BioAI 换挡了：药企开始为模型工具买单 (2026)

AI 科技评论注意到，这期节目最值得记住的变化，不是某个模型又多赢了一个 benchmark，而是药企开始直接为 Bio × AI 工具付费。Latent Space 官方单集页把它概括为：Chai Discovery 在一个夏天完成了四笔合作，产品从蛋白质结构预测继续向结合与设计推进。1

生物 AI 的下一站，不只是把分子看得更准，而是让科学家能在软件里反复设计、验证、再设计。

节目发布时间为 2026 年 8 月 11 日。完整节目约 95 分钟，官方视频页提供章节与视频入口。2

这期先看什么

为什么药企现在愿意购买 Bio × AI 工具，而不是只把它当成研究演示。
Chai-1 到 Chai-2 如何把重点从结构预测推进到 all-atom diffusion、结合与设计。
为什么 Chai 的产品被 Neil Patil 比作 Autodesk、SolidWorks 和 Figma，而不是聊天机器人。
生物药研发为什么可能从「靶点—命中—优化」的瀑布流程，变成更短的设计—实验循环。
AI 生物公司的真正难题：科学家信任、药企 IP、实验验证、算力成本，以及如何把模型接到工作流里。

01｜药企开始买工具

节目开场的核心事实很具体：Chai Discovery 不是在宣布一条自有药物管线，而是在向药企出售 Bio × AI 工具层。官方单集页提到，围绕 JPM 医药会议出现了四笔大型 AI × Pharma 工具合作；随后又列出 Lilly、Novartis、argenx，以及 Eli Lilly 项目的扩展。1

本期讨论的四个合作对象是 Eli Lilly、Pfizer、Novartis 和 argenx。合作金额、预付款比例和每个项目的完整范围，并没有在节目中被完整披露，因此不把 headline deal value 当成已经实现的收入。

这件事的信号不在于「药企终于喜欢 AI」这么宽泛，而在于付费对象发生了变化：药企买的是能嵌入研发过程的工具，而不是一张只适合放在发布会上的预测图。

02｜两位嘉宾是谁

Matthew McPartlon

Matthew McPartlon 是 Chai Discovery 联合创始人兼 CEO。

他在攻读博士学位时从理论计算机科学转向 AI 与生物学交叉研究，后来把重点放在蛋白质建模与药物设计上。节目官方介绍与 Sequoia 的 Training Data 页面都将他列为 Chai Discovery 的联合创始人。1 3

Neil Patil

Neil Patil 负责 Chai 的产品与平台工程。

他的工作横跨模型训练与服务基础设施，以及让科学家真正使用模型的设计套件。Neil 的个人主页还介绍了他在 Chai 之前做过网络安全和 Vanta 相关工作。4

两人的组合很有代表性：Matthew 负责把模型和生物问题往前推，Neil 负责把基础设施和产品做成科学家能用的工具。

03｜从看懂结构，到设计候选

早期 AI 生物学的主线，是预测蛋白质结构。

但结构预测只是入口。药物研发还要回答更难的问题：一个分子能不能和目标结合，结合在哪里，怎样设计出更好的候选物，怎样让候选物进入下一轮实验。

节目把 Chai-1 到 Chai-2 的变化放在这条路径上理解：从结构预测，推进到全原子建模、结合预测和设计。官方节目页把「protein tokens 的下游价值」「随着模型变强而不断提升抽象层级」列为本期重点。1

讨论中还提到 Chai-2 的 all-atom diffusion，以及 cryo-EM 结果达到约 0.33 Å 的案例。这里的关键不只是数字本身，而是模型输出开始靠近实验人员愿意继续验证的候选空间。2

从预测到设计，产品价值也随之改变：预测工具告诉你「可能是什么」，设计工具开始参与「下一步做什么」。

04｜生物学开始像 CAD

Neil 描述 Chai 产品时，没有把它说成一个聊天窗口。

他的比喻更接近 Autodesk、SolidWorks 或 Figma：用户可以加载分子，在界面里操作结构，像用画笔指定表位，再让模型生成可能的结合物。

节目中还出现了两个很形象的类比：一个是「绘制表位」的 paint tool，另一个是类似 Photoshop content-aware fill 的 binder generation 工具。2

这套比喻指向一个产品判断：科学家不需要每次都从零调用模型 API，而需要一套能围绕目标、表位、结合物和实验结果持续操作的工作台。

对 AI 产品经理来说，模型只是材料；真正的产品是把材料放进一个可重复的设计流程。

05｜瀑布流程要变成循环

传统药物发现常被拆成目标发现、命中发现和优化等阶段。

每一段都有 gate，耗时从几个月到几年不等。前一个阶段没有通过，后面的工作就很难开始；早期试错的成本因此很高。

Matt 和 Neil 讨论的变化，是让模型先给出更有希望的候选，缩短从假设到实验的距离。

流程于是更像一个循环：提出设计、生成候选、做实验、把结果带回模型，再进入下一轮。

这和软件开发从瀑布走向敏捷有相似之处，但生物实验不会因为软件界面变快就自动变便宜。

真正的难点，是把模型输出变成科学家信得过、实验室做得出、药企愿意纳入流程的下一步。

06｜抽象层级会继续上升

模型能力变强后，产品不会停在单个 primitive 上。

如果结构预测、结合预测和设计模型都足够可靠，产品就可以把这些 primitive 组合起来，逐步进入科学的 outer loop。

这条路径大致是：结构预测 → 结合 → 设计 → 复杂分子与多目标任务 → 设计—实验循环。

节目提到的下一层问题包括 agonist、bispecifics 和 ADCs。它们不是把一个分子贴到另一个分子上那么简单，而是要求模型在更复杂的生物约束下完成设计。

