工业互联网服务商“未明智能”获Pre-A+轮融资，4个月内完成两轮融资
06-18
过去的一年令人心寒，但蛰伏数年的AI却凭借大型语言模型重新崛起。
它贪婪地吸引着全球风险投资，有潜力引领第四次工业革命。
开放AI将这项技术带到了最前沿，一度在竞争中占据了最大的优势。
随后，谷歌、微软、百度等老牌AI公司纷纷加入战局。
百模出现，通用大车型的竞争局面开始变得微妙。
创新技术的淘金能力尚未得到认可，但一路走来的卖水者已经赚得盆满钵满。
短短一年时间，英伟达的股价因生成式AI带来的巨大算力需求而上涨了两倍，市值突破万亿美元大关，目前已逼近2万亿美元。
飞速的速度之下，英伟达的AI部署策略却鲜有改变。
近十年来，深度学习、区块链、Web 3.0……每当互联网世界发生基础性技术变革时，这家巨头公司总能依靠GPU下的算力业务赚取巨额利润。
因此，英伟达也乐于维持自己中间人的身份，只为忙碌的创业者开发各种工具，很少自己动手。
如今面对大模特，英伟达也选择了加盟，大胆投资。
为了生成AI，英伟达的投资金额增加了六倍。
英国咨询机构Dealroom曾对英伟达多年的一级市场交易情况进行过统计。
一年来，英伟达一共出手35次，约为去年的6倍。
所有投资无一例外都与人工智能有关。
在投资过程中，英伟达似乎并没有排除任何应用场景，也没有关心标的的轮次和规模。
无论是上游的通用大模式、中游的企业SaaS、下游的To C垂直应用，还是动辄数百亿的大模式基础设施建设中的B、C轮项目，还是种子轮To C端不足百万。
只要有创新，有产业智能化的可能，英伟达就在那里。
与此同时，英伟达对自己的投资方式和投资重点也做了很多调整。
在AI生态系统的建设上，英伟达过去注重的是“稳定”。
更多时候，他依靠“英伟达创业加速计划”提供GPU和AI开发平台支持，降低AI研发门槛，为AI领域的创业者提供支持。
他们加速；一方面，他们将软硬件解决方案与初创公司深度绑定，不断拓宽生态底盘。
去年，英伟达旗下的风险投资机构NVentures几乎主导了全年所有交易，超过一半的标的都是NVentures领投，承担更多风险，换取行业加速发展。
这种转变显然对初创企业有利。
尽管英伟达向外界明确表示：进入生态系统的企业也会遵守规则，不会“插队”，比生态系统外的用户更早获得芯片。
但直接的现金支持，与英伟达建立更直接、更深入、更亲密的关系，会给创业公司的发展带来直观的变化。
英伟达焦点的转变具有启发意义，或许预示着AI技术的前沿发展方向。
2017年，英伟达特别看好生成型AI上游的通用大模型和中游的医疗AI。
押注通用大模型的逻辑并不难理解。
一个地区通用大模型的能力上限决定了该地区大模型应用的能力上限。
自ChatGPT流行以来，谷歌、微软、Meta等AI公司在这一环节的研发投入不遗余力。
英伟达自然不愿意只做一个旁观者，错过可能发生的跨时代变革。
因此，在主张通用模型“国有化”的“民族人工智能”倡导者的压力下，英伟达先后投资了Infection AI、Cohere、Mistral这三个通用模型建设公司，让自己的通用模型版图横跨欧洲。
和美国。
还投资了Hugging Face、Replicate等开源大模型开发平台，抓住了通用大模型价值转化的关键。
说到细分应用场景，NVIDIA的布局有些让人意外。
统计表中的30个项目中，英伟达擅长的游戏、工业等领域仅有1-2个项目获得了资本注入，且融资金额普遍较小。
相反，漂浮了几十年的医疗AI已经获得了13个项目的融资。
英伟达2016年的投资布局（不完全统计，红色标注企业为医药相关企业，动脉网整理）简单分类了13个项目，其中医学计算机视觉、互联网医疗各2个项目，新型医疗9个项目。
药物研究与开发。
这九个新药研发项目分别是Charm Therapeutics、Recursion、Inceptive、Superluminal Medicines、Genesis Therapeutics、Generate:Biomedicines、Iambic Therapeutics和Evozyne。
最大的项目Generate:Biomedicines以2.73亿美元创下去年全年融资纪录，最小的项目也不低于1亿元人民币。
人工智能时代的复兴？ 什么时代还在投资新药AI？ 近三年是AI新药研发最火热的时期。
当时，新成立的种子轮公司可以获得数十亿元人民币的融资，跨国公司也忙着寻找公司来试点数字化转型。
