位元組跳動分拆出人工智慧藥物研發部門進行獨立融資,但仍保持對其的控制權。

據36Kr報道,位元組跳動的AI藥物研發部門已正式開始分離並獨立融資的過程。分離後,位元組跳動將在新公司中保持控股權。AI藥物研發部門的核心團隊、關鍵演算法、技術平臺以及現有的研發專案都將完全整合到新的實體中,該新實體將由原來的位元組跳動AI藥物研發團隊負責領導。此外,這一獨立業務將繼續獲得Volcano Engine提供的計算資源支援。
這個團隊成立於2021年,由劉凱帶領。目前它擁有約50名核心成員,其中包括AI4S(用於科學研究的AI)演算法專家和經驗豐富的製藥行業專業人士。從成立之初,該團隊就承擔了從基礎模型研究到產業應用在內的多項核心任務。在此次分離之前,位元組跳動內部負責蛋白質結構預測模型的團隊已經順利整合到了劉凱的AI藥物研發團隊中,從而實現了演算法團隊與模型團隊的深度融合。除了有少數成員離職外,該團隊將繼續在這一領域推進基礎模型研究。
作為大型模型與前沿科學相結合的典型代表,基於AI的藥物研發已經成為科技巨頭們爭奪的新競爭領域。透過剝離其AI藥物研發業務並獲得外部資金支援,位元組跳動不僅最佳化了資源配置,提高了商業化效率,同時也標誌著它的AI4S業務從大型企業內部的孵化模式轉變為以市場為導向的獨立運營模式。這一舉措有望加速AI4S在生物製藥領域的產業應用程序。
相關文章
Wan-Streamer v0.2 實現超低延遲 AI 聊天
隨著現代技術的飛速發展,人機互動正變得愈發普遍。傳統的視訊通話常常面臨卡頓、延遲以及音影片不同步等問題。通義實驗室最新發布的 Wan-Streamer v0.2 徹底克服了這些挑戰,實現了真正的“面對面”自然交流,響應延遲僅為 550 毫秒。Wan-Streamer v0.2 是一個全新的端到端多模態理解與生成模型。它在單個 Transformer 模型中整合了“聽、看、說、演”功能,使 AI 能夠像人類一樣實時感知並回應對話。這意味著無論是語音、文字還是影片,AI 都能即時理解並生成恰當的回應
Meta 加入臺積電和美光,為新型伺服器配備舊款記憶體
隨著人工智慧在全球範圍內的採用加速,下一代 DDR5 記憶體正經歷嚴重的供應短缺。為了避免 AI 資料中心部署出現延誤,Meta 與臺積電(TSMC)和美光(Micron)等行業領導者合作,開發了一種突破性的過渡解決方案。這項創新使得原本專為 DDR5 設計的先進 AI 伺服器能夠與較舊的 DDR4 模組無縫協同工作。該系統被稱為“弗蘭肯斯坦”(Frankenstein)配置,在現實世界測試中表現出卓越的穩定性,為突破當前的供應鏈瓶頸提供了可行的出路。彌合硬體鴻溝DDR5 與 DDR4 之間的向後
時序資料庫如何賦能實時機器人資料
Doug Pagnutti,Tiger Data 公司。Pagnutti 擔任 Tiger Data 的工業開發者倡導者,支援團隊構建現實世界中的工業系統。他在石油天然氣和製造自動化領域擁有超過 12 年的經驗,曾從事可程式設計邏輯控制器(PLC)、機器人和 SCADA 系統的工作,隨後轉至 Dell EMC 和 VTScada 從事工業軟體開發。他透過幫助自動化工程師解決大規模 IIoT 部署中的時間序列資料基礎設施問題,彌合了運營技術(OT)與資訊科技(IT)之間的差距。顯示時間線8:43 –
相關專題推薦
評論 (0)
0/500

據36Kr報道,位元組跳動的AI藥物研發部門已正式開始分離並獨立融資的過程。分離後,位元組跳動將在新公司中保持控股權。AI藥物研發部門的核心團隊、關鍵演算法、技術平臺以及現有的研發專案都將完全整合到新的實體中,該新實體將由原來的位元組跳動AI藥物研發團隊負責領導。此外,這一獨立業務將繼續獲得Volcano Engine提供的計算資源支援。
這個團隊成立於2021年,由劉凱帶領。目前它擁有約50名核心成員,其中包括AI4S(用於科學研究的AI)演算法專家和經驗豐富的製藥行業專業人士。從成立之初,該團隊就承擔了從基礎模型研究到產業應用在內的多項核心任務。在此次分離之前,位元組跳動內部負責蛋白質結構預測模型的團隊已經順利整合到了劉凱的AI藥物研發團隊中,從而實現了演算法團隊與模型團隊的深度融合。除了有少數成員離職外,該團隊將繼續在這一領域推進基礎模型研究。
作為大型模型與前沿科學相結合的典型代表,基於AI的藥物研發已經成為科技巨頭們爭奪的新競爭領域。透過剝離其AI藥物研發業務並獲得外部資金支援,位元組跳動不僅最佳化了資源配置,提高了商業化效率,同時也標誌著它的AI4S業務從大型企業內部的孵化模式轉變為以市場為導向的獨立運營模式。這一舉措有望加速AI4S在生物製藥領域的產業應用程序。
Wan-Streamer v0.2 實現超低延遲 AI 聊天
隨著現代技術的飛速發展,人機互動正變得愈發普遍。傳統的視訊通話常常面臨卡頓、延遲以及音影片不同步等問題。通義實驗室最新發布的 Wan-Streamer v0.2 徹底克服了這些挑戰,實現了真正的“面對面”自然交流,響應延遲僅為 550 毫秒。Wan-Streamer v0.2 是一個全新的端到端多模態理解與生成模型。它在單個 Transformer 模型中整合了“聽、看、說、演”功能,使 AI 能夠像人類一樣實時感知並回應對話。這意味著無論是語音、文字還是影片,AI 都能即時理解並生成恰當的回應
Meta 加入臺積電和美光,為新型伺服器配備舊款記憶體
隨著人工智慧在全球範圍內的採用加速,下一代 DDR5 記憶體正經歷嚴重的供應短缺。為了避免 AI 資料中心部署出現延誤,Meta 與臺積電(TSMC)和美光(Micron)等行業領導者合作,開發了一種突破性的過渡解決方案。這項創新使得原本專為 DDR5 設計的先進 AI 伺服器能夠與較舊的 DDR4 模組無縫協同工作。該系統被稱為“弗蘭肯斯坦”(Frankenstein)配置,在現實世界測試中表現出卓越的穩定性,為突破當前的供應鏈瓶頸提供了可行的出路。彌合硬體鴻溝DDR5 與 DDR4 之間的向後
時序資料庫如何賦能實時機器人資料
Doug Pagnutti,Tiger Data 公司。Pagnutti 擔任 Tiger Data 的工業開發者倡導者,支援團隊構建現實世界中的工業系統。他在石油天然氣和製造自動化領域擁有超過 12 年的經驗,曾從事可程式設計邏輯控制器(PLC)、機器人和 SCADA 系統的工作,隨後轉至 Dell EMC 和 VTScada 從事工業軟體開發。他透過幫助自動化工程師解決大規模 IIoT 部署中的時間序列資料基礎設施問題,彌合了運營技術(OT)與資訊科技(IT)之間的差距。顯示時間線8:43 –





首頁