这也是为什么 Chai 更像一个中立的软件工厂或产品层，而不是一家只押注某条药物管线的公司。

产品越往外层走，越要处理权限、数据、实验反馈、版本管理和团队协作。

07｜模型之外的三道门

科学家是否愿意信

模型给出候选，不等于科学家就会采用它。

团队需要让科学家看见模型为什么提出这个候选、它和已有结构的关系是什么，以及下一轮实验如何验证。

在药物研发里，一次错误建议的成本可能不是多跑一次脚本，而是耗掉数周实验时间和一批材料。

药企 IP 怎么处理

药企愿意购买工具，却不会因此把所有内部数据交给外部平台。

产品需要在模型能力、客户私有数据、训练边界和输出归属之间划出清楚的线。

这会让「谁拥有数据、谁能看到结果、模型是否从客户数据中学习」成为产品设计的一部分，而不是合同签完后再补的条款。

算力和实验谁是瓶颈

更强的模型需要更高的计算预算，但药物设计的价值最终仍要经过实验验证。

如果模型每轮生成更多候选，却没有足够实验吞吐量接住，计算优势会堆在实验室门口。

反过来，如果实验能力足够但模型候选质量不够，流程仍然会回到昂贵的盲试。

因此，Bio × AI 的经济学不是单看模型指标，而是看整个设计—实验回路每一轮减少了多少无效工作。

08｜没有永久的数据护城河

节目还触及一个不太舒服的判断：模型能力变好后，很多早期优势会被追平。

如果结构预测、结合和设计逐渐成为可复用的基础能力，单纯拥有一个模型 checkpoint 不一定能形成长期差异化。

产品体验、客户工作流、实验反馈速度、可靠性和复杂任务的抽象能力，可能比「我们也有一个模型」更重要。

这也解释了为什么 Chai 反复强调简单、可用和产品化，而不是只堆一张更大的模型架构图。

AI 科技评论注意到，药企的采购行为正在把问题问得更现实：模型能不能进流程，能不能减少等待，能不能让科学家更快得到下一轮值得做的实验。

09｜这期留下的判断

Chai 的故事不是「AI 自动发明新药」的故事。

它更像是一个软件层正在试图插入一条长期由人、实验室和阶段性 gate 组成的生物研发链条。

如果这条链条从瀑布变成循环，药物设计的组织方式会改变。

但这件事不会因为模型发布而自动发生。

它还要经过科学家信任、药企 IP、实验吞吐、算力成本和产品抽象层级这几道门。

对创业者来说，最值得观察的不是哪个模型在榜单上多赢一分，而是谁能把「预测—设计—实验—反馈」做成一个愿意被反复使用的工作台。

对投资人来说，药企愿意为工具付费，是比一张漂亮结构图更接近商业现实的信号。

一句话带走

BioAI 的相变，不是模型替科学家做完全部工作，而是模型开始成为科学家反复使用的设计工具。

逐句全文翻译

00:00.03 Neil：看起来不太像茶，而更像 Autodesk、SolidWorks 或 Figma，如果您使用过那些可以加载分子的东西的话。
00:10.91 Neil：这是一个几乎像 Photoshop 风格的设计套件。
00:13.95 Neil：您拥有相当于绘画工具的工具来绘制您的表位。
00:16.91 Neil：您拥有相当于内容感知填充工具的功能，可以从 Chai 生成活页夹。
00:22.04 Neil：我想补充一点，对，是的，目标发现、命中发现和优化的概念，其中每一个都有一个门，需要几个月到几年的时间，这非常像瀑布模型，对吧，尝试和尽早得到东西的成本非常昂贵。
00:37.05 Neil：但我认为马特所说的，对吧，如果你开始进入一个可以让模型为你提供真正有前途的候选人的制度，你可以开始让它看起来更像一个循环，对吗？
00:45.27 Neil：这类似于软件开发变得更加敏捷。
00:49.03 Neil：但现在下一个问题就像激动剂，对吧？
00:50.99 Neil：就像你如何可靠地一次性按下手机上的开关一样，对吧？
00:54.99 Neil：或者双特异性抗体或 ADC，对吗？
00:57.45 Neil：我认为我们必须随着产品的发展而提升抽象水平
01:02.55 Neil：随着模型变得更好，如果你有这些非常好的结构预测、绑定和设计原语，并且你可以组合它们，那么你就可以开始成长为科学的外循环。
01:15.43 主持人：欢迎来到潜在空间，科学人工智能。我是布兰登。我在 Atomic AI 建立我们的疗法。我的共同主持人、Mirroromics 首席技术官兼联合创始人 RJ Honicky 也加入了我的行列。
01:25.65 主持人：今天很高兴能与 Chai Discovery 的 Matthew McPartlin 和 Neil Patil 一起来到工作室。
01:30.61 主持人：Chai 是一家蛋白质设计初创公司，成立已有两年半左右，在这几年里引起了不小的轰动。
01:37.80 主持人：他们有几项非常令人兴奋的公告，我想他们今天会告诉我们。
01:41.14 主持人：但是，是的，首先，你们两个能给我们介绍一下你们的背景以及你们在 Chai 的工作吗？
01:46.90 Matthew：是的，非常感谢您邀请我们。
01:48.64 Matthew：今天我们非常高兴能谈论 Chai。
01:50.64 Matthew：我是马特·麦克帕特兰。
01:51.84 Matthew：我是 Chai 的联合创始人之一。
01:53.94 Matthew：我在攻读博士学位期间的背景是人工智能生物学相关的东西。
01:58.92 Matthew：我实际上是从理论计算机科学开始攻读博士学位，然后又转向了这一领域。
02:03.90 Matthew：是的，我现在一直在做这些事情，
02:06.98 Matthew：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品主管 Neil Patil。
02:29.75 Neil：我是尼尔·帕蒂尔。我在 Chai 帮助领导一个平台和产品。因此，围绕基础设施的很多东西都用于训练模型、为模型提供服务，然后是产品化部分，即让您使用模型的设计套件。
02:40.73 Neil：我的道路比较曲折，所以我就像 15 年前那样进入了编程领域，在应用程序商店中制作应用程序，对从中获得的多巴胺感到非常上瘾。
02:49.81 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
03:09.06 Neil：你知道吗？
03:09.86 Neil：亚当斯有点酷。
03:10.82 Neil：比如，我想做一些更有意义的事情。
03:12.78 Neil：大约一年前，就在 Chai-2 宣布帮助许多平台和商业化工作之后，我加入了 Chai。
03:21.32 主持人：惊人的。这就像悲伤的五个阶段之类的。
03:24.07 Neil：是的，我们正在接受。
03:26.07 主持人：惊人的。我认为，你们现在有四个大型合作伙伴，并筹集了一大笔资金。您能给我们介绍一下这些合作伙伴关系吗？然后我真正想知道的是，你要告诉投资者和客户什么如此引人注目，以至于他们愿意做这些大交易？
03:45.18 Matthew：是的，我们非常幸运地首先与礼来公司合作，然后与辉瑞公司、诺华公司和我们的 GenX 合作。
03:53.88 Matthew：是的，我认为这是一次非常有趣的旅程，而且我认为我们的商业模式对很多人来说也非常有吸引力。
04:00.42 Matthew：我们真的很喜欢，我们关心合作伙伴的成功。
04:03.98 Matthew：Chai 作为一家公司，实际上取决于合作伙伴如何取得成功。
04:07.14 Matthew：我认为尼尔可能对我们实际提供的产品以及为何如此引人注目有一些有趣的看法。
04:12.22 Matthew：那么我就把它交给你了。
04:13.46 Neil：是的，我的意思是，正如你们所知，药物发现是一个非常漫长的过程，对吧？
04:17.42 Neil：许多制药公司花费了大量时间，年复一年，花费数十亿美元，试图寻找最初的治疗候选药物。
04:24.14 Neil：所以在 Chai，你知道，我们训练模型可以帮助加速这个过程，并找到那些最初的粘合剂等等。
04:31.04 Neil：而且，你知道，我们知道，有很多生物公司，生物公司的人工智能就像制造自己的药物一样。
04:36.10 Neil：我们确实不这么看自己。
04:38.06 Neil：正确的。我们将自己视为一家中立的药品制造软件工厂。
04:43.21 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、抗体设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系以及将生物学转化为工程。
05:05.54 主持人：但这是什么，为什么是你而不是其他结构性公司，为什么他们被迫从你那里购买？
05:14.04 Matthew：Chai 的论文一直是软件和建模层，我认为这在当时非常有争议。
05:20.28 Matthew：和大家一样，你知道，这个玩法肯定已经尝试过了。
05:22.98 Matthew：仅仅两年前，这已经像是一个完全不同的世界。
05:26.01 Matthew：是的，这太疯狂了。
05:27.05 Matthew：就像，人们尝试过这个剧一段时间。
05:30.39 Matthew：我认为，这些模型确实还没有出现。
05:32.93 Matthew：甚至像我们一样，我们从一开始就在冒险。
05:35.31 Matthew：就像，我们有点指望模型能够实现这一目标。
05:37.85 Matthew：就像，我在我的工作和我们的首席执行官乔什（Josh）中看到了生命的早期迹象。
05:41.27 Matthew：就像，他在 Meta 团队的原始 ESM 论文中，
05:44.87 Matthew：他看到了，就像，非常早期的生命迹象，就像，你知道，
05:47.69 Matthew：这里可能存在缩放定律。
05:49.41 Matthew：他们，我认为我们实际上能够开始，比如，设计东西。
05:52.49 Matthew：结构预测变得非常好。
05:53.87 Matthew：就像，一个，就像，
05:55.69 Matthew：疯狂的想法就像，我们直到 2021 年才拥有多聚体结构预测模型。
06:00.25 Matthew：那是五年前，当时我们可以开始深度学习来实际预测
06:04.49 Matthew：同时形成两种蛋白质的形状。就像是一个展开的一个就像一个展开的两个就像
06:09.75 Matthew：这个巨大的突破，但一年后就像展开两个多聚体一样。所以像你一样
06:14.63 Matthew：无论如何，确实需要它来解锁设计。就像我们根本没有尝试过一样
06:18.49 Matthew：一次预测多种蛋白质。然后真的很像那个时候，反向折叠
06:23.25 Matthew：
06:28.13 Matthew：我开始工作，感觉就像是，哦，蛋白质，MPNN。
06:32.02 Matthew：这实际上在实验室中有效，就像贝克实验室所做的所有这些非常出色的实验室验证及其所有模型一样。
06:38.18 Matthew：但我认为我们开始看到他们做有趣的事情，并且像现实世界的实验一样实际工作。
06:40.82 Matthew：现在可能是开始押注这一点的时候了。
06:47.74 Matthew：我认为像之前一样，也许你可以从一场活动中获取一些实验数据，就像你拥有并且你关心的这个目标一样。
06:53.64 Matthew：并且你可能会喜欢在这方面取得一些进展，并且喜欢在这种非常特殊的情况下继续爬山。
06:55.18 Matthew：通用型号。
07:11.93 Matthew：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
07:14.23 Matthew：这实际上是可能的，而且是大规模可能的。
07:15.89 Matthew：我们并没有针对一两个目标展示这一点，
07:17.47 Matthew：就像它起作用一样，就像我们一样，
07:18.89 Matthew：让我们全力以赴。
07:23.11 Matthew：我认为乔希喜欢说我们在全公司范围内设立了大胆的挑战
07:25.49 Matthew：设计针对 50 个靶点的抗体。
07:27.57 Matthew：实际上就像我们看到了一些生命迹象一样，
07:28.95 Matthew：我们就像，好吧，让我们这样，
07:30.45 Matthew：让我们用真实的统计数据来做这件事
07:31.95 Matthew：看看这是否真的有效。
07:34.45 Matthew：关于我们如何选择这些目标，这是一个有趣的故事。
07:35.45 Matthew：所以我们想，好吧，
07:38.64 Matthew：我们要选择什么目标？无论如何，我们应该选择一些有趣的目标。
07:42.44 Matthew：那时，我们就像是在与 CRO 合作并弄清楚，
07:48.86 Matthew：我们的湿实验室流程是什么样的？在尝试了一些像迷你
07:51.68 Matthew：蛋白质这样的东西之后，我们决定，无论如何，我们认为，这是有趣的目标。这是我们应该
07:55.88 Matthew：看待的。而且有一半的时间，目标都没有发挥作用。我们还在
07:58.58 Matthew：学习，无论如何。我们想，好吧，也许我们应该像
08:17.73 Matthew：那样进行讨论，讨论涵盖人工智能药物发现、蛋白质结构和结合模型、药物和技术。讨论涵盖人工智能药物发现、蛋白质结构和结合模型、药物和技术。
08:30.67 主持人：因此，抗体可能是比其他结构预测问题更具挑战性的领域。那么为什么要解决抗体问题呢？那么也许回过头来，什么是抗体？
08:31.39 主持人：是的。
08:36.21 Matthew：你用它做什么？为什么它是一个有吸引力的目标？
08:58.78 Matthew：Matthew McPartlin，Chai Discovery 首席执行官和人工智能工程师播客。
09:24.11 Matthew：讨论内容涵盖人工智能药物发现、蛋白质、Chai Discovery、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil、Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil
10:04.59 主持人：因此，抗体就像体内有一个与抗体一起工作的完整机器。身体自然地用它做什么？你可以用它们做什么虽然不自然但对治疗有用的事情？
10:12.21 Matthew：这是来自这里的非生物学家，但我认为抗体就像 Y 形蛋白质，就像手指看起来像 P 符号。
10:16.95 Matthew：这些手指中的每一个都有点像抗体的一条手臂。
10:23.03 Matthew：就像，实际上只有你的指尖，抗体的尖端参与结合。
10:47.12 Matthew：因此，这使得这些非常适合该特定区域的良好治疗设计目标，原因。好的部分是，就像其他部分一样，除了提示之外，实际上是相对恒定的。所以这被称为抗体的框架区。 Chai Discovery 的设计负责人、Chai Discovery 的产品负责人 Neil Patil，以及 Chai Discovery 的产品负责人 Neil Patil，
11:28.13 Neil：马修·麦克帕特林，医学博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，博士，你可以将它们设计为绑定到任意事物。也许一端与癌细胞结合，另一端与有毒分子结合。您现在正在精确地将有毒分子传递给癌细胞，对吧？或者你只是将两端绑定到物体上，并施加某种力，例如感应接近，从而对身体产生某种影响。或者，你知道，历史上有很多药物
12:16.14 Neil：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil 我认为，我们正在使用其中一些模型真正令人兴奋的事情之一就是我们可以开始变得精确，对吗？
12:22.22 Neil：我们确实可以针对一个非常特定的表位，对吧？
12:25.04 Neil：意思就像绑定点，对吗？
12:26.46 Neil：抗体所追求的一组非常特定的原子，你知道，历史上你使用了很多药物，你只是一种暴力强迫，你知道，很多抗体，只是试图想出一堆东西，看看什么能粘住。
12:38.00 Neil：但这也许能让你与目标分子的某个点结合起来，但这并不能让你精确地设计你要刺探的地方。
