想起了电影《我不是药神》。
治疗白血病的专利药“格列卫”4万一盒，一年下来需要十几万，穷人买不起专利药，只能买印度的仿制药。
感觉电影里把矛盾都引向了医药公司，他们面对穷病人的需求毫不动摇，坚持“打假”，看电影的时候气得人脑壳疼。
但是药企和其它行业有很大不同，科研方面的投入相当巨大。药物原材料、人才投入、器材投入，每一样都要花钱，即使这样也不一定能够成功研发出药物。
药界有个著名的“双十”定律：研发一款新药需要10亿美金、10年时间。
《我不是药神》中格列卫的研发公司用了10年，花费了20亿美金才研发出这一药物。只有高价售出，才能逐步收回成本。
这部电影是由真实事件改编的，而“双十”定律也是真实存在的。
AlphaFold2，是DeepMind公司的一个人工智能程序。
2020年11月，AlphaFold2成功地预测出蛋白质的三维结构，在今年预测了98.5%的人类蛋白质，并将这些数据开源。许多科学家和生物医药公司的研究员都很兴奋，表示这将加速新药开发，为基础科学带来全新革命，也标志着AI在生物医药领域的进展进入一个新的阶段。
蛋白质控制着许多人体活动的进行，比如抗体攻击病原体，通过各种酶执行细胞过程。许多严重疾病背后的原因都是由于蛋白质的功能失调。所以要想设计出能与目标蛋白结合的药物，了解蛋白结构极为重要。
以往，科学家们需要从上百万甚至上亿种化合物中层层筛选，再逐步优化，最终确定少数几个候选药物，再进入临床试验，耗时耗力。有了AlphaFold2的预测，将大幅加快新药开发的前期步骤，并降低成本。
AI作为一项工具，如果将它和其他技术结合在一起，将会发挥出巨大的价值。
#架构师成长计划# 第八期AI for Science就讲到了制药公司晶泰科技的案例。
但AlphaFold2当时也存在缺陷。
它强依赖于GPU的并行计算，但GPU又存在严重的显存限制，使得即便是单个显卡最大内存的情况下，能够输入去预测的蛋白质序列长度也不足1000氨基酸。
即使在能提供TB级的内存支持的CPU上的运行效率也非常低，会使每天的通量非常小，反而不利于进行深入的长序列预测。
所以基于此，英特尔基于至强可扩展处理器进行了优化。
AlphaFold2提供了完整的端到端蛋白质三维结构预测流程。其工作流程大致可分为预处理、深度学习模型推理、后处理三个阶段：
基于第三代至强可扩展平台提供的内置AI加速能力，对于运算和存储性能的均衡设计，以及对硬件和软件协同优化能力的兼顾，英特尔对AlphaFold2进行了端到端的全面优化，优化方案可基本划分为五个步骤：
第一步：预处理阶段-高通量优化
第二步：模型推理阶段-将深度学习模型迁移至面向英特尔® 架构优化的 PyTorch
第三步：模型推理阶段-PyTorch JIT
第四步：模型推理阶段-切分 Attention 模块和算子融合
第五步：模型推理阶段-破解多实例运算过程中的计算和内存瓶颈
英特尔还注意到，内存的容量是限制AlphaFold2发挥潜能的另一个重要因素。在面向不同蛋白质的结构预测工作中，序列长度越长，推理计算复杂度就越大。
受限于产品规格、主板架构和成本，仅使用传统DRAM（Dynamic Random Access Memory）内存很难实现TB级的大容量部署。傲腾持久内存方案是破解这一难题的有效途径，能为方案提供大容量和高性价比的内存支撑，还能输出接近DRAM内存的性能表现。
通过以上的优化流程，相比优化前的通量提升可达23.11倍 。
得益于AI技术的高速发展和演进，它与科学前沿研究的结合正在快速地改变世界并造福人们的生活。以AlphaFold2为例，虽然其问世时间不长，但已经有生物学家将其应用到对抗新型传染病和其他疾病的研究中。
面向未来，希望能有更多的科技公司提出和践行“科技向善”的解决方案，在更多层面助力和加速“AI +Science”的技术创新，让AI应用为各类前沿科学研究和探索带来更多加速、助力与收获。
希望英特尔也能以无处不在的连接、无所不在的计算、从云到边缘的基础设施、人工智能、传感和感知这五大超级力量，为全球的数字化变革注入动力。
参考资料：