AlphaFold3引起的浪潮下，一个新的抗体设计生成式AI大模型浮出水面。
名为，能够同时用于抗原-抗体复合物结构预测和抗体从头设计。
例如，给定抗原结构和特定表位，GeoFlow能够生成全新的抗体分子：
△基于GeoFlow的抗体从头生成示意图
在抗原-抗体复合物结构预测任务上，在由66个抗原-抗体复合物结构构成的测试集上，GeoFlow的Top-1成功率达43.9%，与AlphaFold3持平。
GeoFlow研发团队来自生成式AI驱动的蛋白质设计研发平台公司—— 百奥几何 ，百奥几何由AI药物发现科学家唐建博士于2022年创立，AI三巨头之一、图灵奖获得者Yoshua Bengio担任首席科学顾问。
GeoFlow长啥样？
近日，由Google DeepMind和Isomorphic Labs等团队开发的AlphaFold3登上Nature，引发了业界广泛关注。
与上一代方法相比，AlphaFold3将预测的范围扩充到了几乎所有的生命分子以及它们之间的相互作用，是生成式AI在生命科学领域的又一重要里程碑。
其模型的最大创新点之一，是用上了大火的生成式AI模型——扩散模型（AlphaFold 2为判别式AI模型），直接生成每个原子的3D坐标。
如果说传统的判别式AI是乐评人，可以对一首歌的节奏、风格、编曲进行识别和评价，那么生成式AI就是歌手，可以创作出新的作品。
从评价数据到生成数据，AI的应用场景得到了极大的拓展。例如，在结构预测场景中，生成式AI能更快地采样到更多的构象；在蛋白设计场景中，生成式AI能更高效地探索蛋白空间，设计具有预期功能的复杂蛋白分子。
扩散生成模型早期主要用于图像生成（近期也被用于三维视频的生成，如Sora）。
百奥几何的核心团队，2021年起将扩散模型用于分子的三维结构生成，曾发GeoDiff论文是2022年AI领域引用量排名前50的论文之一。
基于前期技术积累，他们研发了最新的生成式AI抗体设计大模型GeoFlow。
GeoFlow模型架构图如下：
GeoFlow基于 几何深度学习架构 和最新的 流匹配生成模型 （flow matching），能够同时用于：
在原子层面对抗原-抗体相互作用力进行建模是这两项任务的核心难点。
与现有的Transformer架构不同，GeoFlow采用了几何深度学习基础模型，能够更好地在三维空间上对原子-原子之间的关系进行建模。
在生成模型选择上，GeoFlow采用了最新的流匹配模型。与扩散生成模型相比，流匹配生成模型的训练和推理更高效，也更鲁棒。
抗原抗体复合物结构预测媲美AF3
对于GeoFlow的性能，研究团队在抗原-抗体复合物结构预测任务上进行了测评。
抗原-抗体复合物结构预测在抗体药物的发现中扮演着至关重要的角色。然而，无论是基于能量函数的传统方法（如HDock和MOE），还是基于深度学习的预测模型（如AlphaFold 2 Multimer），准确度目前都不太理想。
在由66个抗原-抗体复合物结构（2023年后发布的）构成的测试集上，GeoFlow模型的 Top-1成功率 （模型打分最高结构的DockQ水平为“Acceptable”以上则视为成功） 达到了43.9% ，与AlphaFold3持平，大约是AlphaFold2 Multimer的两倍。
△抗原-抗体复合物预测评测结果
传统的分子对接方法尽管也能生成多个可能的结构，但打分准确率较低，实际应用的价值相当有限。
△PDB 8BLQ（左）、8DOK（右）各模型预测结果对比
与AlphaFold3相比，GeoFlow不仅能够用于抗原-抗体复合物结构预测，还能够用于抗体的从头设计和优化。
对于传统AI方法来说，大分子从头设计非常困难。主要原因是难以快速采样高质量的样本，只能通过判别模型从浩瀚的分子空间中评估大量低质量样本，这个过程如同大海捞针。
生成式AI的出现为大分子设计带来了革命性的机遇。
以HER2靶点为例，基于上市的抗体药物Herceptin的结合表位，研究团队利用GeoFlow生成了一个小的抗体库，然后再利用噬菌体库进行筛选。在得到的十条候选序列中：
上述结果展现了生成式AI在大分子从头设计领域的应用前景。
关于百奥几何
百奥几何是一家生成式AI驱动的蛋白质设计研发平台公司，由AI科学家唐建博士于2022年创立，AI之父、图灵奖获得者Yoshua Bengio担任首席科学顾问。
公司业务主要是通过打造AIGC大模型理解生命语言，搭建自然语言与蛋白质语言多模态大模型，重新构建蛋白质药物发现及设计过程，打造可编程的蛋白质，应用于生物医药和生物制造。
百奥几何的生成式AI大模型，目前已覆盖了大分子设计、筛选和改造等环节，并开发了GeoBiologics一站式抗体发现平台。