12:45.43 主持人：我知道您不是生物学家，但是您知道在这些模型出现之前他们是如何设计这些模型的吗？
12:52.61 主持人：你会采取什么艰苦的过程来找到...
12:56.15 主持人：是艰苦的过程。
12:57.11 主持人：或者是什么，就已进入临床的药物而言，这实际上仍然是最先进的。
13:02.85 Matthew：是的，我们的首席执行官乔什喜欢说我们最大的竞争对手是鼠标，或者在某些方面是大自然。
13:10.71 Matthew：因此传统上，这些类型的药物样分子要么是在这些免疫活动中发现的。
13:17.85 Matthew：所以你实际上只是让一只老鼠感染一种疾病，然后看看它会产生什么抗体来对抗这种疾病。
13:23.31 Matthew：其他方法可以做到这一点，例如超大酵母展示等等。所以你可能想开始，嘿，我真的很喜欢这个框架，我该如何找出正确的循环来设计绑定这个目标？
13:33.87 Matthew：我将尽我所能地尝试，就像大海捞针一样。这就像你针对这个目标筛选的至少数十亿个潜在分子。
13:44.88 Matthew：在这种情况下，你可能会希望最终得到一个或十几次对该目标的潜在命中。事实上，你对那些热门歌曲了解不多。你只知道他们有点喜欢坚持目标。你不一定知道它们在哪里，就像它们是否一定是毒品一样。我认为，就像 Chai 的一个重要分隔符一样，就像我们的合作伙伴肯定喜欢看到的事情一样，你可以真的是故意的。
14:06.95 Matthew：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 和 Neil Patil（Chai Discovery 的产品负责人）和 Neil Patil（Chai Discovery 的产品负责人）和 Neil
14:32.13 主持人：了解自己拥有正确的绑定姿势的最酷的事情之一是，您现在还可以对其进行选择性设计。
14:35.47 主持人：您的平台是否有一些进行选择性的技术？
14:39.25 Matthew：是的，有一个很好的想法组合
14:58.73 Matthew：马修·麦克帕特林
15:15.01 Neil：是的，也许喜欢备份并定义交叉反应，对吗？就像事实证明，当你开发一种药物时，你不一定会直接将其注射到人体中，对吗？例如，您可能想首先将其放入猴子体内，而猴子可能有一个可能大部分相似但略有不同的变体。所以你知道，你的药物不仅需要与人类变体结合，还需要与猴子变体结合，对吗？所以
15:53.05 Neil：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品主管 Neil Patil，以及 Chai Discovery 产品主管 Neil Patil，并针对该特定区域。然后，你知道，与选择性类似，对，也许你可能想要，人类中有一种非常相似的蛋白质，如果你不小心结合了那个蛋白质，那是非常糟糕的，你只想结合目标蛋白质。而且，你知道，这就是为什么很多药物失败或有毒，或者有非常严重的副作用，对吗？所以这有点，你有点，
16:17.57 主持人：遇到类似的组合问题，您知道，仅绑定这些东西并仅避免这些。我认为最近取得的一些进展真正令人兴奋的是我们在这些模型的特异性水平上做出的许多改进。
16:33.16 主持人：因此，您不仅要在这里设计绑定，还要确保它不会绑定到其他事物。
16:39.04 主持人：确切地。
16:39.54 主持人：因此，其他方法，比如 CAR-T，试图通过某种分子或某种信号传导途径来解决这个问题，这些途径说，如果我结合，我只会在结合时发射，这个结合，这个不结合。
16:52.46 主持人：但你是说你只是设计了一种实际上只会与你关心的东西结合的抗体。
16:58.34 Neil：我们已经到了在某些情况下，我的意思是，它是微妙的，对吧？
17:00.88 Neil：但在某些情况下你实际上可以尝试一下。
17:02.68 主持人：好吧，太棒了。
17:03.84 主持人：所以你说你本质上称之为计数器屏幕，或者你在你的平台的一部分中，
17:09.10 主持人：你可以可靠地知道针对大量不同蛋白质的计数器屏幕，这可能是下游的问题。
17:16.60 Neil：我想说的是，框架更多，你可以非常具体地说明你关心什么绑定，什么你关心避免。
17:22.36 Neil：但我认为，例如，我们现在筹集的大量资金将使我们能够进行更大的训练。
17:26.57 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
17:41.57 Matthew：大约两年半前，我们创办了 Chai。
17:44.41 Matthew：最初的几个月就像，
17:45.61 Matthew：好吧，我们要研究蛋白质设计。
17:48.61 Matthew：我们正在努力解决这个问题，并取得了一些进展。
17:51.11 Matthew：我们觉得，哦，这很有趣。
17:52.37 Matthew：就像，我们有一些想法和模型。
17:54.17 Matthew：然后，就在 AlphaFold 3 发布的时候。
17:57.51 Matthew：我们，我们想谈论的是，
17:59.69 Matthew：伙计，我们确实需要 MSA 管道。
18:01.97 Matthew：我们需要建立所有这些基础设施。
18:03.89 Matthew：MSA 是多序列比对管道。
18:05.89 主持人：为什么会这样，我们之前已经介绍过，
18:08.03 主持人：但是 MSA 是什么样的两句话
18:10.37 主持人：以及为什么它很重要？
18:11.34 Matthew：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 和 Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil
18:57.55 Matthew：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，
19:19.19 主持人：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，以及 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil, product lead at Chai Discovery, and Neil Patil, product lead at Chai Discovery, and Neil Patil, product lead at Chai Discovery, and Neil Patil, product lead at Chai Discovery, and Neil Patil, product lead at Chai Discovery, and Neil Patil, product lead at Chai Discovery, and Neil we're actually, what we're doing here, we're building a model, but what we're really doing is learning how to build the infrastructure.
19:26.81 主持人：你是这么说的吗？
19:27.73 Matthew：是的，完全正确。
19:28.75 Matthew：就像，我在博士学位期间构建了很多类似的基础设施，但没有达到公司的生产水平。
19:34.79 Matthew：呃，就像那时一样，我想我们是五个人。
19:38.39 Matthew：呃，所以我们 Chai 有五个人，我们就像，好吧，这是我们的强制功能。
19:41.95 Matthew：我们有一个明确的目标要努力实现。
19:43.71 Matthew：这非常直接。
19:45.01 Matthew：让我们开始吧，看看我们能做多快。
19:47.02 主持人：你们此时正坐在 OpenAI 办公室吗？
19:50.02 主持人：我们坐在 OpenAI 办公室里，是的，在任务中。
19:52.78 主持人：是的，那么这背后的故事是什么？这真的很有趣。
19:55.86 Matthew：我们的另外两位联合创始人 Josh 和 Jack 与 OpenAI 的一些人有关系。
20:00.70 Matthew：事实上，OpenAI 共同领导了我们的种子轮融资。
20:03.74 Matthew：所以我们在想，好吧，我们应该找一间办公室吗？
20:06.42 Matthew：好吧，我们只有五个人。
20:07.88 Matthew：事实证明，办公室大部分都是空的。
20:10.38 Matthew：所以我们必须在 OpenAI 办公室坐一会儿。
20:14.91 主持人：Chai-1，构建它，开源，了解基础设施。
20:19.35 Matthew：是的。在那之后，我们真的把目光投向了蛋白质设计。
20:23.71 Neil：值得指出的是，Chai-1 是一个结构预测模型，对吗？
20:26.85 Neil：那么你有了序列，它折叠成的结构是什么？
20:30.29 Neil：然后就是 HSI，HSI-2。
20:32.07 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
20:50.65 Matthew：然后我们就想，哦，是的，也许不是。
20:52.71 Matthew：然后我们最终启动了整个网络服务器，以便人们可以使用它。
20:56.07 Matthew：这不仅仅是下载 Git 存储库，这有点烦人，尤其是对于生物学家来说。
20:59.83 Matthew：我们实际上希望人们使用它。
21:01.73 Matthew：那么让我们启动一个网络服务器。
21:03.71 Matthew：让我们把技术报告拿出来，所有这些东西。
21:05.87 Matthew：所以我们最终就像连续 40 个小时一样。
21:09.35 Matthew：就像让论文通过线路，就像在网络服务器上完成的所有最后的事情一样。
21:13.55 Matthew：然后乔什那天早上接受了彭博电视台之类的采访。
21:18.07 Matthew：我们已经连续外出 48 小时了。
21:20.15 Matthew：所以乔什喜欢跑进一个房间接受彭博电视台的采访。
21:23.95 Matthew：就像我想的那样，那是早上 7 点。
21:27.15 Matthew：每个人都在办公室。
21:28.35 Matthew：就像我们不喜欢被人看见或者其他什么。
21:30.35 Matthew：就像面试官说的，哦，喜欢有趣的公司。
21:33.55 Matthew：这里看起来没有员工。
21:37.67 Matthew：但是，是的，那是一段非常有趣的时光。
21:39.55 Matthew：我认为早期的创业时光非常有趣。
21:42.55 Matthew：所以，是的，在那之后，我们将目光投向了设计。
21:45.73 Matthew：我们真正的想法是，
21:47.65 Matthew：我们心里总是有抗体。
21:49.73 Matthew：我们认为这是最容易处理的问题。
21:52.89 Matthew：蛋白质的好处是你有
21:54.73 Matthew：这个美丽的序列表示。
21:56.55 Matthew：已经有很多研究，比如，
21:58.85 Matthew：如何自回归生成序列？
22:00.91 Matthew：怎么样，
22:01.77 Matthew：序列生成问题研究得很好。
22:04.37 Matthew：所以我们在想，什么是好的，
22:06.76 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、制药以及将生物学转化为工程学。
22:25.05 Matthew：所以我们想尝试非常普遍地解决这个问题。所以我们在想，我们可以设计很多蛋白质吗？我们可以设计抗体吗？我们可以搭建常规复合体吗？那么，就像真正从整体上看待一般如何设计蛋白质一样？
22:40.11 Matthew：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 和 Chai Discovery 产品主管 Neil Patil，Chai Discovery 的产品主管 Neil Patil 和 Neil
23:15.48 Matthew：特别是对于可能不熟悉结构预测模型的听众来说，模型是什么样的？它一般如何运作？
23:17.88 Matthew：让我们看一下 Chai-1。
23:19.80 Matthew：Chai-1 有这样的
23:26.53 Matthew：大致是一个分词器、一个转换器、一些看起来像语言模型的东西，然后是一些看起来像图像扩散模型的东西。
23:29.33 Matthew：它们就像粘在一起、缝合在一起一样。
23:33.89 Matthew：分词器与典型的 Word2vec 风格分词器不同。
23:42.37 Matthew：这就像我在一个分子中有一堆原子，现在我想把它们拉进我所谓的令牌中，作为我看起来像法学硕士的主干。
23:48.69 Matthew：然后，这就像一种大扩散模型，然后它将发出图像，这是某种 3D 结构。
23:52.65 Matthew：那么输入的是原子还是氨基酸？
23:54.27 Matthew：这也是一个有趣的问题。
23:56.65 Matthew：所以我们有所有这些不同的输入轨道。
24:01.99 Matthew：因此，就像生物学的一件事一样，数据在某种意义上本质上是多模态的。
24:05.87 Matthew：你有这些，你知道，一种令牌序列表示。
24:09.41 Matthew：每个令牌都像一组悬垂的原子。
24:11.31 Matthew：然后你也有
24:13.13 Matthew：你知道，不同原子的一些属性。
24:16.45 Matthew：就像，原子可能有不同的电荷。
24:19.41 Matthew：它可能有不同的元素类型，就像原子周期表一样。
24:23.21 Matthew：然后这些都被聚集在一起形成代币。
24:26.65 Matthew：一旦标记化，您就可以以非常标准的方式进行处理。
24:30.35 Matthew：但最终，你必须回到这些，比如 3D 坐标。
24:33.87 Matthew：因此，为了预测结构，这只是一些 3D 对象。
24:39.91 Matthew：那个物体穿过，或者，像发射那个物体一样，你会经历一个看起来像图像扩散模型的东西，
24:41.31 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
24:42.31 Matthew：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
24:43.31 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
24:44.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:45.31 主持人：转化为工程学。
24:46.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将
24:47.31 主持人：生物学转化为工程学。
24:48.31 主持人：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:49.31 主持人：转化为工程学。
24:50.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:51.31 主持人：转化为工程学。
24:52.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:53.31 主持人：转化为工程学。
24:54.31 主持人：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:55.31 主持人：转化为工程学。
24:56.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:57.31 主持人：转化为工程学。
