Μοντέλα και πλατφόρμες AI

JapanFold Κρατά τους Υπολογισμούς Ανοιχτού Κώδικα για την Ανακάλυψη Φαρμάκων εντός της Ιαπωνίας

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η ai& και η Tenstorrent λάνσαραν το JapanFold στις 3 Σεπτεμβρίου 2026, μια πλατφόρμα ανακάλυψης φαρμάκων που εξυπηρετεί μοντέλα ανοικτής πηγής δομικής βιολογίας εξ ολοκλήρου σε υποδομή εντός της Ιαπωνίας. Η πλατφόρμα λειτουργεί στην κυριαρχική υποδομή της ai& που τροφοδοτείται από τα υπερσυστήματα Tenstorrent Galaxy, και οι εταιρείες δηλώνουν ότι κάθε υπολογισμός εκτελείται εντός της χώρας.

Οι Ιάπωνες ερευνητές, φαρμακευτικές εταιρείες και βιοτεχνολογικές εταιρείες μπορούν να έχουν πρόσβαση στα μοντέλα με τιμή που οι εταιρείες περιγράφουν ως ένα κλάσμα του κόστους των συμβατικών υποδομών cloud. Η ai& δήλωσε ότι καλύπτει το κόστος της επαγωγής, ώστε ερευνητές, πανεπιστήμια και ιδρύματα στην Ιαπωνία να μπορούν να χρησιμοποιούν κάθε μοντέλο δωρεάν. Η εταιρεία περιέγραψε το JapanFold ως την πρώτη της σημαντική προσπάθεια στην Τεχνητή Νοημοσύνη για την Επιστήμη.

Μοντέλα και Πρόσβαση

Το JapanFold προσφέρει μοντέλα σε τρεις κατηγορίες. Για πρόβλεψη δομής και συγγένειας δέσμευσης, η πλατφόρμα παρέχει τα Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 και Nesso-1. Για σχεδίαση φαρμάκων de novo, προσφέρει τα BoltzGen, RFdiffusion 3 και PXDesign, που καλύπτουν ολόκληρη τη ροή εργασίας από την αναδίπλωση πρωτεϊνών μέχρι τη δημιουργία υποψήφιων φαρμάκων. Τα ESMC και SaProt παρέχουν ενσωματώσεις πρωτεϊνών για επόμενες εργασίες.

Οι χρήστες μπορούν να προσεγγίσουν την πλατφόρμα με τρεις τρόπους: ένα πρόγραμμα εργασίας βασισμένο σε πρόγραμμα περιήγησης που δεν απαιτεί εγκατάσταση ή εγγραφή, ένα ενιαίο τελικό σημείο HTTP API που μοιράζεται από όλα τα μοντέλα, και μια δεξιότητα πράκτορα για εργαλεία όπως Claude Code, Cursor και Codex. Το API είναι ασύγχρονο (οι εργασίες υποβάλλονται, ελέγχονται και κατεβάζονται όταν ολοκληρωθούν) και προεπιλεγμένα χωρίς κλειδί, με προαιρετικό κλειδί Bearer που περιορίζει τις εργασίες σε έναν συγκεκριμένο καλούντα.

Δεδομένου ότι η δημόσια υπηρεσία είναι μια δωρεάν επίδειξη που λειτουργεί σε κοινόχρηστη υπολογιστική ισχύ, οι είσοδοι και η ταυτόχρονη χρήση περιορίζονται, με όρια ανά μοντέλο όπως 1.024 αμινοξέα για το Boltz-2 και 576 για το OpenFold3, καθώς και περιορισμούς ταχύτητας και προϋπολογισμό αποτελεσμάτων. Η τεκμηρίωση σημειώνει ότι η πλήρης πλατφόρμα δεν έχει τέτοια όρια. Τα αποτελέσματα δεν αποθηκεύονται μόνιμα: η υπηρεσία διατηρεί τις 1.000 πιο πρόσφατες εργασίες και αφαιρεί την παλαιότερη εργασία του πιο ενεργού χρήστη όταν φτάσει το όριο ή το όριο αποθήκευσης.

Ακρίβεια και Περιορισμοί Μοντέλων

Η ai& δήλωσε ότι βελτιστοποιεί και εξυπηρετεί κάθε μοντέλο JapanFold σε επεξεργαστές Tenstorrent με ακρίβεια 1:1, χωρίς επιπλέον κόστος, επειδή τα μοντέλα κλιμακώνουν σχεδόν γραμμικά το υλικό — ο διπλασιασμός των επεξεργαστών διπλασιάζει την απόδοση. Πριν από κάθε κυκλοφορία, η έξοδος της πλατφόρμας ελέγχεται για ισοδυναμία με την επίσημη αναφορά υλοποίησης κάθε μοντέλου, και η σύγκριση θεωρείται επιτυχής όταν η συσκευή βρίσκεται εντός του δικού της θορύβου seed-to-seed, σύμφωνα με την τεκμηρίωση ακρίβειας.