不少初创企业从中获得了价值数十亿元的合作协议。
但由于行业内缺乏成功案例，DSP-、REC-等明星产品临床试验相继失败。
此外，美联储持续加息，一级市场融资成本居高不下。
到2020年，全球新药AI领域的融资金额以及与跨国公司的合作总额均已从峰值下降。
计算机视觉和互联网医疗也面临着类似的情况。
两项技术经过数年打磨，已深度融入诊疗流程，成为医疗场景不可或缺的一部分。
但由于利润转化率低效，相关企业的估值、投资机构的投资规模均与此前相比。
年内出现明显收缩。
从这一点来看，NVentures的时机似乎落在了半山腰、下山的一边。
仔细看看具体目标。
获得新募资金的公司也在寻求变革以降低风险。
比如，在解释资金用途时，专注于临床前研究的AI新药企业数量明显减少。
他们转向构建技术平台，或增加业务扩张，并尽可能依赖 CXO。
NVentures手中的医疗AI公司大多专注于临床前研究。
这些项目简单盘点一下： CHARM Therapeutics 拥有基于 3D 深度学习的蛋白质-配体共折叠技术 DragonFold，从事癌症等以前难以针对的治疗领域的小分子治疗药物的风险开发; Superluminal Medicines 专注于高价值的 G 蛋白偶联受体（GPCR）靶点，并在最短的时间内生产出相关的实验候选药物，没有人处于领先地位。
也就是说，在目标选择上，英伟达也背离了趋势，正面面临风险。
虽然时机和目标选择不符合大势，但英伟达的做法也有其道理。
首先，产业融资的节奏不一定与技术发展的节奏一致。
关键技术的突破总是经过多年的努力才会出现。
其次，颠覆性技术的出现可能会重构整个行业，并重新定位其中的每个公司。
价值。
此外，NVIDIA还掌握着“计算能力”的决定性因素。
深度学习时代，算法和数据决定模型的能力。
但在大模型时代，计算能力在决定模型能力方面可能比算法和数据更强大。
因此，对于生成式AI及相关技术，拥有算力优势的英伟达比任何投资机构都更坚信其颠覆性，也比任何公司更有可能实现其颠覆性，从而突破当前的AI挑战。
顽固性疾病正在塑造诊断、治疗和药物的新时代。
赚AIDD赚不到的钱 在实际场景中，生成式AI等技术对各类医疗场景的赋能效果大多处于完善阶段。
只有在一些前沿研究中，才发现了颠覆场景本身的可能性。
英伟达投入最多的AI新药研发领域，就是一个可能被生成式AI颠覆的典型场景。
简单拆分计算机辅助药物研发的发展历程，大致可分为非计算机辅助药物研发、计算机辅助药物研发（CADD）、人工智能辅助药物研究三个阶段和发展（AIDD）。
CADD可以模拟、计算和估计药物与受体生物大分子之间的关系，设计和优化先导化合物，在一定程度上降低药物开发成本。
但CADD的活性预测命中率较低，且不具备分子生成功能。
在现有的化合物空间中，传统的CADD很难脱离现有的思路来生成具有新颖骨架结构的药物分子。
AIDD弥补了CADD的一些缺点。
AIDD利用循环神经网络和生成对抗网络等模型，通过训练数据集学习化学分子的结构特征和规则，可以充分探索化学空间，生成大量超出药物研究专家经验的新结构，并可以从头开始生成具有特定性质的分子。
，也可以做出一些基本的判断和决定。
经过几年的实践，AIDD在降低新药研发成本方面的效果仍值得怀疑。
这是因为AIDD的训练数据由过去上市的药物数据、发表的论文等数据组成，但这些知识大部分在药物研发的迭代过程中已经被自然淘汰，很难做出first-in-class药物。
其次，即使AI生成的化合物在体外测试中取得了相当好的效果，但在体内测试中却很难达到预期。
因此，目前全球已有不少AI生成的新药进入临床试验，但还没有项目完成整个流程，大部分仍停留在临床一期和临床二期。
那么生成式AI能否弥补AIDD缺乏创造力和体内测试效用的致命缺陷呢？这是一个悬而未决的问题。
2020年3月，英伟达在GTC上推出了一套生成式AI云服务BioNeMo，用于定制AI基础模型，提供算法和计算服务，理论上可以解决体内测试有效性的问题。
英伟达表示：BioNeMo提供了一种创新的计算方法，使科学家能够在低代码、用户友好的环境中进行生成式AI研究，从而减少实验，甚至在某些情况下完全取代实验。
其医疗业务副总裁Kimberly Powell认为：生成式AI的革命性力量为生命科学和制药行业开辟了巨大前景。