目前GeoFlow模型已开放，可用于抗原-抗体复合物结构预测的非商用测试，每周支持预测八个复合物，每个任务输入支持1150个氨基酸 。
测试地址：https://geobiologics-lite.biogeom.com/about
2021那些事儿｜细数信息技术4大领域
2021年，信息技术发展突飞猛进。 人工智能、大数据、开源、虚拟现实（VR）、增强现实（AR）……每个领域的发展几乎都可圈可点。 在人工智能领域，人工智能的语言大模型、图文大模型乃至多模态大模型的基本能力已得到了充分展现。 例如，阿里巴巴达摩院公布多模态大模型M6最新进展，参数从万亿跃迁至10万亿；鹏城实验室与网络联合发布全球首个知识增强千亿大模型——鹏城—网络·文心，参数规模达到2600亿。 不仅如此，人工智能与其他科学领域的交叉融合也擦出火花。 在《科学》近日公布的2021年度科学突破榜单上，AlphaFold和RoseTTA-fold两种基于人工智能预测蛋白质结构的技术位列榜首。 在人机交互领域，扎克伯格将Facebook公司更名为“Meta”时，特斯拉和SpaceX首席执行官埃隆·马斯克则将注意力放在脑机接口上。 马斯克认为脑机接口装置将更有可能改变世界，帮助四肢瘫痪或有身体缺陷的人更好地生活和工作，“复杂的脑机接口装置可以让你完全沉浸在虚拟现实中”。 此外，今年5月，斯坦福大学开发出一套皮质内脑机接口系统，可以从运动皮层的神经活动中解码瘫痪患者想象中的手写动作，并将其转换为文本。 在超算领域，最值得一提的是，今年11月，我国超算应用团队凭借“超大规模量子随机电路实时模拟”成果斩获国际高性能计算应用领域的最高奖项“戈登贝尔奖”。 在开源方面，RISC-V开源指令集及其生态快速崛起；由华为公司牵头，中国科学院软件研究所、麒麟软件等参与的openEuler操作系统开源社区业已汇聚了7000名活跃开发者，完成8000多个自主维护的开源软件包，催生了10多家厂商的商业发行版……回望2021年，信息技术版邀请业内专家梳理上述四个领域的发展脉络，展望未来发展趋势。 作者 张双虎AlphaFold或是2021年人工智能（AI）领域的“一哥”。 近日，《科学》杂志公布了 2021 年度科学突破榜单，AlphaFold 和 RoseTTA-fold 两种基于人工智能预测蛋白质结构的技术位列榜首。 此前几天，由中国工程院院刊评选的“2021全球十大工程成就（近5年全球实践验证有效、有全球影响力的工程科学和技术重大成果）”中，AlphaGo和AlphaFold亦榜上有名。 在接受《中国科学报》采访时，数位专家回望今年人工智能领域取得的成就时，均谈到了AlphaFold。 “面向科学发现的AlphaFold和中国正在构建的人工智能发展生态不能不说。 ” 浙江大学人工智能研究所所长吴飞对《中国科学报》说。 中科院自动化研究所模式识别国家重点实验室研究员王金桥则提名“用AI进行新冠诊断”“人工智能与生物、制药、材料等科学融合（AI for Science）”和“三模态大模型紫东太初”。 在医学领域，AI识别咳嗽声早已用于肺炎、哮喘、阿尔茨海默氏症等疾病检测。 美国麻省理工学院研究人员研发出可以通过分析咳嗽录音识别新冠患者的AI模型，识别出新冠患者咳嗽的准确率为98.5％，其中识别无症状感染者的准确度高达100％。 日前，有报道称该模型已用于识别奥密克戎病毒。 “紫东太初首次实现了图—文—音语义统一表达，兼具跨模态理解和生成能力。 ” 王金桥说，“目前与新华社共同发布的‘全媒体多模态大模型研发计划’，实现对全媒体数据理解与生成的统一建模，打造全栈国产化媒体人工智能平台，已 探索 性地应用于纺织业和 汽车 行业质检等场景。 ”12月7日， 科技 部官网公布3份函件，支持哈尔滨、沈阳、郑州3地建设国家新一代人工智能创新发展试验区。 至此，我国已经有18个国家新一代人工智能创新发展试验区，这将引领带动中国人工智能创新发展。 “我国正在推动人工智能生态发展，构建良好生态。 ”吴飞说，“目前已有15个国家新一代人工智能开发创新平台、18个国家新一代人工智能创新发展试验区、8个人工智能创新应用先导区和高等学校设置的人工智能本科专业和交叉学科等人才培养载体。 ”“一是大模型，二是人工智能和基础学科的结合。 ”孙茂松对《中国科学报》说，“语言大模型、图文大模型乃至多模态大模型的基本能力已得到了充分展现，确定了它作为智能信息处理基础软设施的地位。 同时，它并非简单地扩大规模，而是对数字资源整合能力和计算能力都提出了挑战。 虽然它的局限性也很明显，但它所表现出的某些‘奇特’性质（如少样本学习、深度双下降、基于提示的任务调整等），使学者产生了超大参数规模或会引发质变的期待，从而为新的突破埋下了伏笔。 ”今年，人工智能领域从“大炼模型”走向“炼大模型”阶段，从千亿量级到万亿量级，在大模型领域，似乎没有最大，只有更大。 3月，北京智源人工智能研究院发布我国首个超大规模人工智能模型“悟道1.0”。 6月，智源就改写了自己的纪录，发布悟道2.0，参数规模达到1.75万亿；9月,浪潮人工智能研究院推出了中文巨量语言模型——源 1.0，参数量达2457亿；11 月，阿里巴巴达摩院公布多模态大模型 M6 最新进展，参数从万亿跃迁至 10 万亿；12月，鹏城实验室与网络联合发布全球首个知识增强千亿大模型——鹏城—网络·文心，参数规模达到2600亿。 与此相应，最近快手和苏黎世联邦理工学院提出了一个新的推荐系统Persia，最高支持100万亿级参数的模型训练。 另一方面，人工智能在基础学科领域不断攻城略地。 7月，DeepMind公司人工智能程序Alphafold2研究成果又登顶《自然》，在结构生物学研究领域，人工智能或带领生物学、医学和药学挺进新天地；11月，美国南加利福尼亚大学研究人员通过脑机连接设备，让猴子玩 游戏 和跑步机，从而进行神经活动数据研究；12月，DeepMind开发的机器学习框架，已帮助人们发现了纯数学领域的两个新猜想，展示了机器学习支持数学研究的潜力。 “今年人工智能在各行业应用方面也取得不小的成绩。 ”孙茂松说，“人工智能与基础学科结合已显示出巨大潜力，发表了多篇顶级论文，已展露出某种较强的趋势性，即‘人工智能+基础科学’大有可为。 ”作者 张双虎脑机接口、AR眼镜、智能语音、肌电手环、隔空手势识别……2021年，从基础研究到应用落地，人机交互领域风起云涌。 不管是智能 健康 、元宇宙，还是自动驾驶领域的蓬勃发展，似乎都表明，人机交互正站在产业化落地的门口。 “我们研发的高通量超柔性神经电极已通过科研临床伦理审批，即将开展脑机接口人体临床试验。 ”中科院上海微系统所副所长、传感技术联合国家重点实验室副主任陶虎对《中国科学报》说，“安全稳定地大规模采集人体大脑的神经元信号并进行闭环调控，将实现病人感知和运动功能的修复。 ”脑机接口技术给患者带来越来越多的便利。 今年5月，斯坦福大学研究人员在《自然》发表封面论文，开发出一套皮质内脑机接口系统，可以从运动皮层的神经活动中解码瘫痪患者想象中的手写动作，并将其转换为文本。 借助该系统，受试者（因脊髓损失瘫痪）每分钟可以打出近百个字符，且自动更正后的离线准确率超过了 99%。 不久前，马斯克表示，希望明年能在人类身上使用Neuralink 的微芯片装置。 该芯片将用于治疗脊髓损伤、帕金森氏症等脑部疾病和神经系统疾病。 目前，相关技术正在等待美国食品药品监督管理局的批准。 “脑机接口领域已经蓄积了相当的技术，有望成为解决大脑疾病的利器。 ”陶虎说，“大家都在抢占临床应用的先机，明年可能会实现技术落地应用。 预计两三年内，国内会出现可媲美马斯克Neuralink的独角兽企业。 ”“人机交互将引申出新的万亿级市场。 ”福州大学特聘教授严群这句判断，也囊括了元宇宙这个巨大的市场。 有人称2021年是“元宇宙元年”，也有人认为这不过是“旧瓶装新酒”。 但无论如何，元宇宙已是今年人机交互领域绕不开的话题。 “元宇宙是虚拟现实、增强现实和混合现实的综合，它实际上并非新的东西。 ”北京邮电大学人机交互与认知工程实验室主任刘伟告诉《中国科学报》，“元宇宙是现实世界和虚拟世界跨越未来的发展方向，但还有些技术问题未能很好地解决。 ”在真实世界里，人机交互问题和人机环境系统的混合问题未能很好地解决。 真实世界的人机交互中，不管是输入、处理还是输出过程中，客观数据、主观信息和知识依然不能完美融合。 刘伟认为，无论真实世界还是虚拟世界，人类和机器决策都有“快决策”和“慢决策”过程。 人类决策有时依靠逻辑决策多些，有时直觉决策多些，这种“混合决策”不断变换，而且很难找到变化规律。 这方面的问题机器决策目前还未能解决。 “元宇宙还处在画饼的前期阶段。 ”刘伟说，“因为它的底层机理没有解决——人在真实世界里未能完美解决人机交互的问题，带到元宇宙里同样不能解决。 ”谈到人机交互，刘伟认为第二个不能不说的问题是“复杂领域”。 “今年的诺贝尔物理学奖，也给了复杂系统预测气候变化模型的提出者。 ”刘伟说，“人机交互也是一个复杂系统，它既包括重复的问题，还包括杂乱的、跨域协同的问题。 ”刘伟认为，从智能的角度说，复杂系统包括三个重要组成部分，一是人，二是装备（人造物），三是环境。 这其实是多个事物之间相互作用，交织在一起、既纠缠又重叠的“人机环系统”问题。 “在人机交互中，机器强在处理‘复’的问题，人擅长管‘杂’的事——跨域协同、事物间平衡等。 因为人们还没找到复杂事物的简单运行规律，所以解决所有智能产品、智能系统问题，要从人、机、环这个系统里找它们的结合、融合和交互点。 