报价1 71元，近1周累计上涨0 99% [3] - 港股互联网ETF盘中换手12 93%，成交4166 97万元，近1年日均成交1 73亿元 [3] 科技互联网公司医疗布局 - 京东健康发布自研医疗模型"京医千询"，与全国超15万家药店门店合作 [4] - 字节跳动收购医学科普平台"百科名医网"和互联网医疗公司幺零贰四，布局AI+生命科学上游技术，组建AIDD部门 [4] - 腾讯推出"腾讯觅影"AI影像平台和"AI辅助诊断系统"，开发人工智能药物发现平台"云深智药" [4] - 谷歌开源AI蛋白质结构预测工具AlphaFold3，英伟达开源AI制药框架BioNeMo，超200家药企采用，微软发布医疗AI助手Microsoft Dragon Copilot [4] 港股互联网ETF表现 - 近1年净值上涨54 80%，指数股票型基金排名122/2889，居于前4 22% [5] - 最高单月回报30 31%，最长连涨月数3个月，最长连涨涨幅24 85%，涨跌月数比9/7，上涨月份平均收益率9 04%，历史持有1年盈利概率100 00% [5] - 成立以来夏普比率1 56，相对基准回撤4 64% [5] - 管理费率0 50%，托管费率0 10%，近3月跟踪误差0 052%，跟踪精度最高 [5] - 中证港股通互联网指数最新市盈率22 3倍，处于近1年19 25%分位，估值低于近1年80 75%时间 [5] 中证港股通互联网指数构成 - 选取30家港股通互联网相关上市公司证券，前十大权重股合计占比72 11%，包括小米集团-W、腾讯控股、阿里巴巴-W、美团-W、金山软件、哔哩哔哩-W、美图公司、金蝶国际、京东健康、阿里健康 [6]

报告行业投资评级 - 领先大市（维持） [2] 报告的核心观点 - AI医疗相关应用伴随技术发展逐步由B端向C端渗透，各科技互联网公司基于技术与数据优势推动行业发展，建议关注阿里巴巴 - W、腾讯控股、京东健康、美团 - W、水滴公司等 [5] 根据相关目录分别进行总结 事件 - 6月26日，蚂蚁集团发布AI健康应用「AQ」，应用内提供上百项AI功能，连接全国超5000家医院、近百万医生、近200个名医AI分身等专业医疗服务，且已与健康管理设备合作，与可穿戴设备打通，可提供专属健康建议 [5] 模型发展与政策指引助力AI医疗行业 - 据弗若斯特沙利文预测，中国“AI + 医疗”市场规模预计从2023年的88亿元激增至2033年的3157亿元，十年间复合年增长率高达43.1% [5] - 截止2024年底，对外提供医疗领域AI应用的产品和服务且已备案的模型和算法数量已达101个，分布为问诊对话占比48%、健康评估与咨询占比24%、病历生成与结构化医学报告生成占比14%、辅助诊断占比5% [5] - 2017 - 2024年中国AI + 医疗政策体系逐步完善，从早期推动“互联网 + 医疗健康”和医学影像标准化，到2024年细化84个场景应用，覆盖诊疗全流程，强化基层医疗能力建设与数据互通共享 [5] - 2024年以来，对AI医疗技术的政策导向以“场景驱动、规范先行”为核心，地方政府与医疗机构普遍持开放态度 [5] 国内外科技互联网公司积极布局医疗行业 国内公司 - 京东2023年7月京东健康发布自研医疗模型“京医千询”，截至2025年第一季度，京东健康即时零售已与全国超15万家药店门店建立合作 [5] - 字节跳动2020年通过收购医学科普平台“百科名医网”、互联网医疗公司幺零贰四进入医疗行业，并布局AI + 生命科学上游技术，组建AIDD部门 [5] - 腾讯推出“腾讯觅影”AI影像平台用于疾病早期筛查，开发“AI辅助诊断系统”提升医生诊断效率，推出人工智能药物发现平台“云深智药”加速新药研发 [5] 海外公司 - 谷歌2024年11月11日宣布开源AI蛋白质结构预测工具AlphaFold3的源代码和模型权重 [5] - 英伟达2024年11月19日宣布开源AI制药框架BioNeMo，超200家药企采用 [5] - 微软2025年3月4日发布医疗界首个用于临床工作流程的AI助手Microsoft Dragon Copilot [5]

