關於 端到端原則 ，我們在網路上蒐集到這些相關的討論、資訊與評價

阿里雲聯手BMW設聯合創新基地 已在上海營運

2021-05-24 15:15 聯合報 / 記者林宸誼／即時報導

阿里雲與BMW集團的初創車庫（BMW Startup Garage China）共同創立的「阿里雲創新中心—寶馬初創車庫聯合創新基地」（簡稱「聯合創新基地」）， 20日在上海金橋經濟技術開發區啟動營運，雙方將憑藉各自的優勢和資源，幫助大陸科技新創企業進一步強化創新規模。

BMW集團大中華區總裁兼首席執行官高樂（Jochen Goller）說：「大陸為新創公司提供了更加廣闊的發展空間，特別是在科技領域，BMW集團正在積極拓展在大陸的數位化創新佈局，並加速電動化轉型，BMW將繼續深化與大陸科技企業的合作，並注重技術型人才的培養，推動科技創新的發展。」

阿里雲智能國際總裁袁千表示，阿里雲已在大陸建立60個孵化中心，透過聯合創新基地，共享阿里雲服務和數位智能技術，與BMW的合作再次證明阿里雲致力利用技術、經驗、專業知識和全球資源來支持新創企業的承諾。

聯合創新基地將會在未來3年為至少300家大陸新創公司提供來自阿里巴巴的雲服務，透過BMW初創車庫對接寶馬集團的專家和業務部門，目前已經有20多家大陸優秀的科技新創公司入駐聯合創新基地，這些新創的技術涵蓋數位化、電動化、可持續發展等戰略創新領域。

該聯合創新基地所支持的科技新創企業，主要提供互聯網、物聯網和汽車行業的創新產品、解決方案和服務。而聯合創新基地將為新創企業提供具備創意的聯合辦公空間，對接早期的潛在投資，以及獲得專業知識支持。

具體而言，阿里雲將會遴選優質項目入駐該聯合創新基地，提供雲計算、數據技術、物聯網及人工智慧等支持，並開放不同程度的創新創業服務資源。

BMW集團則通過BMW初創車庫，為項目提供概念驗證、產品測試等技術支持和金融服務，圍繞寶馬自動化、互聯化、電動化、共享化/服務化（ACES）生態系統獲得孵化並加速成長，而優質項目更有望進入BMW供應鏈體系。

除了鼓勵新創企業及開放創新技術，阿里巴巴集團與BMW集團也展開數位化領域合作，雙方於2020年10月簽署戰略合作備忘錄，基於「優勢互補、合作共贏」的原則整合雙方資源，圍繞品牌、營銷通路、跨端運營、服務和訊息技術等領域展開合作，致力於實現BMW業務全流程數位化戰略，同時幫助經銷商共同為客戶提供端到端、線上線下無縫連接的數位化品牌體驗。

附圖：
「阿里雲創新中心—BMW初創車庫聯合創新基地」將為初創企業提供具備創意的聯合辦公空間，對接早期的潛在投資，以及獲得專業知識支持。阿里巴巴
位於上海金橋經濟技術開發區、由阿里雲與BMW初創車庫共同創立的「阿里雲創新中心—BMW初創車庫聯合創新基地」。阿里巴巴

資料來源：https://udn.com/news/story/7333/5481585

「它將改變一切！」

DeepMind AI解決生物學50年來重大挑戰，破解蛋白質分子折疊問題。

本週振奮全球AI界的消息：Google旗下人工智能企業DeepMind發布了最新 AlphaFold成果，這是全球AI界無比振奮的重大科研突破。蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子折疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。

我特別期待 AlphaFold 能為人類健康、環境生活推向更寬廣的可能性。在魔幻2020 最後一個月，這真是一個讓人懷抱希望的全新技術可能性，期待 AlphaFold之後締造更多 AI for Good 落地應用。

以下文章詳盡解釋了這項突破，內容經《機器之心》微信公眾號授權轉載。

▎生物學界最大的謎團之一，蛋白質折疊問題被 AI 破解了。

11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智能技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子折疊問題。

最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 折疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。

DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。

科學家們表示，Alphafold 的突破性研究成果將幫助科研人員弄清引發某些疾病的機制，並為設計藥物、農作物增產，以及可降解塑料的「超級酶」研發鋪平道路。

「這是該研究領域激動人心的一刻，」DeepMind 創始人、首席執行官德米斯 · 哈薩比斯說道。 「這些算法今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」

