Μοντέλα και πλατφόρμες AI

Το JapanFold Διατηρεί τις Υπολογιστικές Διεργασίες 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 ανοιχτού κώδικα μοντέλα δομικής βιολογίας εξ ολοκλήρου σε υποδομή εντός Ιαπωνίας. Η πλατφόρμα λειτουργεί στην κυριαρχική υποδομή της ai& που τροφοδοτείται από τα υπερσύμπλεγμα Galaxy της Tenstorrent, 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 της συμβατικής υποδομής cloud. Η ai& ανέφερε ότι αναλαμβάνει το κόστος της επαγωγής, ώστε οι ερευνητές, τα πανεπιστήμια και τα ιδρύματα στην Ιαπωνία να μπορούν να χρησιμοποιούν κάθε μοντέλο δωρεάν. Η εταιρεία περιέγραψε το JapanFold ως την πρώτη της σημαντική προσπάθεια στο AI για την επιστήμη.

Μοντέλα και Πρόσβαση

JapanFold παρέχει μοντέλα σε τρεις κατηγορίες. Για πρόβλεψη δομής και συγγένειας δέσμευσης, η πλατφόρμα προσφέρει τα Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 και Nesso-1. Για σχεδίαση φαρμάκων de novo, παρέχει τα BoltzGen, RFdiffusion 3 και PXDesign, τα οποία καλύπτουν ολόκληρη τη ροή εργασίας από την αναδίπλωση πρωτεϊνών έως 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 Workbench βασισμένο σε πρόγραμμα περιήγησης που δεν απαιτεί εγκατάσταση ή εγγραφή, ένα ενιαίο τελικό σημείο HTTP API που μοιράζεται από όλα τα μοντέλα, και μια λειτουργία πράκτορα για εργαλεία όπως Claude Code, Cursor και Codex. Το API είναι ασύγχρονο (οι εργασίες υποβάλλονται, ελέγχονται και κατεβάζονται όταν ολοκληρωθούν) και εξ ορισμού χωρίς κλειδί, με προαιρετικό κλειδί Bearer που περιορίζει τις εργασίες σε μεμονωμένο καλούντα.

Επειδή η δημόσια υπηρεσία είναι μια δωρεάν δοκιμή που λειτουργεί σε κοινόχρηστο υπολογιστικό πόρο, οι είσοδοι και η ταυτόχρονη χρήση είναι περιορισμένες, με ανώτατο όριο πλατφόρμας 1,024 υπολοίπων ανά δομή, συν περιορισμούς ταχύτητας και προϋπολογισμό λήψης. Τα αποτελέσματα δεν αποθηκεύονται μόνιμα: η υπηρεσία διατηρεί τις 1,000 πιο πρόσφατες εργασίες και αποβάλλει πρώτα την παλαιότερη εργασία του πιο ενεργού χρήστη όταν φτάσει το όριο ή το ανώτατο όριο αποθήκευσης.

Ακρίβεια και Περιορισμοί Μοντέλων

Η ai& δήλωσε ότι βελτιστοποιεί και εξυπηρετεί κάθε μοντέλο του JapanFold σε επεξεργαστές Tenstorrent με ακρίβεια 1:1, χωρίς το πρόσθετο κόστος, επειδή τα μοντέλα κλιμακώνονται σχεδόν γραμμικά στο υλικό — η διπλασιασμένη αριθμός 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 λιμάνι αντί για την υποκείμενη επιστήμη, συγκρίνοντας τη συσκευή με την αναφορά υλοποίησης στην ίδια είσοδο αντί για πειραματικές δομές. Τα βάρη του OpenFold3 είναι ένα προεπισκόπιο σημείο ελέγχου 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 υλοποίησής τους, συμπεριλαμβανομένης της αδυναμίας αυτής της υλοποίησης σε ορισμένους δύσκολους στόχους αντισώματος-αντιγόνου.

Σε μια συνοδευτική ανάρτηση, οι συνιδρυτές της ai&, Shimpei Hara και David Bennett, εξήγησαν την οικονομία υπολογιστικής ισχύος πίσω από την κυκλοφορία. Τα μοντέλα αναδίπλωσης είναι περιορισμένα από τον υπολογισμό παρά 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. Αναφέρθηκαν ότι ένα Blackhole Galaxy φθάνει στην απόδοση ενός NVIDIA DGX B200 σε μια πρωτεΐνη 512 υπολοίπων με περίπου το ένα πέμπτο του κόστους αγοράς — περίπου πέντε φορές μεγαλύτερη απόδοση ανά δολάριο, διατηρώντας το φορτίο εργασίας και την ακρίβεια σταθερά — 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 υπολογισμό, με 6,2 GB μνήμης accelerator SRAM και 1 TB μνήμης GDDR6, σύμφωνα με τις προδιαγραφές υλικού της Tenstorrent. Το σύστημα ψύξης αέρα 6U κοστίζει $160,000, και μια διαμόρφωση υπερσυμπλέγματος με τέσσερα συστήματα Galaxy Blackhole ξεκινάει από $640,000.

«Η ερευνητική κοινότητα της Ιαπωνίας δεν πρέπει ποτέ να πρέπει να επιλέγει μεταξύ παγκοσμίου επιπέδου AI και διατήρησης της κυριαρχίας των δεδομένων της», δήλωσε ο David Bennett, διευθύνων σύμβουλος και συνιδρυτής της ai&, στην ανακοίνωση κυκλοφορίας. Υπέστη ότι το JapanFold αφαιρεί αυτό το εμπόδιο.

«Η Tenstorrent παρέχει γρήγορο, κλιμακώσιμο υπολογισμό, 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 υποδομές κέντρων δεδομένων, ετερογενή υπολογιστική ισχύ και υπηρεσίες μοντέλων σε μία 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 καταστεί η κυριαρχική, ανοιχτού κώδικα υποδομή AI διαθέσιμη σε επιστημονικές ερευνητικές κοινότητες σε όλη την περιοχή.

Πηγές του αρχικού άρθρου: docs.japanfold.aiand.com [1] · aiand.com [2] · tenstorrent.com [3] · tenstorrent.com [4]

Theo Nash είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στη Unite.AI, καλύπτοντας την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν τη σύγχρονη τεχνητή νοημοσύνη. Η δουλειά του εστιάζει στις τεχνικές βάσεις πίσω από τις μεγάλης κλίμακας εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοίβων λογισμικού που τα συνδέουν.

Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι εξελίξεις στις GPU, το προσαρμοσμένο πυρίτιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν νέες γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στους συμβιβασμούς απόδοσης, την ενεργειακή αποδοτικότητα, την κλιμακωσιμότητα και τους πρακτικούς περιορισμούς που διαμορφώνουν την πραγματική υλοποίηση της υποδομής AI.

Τα άρθρα που συντάσσει ο Theo Nash δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών του Unite.AI για να διασφαλίσουν τεχνική ακρίβεια, σαφήνεια και υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.