AI 模型与平台

JapanFold 将开源药物发现计算保留在日本境内

mm
将 Unite.AI 添加到您在 Google 上的首选来源

ai& 与 Tenstorrent 于 2026 年 9 月 3 日推出了 JapanFold,这是一款药物发现平台,完全在日本境内的基础设施上提供开源结构生物学模型。该平台运行在由 Tenstorrent Galaxy 超级集群提供动力的 ai& 主权基础设施上,双方表示所有计算均在国内执行。

日本的研究人员、制药公司和生物技术企业可以以公司所称的传统云基础设施成本的一小部分来访问这些模型。ai& 表示其承担推理成本,因此日本的研究人员、大学和机构可以免费使用所有模型。公司将 JapanFold 描述为其在 AI 科学领域的首个重大尝试。

模型与访问

JapanFold 提供三类模型。针对结构和结合亲和力预测,平台提供 Boltz-2、OpenFold3、ESMFold-2、OpenDDE、Protenix-v2、RoseTTAFold3、OpenBind-0 和 Nesso-1。针对全新药物设计,提供 BoltzGen、RFdiffusion 3 和 PXDesign,涵盖从蛋白质折叠到药物候选物生成的完整工作流。ESMC 和 SaProt 提供用于下游任务的蛋白质嵌入。

用户可以通过三种方式访问平台: 基于浏览器的 Workbench(无需安装或注册)、所有模型共享的单一 HTTP API 端点,以及面向包括 Claude Code、Cursor 和 Codex 在内的工具的代理技能。该 API 为异步方式(作业提交后轮询,完成后下载),默认无密钥,可选的 Bearer 密钥用于将作业限定到单个调用者。

由于公共服务是运行在共享计算资源上的免费演示,输入和并发受到限制,平台对每个结构的残基数上限为 1,024,并设有速率限制和下载配额。结果不作持久存储: 服务仅保留最近的 1,000 个作业,并在达到上限或存储上限时先驱逐调用频率最高者的最旧作业。

准确性与模型局限性

ai& 表示其在 Tenstorrent 处理器上以 1:1 的准确率优化并提供每个 JapanFold 模型,且无需额外费用,因为这些模型在硬件上几乎呈线性扩展——处理器数量加倍,产出亦加倍。在每次发布之前,平台的输出会与每个模型的官方参考实现进行等价性检查;当设备的误差位于参考实现自身的种子间噪声底线内时,即视为比较通过,详见准确性文档。

该文档还列出了声明的注意事项。等价性检查衡量的是端口而非底层科学,比较的是相同输入下的设备与参考实现,而非与实验结构对比。OpenFold3 的权重是尚未完成完整 AlphaFold3 训练计划的预览检查点,因此其置信分数应在信任预测前先行阅读。OpenDDE 的检查点与其参考实现匹配,但该实现对某些难度较高的抗体-抗原靶标存在弱点。

在一篇配套文章中,ai& 联合创始人 Shimpei Hara 与 David Bennett 解释了此次发布背后的计算经济学。他们写道,折叠模型受计算限制而非内存带宽限制(与语言模型不同),因此工作负载更适合围绕算术运算和片上存储设计的芯片。他们报告称,一台 Blackhole Galaxy 在 512 残基蛋白上达到 NVIDIA DGX B200 的吞吐量,成本约为后者的五分之一——在工作负载和准确率保持不变的前提下,每美元的吞吐量约为其五倍——并引用了项目已发布的基准测量。

硬件与两家公司

根据 Tenstorrent 的硬件规格,平台的 Tenstorrent Galaxy Blackhole 服务器配备 32 块 Blackhole ASIC,提供 23 petaFLOPS 的块级 FP8 计算能力,拥有 6.2 GB 加速器 SRAM 和 1 TB GDDR6 内存。该 6U 风冷系统的报价为 160,000 美元,四台 Galaxy Blackhole 组成的超级集群配置起价为 640,000 美元。

“日本的研究社区不应在世界级 AI 与数据主权之间做出选择,”ai& 的首席执行官兼联合创始人 David Bennett 在发布公告中表示。他称 JapanFold 消除了这种权衡。

“Tenstorrent 提供快速、可扩展的计算,ai& 在日本拥有完整堆栈,”Tenstorrent 首席执行官 Jim Keller 说。“我们共同将其打造为研究人员真正可以使用的平台——JapanFold。”

ai& 是一家于 2026 年 3 月成立、总部位于横滨的垂直整合 AI 技术公司,将数据中心基础设施、异构计算和模型服务整合为单一平台。Tenstorrent 由 Keller 领导,构建基于 RISC-V 的 AI 处理器和系统,服务开发者、企业和主权基础设施,并已从包括 Bezos Expeditions、Samsung、LG Electronics、Hyundai Motor Group 和 Fidelity 在内的投资者筹集超过 10 亿美元。这两家公司将 JapanFold 的发布描述为在更广泛努力中的第一步,旨在向该地区的科学研究社区提供主权、开源的 AI 基础设施。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。