蛋白質對於生命至關重要，它們是由氨基酸鏈組成的大型複雜分子，其作用取決於自身獨特的 3D 結構。弄清蛋白質折疊成何種形狀被稱為「蛋白質折疊問題」。在過去 50 年裡，蛋白質折疊一直是生物學領域的重大挑戰。

DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽 CASP 中，DeepMind 開發的 AlphaFold 最新版本擊敗了其他選手，在準確性方面比肩人類實驗結果，被認為是蛋白質折疊問題的解決方案。這一突破證明了 AI 對於科學發現，尤其是基礎科學研究的影響。

在兩年一次的 CASP 競賽中，各組爭先預測蛋白質的 3D 結構。今年，AlphaFold 擊敗了所有其他小組，並在準確性方面與實驗結果相匹配。

對於不熟悉生物領域的人來說，CASP 的大名可能有些陌生——CASP 全稱 The Critical Assessment of protein Structure Prediction，旨在對蛋白質結構預測進行評估，被譽為蛋白質結構預測的奧林匹克競賽。 CASP 從 1994 年開始舉辦，每兩年一屆，目前正在進行的一屆是 11 月 30 日開始的 CASP14。

而 DeepMind 這一突破有什麼影響？

用哥倫比亞大學計算生物學家Mohammed AlQuraishi 在Nature 文章中的話來說，「可以說這將對蛋白質結構預測領域造成極大影響。我懷疑許多人會離開該領域，因為核心問題已經解決。這是一流的科學突破，是我一生中最重要的科學成果之一。」

▎蛋白質折疊問題

蛋白質的形狀與它的功能密切相關，而預測蛋白質結構對於理解其功能和工作原理至關重要。很多困擾全人類的重大問題（如尋找分解工業廢料的酶）基本上都與蛋白質及其扮演的角色有關。

多年以來，蛋白質結構一直是熱門的研究話題，研究者使用核磁共振、X 射線、冷凍電鏡等一系列實驗技術來檢測和確定蛋白質結構。但這些方法往往依賴大量試錯和昂貴的設備，每種結構的研究都要花數年時間。

1972 年，美國科學家 Christian Anfinsen 因「對核糖核酸酶的研究，特別是對其氨基酸序列與生物活性構象之間聯繫的研究」獲得諾貝爾化學獎。在頒獎禮上，他提出了一個著名的假設：從理論上來說，蛋白質的氨基酸序列應該可以完全決定其結構。這一假設引發了長達五十年的探索，即僅僅基於蛋白質的一維氨基酸序列計算出其三維結構。

但這一思路的挑戰在於，在形成三維結構之前，蛋白質的理論折疊方式是一個天文數字。 1969 年，Cyrus Levinthal 指出，如果使用蠻力計算的方式來枚舉一種蛋白質可能存在的構象，要花費的時間甚至比宇宙的年齡還要長。 Levinthal 估計，一種蛋白質大約存在 10^300 種可能構象。但在自然界中，蛋白質會自發折疊，有些只需幾毫秒，這被稱為 Levinthal 悖論。

CASP 14 比賽最新結果：AlphaFold 中位 GDT 高達 92.4

CASP 競賽由 John Moult 和 Krzysztof Fidelis 兩位教授於 1994 年創立，每兩年進行一次盲審，以促進蛋白質結構預測方面的新 SOTA 研究。

一直以來，CASP 選擇近期才經過實驗確定的蛋白質結構，作為參賽團隊測試其蛋白質結構預測方法的目標（有些結構即使在評估時仍然處於待確定狀態）。這些蛋白質結構不會事先公佈，參賽者也必須對其結構進行盲測，最後將預測結果與實驗數據進行對比。正是基於這種嚴苛的評估原則，CASP 一直被稱為預測技術評估方面的「黃金標準」。

CASP 衡量預測準確率的主要指標是 GDT（Global Distance Test），範圍從 0 到 100，可以理解為預測的氨基酸殘基在正確位置閾值距離內的百分比。 John Moult 教授表示，GDT 分數在 90 分左右，即可視為對人類實驗方法具備競爭力。

在剛剛公佈的第14 屆CASP 評估結果中，DeepMind 的最新AlphaFold 系統在所有預測目標中的中位GDT 達到92.4，意味其平均誤差大概為1.6 埃（Angstrom），相當於一個原子的寬度（或0.1納米）。即使在難度最高的自由建模類別中，AlphaFold 的中位 GDT 也達到了 87.0。