英伟达的BioNeMo云服务现在被用作AI药物开发实验室，可以提供预先训练的模型，并使用专有数据定制服务于药物开发过程各个阶段的模型。
这使得研究人员能够确定正确的靶点，设计分子和蛋白质，并预测它们在人体内的相互作用，从而开发出最佳的候选药物。
从公开信息来看，NVIDIA尚未提供数据支持生成式AI的能力。
然而，领先的AI制药公司景泰科技的研究表明，其噬菌体展示平台XpeedPlay可以利用大型模型超高速生成疫苗抗体，大大提高了生成式AI的效率。
Lift 提供了数据来证明这一点。
具体来说，在研究VHH抗体（一种存在于骆驼血清中、用于治疗癌症、自然界中并不存在的天然轻链缺失抗体）的结构时，该平台帮助晶泰科技同时优化了多种药物特性。
获得了数百个最有前途的新VHH抗体序列。
同时，人工智能生成的序列平均表达量为59.6 mg/L，大大超过阳性对照组37.1 mg/L的平均表达量。
随机选取26个序列进行测试，研究人员发现25个序列可以在体外重组成功表达，表达成功率为96.1%，远高于行业平均水平。
除了临床试验之外，英伟达在2016年投资了多家专注于临床前研究的AI公司，并将这些公司的研发转移到BioNeMo平台上，似乎是为了解决缺乏创新的问题。
如今，BioNeMo 不仅拥有其他平台无法比拟的计算能力，还构建了十多个生成式 AI 模型，包括小分子建模工具、OpenFold 蛋白质预测模型以及使用 Recursion 开发的用于靶点和药物发现的 Phenom。
-Beta模型等，基本上提供了临床前研究所需的所有主流工具。
借助英伟达与生命科学公司的合作，我们可以了解到这些工具的价值。
目前已与诺华、基因泰克、安进等跨国公司就生成式人工智能达成合作协议。
逆着投资趋势，英伟达或许能够利用生成式AI重构技术格局，找到AI在新药研发中的真正价值。
顺应趋势，进军影像AI“新版本”，新药AI万亿级市场固然诱人，但英伟达从未放弃医疗计算机视觉、互联网医疗等“传统”医疗AI应用领域关心。
2016年，英伟达推出Clara平台，为影像AI研究人员提供医学影像软件开发工具，标准化影像数据，提高AI训练速度。
国内多家头部影像AI公司都是该平台的客户。
在接下来的几年里，英伟达的Clara不断对其进行优化和拓展，使其不断触及计算机视觉在医疗各个环节的作用，可见英伟达对相关业务的高度重视。
与新药AI不同，计算机视觉相关的AI，尤其是影像AI，长期以来一直处于“基于医疗器械研发、基于医疗IT销售”的状态。
整体销售疲弱，收入无法覆盖初始成本。
因此，此类企业迫切需要生成式AI等合理的工具，要么减少前期研发时间和成本，要么提高算法的通用性，在销售过程中报出更高的单价。
目前还没有案例证明生成式AI可以直接提高算法的泛化性，但NVIDIA Clara平台在减少研发时间和成本方面发挥了显着的价值。
年内，NVentures收购了头部医学影像平台Flywheel，这或将进一步增强NVIDIA的平台能力。
此外，当国产辅助导航手术机器人批量获批、影像AI进入从辅助诊疗到辅助治疗的时间窗口时，英伟达还投资了国际市场的腹腔镜手术机器人公司Moon Surgical和牙科。
Neocis，该领域第一家手术机器人公司。
- 2019年国内医疗AI不同赛道融资情况。
包括手术机器人在内的AI影像领域发展迅速。
这是一个比药物研发更新的领域。
如果AI能够植入手术，英伟达将在新的千亿级医疗细分市场中率先规模布局。
和英伟达一起投资？ 由于NVentures在医疗领域的投资往往处于早期阶段，我们可能需要几年的时间才能判断其投资逻辑是否正确。
但可以肯定的是，AI技术对整个行业的渗透是不可逆转的。
正如CDSS成为基层医疗的标配、影像AI在高水平医院扎根一样，AI也将巧妙地融入医学和医疗设备，成为必需品。
因此，即使大型语言模型尚未完全证明其在医学领域的价值，跟随英伟达的脚步，投资生成式人工智能也是一个不错的选择。
毕竟，在这个AI新时代，算力或许能够发挥出远超我们想象的价值。
【本文由投资界合作伙伴Artery Network授权发布。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-17
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态