24:58.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
24:59.31 主持人：转化为工程学。
25:00.31 主持人：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
25:01.31 主持人：转化为工程学。
25:02.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
25:03.31 主持人：转化为工程学。
25:04.31 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
25:05.31 主持人：转化为工程学。
25:06.31 Matthew：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学
25:07.31 Matthew：转化为工程学。
24:41.30 Matthew：从标记回到原子表示。
24:44.34 Matthew：我懂了。因此，令牌进入，转换器建立不同令牌之间的关系，然后扩散模型将该潜在表示转换为 3D 结构。
25:01.01 Matthew：这完全正确，是的。
25:02.61 Matthew：好的，太好了。那是柴二号吗？
25:04.89 Matthew：那是 Chai-1。
25:05.67 Matthew：好的，Chai-1。
25:06.21 Matthew：因此 Chai-1 折叠模型。是的，就像所有这些生物材料一样，听起来有点可怕，比如原子、代币、氨基酸。归根结底，我个人的背景就像理论计算机科学。这就是我早年所做的事情，直到我的博士学位很晚才转向这个。但我认为你需要的背景
25:26.93 Matthew：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，以及 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil
26:00.65 Matthew：好的，那么 Chai-2 不仅有功能上的飞跃，还有架构上的变化，对吧？
26:04.95 Matthew：是的，我们所披露的关于 Chai-2 的内容就像是一个全原子扩散模型。
26:17.45 Matthew：因此，我们仍在尝试预测 3D 空间中的原子，但我们的方式是让模型实际上能够设计原子、放置它们、决定实际存在哪些原子。
26:23.77 Matthew：因此，就像蛋白质标记一样，表示氨基酸的一种方式是通过原子的存在来表示。
26:30.63 Matthew：所以在 Chai-2 的例子中，我们只是预测，好吧，展示模型，让模型选择它想要保留的原子。
26:34.02 Matthew：然后将其映射回氨基酸的含量。
26:37.52 主持人：什么是你能用 Chai-2 做而不能用 Chai-1 做的？
26:41.60 Neil：它只是变得更好还是带来了新的功能？
26:42.82 Neil：这是设计，对吧？
26:47.20 Neil：所以 Chai-1 让你说，嘿，我知道氨基酸的序列，对吧？
26:48.40 Neil：纹理。
26:49.44 Neil：我知道结构。
26:51.12 Neil：你可以从基因组中获得，或者...
26:52.04 Neil：正确，完全正确。
26:57.66 Neil：Chai-2 说，好吧，我有一个目标结构，对吧，我想为其设计一个活页夹。
27:03.67 Neil：然后 Chai-2 将如何生成与该目标结合的候选分子、候选药物。
27:07.13 Neil：所以这是一种设计模型或设计模型系列。
27:10.63 Neil：我认为这才是你真正跨过有用门槛的地方，对吗？
27:17.91 Neil：就像，我的意思是，Chai-1，Alphaville，非常有用，因为你可以，你知道，你至少可以凭直觉并推理出结构并看到你正在看的东西。
27:21.55 Neil：但是，你知道，这里的最终目标是设计药物，对吧，设计新分子。
27:26.87 Matthew：我认为 Chai-2 一年前确实跨过了抗体的性能门槛。
27:32.29 Matthew：这里有一个类比，有点像回到图像领域。
27:35.83 Matthew：就像 Chai-1 一样，你知道，这张图片中有一只猫。
27:37.01 Matthew：就像，谢谢 Chai-1。
27:39.99 Matthew：Chai-2 就像，也许我会向你展示一个背景。
27:45.53 Matthew：就像，我会提示你一些图像信息，比如，嘿，把一只猫放在田野里。
27:50.69 Matthew：Chai-2 实际上会给你返回一张田野里的猫的图像，你会想，这是一张好看的图像，或者不是。
27:53.21 Matthew：您可能有其他一些对图像进行排名的模型。
27:55.61 Matthew：但从根本上来说，这是生成问题。
28:05.10 主持人：因此，这个类比更进一步。也许更像是你显示了一个背景，然后它生成了一只猫，然后它同时生成了猫的图像。
28:09.94 主持人：这个领域中有一只猫，而且猫在图像中工作，这是有道理的。
28:16.70 主持人：所以这是一个有趣的问题，因为你必须同时生成两个东西，序列和结构。
28:21.02 主持人：那么你，如果你我不知道你是否可以，但是你能谈谈它是如何运作的吗？
28:24.78 主持人：就像，你是怎么做到的？所以你编码你共同设计序列。
28:27.48 Matthew：在某种程度上，结构也适合并且有意义。
28:31.32 Matthew：一种思考方式有点像经典的做法。
28:32.54 Matthew：让我们谈谈两者。
28:37.72 Matthew：在结构预测中，就像，好吧，我知道类似的序列，我可以从中大致找出 3D 形状。
28:44.44 Matthew：然后有点像逆折叠问题，就像给定一个 3D 形状，给我一个可以折叠成这个形状的序列。
29:14.24 Matthew：现在你需要同时做这两件事。但我认为类似的原则也适用。就像你可以让模型思考一下这个结构应该是什么样子。然后你可以让模型的其他部分思考，那么，现在什么序列可能支持这个？然后，就像扩散的一件好事一样，你可以非常缓慢地、非常迭代地做到这一点。所以你可以给模型很多时间去思考，好吧，如果我这样改变结构，顺序应该如何改变？你可以来来回回地玩这个。最终，它最终会趋于某种自洽的东西。
29:16.82 Matthew：它几乎就像一个 EM 算法。是的，完全正确。
29:25.22 主持人：现在你有了这个模型，Chai-2，它能够预测或采样结构
29:30.10 主持人：以及生成该结构的序列。仅仅因为你可以生成一个结构
29:35.54 主持人：并不一定意味着它一定足够准确来完成某件事。你也是吗
29:40.02 主持人：上面还有其他脚手架吗？还有其他问题吗？就像，
29:46.56 主持人：你是一次性完成这些东西还是需要生成数千个它们然后你有一个排名或得分？
29:51.70 主持人：或者，你知道，仅仅有一个候选人可能是不够的。
29:54.70 主持人：那么，一旦你对结构进行了采样，你会做什么呢？
30:02.02 Matthew：传统上，当协同设计和蛋白质结构设计等开始成为一件事时，我们所做的事情，
30:04.28 Matthew：我们有点不知所措。
30:08.52 Matthew：就像，你怎么知道你的蛋白质，比如，你设计了一些，比如，测序结构？
30:09.08 Matthew：是的。
30:11.02 Matthew：我怎么知道这是否合法？
30:12.62 Matthew：就像，我可以告诉你这就像任何事情。
30:14.08 主持人：现在就像完全脱离了领域，对吧？
30:14.42 主持人：确切地。
30:15.02 主持人：几乎按照定义。
30:15.48 Matthew：是的。
30:18.92 Matthew：就像作为一个人一样，你可以看着这个东西，然后说，我不知道，它检查出来了。
30:22.22 Matthew：就像生物学家一样，我不知道这东西是否真的可以折叠。
30:24.10 Matthew：也许其中一些看起来是对的。
30:28.56 Matthew：顺便说一句，就连我们的生物学家也对我们的一些设计最终能发挥作用感到惊讶。
30:34.10 Matthew：当时所做的就像我们想出了一堆指标，就像阿尔法折叠一样，它确实是实现这一点的原因。
30:42.44 Matthew：所以你会采取你预测的序列，你会通过一些完全相似的不同结构预测方法来运行它。
30:49.02 Matthew：所以这完全独立于你的模型。你说如果一个独立的模型认为这个序列折叠成一个类似的结构，
31:06.03 Matthew：Matthew McPartlin，首席执行官，Chai 在此基础上添加了越来越多的内容。
31:27.26 主持人：是的，这是一个有趣的观点，我认为社区中有些人已经承认了这一点。那么你是如何解决这个问题的呢？是的，您可以看到，如果您同时使用 Oracle 和采样器，您最终会收敛。你会做什么来阻止这种情况或让自己相信你正在做一些有价值的事情？
31:45.79 Matthew：结构预测方法的好处之一是通常你可以进行一些校准
31:50.75 Matthew：以及模型对其预测的信心程度。事实证明这些模型可以给你
31:57.07 Matthew：校准良好的置信度预测。所以我不只是这么说，而是这么认为
32:02.09 Matthew：结构看起来像，我会说，这就是我认为结构的样子，有点像
32:05.55 Matthew：以下是我不太确定的部分。
32:07.93 Matthew：您可以将其聚合为单个缩放器。
32:11.05 Matthew：通常人们所做的就是他们会看起来，好吧，不仅是我有多自洽，
32:15.85 Matthew：这个独立的折叠模型有多喜欢它输出的结构？
32:19.99 Matthew：所以我想说，这是早期获得自信的一种方式。
32:24.11 Matthew：然后，就像人们经常做的另一件事一样，他们会关注他们各代人的多样性。
32:28.45 Matthew：因为，你可以拥有一个完全一致的模型，为你带来很大的信心预测，
32:34.22 主持人：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 和 Neil Patil，Chai Discovery 的产品负责人，Neil Patil，Chai Discovery 的产品负责人，Neil Patil，Chai Discovery 的产品负责人，Neil Patil，Chai Discovery 的产品负责人，Neil
32:58.68 Matthew：更多的是反馈循环真的很慢。
33:00.62 Matthew：因此，您可以验证这样的一些结构，
33:02.32 Matthew：，但可能需要几个月的时间，
33:05.10 Matthew：，而且它不像是一个非常可扩展的方向。
33:07.28 Matthew：所以我认为这对于整个领域来说是一个问题，
33:08.90 Matthew：而且我认为人们花费了很多时间，
33:10.50 Matthew：甚至特别是在 Chai，
33:13.12 Matthew：我想思考一下我们如何验证这些问题
33:14.04 Matthew：在更大的规模？
33:16.32 Matthew：你知道，我们如何从根本上提高吞吐量
33:19.06 Matthew：我们的验证或增加周期时间？
33:20.74 Matthew：因为如果你要等几个月才能弄清楚
33:21.96 Matthew：嘿，我的模型正确吗？
33:23.36 Matthew：就像它一样，在研究环境中很难以这种方式迭代
33:24.84 Matthew：。
33:27.09 Neil：好消息是情况正在好转，对吧？
33:37.43 Neil：就像现在有一个完整的湿实验室网络，你可以使用它来运行，你知道，这些测定，这些实验并告诉你一些事情，比如说，你知道，你想出的蛋白质是否与其目标很好地结合？
33:40.09 Neil：所以，你知道，谢天谢地，我们还没有好几年，对吧？
33:48.89 Neil：我们缩短到了几周的时间，你知道，这不像法学硕士那样快，你知道，你可以扩展和评估，投入更多的计算，并在几个小时内得到结果。
33:52.97 Neil：但是，你知道，速度足够快，你就可以开始递归地自我改进。
34:01.12 Neil：而且，你知道，我认为我们也花了很多时间，比如，你知道，弄清楚我们可以在计算机上计算出哪些指标，就像在计算机上可以预测实验室的成功一样。
34:03.30 Neil：但是，你知道，你看到了关于冷冻电镜的问题。
34:05.92 Neil：是的，我的意思是，你还必须测量结构。
34:13.22 Neil：正如你所知，这非常昂贵，因为你必须冷冻蛋白质并向其发射电子束，看看它们如何反弹。
34:15.46 Neil：我记得有这样一个非常有趣的轶事。
34:17.34 Neil：我们看看是否可以分享。但就像
34:35.29 Neil：你知道的那样，Chai-2 中的论文，我们实际上，你知道，这样做了。我们采用了模型预测的一些蛋白质并运行了冷冻电镜，我们得到了结果，我们想，等等，结果看起来不对，因为我们已经将预测类型覆盖在点、电子云、点云上。
34:45.45 Neil：我们没有看到任何差异。重点是，我们现在得到的一点是，这些结构预测模型与您验证的实际原子位置相差几埃或更小。
34:50.78 Matthew：在本例中，误差为 0.33 埃，即原子宽度的三分之一。
34:53.36 Matthew：我们当时想，这根本不可能是正确的。
34:55.70 主持人：就像，显然他们只是给我们发回了错误的设计。
34:57.00 主持人：他们刚刚把我们的设计发回给我们。
34:57.92 主持人：是的，完全正确。
34:58.46 主持人：是的。
34:59.96 主持人：您检查过数据泄露吗？
35:07.76 Matthew：是的，在这种情况下，没有，所以我们实际上专门选择了这些目标，比如没有已知的抗体结合剂。
35:12.30 Matthew：所以，如果我们确实得到了打击，那么它绝对是第一个针对该目标的抗体。
35:12.64 Neil：是的。
35:33.51 Neil：我认为这是我没有意识到的关于生物学的事情之一，就像它有多少是在黑暗中真实感受到的一样。这甚至不是一个比喻。你根本看不到这些东西的样子，对吧？所以结构模型是如此非常巨大，因为现在你可以，好吧，你实际上可以在原子内预测这些东西的样子。这使您能够使用设计模型执行 Chai-2 等操作。
35:38.90 主持人：这对我来说是科学人工智能的基石问题之一，对吗？
35:44.52 主持人：是你不知道，很多情况下你根本不知道如何衡量你的问题。
35:46.08 主持人：所以验证起来非常困难。
35:46.98 主持人：是的。
35:51.44 主持人：所以你可以通过 Chai-2 得到这些亚埃预测。
35:54.46 主持人：Chai-3，为什么是 Chai-3？
35:55.56 Matthew：哪个更好或者什么？
36:05.56 Matthew：是的，我认为就像 Chai-3 一样，老实说，就像，有一个 Chai-2，有一个 Chai-2.5，有一个 Chai-2.7，最终有一个 Chai-3。
36:10.56 Matthew：就像每次我们看到越来越好的表现一样。我认为 Chai-3 的主要内容是，
36:24.70 Matthew：我们看看 Chai-2，看看它可以解决的目标。 Chai-2 之后有很多内部讨论。就像，嘿，我们为这 50 个目标中的一半成功制造了分子、粘合剂。那另外 25 个呢？我们可以做些什么来让这些变得更好？
36:34.20 Matthew：然后我们就分手了。我们想，好吧，我们是否应该研究这些我们错过的目标，并弄清楚这些目标是否有我们可以观察的属性？或者我们应该把赌注押在模型上？
36:56.04 主持人：马修·麦克帕特林
37:00.96 Matthew：是的。是准确度吗？这是主要的事情吗？是结合亲和力吗？我们做什么...
37:15.12 Matthew：所以我认为结合亲和力是一个很大的问题。就像你不能只每周绑定一样。为了让它成为一个有用的工具，特别是对于我们的合作伙伴来说，我们需要开始生产达到或非常接近治疗级别的分子，这意味着它们必须非常紧密地结合。