蛋白质结构预测技术突破 - 南开大学郑伟教授团队开发了新型蛋白质结构预测工具D-I-TASSER，在CASP15比赛中表现优于AlphaFold2和AlphaFold3 [2][3] - D-I-TASSER成功预测了人类蛋白质组中19512个蛋白质，覆盖率达95%，能够折叠81%的蛋白质结构域和73%的全长序列 [3][12] - 该技术融合深度学习和物理模拟，实现了高精度的蛋白质结构和功能预测 [3] AlphaFold的局限性 - AlphaFold在多结构域预测方面存在短板，80%的人类蛋白质含多个结构域，传统方法常忽略域间相互作用 [6] - AlphaFold是静态模型，难以捕捉蛋白质动态变化，对缺乏同源序列的蛋白质预测能力骤降 [6] - 纯数据驱动方法可能丢失蛋白质折叠的底层物理规律 [6] D-I-TASSER技术创新 - 深度融合深度学习与物理模拟，整合多源信息并利用物理引擎迭代优化结构 [8] - 首创自动切割-独立预测-动态组装的流程，域内精度达0.858，较AlphaFold2提升2.8%，域间取向误差降低17% [8] - 采用升级版DeepMSA2搜索宏基因组数据库，多序列比对信息量提升6.75倍 [11] 技术性能表现 - 在CASP15盲测中，对困难靶标的预测精度比AlphaFold2高29.2% [11] - 成功解析超过3000个氨基酸残基的超大蛋白质，如新冠病毒刺突蛋白，捕捉开放/闭合双构象 [11] - 无序区域构象多样性比AlphaFold高59%，系统注释了ATP结合、铁硫簇组装等关键功能位点 [14][15] 当前挑战 - 对孤儿蛋白（同源序列<1%）预测精度降至0.67 TM-score [20] - 尚未涉及蛋白质复合体的结构预测 [20] - 计算耗时仍高于纯深度学习模型 [20]

AI产业影响与趋势 - AI正逐步影响产业与社会底层逻辑，从RPA到个性化助手、AI Coding Copilot等产品推动人机交互革新，AI Agent作为"数字员工"融入企业实际业务[1] - 生物AI模型如AlphaFold3开源推动蛋白质预测、药物发现领域商业化热潮，AI4S成为重要方向[1] - DeepSeek R1模型将中国AI模型能力推向新高度，国内AI生态开始具备"可用性"，DeepSeek、Manus等公司引领创业新范式[1] MVP 50评选标准 - 商业价值创新：需突破既有商业逻辑，重构价值创造与捕获方式，在供需关系、定价机制等方面具备可行性与规模化潜力[4] - 交互体验升级：要求多模态自然交互，构建开放工具生态，实际改进用户工作流并重塑创造方式[4] - 技术能力突破：需在AI算法、模型等底层技术取得原创性进展，具备系统性重构能力并影响行业生态方向[4] - 场景深度融合：需解决行业关键痛点，在效率、成本等方面带来可衡量的实际提升[4] 参评范围与要求 - 聚焦AGI产业基础设施层（数据/算力）、模型层（大模型/训练平台）、应用层（内容生成/企业应用等）[5] - 参评企业需为中国企业为主，成立以来无法律合规问题与经营风险[5] 评选流程 - 申报征集与走访调研同步进行，截止5月31日[8] - 组委会评审分初筛（6月2日）、复筛（6月10日）、终审（6月13日）三阶段[8] - 最终结果将于6月21日公布[8]