而且，人要在这个系统中处于主导地位。 ”人机交互领域引起刘伟重视的第三个现象，是“人工智能帮数学家发现了一些定律”。 “最近，DeepMind研发了一个机器学习框架，能帮助数学家发现新的猜想和定理。 ”刘伟说，“人工智能是一个基本的数学工具，同时，数学又反映了一些基本规律。 如果人工智能可以帮助数学家处理一些数学问题，那么，人们将更好地认识复杂系统的简单规律，人机交互方面就可能会取得新突破。 ”作者 张云泉（中国科学院计算技术研究所研究员） 今年是我国超算应用实现丰收的一年。 11月中旬在美国举行的全球超算大会（SC21）上，中国超算应用团队凭借基于一台神威新系统对量子电路开创性的模拟（“超大规模量子随机电路实时模拟”），一举摘得国际上高性能计算应用领域的最高学术奖——“戈登贝尔奖”。 同时，在SC 21大学生超算竞赛总决赛上，清华大学超算团队再次夺得总冠军，实现SC竞赛四连冠。 这些大规模应用软件可扩展性和性能调优方面的成绩表明，我国在并行软件方面的发展方兴未艾。 回到超算对产业的驱动来看，我们要重提“算力经济”一词。 早在2018年，我们提出“算力经济”概念，认为以超级计算为核心的算力经济将成为衡量一个地方数字经济发展程度的代表性指标和新旧动能转换的主要手段。 综合近几年的发展趋势，我们认为高性能计算当前发展趋势已充分表明，随着超算与云计算、大数据、AI的融合创新，算力已成为当前整个数字信息 社会 发展的关键，算力经济已经登上 历史 舞台。 通过对2021年中国高性能计算机发展现状综合分析，可以总结出当前高性能计算正呈现出以下几个特点。 首先，高性能计算与云计算已经深度结合。 高性能计算通常是以MPI、高效通信、异构计算等技术为主，偏向独占式运行，而云计算有弹性部署能力与容错能力，支持虚拟化、资源统一调度和弹性系统配置。 随着技术发展，超级计算与容器云正融合创新，高性能云成为新的产品服务，AWS、阿里云、腾讯、网络以及商业化超算的代表“北龙超云”，都已基于超级计算与云计算技术推出了高性能云服务和产品。 其次，超算应用从过去的高精尖向更广、更宽的方向发展。 随着超级计算机的发展，尤其是使用成本的不断下降，其应用领域也从具有国家战略意义的精密研制、信息安全、石油勘探、航空航天和“高冷”的科学计算领域向更广泛的国民经济主战场快速扩张，比如制药、基因测序、动漫渲染、数字电影、数据挖掘、金融分析及互联网服务等，可以说已经深入到国民经济的各行各业。 从近年中国高性能计算百强排行榜（HPC TOP100）来看，超算系统过去主要集中于科学计算、政府、能源、电力、气象等领域，而近5年互联网公司部署的超算系统占据了相当大比例，主要应用为云计算、机器学习、人工智能、大数据分析以及短视频等。 这些领域对于计算需求的急剧上升表明，超算正与互联网技术进行融合。 从HPC TOP100榜单的Linpack性能份额看，算力服务以46%的比例占据第一；超算中心占24%，排名第二；人工智能、云计算和短视频分别以9%、5%和4%紧随其后。 可以看出，人工智能占比的持续增加与机器学习等算法和应用的快速崛起，以及大数据中的深度学习算法的广泛应用有很大关系。 互联网公司通过深度学习算法重新发现了超级计算机，特别是GPU加速的异构超级计算机的价值，纷纷投入巨资建设新系统。 综合来看，目前的算力服务、超算中心、人工智能、科学计算等领域是高性能计算的主要用户，互联网、大数据，特别是AI领域增长强劲。 再次，国家层面已经制订了战略性的算力布局计划。 今年5月，国家发展改革委等四部门联合发布《全国一体化大数据中心协同创新体系算力枢纽实施方案》，提出在京津冀、长三角、粤港澳大湾区、成渝以及贵州、内蒙古、甘肃、宁夏建设全国算力网络国家枢纽节点，启动实施“东数西算”工程，力促把东部的数据送到西部进行存储和计算，同时在西部建立算力节点，改善数字基础设施不平衡的布局，有效优化数据中心的布局结构，实现算力升级，构建国家算力网络体系。 最后，人工智能的算力需求已成为算力发展主要动力。 机器学习、深度学习等算法革新和通过物联网、传感器、智能手机、智能设备、互联网技术搜集的大数据，以及由超级计算机、云计算等组成的超级算力，被公认为是人工智能时代的“三驾马车”，共同掀起最新一轮的人工智能革命。 在人工智能蓬勃发展这一背景下，虚拟化云计算向高性能容器云计算演进，大数据与并行计算、机器学习融合创新就成为了产业发展的最新方向。 此外，在智能计算评测方面，我国已经提出了包括AIPerf 500在内的众多基准测试程序，这是对传统Linpack测试标准的有力补充。 这些发展表明超算技术向产业渗透的速度加快，我们已经进入一个依靠算力的人工智能时代，这也是未来发展的必然趋势之一。 