Η τεκμηρίωση περιλαμβάνει επίσης δηλωμένες προειδοποιήσεις. Οι έλεγχοι ισοδυναμίας μετρούν το λογισμικό (port) αντί της υποκείμενης επιστήμης, συγκρίνοντας τη συσκευή με την αναφορά στην ίδια είσοδο αντί για πειραματικές δομές. Τα βάρη του OpenFold3 είναι ένα προεπισκόπιο που εκπαιδεύτηκε πολύ πριν ολοκληρωθεί το πλήρες πρόγραμμα AlphaFold3, επομένως οι βαθμοί εμπιστοσύνης του πρέπει να διαβαστούν πριν εμπιστευτεί κανείς μια πρόβλεψη. Τα σημεία ελέγχου του OpenDDE ταιριάζουν με την αναφορά τους, συμπεριλαμβανομένης της αδυναμίας της αναφοράς σε ορισμένους δύσκολους στόχους αντισώματος-αντιγόνου.

Σε μια συνοδευτική ανάρτηση, οι συνιδρυτές της ai& Shimpei Hara και David Bennett εξήγησαν την οικονομική λογική των υπολογισμών πίσω από την κυκλοφορία. Τα μοντέλα αναδίπλωσης είναι περιορισμένα από τους υπολογισμούς και όχι από το εύρος μνήμης όπως τα μοντέλα γλώσσας, έγραψαν, έτσι το φορτίο εργασίας ευνοεί τσιπ που είναι σχεδιασμένα γύρω από αριθμητικές λειτουργίες και μνήμη εντός τσιπ. Αναφέρουν ότι ένα Blackhole Galaxy φθάνει στην απόδοση ενός NVIDIA DGX B200 σε μια πρωτεΐνη 512 αμινοξέων με περίπου το ένα πέμπτο της τιμής αγοράς — περίπου πέντε φορές μεγαλύτερη απόδοση ανά δολάριο, διατηρώντας σταθερό το φορτίο εργασίας και την ακρίβεια — παραθέτοντας τις δημοσιευμένες μετρήσεις benchmark του έργου.

Υλικό και οι Δύο Εταιρείες

Ο διακομιστής Tenstorrent Galaxy Blackhole της πλατφόρμας διαθέτει 32 ASIC Blackhole με απόδοση 23 petaFLOPS σε μπλοκ FP8, με 6,2 GB μνήμης επιταχυντή SRAM και 1 TB μνήμης GDDR6, σύμφωνα με τις προδιαγραφές υλικού της Tenstorrent. Το σύστημα ψύξης αέρα 6U κοστίζει $160.000, και μια διαμόρφωση σούπερ-συμπλέγματος τεσσάρων συστημάτων Galaxy Blackhole ξεκινά από $640.000.

«Η ερευνητική κοινότητα της Ιαπωνίας δεν πρέπει ποτέ να πρέπει να διαλέγει μεταξύ παγκοσμίου επιπέδου AI και διατήρησης της κυριαρχίας των δεδομένων της», δήλωσε ο David Bennett, Διευθύνων Σύμβουλος και συνιδρυτής της ai&, στην ανακοίνωση κυκλοφορίας. Πρόσθεσε ότι το JapanFold αφαιρεί αυτό το δίλημμα.

«Η Tenstorrent παρέχει γρήγορους, κλιμακούμενους υπολογισμούς, και η ai& κατέχει ολόκληρο το στοίβα στην Ιαπωνία», δήλωσε ο Jim Keller, Διευθύνων Σύμβουλος της Tenstorrent. «Μαζί, το μετατρέψαμε σε μια πλατφόρμα που οι ερευνητές μπορούν πραγματικά να χρησιμοποιήσουν με το JapanFold.»

Η ai& είναι μια κάθετα ενσωματωμένη εταιρεία τεχνολογίας AI που ιδρύθηκε τον Μάρτιο 2026 και έχει την έδρα της στο Yokohama, ενσωματώνοντας υποδομή κέντρων δεδομένων, ετερογενή υπολογιστική ισχύ και υπηρεσίες μοντέλων σε μια ενιαία πλατφόρμα. Η Tenstorrent, υπό την ηγεσία του Keller, κατασκευάζει επεξεργαστές AI βασισμένους σε RISC‑V και συστήματα για προγραμματιστές, επιχειρήσεις και κυριαρχικές υποδομές, και έχει συγκεντρώσει πάνω από $1 δισεκατομμύριο από επενδυτές όπως οι Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group και Fidelity. Οι εταιρείες περιέγραψαν την κυκλοφορία του JapanFold ως το πρώτο βήμα σε μια ευρύτερη προσπάθεια να καταστήσουν τη κυριαρχική, ανοιχτού κώδικα υποδομή AI διαθέσιμη στις επιστημονικές ερευνητικές κοινότητες της περιοχής.

Ο Theo Nash είναι ένας ειδικός που δημιουργήθηκε από AI στο Unite.AI, που καλύπτει την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν την σύγχρονη τεχνητή νοημοσύνη. Το έργο του επικεντρώνεται στις τεχνικές βάσεις πίσω από τις μεγάλες εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοιχείων λογισμικού που τα συνδέουν.
Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι προόδους στις GPU, το εξειδικευμένο σιλικόνιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν новые γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στις ανταλλαγές απόδοσης, την ενεργειακή αποτελεσματικότητα, την κλιμακωσιμότητα και τις πρακτικές περιορισμοί που διαμορφώνουν την ανάπτυξη της υποδομής AI στον πραγματικό κόσμο.
Οι άρθρα που γράφονται από τον Theo Nash δημιουργούνται από AI και αναθεωρούνται από την редакτική ομάδα του Unite.AI για να διασφαλίσουν την τεχνική ακρίβεια, τη σαφήνεια και την υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.