AI产业影响与趋势 - AI技术正逐步改变产业与社会底层逻辑，包括RPA、个性化助手、AI Agent等产品带来全新人机交互体验，AI Coding产品向全自动化发展，生物AI模型推动药物发现等领域商业化热潮[1] - DeepSeek R1模型将中国AI模型能力推向新高度，国内AI生态开始具备可用性，DeepSeek、Manus等公司引领创业新范式，AI进入从模型到真实落地的下半场[1] MVP 50评选背景与目标 - Founder Park发起调研寻找技术、商业与场景融合中的关键突破变量[2] - 联合读者、合作伙伴及专家甄选50家最具影响力创新力量，重点关注底层技术、应用落地或交互体验的质变潜力，挖掘未被聚焦的稀有变量[3] 评选核心维度 - **商业价值创新**：AI技术重构价值创造与捕获方式，创新供需关系、定价机制与服务形态，具备规模化潜力[4] - **交互体验升级**：智能交互设计改进用户工作流，提升效率并重塑工作与生活方式，构建开放协同工具生态[4] - **技术能力突破**：在算法、模型、算力等底层技术取得原创进展，推动开放架构与协同智能，影响行业生态方向[4] - **场景深度融合**：解决行业高价值痛点问题，在效率、成本、收入等层面带来可衡量的实际提升[4] 参评范围与标准 - 聚焦AGI产业基础设施层（数据、算力等）、模型层（大模型、训练平台等）、应用层（内容生成、企业级应用等）的中国企业[5] - 参评企业需无法律合规问题及经营风险[5] 评选流程 - 申报征集与走访调研截至5月31日，组委会评审分初筛（6月2日）、复筛（6月10日）、终审（6月13日），结果于6月21日公布[8]

Demis Hassabis, Co-Founder and CEO of Google DeepMind and Nobel Prize Laureate in Chemistry 2024, attends the Artificial Intelligence (AI) Action Summit at the Grand Palais in Paris, France, February 10, 2025. Benoit Tessier | Reuters On a rare sunny day in London at the Google DeepMind office, Colin Murdoch saw the bank deposit from his employer come through. It wasn't his paycheck. Google was investing in his startup. The fledgling company was Isomorphic Labs, the secretive artificial intelligence life sc ...

中美AI叙事差异 - 中国AI叙事聚焦于DS开源带来的LLM平权及小模型端侧、边缘侧应用落地 呈现全面开花态势 算力需求以H20和国产Asic为主 大厂持续加大数据中心投入 [1] - 北美AI叙事坚持通往AGI的技术路线 持续推出多模态高阶模型和万亿参数大模型 高端NV显卡供不应求 [2][3] 算力需求分化 - 中国场景下 H20和910c芯片可满足LLM chatbot及端侧AI推理需求 异构芯片如fpga+risc-v也能支持简单AI端侧推理 [4] - 北美高端NV芯片在以下场景不可替代： - GPT-4o类文生图及多模态应用 需高显存+大带宽 单次交互可能消耗500 TFlops [5][6][8] - 千亿/万亿参数大模型训练 NV高阶芯片的互联优势显著 [7] - AI医疗生物科技等科学计算 如AlphaFold3预测分子相互作用 手术机器人需超低延时 [7] - 高阶Agent应用 需支持高并发(如AI游戏数百万NPC交互)、超长上下文记忆(数万token)、多模态处理 [8] 商业化落地差异 - 中国AI应用商业化更快 如会议纪要AI月赚数千万 腾讯接入DS模型获得2000万DAU 成本效益显著 [3][8] - 北美CSP仍在探索多模态等高阶应用 成果周期较长 但若GPT-4o等突破性应用出现 将引发高端NV卡抢购潮 [9][10] 技术变量 - DS的AI infra能力是核心变数 若V4版本实现多模态且低耗能 可能颠覆NV高端芯片逻辑 [7][10] - 视频类企业(如字节跳动)对高端NV卡需求更强 因AI视频生成需500+TFlops和48G显存 [6]