随着用户对算力需求的不断增长，算力经济必将在未来 社会 发展中占据重要地位。 作者 武延军（中国科学院软件研究所研究员）开源发展可圈可点并非只是今年的事。 最近几年，开源领域发生了很多重要的事情。 例如，RISC-V开源指令集及其生态的快速崛起。 这与上世纪90年代初Linux诞生一样。 当时，UNIX和Windows是主流，很少有人能够预料到今天以Linux为内核的操作系统已经遍及人们生活的方方面面。 如今，人们每天使用的App，超过80% 概率是运行在以Linux为内核的安卓操作系统上，而且，支撑其业务的后端服务器上运行的操作系统很大概率也是Linux发行版。 所以，今天的RISC-V也同样可能被低估，认为其不成熟，很难与ARM和X86抗衡。 但也许未来RISC-V就像Linux一样，最终成为全球范围内的主流指令集生态，产品遍及方方面面。 仅2020年，RISC-V International（RVI，RISC-V基金会迁入瑞士之后的新名称）的会员数增长了133%。 其实RVI迁入瑞士这件事情本身也意义重大，是一次开源领域面对大国竞争保持初心不“选边站”的经典案例，值得全球其他开源基金会参考。 在国内，2019年底，华为公司牵头，中国科学院软件研究所、麒麟软件等参与的openEuler操作系统开源社区正式成立。 在短短的两年内，社区已经汇聚了7000名活跃开发者，完成8000多个自主维护的开源软件包，催生了10多家厂商的商业发行版。 这是中国基础软件领域第一个真正意义上的“根社区”，虽然与20多年 历史 的Debian、Fedora还有差距，但迈出了重要一步，对学术研究、技术研发、产业创新来说，终于有了国内主导的、可以长期积淀的新平台。 同时，华为在遭遇安卓操作系统GMS（谷歌移动服务）海外断供之后，推出了鸿蒙操作系统HarmonyOS，并在开放原子开源基金会下启动开源项目OpenHarmony。 目前OpenHarmony短时间内已经吸引了国内众多厂商参与，也侧面反映了国内产业界对新一代万物互联操作系统的旺盛需求。 尽管其在生态规模和技术完整程度方面与安卓仍有差距，但毕竟迈出了打造自主生态的第一步。 这相当于为源代码合理使用划定了一个边界，即合理使用仅限于接口，一旦深入到接口的实现代码，则需要遵守相关许可。 这对开源知识产权的法律界定具有重要参考意义。 今年5月，《2021中国开源发展蓝皮书》重磅发布。 它不仅系统梳理了我国开源人才、项目、社区、组织、教育、商业的现状，并给出发展建议，而且为国家政府相关管理部门制定开源政策、布局开源战略提供参考，为科研院所、 科技 企业以及开源从业者提供更多的案例参考和数据支撑。 而不论是开源软件向围绕开放指令集的开源软硬件生态发展，还是开源有严格的法律边界约束，抑或是国内龙头企业正尝试通过开源 探索 解决“卡脖子”问题，且已经取得了一定的效果……众多案例都指向一个方向——开源趋势不可阻挡。 因为它源自人类分享知识、协同创造的天性，也是人类文明在数字时代薪火相传的重要模式。 当然，不可否认的是，开源还存在很多问题，例如，开源软件供应链安全的问题。 这里的安全既有传统意义上软件质量、安全漏洞的问题，也有开源软件无法得到持续有效维护的问题（如OpenSSL在出现HeartBleed问题时只有两位兼职维护者，log4j出现问题时只有三位兼职维护者），更有大国竞争导致的“断供”问题（如GitHub曾限制伊朗开发者访问）。 随着开源软件向GitHub这类商业平台的集中，这一问题会更加突出，甚至演变为重大风险。 开源软件这一本应属于全人类的智慧资产，可能变为实施“长臂管辖”的武器。 为了避免这一问题，开源代码托管平台、开源软件构建发布平台等公共基础设施需要“去中心化”。 世界需要多个开源软件基础设施，以最大程度消除政治力量对开源社区的威胁。 对于中国来说，随着开源软件成为众多科研、工业等重大基础设施的重要支撑部分，开源软件本身也要有一个基础设施，具备代码托管、编译、构建、测试、发布、运维等功能，保证开源软件供应的安全性和连续性，进而增强各行各业使用开源软件的信心。 未来，核心技术创新与开源贡献引领将成为国内企业发展的新动力，或将我国开源事业推向另一个高潮。
8155+生成式AI系统+双天幕，解析银河L6智能座舱
在新能源紧凑级车型市场，已经非常卷了，不少车型都采用了错位竞争的方式挤到这条赛道里来，吉利银河系的车型，在高配置的同时，还把性价比几乎拉满了，银河L7在6月的销量将近1万台，作为吉利银河品牌的首款交付车型，它为新品牌打下了不错的基础，而旗下的轿车产品银河L6预计在今年的第三季度内上市。