37:18.78 Neil：它们还必须是可开发的。他们必须拥有所有这些很好的治疗...
37:48.77 主持人：还有可开发性，我想我们谈到了，他提到了 Chai 2.5，对吧，我们在 Chai 2 后几个月发布了它。我们对分子的可开发性进行了一项研究，你知道，对于观众来说，显然分子必须粘得很好并且粘得很紧。但是，你知道，结合模型，将生物学转化为工程学。
38:13.33 主持人：可能是最有影响力和最有用的产品。
38:17.59 主持人：是的。
38:18.33 主持人：正确的。
38:18.67 Matthew：是的，绝对是。
38:19.83 Matthew：结构预测的好处是有一个可以比较的基本事实。
38:24.13 Matthew：对于设计，你并没有真正拥有它。
38:26.05 Matthew：你会想，这是一些新的疾病分子。
38:29.13 Matthew：给我一个活页夹。
38:30.39 Matthew：就像，如果你想知道这个东西是否真的有结合力，你必须把它送到实验室并等待一段时间。
38:35.47 Matthew：对于结构预测，你可以这样说，好吧。
38:37.05 Matthew：该模型以前没有见过这个序列。
38:38.97 Matthew：它从未见过任何近距离的东西。
38:40.67 Matthew：它真的喜欢折叠成正确的形状吗？
38:42.73 Matthew：我们可以将其从数据集中保留并检查。
38:45.43 Matthew：所以我想我一直认为结构预测是一种非常好的速度运行基准，可以用来验证想法。
38:51.35 主持人：正确的。抱歉，我并不是想说我的意思是，你知道，一般的结构模型。
38:55.49 主持人：是的。但是，是的，确实如此。
38:57.69 主持人：所以也许我们可以多谈谈如何开始进入产品方面。
39:05.17 主持人：谢谢您的光临。
39:06.42 Neil：实际上，我的意思是，就像我说的，我真的认为这不仅适用于像这样的结构模型，而且还适用于虚拟细胞等。事实上，药物开发过程中的所有其他因素都会产生最大的影响。所以你稍微谈一下这个问题。
39:25.62 Neil：是的，我认为在 Chai-2 之后谈论这实际上是一件好事，因为我认为从产品角度来看，Chai-2 是它开始变得真正有趣的地方，对吗？
39:33.30 Neil：我认为通过 Chai-2，我们跨越了实用性的门槛，在我们发布那篇论文后，有很多制药和生物技术公司接近我们并说，嘿，这个模型可能能为我们做一些事情。
39:44.44 Neil：就像，我们可以使用它吗？他们就像，
39:46.31 Neil：哦天哪，就像我们应该制造一个产品，对吧？
39:48.31 Neil：我们应该构建一些东西来让您使用该模型。
39:51.11 Neil：就在我加入的时候，有一种疯狂、疯狂的构建，你知道，构建产品，我们可以讨论它的形状，实际上也可以保护计算，这样我们就可以为我们的合作伙伴提供这些模型。
40:04.19 Neil：而且，你知道，我认为另一个非常有趣的第三部分是围绕安全和知识产权，对吗？
40:09.47 Neil：我认为我们希望成为一个非常中立的平台，任何人都可以在上面设计药物。
40:14.94 Neil：但正如你们所知，像制药业这样的行业是出了名的知识产权敏感行业，对吧？
40:18.90 Neil：我想当我加入时，很多人告诉我这是不可能做到的，就像他们不会将数据放在平台上，并且他们所有的新药都会从中产生。
40:26.94 Neil：拥有一点安全背景会有所帮助，而像
40:30.12 Neil：不，实际上，如果您对分段数据的方式非常积极，并像单一租户一样设置，您几乎可以在每个客户的产品中部署单独的版本或单独的帐户，那么您实际上可以构建一个平台，然后将其交付给他们。
40:44.88 Neil：所以，你知道，去年夏天我们就开始这样做了。
40:48.96 Neil：正确的。而且，你知道，我们一直在与礼来公司合作，或者与礼来公司交谈，你知道，他们是，你知道，
40:55.98 Neil：第一个真正与我们密切合作的合作伙伴之一，你知道，制作了该设计套件的 V1，对吧，你可以用它来设计其中一些分子。
41:07.32 Neil：而且，你知道，也许值得谈谈该设计套件，对吗？
41:12.34 Neil：你知道，我认为我们现在拥有这些非常非常强大的模型，对吧，如果你以正确的方式调节它们，它们可以做所有这些疯狂的事情。
41:19.48 Neil：如果你给他们提供正确的背景信息，你知道，你正在追求的结构或者模型周围的约束，对吧？
41:26.26 Neil：就像，嘿，我想设计一种能够击中这种 GPCR 蛋白的抗体，但是，你知道，它不会与细胞膜发生碰撞，并且还靶向其上的特定表位。
41:36.00 Neil：而且，你知道，我们研究了它，我们想，我想我们可以在它周围放置一个聊天机器人。
41:39.38 Neil：那真的很容易交谈。
41:40.88 Neil：但是就像你真的在尝试构建一些几乎非常直观的东西，对吧？
41:44.34 Neil：您最终可以使用其中一些结构预测模型构建真正可视化的东西。
41:49.18 Neil：因此，如果你看一下 Chai 产品，你会发现它看起来不太像聊天 GPT。
41:54.52 Neil：还有更多类似 Autodesk、SolidWorks 或 Figma，你知道，如果你使用过这些东西，你可以加载你的分子。
42:02.32 Neil：这是一个几乎像 Photoshop 风格的设计套件。
42:05.44 Neil：您拥有相当于绘画工具的工具来绘制您的表位。
42:08.36 Neil：您拥有相当于内容感知填充工具的功能，可以从 Chai 生成活页夹。
42:13.53 Neil：当然，您需要进行大量的科学分析和绘图等来理解模型的结果。
42:19.53 主持人：但我们只是惊讶地发现，正确地做到这一点实际上有多复杂，这样当你提示这些模型给你活页夹时，你就不会搬起石头砸自己的脚。
42:30.49 主持人：那么你是不是和...
42:32.56 主持人：设计这些抗体的人在一起，你知道，感觉他们在向你抱怨或其他什么。
42:38.80 主持人：您如何说服医学化学家使用您的工具？因为医学化学家讨厌人工智能工具。就像，他们臭名昭著，就像，我不想碰这个东西。或者就像，我不明白，他们不会碰他们不明白的东西。
42:53.18 Neil：嗯，让模型运行良好会有很大帮助，对吧？
42:55.84 Neil：所以当我们，你知道，当我们得到 Chai-2 和 Chai 2.5 的结果时，我想，你知道，这已经足够了，制药公司和这些公司的科学家们会说，哦，让我们试试吧。
43:08.24 Neil：实际上，Chai，你们能尝试针对其中一些目标运行模型吗？让我们看看结果。
43:13.74 Neil：然后我们就这么做了，结果很好。
43:15.32 Neil：他们就像，好吧，让我，让我尝试使用该产品并让我尝试使用它。
43:19.08 Matthew：不，我认为制药业实际上非常务实。
43:21.88 Matthew：到目前为止与我们合作过的每个人都给我留下了深刻的印象。
43:26.26 Matthew：正如我所说，他们对此非常务实，他们愿意被证明是错误的。
43:31.26 Matthew：就像，我实际上并不责怪他们不信任模型。
43:33.76 Matthew：像我一样
43:34.36 Matthew：Chai Discovery 联合创始人兼研究主管 Matthew McPartlon，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil， Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品和平台工程产品主管 Neil Patil，Chai Discovery 产品主管 Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管 Neil Patil，Chai Discovery 的产品和平台工程产品主管，以及 Neil Patil，产品主管和
44:07.85 Neil：我来自网络安全背景，或者，你知道，以前从事过安全产品工作。
44:14.55 Neil：那是一段非常非常黑暗的岁月，因为你花了很多时间实际上向那些技术水平不高的人进行销售。
44:16.47 Neil：你认为网络安全人员技术含量很高。
44:17.79 Neil：在许多情况下，事实并非如此。
44:22.67 Neil：对于这个非常不成熟的客户来说，这就像是一项艰苦的企业艰苦跋涉。
44:28.55 Neil：我认为我们只是感到惊喜，或者说我确实感到惊讶，因为我非常喜欢与我们的合作伙伴一起工作。
44:47.83 Neil：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，我们实际上展示了一些结果，我们来自一个与制药公司合作的目标，房间里的一位科学家开始流泪和哭泣。
45:02.37 Neil：哦，哇。
45:03.37 Neil：你真的上路了。
45:04.37 Neil：我偶然发现了那个。
45:05.37 Neil：她就像，我们就像，怎么了？
45:07.37 Neil：她说，不，我刚刚，我实际上花了 10 年的时间试图为这件事找到一个最初的活页夹。
45:13.40 Neil：你们能够帮助我做到这一点。
45:15.16 Neil：哦，太棒了。
45:15.94 Neil：而且，你知道，这感觉真的很特别。
45:18.08 Neil：为了回答你的问题，你知道，我们，你知道，当然，我们在每个合作伙伴中都与科学家和计算生物学家团队合作。
45:26.42 Neil：还有我们大楼里的人。
45:28.45 Neil：正确的。所以我认为我真正欣赏 Chai 的一件事是它的跨学科性。
45:33.91 Neil：就像，你知道，我们的人可能是工程专家，而不是像我这样的生物专家。
45:38.45 Neil：我们有伟大的人工智能科学家，但也有机器学习科学家。
45:42.89 Neil：但我们也有一群与我们合作的科学家，他们加入了 Chai，以帮助我们测试模型的极限。
45:50.83 Neil：正确的。看看 Chai-2 到底有什么能力？
45:53.59 Neil：它可以实现哪些目标？什么不能呢？
45:55.57 Neil：告知那里的一些研究方向。
45:57.96 Matthew：我想补充一点，就像 Chai-2 时代一样，我们是从一群工程师和具有人工智能生物经验的人开始的。
46:05.92 Matthew：我们没有核心实验室科学家。
46:07.92 Matthew：Nathan Rollins 是我们在该领域的首批员工之一，我认为他从 14 岁起就开始在贝克实验室工作。
46:15.65 主持人：Chai Discovery 首席执行官 Matthew McPartlin 是 Chai Discovery 的首席执行官。
46:40.79 主持人：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
47:08.06 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
47:28.95 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
47:40.12 Neil：我们不关心开发这些药物。
47:42.58 Neil：就像我们这样做只是为了验证和改进我们的模型一样。
47:46.20 Neil：当然，我们的合作伙伴也有一个循环。
47:48.40 主持人：你会认为自己是热门发现，还是你，我猜你会使用一些行话，热门引导，引导优化，就像你住在哪里？
47:56.74 主持人：你知道，命中发现可能就像它的一部分，你可以做命中发现，但后者。
48:03.28 主持人：我认为，其他部分通常更加定制并且有些特殊。我的意思是，你如何平衡这一点？对我来说，通用性似乎比解决一般先导优化问题比解决命中发现问题要困难得多。
48:19.80 Matthew：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品和平台工程产品主管 Neil Patil。
48:40.71 Matthew：Chai Discovery 联合创始人兼研究主管 Matthew McPartlon 和 Chai Discovery 产品和平台工程产品主管 Neil Patil。
48:55.71 Matthew：北极星的目标是直接从模型中真正生产出类似药物的分子。
49:00.39 Matthew：当然，这会很困难，并且会遇到很多障碍，
49:03.75 Matthew：等等，您需要能够实际提示模型执行此操作。
49:06.59 Matthew：你需要整个 RL 堆栈来学习不同的属性，类似的东西。
49:11.09 Matthew：但我认为这是非常可以实现的。
49:12.43 Neil：是的，我想补充一点，是的，是的，目标发现、命中发现和优化的概念，其中每一个都有一个门，需要几个月到几年的时间，这非常像瀑布模型，对吧，尝试和尽早得到东西的成本非常昂贵。
49:28.02 Neil：但我认为马特所说的，对吧，如果你开始进入一个可以让模型为你提供真正有前途的候选人的制度，你可以开始让它看起来更像一个循环，对吗？
49:36.24 Neil：这类似于软件开发变得更加敏捷。
49:40.12 Neil：在内部，我们有两颗，你知道，北极星，对吧？
49:44.20 Neil：乍一看，它们听起来几乎是矛盾的。
49:46.92 Neil：但是，你知道，你知道，研究中的北极星是从头开始，你知道的。
49:52.51 Neil：讨论内容涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
50:10.48 Neil：我认为，你知道，它们听起来很矛盾，但我认为它们实际上并非如此，因为我认为将会发生什么，你知道，这项研究将更好地识别特定类别药物的从头候选药物，对吗？
50:21.48 Neil：说得像反不可知论者，对吧？
50:23.08 Neil：就像阻挡东西一样，对吧？
50:24.32 Neil：也许更容易一些。
50:25.70 Neil：好吧，我们可以达到这样一种状态，在那里我们可以一次性注射出很好的药物。
50:29.58 Neil：但现在下一个问题就像激动剂，对吧？
50:31.56 Neil：就像你如何可靠地一击击中开关，就像在细胞上一样，对吧？
50:35.52 Neil：或者双特异性抗体或 ADC，对吗？
50:38.04 Neil：我认为，你知道，有这样的
50:40.35 Neil：抽象层次，我们必须随着产品的发展而提升，就像模型变得更好一样。
50:45.81 Neil：我的一件事是，就像几个月前一样，我变得非常存在主义，因为我想，伙计，我们在产品中构建的所有这些东西都是为了可视化分子并做到这一点，就像当马特像 Chai-4 那样时，我可能不得不把它们全部扔掉。
50:58.81 Neil：正确的。但是，你知道，我认为这就是现在构建产品的现实。正确的。实际上，你很少将它们用作目的本身。就像你可能构建了可以使用 20 年的软件一样。现在它应该会持续一年。但它是传递价值和推动研究的桥梁，然后让你进入下一个目标。所以我想我们可能会在越来越高的抽象级别上重写我们的产品。正确的。就像现在我们有一些更类似于光标的东西
51:44.68 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、抗体设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子生物学以及将生物学转化为工程。
52:14.66 Neil：精心策划一系列不同的表位选择或与之相反的任何东西。然后也许你会上升到一个抽象层次，你现在正在针对一条路径中的所有目标进行整个活动，对吧？我认为真正令人兴奋的是，如果你拥有这些非常好的结构预测、绑定和设计原语，并且你可以组合它们，那么你就可以开始成长为科学的外循环，对吗？然后，你知道，也许事情会自行发展，最后你开始真正接触到一些非常非常酷的药物。
52:24.26 主持人：我实际上想推动你刚才所说的关于表位预测的内容，因为我认为该领域的很多人会认为这可能是比寻找抗体和结合物更困难的问题。
