Mô hình và nền tảng AI

JapanFold Giữ Tính Toán Khám Phá Thuốc Mã Nguồn Mở Trong Nước Nhật

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google

ai& và Tenstorrent đã ra mắt JapanFold vào ngày 3 tháng 9 năm 2026, một nền tảng khám phá thuốc cung cấp các mô hình sinh học cấu trúc mã nguồn mở hoàn toàn trên cơ sở hạ tầng trong nước Nhật. Nền tảng này chạy trên cơ sở hạ tầng chủ quyền của ai& được hỗ trợ bởi các siêu cụm Galaxy của Tenstorrent, và các công ty cho biết mọi phép tính đều được thực hiện trong nước.

Các nhà nghiên cứu Nhật Bản, công ty dược phẩm và công ty công nghệ sinh học có thể truy cập các mô hình với chi phí mà các công ty mô tả chỉ là một phần nhỏ so với hạ tầng đám mây truyền thống. ai& cho biết họ chịu chi phí suy luận, vì vậy các nhà nghiên cứu, trường đại học và viện nghiên cứu tại Nhật có thể sử dụng mọi mô hình miễn phí. Công ty mô tả JapanFold là nỗ lực đáng kể đầu tiên của họ trong lĩnh vực AI cho Khoa học.

Mô Hình và Quyền Truy Cập

JapanFold cung cấp các mô hình trong ba danh mục. Đối với dự đoán cấu trúc và độ liên kết, nền tảng cung cấp Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 và Nesso-1. Đối với thiết kế thuốc de novo, nó cung cấp BoltzGen, RFdiffusion 3 và PXDesign, cùng nhau bao phủ quy trình từ gập protein đến tạo ra các ứng cử viên thuốc. ESMC và SaProt cung cấp các embedding protein cho các tác vụ downstream.

Người dùng có thể truy cập nền tảng theo ba cách: một Workbench dựa trên trình duyệt không yêu cầu cài đặt hay đăng ký, một điểm cuối HTTP API duy nhất được chia sẻ cho mọi mô hình, và một kỹ năng agent cho các công cụ như Claude Code, Cursor và Codex. API hoạt động bất đồng bộ (các công việc được gửi, kiểm tra và tải xuống khi hoàn thành) và mặc định không cần khóa, với tùy chọn khóa Bearer để giới hạn công việc cho từng người gọi.

Vì dịch vụ công cộng là một bản demo miễn phí chạy trên tài nguyên tính toán chia sẻ, đầu vào và mức đồng thời bị giới hạn, với các ngưỡng riêng cho mỗi mô hình như 1.024 dư âm cho Boltz-2 và 576 cho OpenFold3, cộng thêm các giới hạn tốc độ và ngân sách kết quả. Tài liệu ghi chú rằng nền tảng đầy đủ không có những giới hạn này. Kết quả không được lưu trữ lâu dài: dịch vụ giữ lại 1.000 công việc mới nhất và loại bỏ công việc cũ nhất của người dùng hoạt động nhiều nhất khi đạt giới hạn hoặc trần lưu trữ.

Độ Chính Xác và Những Hạn Chế của Mô Hình

ai& cho biết họ tối ưu và cung cấp mọi mô hình JapanFold trên bộ xử lý Tenstorrent với độ chính xác 1:1, mà không có chi phí cao hơn, vì các mô hình mở rộng gần như tuyến tính trên phần cứng — gấp đôi số lượng bộ xử lý sẽ gấp đôi đầu ra. Trước mỗi bản phát hành, đầu ra của nền tảng được kiểm tra tính đồng nhất so với triển khai tham chiếu chính thức của từng mô hình, và một vòng so sánh được chấp nhận khi thiết bị nằm trong mức tiếng ồn seed-to-seed của tham chiếu, theo tài liệu độ chính xác.

Tài liệu đó cũng đưa ra các lưu ý. Các kiểm tra đồng nhất đo lường cổng giao tiếp thay vì khoa học nền tảng, so sánh thiết bị với triển khai tham chiếu trên cùng một đầu vào thay vì với cấu trúc thực nghiệm. Trọng số của OpenFold3 là một checkpoint xem trước được huấn luyện chưa đạt đầy đủ lịch trình AlphaFold3, vì vậy các điểm tin cậy của nó cần được xem xét trước khi tin tưởng vào dự đoán. Các checkpoint của OpenDDE khớp với triển khai tham chiếu của chúng, bao gồm cả những điểm yếu của triển khai đó trên một số mục tiêu kháng thể-đối nguyên khó.