银河L6作为银河品牌旗下的紧凑级轿车产品，而它的车长已经超过了4.7米，轴距也超过了2.7米，车身尺寸已经接近中型车的尺寸，自主品牌中这类越级产品变得越来越多，就在今天，吉利银河官方发布了这款车的内饰官图，在正式上市前，这台车已经几乎没有秘密了。
车身尺寸越级，智能化配置也高于同级？
在外观方面，银河L6采用与银河L7相类似的银河家族化设计语言，前脸部分配备了时下流行的贯穿式灯带，灯带还向两侧做了进一步的延展，两侧竖向的灯带给前脸部分带来了层次感，底部加入L型镀铬饰条进行装饰以提升前脸精致感。
来到车侧，银河L6配备了隐藏式门把手、低风阻轮圈，侧面的线条比较简洁，拼色车身营造出了悬浮式的车顶设计，车身尺寸方面，其长宽高分别为4782/1875/1489mm，轴距为2752mm。尾灯组采用了贯穿式设计，并且做了一些折线式的处理，与尾门上沿融为一体，同时配以双边共两出式排气并加入了扩散器装饰，进一步提升了运动感。
银河L6的内饰部分的设计，与此前的银河L7车型有很多相似的地方，座舱整体采用了环抱式的设计，整体设计比较简洁，内饰的颜色采用了撞色式的风格，分区分层比较明显，10.25英寸窄幅液晶仪表搭配13.2英寸竖置中控大屏让新车内饰有了一定的科技感，全新设计的多功能方向盘采用平底设计，银河L6也采用了怀挡的设计，中控部分得以解放出来，这一部分留有一个开口很大的储物盒，而在中央扶手的前部位置，可以看到手机无线充电的插槽。
另外，吉利银河L6还搭载了双境穹顶天幕，这种左右分区的天窗设计在以往的车型中，很少出现。前排采用了棉花糖记忆座椅，后排采用了270°软触环抱设计的大沙发座椅，中间部位的乘坐感受也得到了提升，全车还有256色氛围灯以及智能香氛系统等组合。
8155芯片+生成式AI，座舱表现值得期待
在银河L6的智能车机方面，我们目前只看到了两块屏幕，没有看到银河L7上的副驾娱乐屏，以及AR-HUD，当然不排除后续还会推出搭载这两块屏的车型。
银河L6将搭载高通8155芯片+银河N OS系统，8155芯片作为整个智能座舱的运算核心，具备7nm工艺制程、128G储存内存、超强的算力，为全新的银河N OS带来更为流畅的交互体验。当银河L6的车机冷启动时，都能做到了系统启动速度、应用开启速度、语音唤醒的快速响应。
同时，吉利银河L6还有星睿智算中心的超强云端算力支持，星睿智算中心可实现350万辆智能汽车实时在线，云端总算力达81亿亿次每秒，能够在智能化的全场景中，为银河L6以及银河系列的更多车型提供运算方面的保障。
同时，新车还将配备生成式AI产品——Wow壁纸和依托AI智能语言搜索引擎而来的车外语音交互功能，目前智能语音系统在自主品牌车型上的普及程度已经很高了，而且大家基本上都已经能够做到可见即可说、连续对话、模糊语义这些功能，吉利的语音系统之前我们也在多款产品上有过实测，符合目前的主流水平。
而这一次的车外语音识别交互是一个创新，目前自主品牌有个别车型搭载了这一功能，语音已经就卷到了车外，功能性方面肯定又会有所拓展，不过这个安全性方面的问题，可能要去更细致地考虑。此前已经有一些搭载车内语音系统的车型，用户站在车外也能唤醒系统，还能执行开关窗等指令。
目前不仅科技企业在搞生成式AI大模型，车企们也纷纷入局，AI上车是大势所趋，就要看每家的具体表现了，不能做半天只是一个噱头，而吉利在这方面会有比较强的竞争力，旗下或者关联的多家科技公司的实力都不容小觑。
银河L6所搭配的13.2英寸的中控屏拥有1440*1920的分辨率，表面增加防反射、防指纹、防眩光膜，内置的银河N OS是吉利全栈自研的分布式操作系统，此前已经在银河L7上搭载。它可以更好地顺应用户早已习惯的手机操作模式，让车机的上手难度变得更低，降低学习成本，同时其中的比如高德地图等第三方App，还可以实现手机与车机的互联操作。
中控屏中的一些组件、桌面卡片、应用都可以独立地随意拖动，在目前大家都在内卷的场景化部分，银河N OS也做了优化，车主能够自由创建专属于自己的场景模式，当然这一次车机还接入了AI大模型，系统可能也会做出一些自适应的场景，做出一些定制化的模式提供给用户，类似的功能在领克08的魅族车机上就有所体现。
从液晶仪表盘上，我们还能看到辅助驾驶的界面，从车身的外观，以及挡风玻璃的上部位置，我们可以看到银河L6是有辅助驾驶系统的，预计这台车会采用与银河L7车型同款的Mobileye Q4方案，可以实现L2级的辅助驾驶，在高精地图的辅助下，可以实现高速路段的NOA导航辅助驾驶，搭载这套方案符合这台车的定位。
银河L6的整体智能化表现，对于它所在的细分市场来说，它的表现与市面上目前这个价位新车型的智能化水平基本上持平，这个价位的车型目前基本上都已经标配了8155芯片和多块大屏，但是银河L6还有生成式AI模型的加持，它的后期表现更值得期待。