52:30.50 主持人：您认为总体上以及 Chai 在表位预测方面的最新技术水平在哪里？
52:34.82 主持人：类似地，这个问题有一个合理的、可解决的时间范围吗？
52:37.12 Matthew：哦，也许你可以定义表位预测吗？
53:01.07 Matthew：我会在不同的层面上思考这个问题。所以最基本的水平是，好吧，我有一些我想要针对的疾病，哪些蛋白质实际上是造成这种疾病的原因？就像从生物学角度真正弄清楚发生了什么一样，比如我应该首先用药物瞄准什么？因为一旦你弄清楚了这一点，这就有点像一个结构生物学问题。你会想，好吧，这组蛋白质是负责的，就像那里发生了什么？嗯，它正在与一些不应该与之相互作用的其他蛋白质相互作用。
53:17.37 Matthew：Matthew McPartlin，Chai Discovery 首席执行官，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人，Neil Patil，Chai Discovery 产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，Chai Discovery 的产品负责人 Chai Discovery 和 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品负责人 Neil Patil，以及 Neil 我同意您的意见。这就像更难的问题。就像您需要的上下文数量，以及您需要获得的全局理解，以便真正弄清楚什么在交互以及如何交互。
53:28.09 主持人：但也许我们可以举几个具体案例。让我们考虑一下 SARS-CoV-3 的出现或新型流感或其他什么情况。你会在那里做什么？我的意思是，你认为你实际上可以合理地解决这个问题吗？
53:40.84 Matthew：在这种情况下，是的，你可以运行一个结构化的预测模型，看看模型认为这个东西会绑定在哪里。
53:46.48 Matthew：如果它对此非常有信心，您可能会说，好吧，这就像我们要阻止的网站。
53:51.40 Matthew：我觉得总体来说还是很辛苦的。
53:53.40 Matthew：甚至像结构预测一样，它也变得非常好。
53:56.40 Matthew：就像很多人认为 LFOLD2 一样解决了结构预测问题。
53:59.60 Matthew：并不真地。
54:00.48 Matthew：就像 LFOLD2 一样，我认为，它的多聚体版本有 11% 的抗体抗原预测案例正确。
54:08.78 Matthew：这意味着 90% 的时间都是错误的。
54:10.65 主持人：是的，我的意思是，但 AlphaFold2 使用 MSA 解决了一类单体蛋白质。
54:17.05 主持人：绝对地。是啊是啊。
54:18.29 主持人：所以，我的意思是，我认为 MSA 可能是这里的关键点，因为 MSA 具有让一切正常运转的魔力。
54:26.47 主持人：从某种意义上来说，它就像一个关于结构应该是什么的模板。
54:30.77 主持人：抗体在进化上几乎不可能有模板，对吗？
54:35.15 主持人：每个人都必须有独特的抗体，根据他们一生中经历的事情而定制。
54:40.46 主持人：马修·麦克帕特林博士：为了澄清这一点，我自己必须理解这一点，所以也许我可以帮助不熟悉的听众。抗体的全部意义在于，免疫系统可以利用它来识别身体以前从未遇到过的新事物。因此，与其他类型的蛋白质相反，抗体的设计是，系统的设计使您可以快速重组它的不同组件，以匹配
55:18.49 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
55:23.37 Matthew：是的，就像回到表位预测问题一样，我认为这仍然很难。
55:32.21 Matthew：我认为有很多情况可能是可以处理的，但我认为总的来说，如果你想为新目标发现这一点，仍然是一个非常困难的问题。
55:37.19 主持人：也许虚拟单元是最接近最先进的东西，但这仍然是一个出路。
55:39.65 主持人：我想深入了解一下这个产品。
55:40.25 主持人：我们开始做吧。
55:47.25 主持人：对于目前正在发生的基本上所有结构性事物的经济学，我有些不明白。
55:50.67 主持人：显然，很多人认为它非常非常有价值。
55:53.51 主持人：所以，我并不是在摸索什么。
55:58.69 主持人：但当你考虑开发抗体的成本时，
56:16.38 主持人：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 和 Neil Patil，Chai Discovery 的产品负责人，Neil Patil，Chai Discovery 的产品负责人，Neil Patil，产品蛋白质结构和结合模型，以及将生物学转化为工程。
56:42.67 主持人：因此，您在一场耗资 5 亿美元的活动中节省了大约几百万美元。
56:48.31 主持人：那么为什么这如此有吸引力？
56:50.39 Neil：我可能会稍微挑战一下这个前提，比如以几种方式，对吧？
56:53.91 Neil：就像，好吧，当然，如果你想获得一种抗体作为一个非常简单的目标，就像也许，对吧？
56:58.99 Neil：但我认为我们最兴奋的是我们的合作伙伴使用抗体和
57:03.07 主持人：你知道，更复杂的方法，对吗？例如，在 Chai-2 中，我们表现出 GPCR 激动剂活性，对吧？可以这么说，你可以真正按下细胞门铃蛋白的开关，对吧？以非常精确的方式。如果你不能那么精确，用抗体很难做到这一点，对吧？
57:21.17 主持人：所以你正在解锁一项新功能。
57:22.97 主持人：是的。
57:23.43 Neil：是的，我认为这不像是，哦，我正在服用我可以做的现有药物，并使其更快。
57:27.81 Neil：我的意思是，也有一些，对吧？
57:29.23 Neil：但就像，不，他们只是，嘿，你如何去追求更好的目标，对吧？
57:33.81 Neil：你知道，这也许更精确、更有效，对吧？
57:36.95 Matthew：我懂了。
57:37.57 Matthew：我认为最重要的是，有些药物方式是你无法通过免疫发现的。
57:43.03 Matthew：就像你不会设计你那样疯狂的多特定战争头超激烈的格式。
57:49.29 Matthew：这些确实是你必须根据第一原则来设计的东西。
57:53.59 Matthew：即使只是双特异性，就像双臂现在需要绑定不同的目标。
57:59.09 Matthew：而且你有点喜欢对你的结合率产生乘数效应。
58:02.93 Matthew：因此，就像如果您有十亿分之一的机会在第一臂中找到活页夹，而在第二臂中则有十亿分之一的机会，
58:08.47 Neil：，那么您就不能，这不适用于传统方法。
58:11.77 Neil：
58:14.29 Neil：确切地。
58:18.48 Neil：我想我要考虑的另一件事是，对吧，你不仅仅是用一种药物来帮助你的伴侣，对吗？
58:23.36 Neil：他们可能正在追求一系列目标，他们正在尝试制造一系列药物。
58:33.02 Neil：平台方法的好处是，我们可以与他们一起扩展，因为他们除了更雄心勃勃的目标之外还追求更多的目标，而不是我们正在开发单独的药物。
58:41.44 主持人：所以它可以让你集中你的学习，你知道，它的子领域，这样每个人都能从中受益。
58:42.68 主持人：确切地。
58:46.82 主持人：但是好吧，所以我没有，那么您提到的这些功能中有哪些？
58:49.90 主持人：你们还在追寻更多真正有趣的东西吗？
58:53.50 Neil：是的，我的意思是，我们谈到了交叉反应。
58:54.68 Neil：我们讨论了选择性。
58:59.48 Neil：我们讨论了其中一些，比如非常有趣的双特异性附加模式，对吗？
59:02.94 Neil：有一系列事情......
59:10.02 Neil：你知道，我们的合作伙伴一直在向我们询问我们一直在努力的事情，但我不能过多讨论，因为那样就会开始揭示他们正在追求的一些目标。
59:16.26 Neil：但我认为重点是，一旦你变得精确，你就可以开始做一些非常非常酷的药物。
59:18.06 主持人：这是一项新技术。
59:34.60 主持人：因此，就像制药中的技术意味着如何提供治疗一样。所以这可能是一种思考，就像 CAR-T 是一种技术一样，对吗？因此，从某种意义上说，这可能是一项新技术，您可以拥有这些高度...
59:35.85 主持人：高度工程化。
59:44.55 Neil：正确的。这源于该公司的使命，即真正将药物发现从科学实验转变为工程学科。
59:56.49 Neil：正确的。你如何进入生物学的精密工程阶段，在这个阶段你可以从几乎声明性地定义你想要得到的东西开始，然后让模型填补空白并得到你的东西？
60:01.00 主持人：那么从科学到工程的最大障碍是什么？
60:04.04 Neil：天哪，事情太多了。
60:06.68 Neil：就像这就是工程学的事情一样。
60:07.18 Matthew：是的。
60:12.40 Matthew：我什至不想谈论这个。
60:13.72 Matthew：就像头痛的程度一样。
60:14.26 主持人：好像太晚了。
60:14.80 主持人：你已经走了。
60:15.22 主持人：可能不会。
60:15.52 Matthew：是的。
60:16.38 Matthew：你正在把它拿出来。
60:44.56 Matthew：好吧，就像当你实际上为像我这样的生物学家解析所有文件格式时，他们只是不在乎。没有标准化，但有标准化的文件格式。他们是最好的吗？我真的不知道。但也有很多您想要打包的信息。我有这个结构。这是解决这个问题的人。这是我用来解决的方法。好像有很多事情正在发生。然后，根据您用于实际弄清楚该 3D 结构是什么的方法，您可能会拥有该结构的多个副本。其中一部分可能还没有真正解决。你会想，它可能在这里，也可能在那里。
60:45.90 Matthew：我只是给你两个选择。
60:48.02 Matthew：因此，就像工程方面的实际解析问题一样，处理此类数据非常困难。
60:53.56 主持人：不过，这似乎是法学硕士可以擅长的事情。
60:56.36 主持人：他们并不经常知道所有的边缘情况，对吧？
60:59.22 Matthew：这更像是一种简单的方法。
61:01.42 Matthew：法学硕士非常好。
61:02.60 Matthew：我绝对会给你的。
61:04.56 Matthew：然后你会想，我真的想喜欢吗，这个函数应该有 20
61:08.18 Matthew：特殊情况还是我们应该真正有原则地处理这个问题？
61:12.14 Matthew：我想，我们应该更多的是。
61:14.83 Matthew：Matthew McPartlin
61:32.67 Matthew：一旦你弄清楚了所有基础设施工作以及如何将数据输入到模型中，接下来就是扩展模型，然后扩展模型周围的基础设施以训练越来越大的版本。
61:42.51 Neil：这就像尼尔和产品团队实际领导的很多工作。
61:45.55 Neil：是的，我的意思是，我的答案是基础设施部分。
61:48.07 Neil：我的意思是，你知道，不是为了打败一匹死马，而是计算，对吧？
61:51.69 Neil：获取计算并以正确的方式使用它是...
61:54.66 Neil：采访者 Matthew McPartlon 是 Chai Discovery 的联合创始人兼研究主管，而 Neil Patil 是 Chai Discovery 的产品和平台工程产品主管。
62:16.73 Neil：最糟糕的工作，伙计。我不会推荐它。这是非常有压力的。但是，你知道，即使是去年九月，对吧？
62:23.31 主持人：回到硬件工作。
62:24.57 Neil：
63:07.61 Neil：是的，我确切地知道，但方式是错误的。但是，你知道，去年九月，我们开始真正注意到，事情变得越来越紧张，对吧？我们在现货和按需市场上做了很多推断，这些天你会遇到这些容量紧缩的情况，我们会想，好吧，我们可能应该开始为自己购买一些计算。
62:50.26 Neil：我的意思是，我想每个人都可能这么说，但是伙计，这很难。
62:54.48 Neil：就像，我想我没有意识到幂律有多大，你知道，这是，对吧？
63:00.02 Neil：你知道，那里有 10,000 台 B300 装置在各地运输，对吧？
63:07.66 Neil：超大规模企业和最大的人工智能实验室正在购买 95% 以上的产品，对吧？
63:11.16 Neil：然后你就会看到初创公司，比如，争夺废料。
63:13.66 Neil：我认为另一件非常有趣的事情
63:23.33 Neil：特别是如果你看看这些后来的计算版本，对吧，维拉鲁宾斯或者，你知道，B300s，就像很多这样的东西已经被构建得非常像法学硕士，对吧？
63:30.05 Neil：就像您拥有这些系统一样，您知道，系统具有巨大的 KV 缓存，其中您有大约 72 个 GPU，它们都可以相互通信，对吧？
63:33.53 Neil：而且，你知道，显然有一些性能提升，比如帮助我们，对吧？
63:39.03 Neil：但有趣的是，计算市场对 LLM 的影响有多大。
63:47.77 Neil：我认为，你知道，可能有一整套计算堆栈和推理优化以及需要为此类模型进行的操作。
63:52.77 Neil：而且，你知道，我认为这类模型将与法学硕士一样大、一样有影响力。
63:59.13 Neil：但这几乎就像计算市场还没有意识到这一点，无论是在容量意义上，还是在软件堆栈意义上。
64:07.81 Neil：所以我们实际上花了很多时间，你知道，甚至只是做基本的计算优化，让它们更好地适应我们拥有的模型类型。
64:27.52 Matthew：是的，例如，我知道某些结构模型比法学硕士更具递归性，因此，这可能会改变您需要的计算与内存比率之类的东西。您在那里做过哪些类似的很酷或有趣的优化？
64:43.07 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型，以及将生物学转化为工程学。
65:04.60 Matthew：这种对表示，因此您可以将其视为长度为 L 平方的序列，而不是通常长度为 L 的序列。如果您正在注意这一点，那么您实际上将其批处理的方式，它最终会被 L 立方。现在你正处于一个非常非常繁重的计算环境中。因此，你投入每个代币的失败数量保持不变，它设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系， Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计, 制药合作伙伴关系, Chai-2, 科学软件, 分子设计,制药合作伙伴
65:28.11 Matthew：非常认真地对待工程，这样这些操作至少会更好。
65:31.91 Matthew：我们一直在关注新芯片与旧版本相比的性能如何。
65:34.81 Matthew：有时训练与推理甚至是不同的。
65:37.41 Matthew：当然，尼尔对此非常了解。
65:38.67 Neil：嗯，所以，你知道，
65:43.71 Neil：你在单个 GPU 上做什么，然后就是，你喜欢如何编排 GPU 队列，对吧？
65:46.83 Neil：而且，你知道，你基本上对你的计算进行了分片，对吧？
65:51.03 Neil：所以，你知道，当你在 Chai 上设计一个分子时，它不一定像一次调用，对吧？
65:57.11 Neil：这是需要大量 GPU 来解决这个问题，对吧，跨大量计算。
66:03.81 Neil：实际上，我想说，软件工程中最难做好的事情之一就是持久执行。
66:05.55 Neil：你们都熟悉这个词吗？
66:06.37 Neil：我可以继续说一点吗？
66:07.27 Neil：是的，当然，去吧。
66:08.05 Neil：请这样做，是的，是的。
66:23.56 Neil：最终，如果你想要计算大量数据，你知道，模型调用就像一组非常广泛的基础设施，你总是会遇到这些问题，比如基础设施的某些部分是脆弱的，对吧？就像您从中获取数据的存储桶可能会下降一样。
66:29.66 Neil：或者就像你的数据库出现了一个问题，因为有太多的事务针对它，或者你就像 GPU 错误一样，对吧？
