談到人工智能，過去的一年是建設性進步的一年，而不是浮華浮華的一年。蛋白質建模、循環利用和藥物發現的進展。

這句話出自兩位領先的風險投資家，Air Street Capital的 Nathan Benaich和 Plural 的Ian Hogarth  ，他們發布了 對 AI 狀況的年度總結，觀察到盡管人工智能風險投資在2022年下降，但新興智能應用領域的工作令人印象深刻。

例如，Alphabet 的 AI 子公司DeepMind現在正在為新興科學和農業研究提供大大增強的蛋白質模型。“該公司現在已經部署了該系統來預測來自植物、細菌、動物和其他生物體的 2 億種已知蛋白質的 3D 結構，”Benaich 和 Hogarth 報告說。“這項技術實現的從藥物發現到基礎科學的下游突破的程度將需要幾年時間才能實現。” DeepMind 的 AlphaFold DB 于 2022 年 7 月首次發布，其中包含一百萬個預測的蛋白質結構。

DeepMind的方法不僅有助于加快該領域的研究，還促進了基于矩陣乘法的技術，即人工智能、成像，以及基本上發生在我們手機上的一切，”他們補充說。

風投還報告稱，主要的人工智能藥物研發公司擁有18個臨床資產，第一個CE標志被授予自主醫學成像診斷。

風險投資公司報告說，塑料回收也取得了進展。德克薩斯大學奧斯汀分校開發的機器學習工程酶“能夠降解 PET，這是一種占全球固體廢物 12% 的塑料。這種稱為 FAST PETase 的 PET 水解酶比現有的水解酶對不同的溫度和 pH 水平更穩健。FAST PETase 能夠在一周內幾乎完全降解 51 種不同的產品。他們還表明，他們可以從 FAST PETase 降解中回收的單體重新合成 PET，這可能為工業規模的閉環 PET 回收開辟道路。”

此外，Benaich 和 Hogarth 報告了以下開發進展：

• “用于代碼研究的最新 AI 被大型科技公司和初創公司迅速轉化為商業開發工具。
• 擴散模型以令人印象深刻的文本到圖像生成能力席卷了計算機視覺世界。
• 人工智能攻擊更多的科學問題，從塑料回收、核聚變反應堆控制和天然產物發現。
• 縮放定律重新關注數據：也許模型比例并不是您所需要的全部。朝著單一模型的方向發展以統治它們。
• 社區驅動的大型模型開源以極快的速度發生，使集體能夠與大型實驗室競爭。
• 受神經科學的啟發，人工智能研究在其方法上開始看起來像認知科學。”

AI 系統背后的領先硬件平臺NVIDIA也見證了其處理器尺寸和功率的顯著增長。NVIDIA 的 2021 財年數據中心收入為 106 億美元，在 2021 年第四季度，他們確認了 32.6 億美元，“按年計算，這高于三大 AI 半導體初創公司的總估值，”Benaich 和 Hogarth 表示。“NVIDIA 在其平臺上擁有超過 300 萬開發人員，該公司最新一代 H100 芯片預計將提供比 A100 高 9 倍的訓練性能。”