总结：
银河L6的整体产品力，在这个价位依然是表现得很卷的一位选手，银河L6搭载新一代雷神智能电混8848系统，包括一台雷神1.5T混动专用发动机，最大功率为120kW，发动机热效率达到了44.26%，同时配备由P1+P2双电机组成的3挡DHT Pro智能电驱系统，再配合上略高于同级水平的智能化表现，还有越级的车身尺寸，它的市场表现很值得期待，而且在这个价格战持续的阶段，它的上市价格可能还会进一步下探。
AI大模型扎堆上线，你觉得谁能强势出圈？
撰文 / 涂彦平编辑 / 黄大路设计 / 赵昊然ChatGPT在这个春天霸占了中文互联网，普通人面对它多生出兴奋和焦虑交织的复杂情绪，而大公司不甘落后，纷纷宣布自己也在做类似的AI大模型。
继3月16日网络发布文心一言之后，4月7日，阿里云官宣大模型通义千问开始邀请测试。
4月8日，在人工智能大模型技术高峰论坛上，华为云人工智能领域首席科学家田奇分享了盘古大模型的进展及应用。他透露，华为盘古大模型正在推动人工智能开发从“作坊式”到“工业化”升级。
接下来，有多场大模型相关发布会扎堆举办。
4月10日，商汤“日日新SenseNova”大模型体系问世；4月11日，毫末智行自动驾驶生成式大模型DriveGPT雪湖·海若发布；由昆仑万维和奇点智源合作研发的天工大模型3.5发布在即，并将于4月17日启动邀请测试；5月6日，科大讯飞“1+N认知智能大模型”即将发布……
互联网巨头、人工智能公司、智能硬件公司、自动驾驶公司等各方力量，都积极参与到大模型这一场盛宴中来。
行业监管也迅速出手。4月11日，国家网信办发布通知，就《生成式人工智能服务管理办法（征求意见稿）》面向社会公开征求意见。
根据计算机科学家、自然语言模型专家吴军的说法，ChatGPT背后是一个叫做语言模型的数学模型在发挥作用，这项语言模型技术早在1972年就已经有了，是由他的导师弗莱德里克·贾里尼克(Fred Jelinek)在IBM期间带领团队研发出来的。
只是到了今天，由于算力不断提升，语言模型已经从最初基于概率预测的模型发展到基于Transformer架构的预训练语言模型，并逐步走向大模型的时代。
复旦大学计算机学院教授、MOSS系统负责人邱锡鹏曾这样描述大模型的能力飞跃：“当模型规模较小时，模型的性能和参数大致符合比例定律，即模型的性能提升和参数增长基本呈线性关系。然而，当 GPT-3/ChatGPT 这种千亿级别的大规模模型被提出后，人们发现其可以打破比例定律，实现模型能力质的飞跃。这些能力也被称为大模型的‘涌现能力’（如理解人类指令等）。”
每当有革命性的技术诞生，无一不是由其在具体行业的商用化应用来实质性地推动行业进步。作为连接技术生态和商业生态的桥梁，大模型也将在很多行业应用落地。
只是，这波来势凶猛的大模型热，究竟会催生万物生长改变万千业态，还是继区块链、元宇宙之后又一个看上去很美的泡沫？
无限想象空间？特斯拉将Transformer大模型引入自动驾驶领域中，拉开了AI大模型在自动驾驶领域应用的开端。大模型在自动驾驶行业的应用将提升系统的感知和决策能力，已经被视为自动驾驶能力提升的核心驱动力。
4月2日，网络正式发布网络自动驾驶云Apollo Cloud2.0。网络智能驾驶事业群副总裁、智能网联业务总经理高果荣表示，Apollo Cloud2.0基于大模型实现了自动驾驶数据智能的搜索引擎，大模型的能力积累了自动驾驶数据智能的搜索引擎，从海量数据中能够精准找到自动驾驶面向不同场景的数据。
“在自动驾驶领域，BEV(Birds Eye View，鸟瞰视图)是当前主流的技术路线，未来可以朝着多模态、通用智能的方向发展。”商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁王晓刚表示。
他认为，在通用人工智能时代，输入提示词和多模态内容，就可以生成多模态的数据，更重要的是，可以用自然语言生成对任务的描述，用非常灵活的方式覆盖大量的长尾问题和开放性的任务，甚至是一些主观描述。
王晓刚举了一个例子来说明AI和AGI处理任务的不同。给定一张图片，判断是否需要减速，AI和AGI的反应有什么不一样呢？
现有的AI系统，会首先做物体检测，然后再物体框里做文字识别，最后做决策。整个过程中每一个模块都是事先定义好的任务。
而在通用人工智能下，给定图像，人们只需要用自然语言去问问题，比如，“这个图标是什么意思？我们应该做什么？”模型本身不会发生变化，它会通过自然语言的方式给出一系列逻辑推理，最后得出结论。比如，它会说，“前面限速30公里/小时”“前面100米是学校区域”“有小孩”“应该小心驾驶”“将车速降到30公里/小时以下”等。