66:33.90 Neil：我以前在公司工作过，你喜欢花很多时间来处理这些狗屎，对吧？
66:47.26 Neil：就像你基本上把所有这些队列和所有这些重试一样，你就像用管道把东西粘在一起，你有一个，它变得一团糟，现在过去就像一个，理想情况下就像一个非常简单的计算，只是分布式的。
66:53.18 Neil：您最终会花费 95% 以上的时间在所有这些排队和重试的事情上，对吗？
66:56.85 Neil：我们是这家名为 Temporal 的公司的忠实粉丝。
67:04.13 Neil：基本上，你知道，有这样的想法，比如，看，如果你只是想得到一些东西，一个真正需要长时间运行的工作，到一天结束时，你需要什么？
67:05.59 Neil：你需要排队。
67:08.93 Neil：你知道，你需要一些脆弱的东西，比如从队列中退出。
67:12.97 Neil：如果失败，您需要一些重试逻辑将其放回到队列中，对吧？
67:18.59 Neil：然后你需要一些完整的编排系统来将所有队列连接在一起并监视它们。
67:24.47 Neil：Temporal 真正酷的地方在于这是一项技术，一家公司发明了一个框架来做到这一点。
67:31.47 Neil：我认为我们早期做出的非常有帮助的技术决策之一是在 Temporal 上运行尽可能多的东西。
67:39.25 Neil：正确的。因此，您知道，这些是否从应用程序调用数据库，以确保数据库事务顺利完成。
67:45.97 Neil：好吧，让我们有一些副作用，比如坐在 Temporal 上，这样它们就可以巧妙地重试，而无需我们编写自己的 Q 逻辑。正确的。
68:07.86 Neil：讨论涵盖人工智能药物发现，蛋白质结构和结合模型，抗体设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系， Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，对，哪里你知道，我们又筹集了 4 亿美元。
68:13.20 Neil：我必须去购买另一个计算集群。
68:15.50 Neil：就像，你知道，就像我们将拥有非常非常大的运行、推理和训练集。
68:21.30 Neil：因此，打好这些基础实际上可以让我们做更多雄心勃勃的事情。
68:26.12 Matthew：实际上，要回答你的问题，这是使生物学更像工程学的很多瓶颈，就像拥有正确的工程原语支持它一样。
68:36.77 Matthew：Matthew McPartlin
68:53.06 Matthew：许多相同的原则，比如，你知道，工程第一，也适用于研究团队。
68:57.82 Matthew：我想说的一件事是，有点像复杂性和苦涩的教训，它们从根本上是不一致的。
69:02.90 Matthew：例如，我认为像展开三个，我可能会弄错这个数字，但我认为它就像 23 个子模块。
69:08.43 Matthew：在这一点上，这是一个非常难以优化和研究的系统。
69:11.91 Matthew：你会说，好吧，如果我改变会发生什么，比如如果我调整这个东西并出售模块 30 或 21，整个系统会发生什么？
69:19.11 Matthew：你总是可以想，嘿，我们可以通过添加模块 24 来做得更好。
69:23.11 Matthew：但是，你是否应该考虑删除一些东西并降低复杂性？
69:27.55 Matthew：但我认为这就像 Chai 的一个非常基本的事情，就像工程文化一样，而且非常偏向于简单性。
69:33.94 Neil：你们都看过类似 SpaceX 发动机的图片吗？
69:36.70 Neil：就像猛禽一号有一堆管道，就像猛禽二号一样。
69:39.74 Neil：我们办公室的墙上挂着这样的照片，因为我的意思是，这是真的，对吧？
69:43.74 主持人：比如，你如何删除、删除、删除更多的东西？
69:46.16 主持人：是的。
69:46.92 主持人：但我的意思是，实现这一目标的唯一方法是 AlphaFold 2 和 AlphaFold 3 起作用的原因，
69:52.76 主持人：相对而言，它们是小型模型。
69:55.66 主持人：它们的计算量很大，但数据效率很高。
69:58.84 主持人：是的。
69:59.16 主持人：还有，
70:01.25 主持人：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Discovery 和 Chai Discovery 的产品主管 Neil Patil 和 Chai Discovery 的产品主管 Neil Patil 和 Chai Discovery 的产品主管 Neil Patil 和 Neil
70:43.99 主持人：我的意思是，听到你们的规模达到了这种程度，我实际上有点惊讶，因为这表明你们正在做的事情与社区的想法非常不同。我不知道你是否可以对此发表评论。
70:53.17 Matthew：我们是非常注重第一原则的人。就像 Chai 的整个研究团队一样，除了我和 Kevin 之外，就像我们是唯一拥有...
71:20.73 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、药物尤其是蛋白质，这真的很难。
71:22.99 Matthew：没有那么多的结构数据。
71:24.45 Matthew：有大量的序列数据，
71:25.61 Matthew：，这是 ESM 工作的解锁之一。
71:28.69 Matthew：你可以让它在变压器上运行。
71:30.65 Matthew：如果你尝试用实验结构数据做同样的事情
71:31.69 Matthew：，祝你好运。
71:33.99 Matthew：不，不行。
71:34.83 Matthew：你需要有一个完整的。
71:35.73 主持人：Matthew McPartlin，Chai Discovery 首席执行官，以及 Chai Discovery 首席执行官，
72:08.19 主持人：毫无疑问，它就像让它发挥作用的因素之一，只是付出了巨大的代价。
72:10.89 Matthew：是的。是的，不，我认为这绝对是真的。
72:15.87 Matthew：这些层的成本相当高，并且像这样限制了您可以使用架构做的事情。
72:21.87 Matthew：它们不仅在计算方面成本高昂，而且在现代 GPU 上也效率不高。
72:28.05 Matthew：你有小的隐藏维度，大的序列维度，就像它与 GPU 设计处理的内容完全相反。
72:33.14 Matthew：从类似的三角形层中得到的一个结论是，从这个意义上来说，你只是为了计算而权衡参数。
72:35.58 Matthew：这就像思考这个问题的一种心理模型。
72:41.68 Matthew：我可能想在问题上投入更多的计算，然后用参数来换取它，因为我无法容纳那么多。
72:48.34 Matthew：就像我无法真正存储这些大的对表示并仍然进行正常的注意力。
72:57.44 Matthew：所以我认为你可以从 AlphaFold 等想法中抽象出一些基本的东西，但你可以稍微调整一下这些东西并开始以你自己的方式构建它们。
73:08.18 主持人：听起来你们有相当多的研究，比如朝着这个方向进行的基础研究，我猜，是为了那些在机器学习工程中寻找新问题的书呆子狙击手的观众。
73:14.26 Matthew：可能是非常不同的研究方向，与许多社区的研究方向非常不同。
73:40.87 Neil：是的，是的，我认为我们在 Chai 构建的东西在很多方面都非常独特，但也与 CoreML 擅长的领域紧密相关。就像我之前所说的那样，我们尝试将每个问题映射为 CoreML 问题。我们想，如果是法学硕士或类似的东西，你会如何处理这个问题？但是，是的，就像在一天结束时，我们真的非常重视简单性。我们真的鼓励那些没有生物背景的人不要害怕这些东西。
73:48.71 Neil：我认为这也延伸到了产品中，你知道，这里需要保持平衡，对吧，就像你制造的产品有多通用？
73:54.49 Neil：比如，您是否构建交叉反应工作流程、选择性工作流程和双特异性工作流程？
74:01.59 Neil：或者你们都说，不，比如，让我们让模型足够通用，说我会喜欢任意绑定或避免某事的条件。
74:08.97 Neil：然后你的 CAD 套件中有一个非常通用的屏幕，你可以在其中说，嘿，我只是想避免或绑定到这些不同结构的这些部分，对吗？
74:28.97 Neil：我认为，你知道，有点像机器学习团队，就像我没有，你知道，正式的生物背景。大多数产品和平台团队也没有正式背景。现在，我可能会对我的话感到后悔，对吗？因为我确信存在一百万个细微差别，而且我不想表现得过于傲慢或天真。但是，你知道，我认为...
74:34.31 Neil：我认为有时不被所有这些细微差别、这种细微差别和这种细微差别所困扰是有帮助的。
74:40.19 Neil：你可以进行某种下注并尽可能笼统，因为，你知道，这就是我们在研究中看到的情况。
74:41.81 Neil：你可以看到这些模型非常通用。
74:43.39 Matthew：这使得产品非常通用。
74:52.51 Matthew：我回想起在我的计算机科学理论时代，我的第一位顾问就像，我们正在研究一些问题，我们需要一个多项式时间算法来解决某些问题。
74:57.59 Matthew：他总是告诉我，永远不要低估多项式时间的力量。
75:00.79 Matthew：就像，这基本上就像你可以选择你想要的任何指数。
75:04.71 Matthew：我的第一篇论文是这个问题的第 20 次算法的结束。
75:06.79 主持人：我当时想，安迪，我完全按照你说的做了。
75:07.79 主持人：他就像，等一下。
75:08.79 主持人：我不是那个意思。
75:09.09 主持人：是的。
75:10.45 Matthew：但我觉得有点像，它。
75:34.71 主持人：Chai Discovery 首席执行官 Matthew McPartlin 和 Chai Discovery 产品主管 Neil Patil。
75:37.31 主持人：我的意思是，我可以回去喜欢一些轶事。
75:41.99 主持人：我大概是三、四年前参加过 NeurIPS，那是 RF 扩散刚问世后的一次。
75:46.75 主持人：我正在与贝克实验室的某人交谈，他们就像，伙计，我只是一击，
75:47.85 主持人：我认为他们甚至不使用一击。
75:55.19 主持人：当时，一次性甚至不是一个术语，但他们就像，我刚刚从射频扩散中得到了皮摩尔粘合剂，就像，
76:14.78 主持人：在冷冻过程中，很棒，对吧？看起来似乎并没有解决问题。就像，这不像，哦，伙计，现在每个，是的。但我认为有很多人已经看到，你实际上可以很好地进行蛋白质设计，至少在某些类别中。我想说，它是迷你蛋白质还是迷你粘合剂？
76:24.24 主持人：具有讽刺意味的是，纳米粘合剂实际上比许多蛋白质更小或更大，或者可能更硬一些。抗体通常被认为更难。
76:29.92 主持人：但是有这样的问题，这是可以并且将会被商品化的东西吗，至少在某些方面？
76:34.04 主持人：你如何竞争？就像，这个在哪里，你在哪里，这个领域从这里到哪里？
76:36.98 Neil：我的意思是，我认为答案是以上所有内容。
76:43.64 Neil：就像，我认为某些类型的模式或药物可能会有一些商品层，对吗？
76:48.27 Neil：我认为与此同时，我们将能够生产越来越多、越来越雄心勃勃的药物。
76:50.93 Neil：你会发现这就像法学硕士领域发生的事情一样，对吧？
76:57.75 Neil：就像你有你的开源模型，这些模型可能是通用的并且对某些事情有帮助，但人们仍在购买前沿模型。
77:02.79 Neil：正确的。事实上，如果你看看所捕获的价值量，它实际上是闭源前沿模型。
77:12.95 Neil：你知道，整个蛋糕正在变大，但增长速度如此之快，以至于即使像份额这样的开源模型不断扩大，前沿模型仍然能够捕获大部分价值。
77:40.75 Neil：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品负责人，Neil Patil，产品蛋白质结构和结合模型，以及将生物学转化为工程。
78:03.35 Neil：马修·麦克帕特林
78:18.35 Matthew：马修·麦克帕特林 (Matthew McPartlin)，Chai Discovery 首席执行官，不，我认为生物学很慢，这是其中之一
78:22.23 Matthew：是件好事。而且没有那么多标记数据。所以你可以公开所有
78:27.09 Matthew：那里有可用的序列信息。这可能会给你一个很好的基础模型。但
78:30.29 Matthew：您仍然需要对该数据进行一些测量。这还是相当耗时的。进而
78:33.81 Matthew：你需要对此进行迭代。
78:35.97 Matthew：所以我认为那里甚至只有数据拦截器。如果我们真的想这样做，我们就
78:42.18 Matthew：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、制药
79:00.56 主持人：我认为，可能有 10、15 家蛋白质设计初创公司。
79:04.46 主持人：我认为听起来 Chai 所做的两件事就像一件事，全部都在产品上，
79:08.96 主持人：第二，你不想做自己的平台。
79:13.06 主持人：如果您没有自己的数据模式，这最终会帮助您解决问题吗？
79:18.52 主持人：那会成为阻碍者吗？
79:20.40 主持人：我只是对此感到好奇。
79:22.56 Matthew：是的，这是一个很好的问题。
79:24.23 Matthew：是的，所以柴绝对没有启动管道之类的计划。
79:27.73 Matthew：就像我们非常重视合作伙伴模式一样。
79:30.37 Matthew：我们，我只是从个人立场来看，
79:33.37 Matthew：我喜欢之间的激励一致性，你知道，
79:36.29 Matthew：我们让模型更好，合作伙伴更成功，
79:38.53 Matthew：，就像，你知道，它会自我迭代。
79:41.03 Matthew：所以，我认为这就像 Chai 的一个非常独特的部分
79:43.55 Matthew：就像一个，只是能够与很多人合作
79:46.54 Matthew：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil
80:37.35 Neil：Chai Discovery 首席执行官 Matthew McPartlin，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品主管 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 产品负责人 Neil Patil，Chai Discovery 的产品主管，对吧？这有点像说，嘿，就像所有与 Anthropic 合作的企业一样，就像你不让像 Anthropic 这样的人使用他们的数据进行训练。
80:46.65 Neil：就像您不喜欢构建擅长企业工作流程的模型一样，对吗？
80:49.83 Neil：我想，你知道，第一，我们正在对此进行投资，对吧？
80:52.77 Neil：你知道，有很多方法可以将计算转化为数据并获得更多，而我们正在这样做，对吧？
80:57.33 Neil：但同样，好吧，您想要获取什么样的数据，对吗？
81:00.39 Neil：我认为，如此紧密地合作并支持如此多的合作伙伴，最酷的是我们能够真正了解什么对研究有帮助，对吗？
81:11.07 Neil：因此，我们不是在真空中进行研究，而是基于假设的很酷的东西，我们能够基于我们的合作伙伴刚刚非常有组织地向我们寻求帮助的内容进行明智的研究。
81:23.44 主持人：我懂了。我假设您可以根据合作伙伴的数据来训练通用模型。您是否训练特定的专门模型，例如是否有诺华模型和辉瑞模型？
81:33.78 Neil：是的，我的意思是，就像很多这样的交易一样，你知道，这都是公开的，对吧？我们正在与他们合作，为他们训练或微调我们的模型版本。
81:43.78 Neil：我认为随着时间的推移，我们可能可以做更多的事情。
81:47.64 Neil：我哥哥创办了一家名为 Applied Compute 的公司，一家伟大的公司。他们做这件事是为了，你知道，