Trong một bài viết đi kèm, các đồng sáng lập của ai&, Shimpei Hara và David Bennett giải thích kinh tế tính toán đằng sau việc ra mắt. Các mô hình gập protein bị ràng buộc bởi tính toán hơn là băng thông bộ nhớ như các mô hình ngôn ngữ, họ viết, vì vậy khối lượng công việc ưu tiên các chip được thiết kế quanh phép toán và bộ nhớ trên chip. Họ báo cáo rằng một Blackhole Galaxy đạt năng suất tương đương với NVIDIA DGX B200 trên một protein 512 dư âm với giá mua khoảng một phần năm — khoảng năm lần năng suất trên mỗi đô la, khi giữ cố định khối lượng công việc và độ chính xác — dựa trên các đo lường benchmark đã công bố của dự án.

Phần Cứng và Hai Công Ty

Máy chủ Tenstorrent Galaxy Blackhole của nền tảng được trang bị 32 ASIC Blackhole với công suất 23 petaFLOPS tính toán khối FP8, cùng 6,2 GB SRAM tăng tốc và 1 TB bộ nhớ GDDR6, theo thông số kỹ thuật phần cứng của Tenstorrent. Hệ thống làm mát bằng không khí 6U có giá 160.000 USD, và cấu hình siêu cụm gồm bốn hệ thống Galaxy Blackhole bắt đầu từ 640.000 USD.

“Cộng đồng nghiên cứu Nhật Bản không bao giờ nên phải lựa chọn giữa AI đẳng cấp thế giới và việc giữ dữ liệu chủ quyền,” David Bennett, CEO và đồng sáng lập của ai&, nói trong thông báo ra mắt. Ông cho biết JapanFold loại bỏ sự đánh đổi đó.

“Tenstorrent cung cấp tính toán nhanh, mở rộng, và ai& sở hữu toàn bộ stack tại Nhật Bản,” Jim Keller, CEO của Tenstorrent, nói. “Cùng nhau, chúng tôi đã biến nó thành một nền tảng mà các nhà nghiên cứu thực sự có thể sử dụng với JapanFold.”

ai& là công ty công nghệ AI tích hợp dọc, thành lập vào tháng 3 năm 2026 và có trụ sở tại Yokohama, tích hợp hạ tầng trung tâm dữ liệu, tính toán hỗn hợp và dịch vụ mô hình vào một nền tảng duy nhất. Tenstorrent, do Keller dẫn dắt, xây dựng các bộ xử lý và hệ thống AI dựa trên RISC‑V cho nhà phát triển, doanh nghiệp và hạ tầng chủ quyền, và đã huy động hơn 1 tỷ USD từ các nhà đầu tư bao gồm Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group và Fidelity. Các công ty mô tả việc ra mắt JapanFold là bước đầu tiên trong nỗ lực rộng hơn nhằm cung cấp hạ tầng AI mã nguồn mở, chủ quyền cho cộng đồng nghiên cứu khoa học trên toàn khu vực.

Theo Nash là một chuyên gia được tạo bởi trí tuệ nhân tạo tại Unite.AI, chuyên về cơ sở hạ tầng trí tuệ nhân tạo, tính toán và các hệ thống phần cứng hỗ trợ trí tuệ nhân tạo hiện đại. Công việc của ông tập trung vào các nền tảng kỹ thuật đằng sau các công việc trí tuệ nhân tạo quy mô lớn, bao gồm trung tâm dữ liệu, tăng tốc, mạng và các phần mềm liên kết chúng lại với nhau.
Với quan điểm phân tích và kỹ thuật, Theo nghiên cứu cách các tiến bộ trong GPU, silicon tùy chỉnh, kiến trúc bộ nhớ và hệ thống phân tán cho phép tạo ra các mô hình trí tuệ nhân tạo mới. Ông đặc biệt chú ý đến việc trao đổi hiệu suất, hiệu quả năng lượng, khả năng mở rộng và các hạn chế thực tế định hình việc triển khai cơ sở hạ tầng trí tuệ nhân tạo trong thế giới thực.
Các bài viết được viết bởi Theo Nash được tạo bởi trí tuệ nhân tạo và được nhóm biên tập của Unite.AI xem xét để đảm bảo độ chính xác kỹ thuật, sự rõ ràng và phạm vi bao quát có trách nhiệm về tính toán trí tuệ nhân tạo đang phát triển nhanh chóng.