王晓刚还指出，智能驾驶汽车领域有“数据飞轮”的说法，通用人工智能时代则会产生“智慧飞轮”，人和模型之间可以互动，通过人的反馈，模型能更好地理解人需要它展示什么样的能力，而去解锁更多技能。从数据飞轮升级到智慧飞轮，可以实现人机共智。
商汤基于多模态大模型，可做到数据的感知闭环和决策闭环。从前端自动采集高质量的数据，到利用大模型进行自动化的数据标注和产品检测，“能够几百倍地提升模型迭代的效率并降低成本”。
华为云EI服务产品部总裁尤鹏也表示，“整个数据标注是整个自动驾驶领域准确率、效率、成本最高的一部分”，这部分的效率直接影响到自动驾驶算法和驾驶等级的提升。他透露，华为云正在做预训练标注大模型，支撑后续的自动驾驶算法的训练，可能会在几个月后会发布。
除了自动驾驶，很多行业人士相信，智能座舱也将在大模型的赋能下有着质的提升，尤其将为人机交互打开新的大门。
网络集团资深副总裁、智能驾驶事业群组总裁李震宇认为人工智能将重塑汽车空间，人与汽车的关系将会截然不同。“未来，我们相信每辆汽车都会搭载一个数字虚拟人。未来的数字虚拟人不仅可以模拟人的外形，还可以注入灵魂，真正拥有对人类意图的理解……同时也不再是单一以前场景的车机助理的身份，而会转化成全能助理。”
他相信，随着通用人工智能的发展，智能座舱将成为汽车创新的新焦点，将会重塑其空间，届时用户和车企之间的距离将缩短，用户和品牌之间的关系将更为紧密。“拥有自然语言交流能力的智能车可以让车企与用户直接进行一对一的对话。当汽车成为全能助理后，车企将面对用户需求爆发式的增长。”
王晓刚称，在智能座舱板块，通用人工智能可以使基模型具备对空间环境的理解、用户状态的感知、多模态指令解析及多轮逻辑对话、内容生成等一系列能力，进而赋能包括情绪感知、智能助手、基于情感的对话、创意内容生成、个性交互等一系列功能，不断地提升个性化体验，进一步拓展应用场景。
“智能汽车是通用人工智能实现闭环的一个非常好的场景，我们已经有人机共驾。”王晓刚表示，“未来我们希望车和模型之间能够产生更有效的互动，那就完成了从人到车到模型这样一个互动闭环，能够让通用人工智能为我们提供更好的驾乘体验，解锁无限的想象空间。”
只是，消费者距离这种有着“无限的想象空间”的汽车生活还有多远，没有人说得出答案。
希望在于将来想象是美好的，不过，挑战也随之而来。
“过去我们一年要做大概1000万帧的自动驾驶图像的人工标定，请外包公司进行标定，大概6到8元钱一张，一年的成本接近一个亿。但是当我们使用软件2.0的大模型通过训练的方式进行自动化标定，效果会非常可怕——过去需要用一年做的事情基本上三个小时就能完成，效率是人的1000倍。”理想汽车创始人、董事长兼CEO李想OK表示，“对于员工来说，他们会感觉用拳头打架遇到了拿枪的。”
他认为，在这样的状况下，如何能够让软件2.0和现有人才进行融合，为他们提供怎样的全新工作流程、激励机制，如何去选用任用人才，给全行业提出了挑战。
更大的挑战可能还在于中外大模型技术的差距。
3月25日，在2023中国发展高层论坛上，360创始人、董事长兼CEO周鸿祎表示，目前来看，中国大语言模型和GPT-4的差距在两到三年时间，GPT的技术方向已经明确，不存在难以逾越的技术障碍，中国在场景化、工程化、产品化、商业化方面拥有巨大优势，应当坚持长期主义精神，迎头赶上。
4月9日，由中国人工智能学会主办的人工智能大模型技术高峰论坛上，融汇金信CTO李长亮认为，未来做通用大模型的和做场景的分层很清晰，没有中间态。做通用大模型需要大量的算力、数据、人员、资源等，只有有很强技术储备和资源调配能力的大公司才能做，中小创业公司在这条赛道上会很难；在垂直应用上，基于大模型的发展，结合场景的know-how做一些创新应用，则会有无数的企业诞生。
他还认为，中国在大模型这个产业赛道上是很有机会的，因为在中文场景下，我们更懂我们自己的语言，沉淀了大量的中文知识，会迅速追赶并超越。
我们也注意到，计算机科学家、自然语言模型专家吴军在4月3日晚得到的一场直播中则给当下的ChatGPT热泼了盆冷水。他直言ChatGPT在中国被过度炒作了，中国的大部分研究机构是做不了的。
在他看来，ChatGPT的原理很简单，但是在工程上要想做到，其实蛮困难，因为ChatGPT太耗资源，光硬件的成本就要差不多10亿美元，这还没算电钱。ChatGPT训练一次要耗多少电？吴军的说法是，大概是3000辆特斯拉的电动汽车，每辆跑到20万英里，把它跑死，这么大的耗电量，才够训练一次。这是非常花钱的一件事。
他的结论是，ChatGPT不算是一项新的技术革命，带不来什么新机会，最后可能的一个结果就是给几家大的做云计算的公司交钱。
由ChatGPT带起的大模型热，最终会在各行各业开花结果，还是盛名之下其实难副？不妨把这个问题交给时间。