81:51.70 Neil：讨论涵盖人工智能药物发现、蛋白质结构和结合模型、抗体设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件、分子设计、制药合作伙伴关系、Chai-2、科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系， Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系伙伴关系
82:22.76 Neil：你知道，他们有很多从实验中获得的科学数据，这些数据也许可以帮助我们的模型在他们关心的目标特定类别的候选人中做得更好。
82:27.96 Matthew：我的意思是，即使是像他们这样简单的事情也可能有一些首选的做事方式。
82:46.23 主持人：讨论涵盖人工智能药物发现，蛋白质结构和结合模型，抗体设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系， Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系，Chai-2，科学软件，分子设计，制药合作伙伴关系合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，分子设计，制药合作伙伴，Chai-2，科学软件，特别是生物和科学软件，实际上是咨询公司。我认为制药业尤其如此，因为你正在开发一种新药。
83:04.10 主持人：正确的。从定义上来说，它几乎是新的，对吧？因此，现有的东西在很多情况下都必须定制，对吗？除非你正在做的事情只是重复旧的东西。但许多大型制药公司正在突破科学的界限。
83:17.73 Neil：是的，我的意思是，当然，就像我们的目标是使模型非常通用。我们的目标是让产品变得非常通用。我们的目标是让它变得强大。但是，是的，我的意思是，每个客户都有整合工作，对吧。为了回答你的问题，你这样做确实可以得到一些辩护，对吗？我认为与这些合作伙伴建立信任关系的好处是，如果我们在接下来的第一年执行得很好，那么他们将继续与 Chai 合作，研发出更多雄心勃勃的药物。
83:46.52 主持人：我的意思是，切换起来会很困难，对吗？
83:48.26 Neil：我希望如此，是的。
83:49.26 主持人：刚刚完成安全审查。
83:52.26 Matthew：是啊是啊。
83:53.26 Matthew：也许另一个有趣的点是，如果你在每个代币的基础上考虑这一点，
83:57.26 Matthew：我不知道是否存在另一个领域，其中代币的下游价值与制药业一样有价值。
84:03.26 Neil：是的，这是有道理的。
84:04.26 主持人：你正在考虑实际生产出来的药物。
84:06.26 主持人：这些可能是数十亿美元的资产。
84:08.26 主持人：就 GLP-1 而言，我认为这两种 GLP-1 药物加起来可能是一万亿美元的资产。
84:14.09 Neil：是的，我的意思是，直到三个月前，我认为 GLP-1 的总收入比所有人工智能实验室的总收入还要多。
84:21.69 Neil：是的。
84:22.17 Neil：我认为人们没有意识到这一点。
84:23.67 主持人：就像，我没有意识到这一点。
84:24.79 主持人：这太疯狂了，对吧？
84:25.53 主持人：但市场数量却低得多。
84:27.37 主持人：相对而言，市场数量简直太疯狂了。
84:30.23 主持人：是的。
84:30.43 Neil：而且，你知道，我没有意识到制药业有多像风险投资业务，对吧？从某种意义上说，它们就像是下了非常雄心勃勃的赌注。
84:39.43 Neil：你知道，我认为一件非常酷的事情，你知道，就像你研究硅谷的历史，对吧？
84:44.73 Neil：就像，显然人们会想到硅谷的软件，但是，你知道，在 80 年代，最大的风险投资成果之一，最早的成果之一是基因泰克，对吧？
84:53.80 Neil：因为它是这样的 VC 模式，对吗？您将获得一串代币，这些代币可以在下游为您带来巨大的价值。
85:01.44 主持人：只是对 Al Posting 的关于金融和融资的博客系列大喊大叫，是的，真的太棒了。
85:10.56 主持人：是的。
85:11.56 Matthew：在此之前，我知道很多这些要点，但我没有意识到这个兔子洞到底有多深。
85:15.66 Matthew：是的。
85:16.66 Matthew：是的，我的意思是，生物制药行业最大的问题实际上可能就是融资模式。
85:23.37 Matthew：还有，你听说过阿鲁姆定律吗？
85:25.67 Matthew：是的，哦，是的。
85:26.87 Matthew：是啊是啊。
85:27.37 主持人：人比较落后。
85:28.77 Matthew：是的，摩尔定律倒退了。
85:30.27 Matthew：因此，就像在计算中一样，你知道，这是一种秤。
85:33.87 Matthew：所以你有这样好的指数缩放，计算的对数莱纳缩放，
85:37.47 Matthew：而你在制药领域有完全相反的情况。
85:39.27 Matthew：因此，就像制药公司实际制造药物的成本呈指数级增长一样。
85:43.87 Matthew：因此，每种药物投入的资金正在以指数速度增长，
85:48.07 Matthew：也就是说，看到这一点非常有趣，你知道。
85:50.69 主持人：这保证了新药开发在某个时刻的边际回报将为负。
85:54.99 主持人：确切地。
85:55.49 主持人：因此，除非有人，也许是柴，弄清楚如何解决这个问题，我认为我们可能正处于翻转其中一些的边缘。
86:05.49 主持人：相变，弯曲 S 曲线。
86:08.99 主持人：是的。
86:09.63 主持人：只是要加倍，也许是在强调这一点，但制药公司和风险投资从根本上来说都在优化投资组合。
86:17.05 主持人：是的。
86:17.55 Neil：我认为这就是其中的联系。
86:19.46 Neil：是的，将制药公司视为复杂的资本配置者，对吧，他们有这个目标组合，并在它们之间进行分配，我认为这对我来说是一个很大的重构。
86:28.84 Neil：是的。
86:29.34 Neil：我想我们将来会看到更多这样的事情，对吧？希望他们能够采取风险投资的方式，就像希望制药公司能够采取风险更大的赌注，并在未来追求真正非常酷的药物目标。
86:41.13 Matthew：这个类比实际上是一种类似 VC 类型的投资者模型。
86:46.47 Matthew：这实际上就像我们对 Chai 的研究的思考方式一样。
86:49.47 Matthew：我们的研究团队相对较小。
86:51.25 Matthew：我认为绝对是像很多人一样，像同构，思想深刻，就像我们的研究团队一样，你知道，大约有 10 个人。
86:59.31 Matthew：因此，就像我们一样，我们是一个相对较小的团队，但我们认为它几乎就像一项投资工作，就像你在计算方面投资想法一样。
87:06.57 Matthew：从同样的意义上说，从这方面来说，你们实际上只是资本配置者。
87:09.95 Neil：是的，我实际上认为这可能太可爱了，但我什至会提出更广泛的观点，我认为我们每个人都认为 Chai 的每个人都是资本配置者。
87:17.03 Neil：所以我认为让人们感到惊讶的事情之一是我们很小，我们只有 30 个人。
87:22.19 Neil：那是因为我们雇佣到研究团队或工程团队的每个人，你知道，特别是现在他们在某些方面都非常有人工智能的能力，很多事情就像将他们的注意力分配到正确的想法上并分配他们的计算。
87:35.14 主持人：我认为，这实际上是机器学习人工智能项目和科学的某种特征，对吧？然而，如果您为某些 B2B SaaS 公司构建 API，但没有构建基础模型，无论如何，那都不是 B2B SaaS 公司。
87:51.49 主持人：你的限制主要是人，对吧？
87:53.65 主持人：所以你分配的资源几乎都是人。
87:57.79 主持人：然而，如果你正在构建硬件，
87:59.31 主持人：你正在构建人工智能模型，
88:01.61 主持人：你正在构建一些科学的东西，
88:03.19 主持人：那么你的约束就是资源，
88:07.79 主持人：瓶颈是实验室，它是计算，
88:12.01 主持人：这是其他事情。
88:12.85 主持人：所以你必须真正处于这样的心态，
88:15.83 主持人：我有这些有限的分配，
88:17.99 主持人：我有一些射门，我如何分配这些射门？
88:20.86 Neil：好吧，我会说是和否。所以我同意这更像是这样，对吧？但是，让我们回到为 B2B 公司构建 API 的示例，对吧？该 API 会增加成本。你必须支持它。它增加了产品的复杂性。这是另一回事，你必须去市场销售。也许你实际上应该将其分配到不同的赌注中，对吧？您应该优先考虑产品路线图上的另一件事，而不是其他事情。
88:43.94 Neil：我认为，在一个构建东西变得非常便宜而且越来越免费的世界里，稀缺的东西是你可以投入的注意力，对吧，保持你的产品简单易懂，以及你的客户可以投入它以真正了解如何使用它。
88:58.42 Neil：我认为它不像是一个二元的东西，而更像是我们作为工程师将更像是注意力的分配者。
89:06.66 主持人：是的。
89:07.45 主持人：这就是高管。我们都会谈论我。
89:09.67 Neil：嗯，我的意思是，有一个萨蒂亚·纳德拉 (Satya Nadella) 的播客，对吧？他说，你知道，微软想让每个人都成为拥有无限思维的管理者，对吧？
89:17.45 Neil：如果你真的把它发挥到极致，那么每个人都会成为高管。
89:20.53 Neil：我的意思是，当我每天与克劳德交谈时，我当然感觉自己像一名高管，对吧？
89:24.05 主持人：是的。
89:24.87 主持人：一小群实习生，他们都出去热切地解决你可能真正想要或可能不想要的问题，但他们正在解决问题。
89:32.81 主持人：是的。
89:33.33 主持人：是的。
89:33.72 主持人：所以我们有两个典型的问题，我们已经问过一个，但我会再问一次，也许更直接。
89:40.84 主持人：如果你和你们都可以回答这个问题，如果你可以通过命令消除问题空间中的瓶颈，那会是什么？
89:52.96 Matthew：这是一个有趣的问题。
89:54.88 Matthew：我认为有一件事真的很好，就像我总是在研究领域一样，很难关闭。
90:00.64 Matthew：对我来说，这可能只是一般蛋白质设计的验证循环。
90:04.54 Matthew：就像能够立即说「喜欢」一样，嘿，这个东西有效，这个东西无效。
90:07.96 Matthew：你仍然在黑暗中行走，就像，你知道，你有一些方法。
90:13.34 Matthew：就像我认为在 Chai 一样，我们非常认真地对待这个问题，但这可能就像验证假设一样，你知道，肯定知道事情是有效的。
90:23.07 Neil：Matthew McPartlin，Chai Discovery 首席执行官
90:42.25 Neil：并不是很多人喜欢聪明人去从事生物研究。你知道，我不像高中时那样学习生物，因为我想，哦，我想拿起我的电脑和程序应用程序。但如果我想从事生物工作，我就必须喜欢去学习并在学校取得好成绩，并且可能获得博士学位或其他什么。正确的。而且，你知道，也许这就是原因之一。我认为另一个原因是，你知道，很多东西都非常晦涩难懂。正确的。就像我们在这个播客中说了很多大话一样。你无法真正想象这些事情。这是我们在 Chai 非常关心的事情之一，就是如何让我们的网站和产品中的整个内容变得可视化？
91:12.24 Neil：而且，你知道，我们在这里的部分原因是，你知道，我认为，你知道，更多的人应该意识到，你不需要像超级、超级、超级专业的生物背景那样在计算方面做出贡献。
91:24.12 Neil：所以，你知道，我思考了很多关于人才流动和人才在经济中流向的问题。
91:29.70 Neil：是的，你知道，在 90 年代，每个人都在追求人才。
91:32.58 Neil：而且，你知道，自 2000 年代以来，人们一直在流向科技。
91:35.58 Neil：但是，你知道，大型科技公司喜欢吞噬很多人才，你知道，直到几年前，现在可能像
91:41.57 Neil：对话涵盖人工智能药物发现、蛋白质结构和结合模型、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药物、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品、药品，药品，药品，药品，药品，药品，药品，药品，药品，药品，药品，药品，
92:18.34 Neil：好的，那么这就引出了第二个问题，也许答案是一样的，但你想从这一集中得到的一个收获是什么？
92:20.54 Neil：是的，我的意思是，我想，
92:39.63 Neil：你知道，生物学一直是一个有点模糊的感觉领域，你在黑暗中跌跌撞撞。你不知道你在看什么。您在实验中正在处理非决定论。您必须在非常非常长的时间内进行非常长的迭代试验和错误循环。
92:44.11 Neil：在某些时候，你正在跨越计算能力的门槛。
93:02.11 Neil：当你可以将折叠模型降低到一埃之内，对的，在那里你可以得到设计模型，给你，你知道，命中率，你知道，超过 50%，或者现在你可以把它们，你知道，放在 96 孔板中，实际上有 48 个有趣的活页夹，你开始到达现在你可以......
93:23.07 Neil：Matthew McPartlin
93:26.37 Neil：然后开始，你知道，它是用软件制作的，对吗？
93:29.37 Neil：或用于机械工程的 CAD，
93:31.99 Neil：，您可以对零件进行精密设计
93:34.49 Neil：并打印或制造。
93:36.41 Neil：你知道，同样的事情也发生在生物
93:38.17 Neil：中，而且发生得非常快。
93:39.59 Neil：这确实为很多真正有趣的人打开了大门
93:42.13 Neil：，
93:45.01 Neil：或者以前可能不那么容易理解或容易理解，对吗？
93:48.63 Neil：就像我这样的软件工程师，像马特这样的研究人员，
93:50.97 Neil：你知道，显然我们仍然需要专家，
93:52.97 Neil：但是，你知道，
93:57.90 Neil：通才通常可以真正加速该领域发生的精密工程。
94:01.68 Matthew：是的，我认为对我来说，基本的结论是这个领域实际上正在发挥作用。
94:08.28 Matthew：而且，就像它不仅具有商业吸引力，而且就像这项研究实际上显示出生命的迹象一样。
94:12.00 Matthew：就像它甚至不只是显示出生命迹象一样，就像生命迹象已经被显示出来一样。
94:19.18 Matthew：实际上，我们正处在一个模型发挥作用、提供价值的地方，并且仍然有大量真正有趣的研究问题需要解决。
94:23.04 Matthew：所以我认为这个领域比其他领域有更多容易实现的成果。
94:48.05 Matthew：Chai Discovery 首席执行官 Matthew McPartlin 和 Neil Pat 取得了进展，但仍有很多工作要做。
94:51.93 Matthew：我认为这是最有趣的领域之一，同时也对人类产生了最大的影响。
94:59.93 主持人：凉爽的。
95:00.15 主持人：太感谢了。
95:01.13 主持人：感谢您拥有我们。
95:01.85 Matthew：感谢您长途跋涉。
95:03.29 Matthew：是的。
95:04.37 Matthew：步行 22 分钟。
95:06.61 Matthew：而且，你知道，我们期待着追踪 Chai 的进展。
95:09.77 Matthew：惊人的。
95:10.25 主持人：谢谢你们。
95:10.97 主持人：太感谢了。

References

1
Latent Space 官方单集页latent.space
2
Latent Space 官方视频页youtube.com
3
Sequoia Training Data：Chai Discovery』s Bitter Lessonsequoiacap.com
4
Neil Patil 个人主页neilpatil.me

BioAI 换挡了：药企开始为模型工具买单