歷屆 CASP 競賽自由建模類別中預測準確率中位數的提升情況，度量指標為 BEST-OF-5 GDT。

CASP 競賽自由建模類別中的兩個目標蛋白質示例。 AlphaFold 能夠預測出高度準確的蛋白質結構。

這些令人振奮的結果開啟了生物學家使用計算結構預測作為科研主要工具的時代。 DeepMind 提出的方法對於某些重要的蛋白質類別尤其有用，例如膜蛋白（membrane protein）。膜蛋白很難結晶，因此很難通過實驗方法來確定其結構。

該計算工作代表了在蛋白質折疊這一具備 50 年曆史的生物學問題上的驚人進展，比該領域人士成功預測蛋白質折疊結構早了幾十年。我們將很興奮，它能從多個方面對生物學研究帶來基礎性改變。 ——Venki Ramakrishnan 教授（諾貝爾獎得主，英國皇家學會會長）

▎DeepMind 這樣解決蛋白質折疊問題

2018 年，DeepMind 團隊使用初始版 AlphaFold 參加 CASP13 比賽，取得了最高的準確率。之後，DeepMind 將 CASP13 方法和相關代碼一併發表在 Nature 上。而現在，DeepMind 團隊開發出新的深度學習架構，並使用該架構參加 CASP14 比賽，達到了空前的準確率水平。這些方法從生物學、物理學、機器學習，以及過去半個世紀眾多科學家在蛋白質折疊領域的工作中汲取靈感。

我們可以把蛋白質折疊看作一個「空間圖」，節點表示殘基（residue），邊則將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互及其演化史至關重要。對於在 CASP14 比賽中使用的最新版 AlphaFold，DeepMind 團隊創建了一個基於注意力的神經網絡系統，並用端到端的方式進行訓練，以理解圖結構，同時基於其構建的隱式圖執行推理。該方法使用進化相關序列、多序列比對（MSA）和氨基酸殘基對的表示來細化該圖。

通過迭代這一過程，該系統能夠較強地預測蛋白質的底層物理結構，並在幾天內確定高度準確的結構。此外，AlphaFold 還能使用內部置信度度量指標判斷預測的每個蛋白質結構中哪一部分比較可靠。

DeepMind 團隊在公開數據上訓練這一系統，這些數據來自蛋白質結構數據庫（PDB）和包含未知結構蛋白質序列的大型數據庫，共包括約 170,000 個蛋白質結構。該系統使用約 128 個 TPUv3 內核（相當於 100-200 個 GPU）運行數週，與現今機器學習領域出現的大型 SOTA 模型相比，該系統所用算力相對較少。

此外，DeepMind 團隊透露，他們準備在適當的時候將這一 AlphaFold 新系統相關論文提交至同行評審期刊。

AlphaFold 主要神經網絡模型架構概覽。該模型基於進化相關的蛋白質序列和氨基酸殘基對運行，迭代地在二者的表示之間傳遞信息，從而生成蛋白質結構。

▎對現實世界的潛在影響

「讓 AI 突破幫助人們進一步理解基礎科學問題」，經過 4 年的研究攻關，現在 AlphaFold 正在逐步實現 DeepMind 初創時的願景，在藥物設計和環境可持續性等領域都產生了重要的影響。

馬克斯· 普朗克演化生物學研究所所長，CASP 評估員Andrei Lupas 教授表示：「AlphaFold 的精確模型讓我們解決了近十年來被困擾的蛋白質結構，重新啟動關於信號如何跨細胞膜傳輸的研究。 」

DeepMind 表示願與其他研究者合作，以進一步了解 AlphaFold 在未來幾年的潛力。除了作用於經過同行評審的論文以外，DeepMind 還在探索如何以最佳的可擴展方式為系統提供更廣泛的訪問可能。

同時，DeepMind 的研究者還研究了蛋白質結構預測如何幫助人們理解一些特殊的疾病。例如，通過幫助識別存在故障的蛋白質，並推斷其相互作用的方式，來理解一些疾病的原理。這些信息能夠讓藥物開發更加精確，從而補充現有的實驗方法，並更快找到更有希望的治療方法。

AlphaFold 是十分卓越的，它在預測結構蛋白質的速度和精度上有著驚人的表現。這一飛躍證明了計算方法對於生物學中的轉換研究，加速藥物研發過程都具有廣闊的前景。

同時許多證據也表明，蛋白質結構預測在未來的大流行應對上是有用的。今年早些時候，DeepMind 使用 AlphaFold 預測了包括 ORF3a 在內的幾種未知新冠病毒蛋白質結構。在 CASP14 中，AlphaFold 預測了另一種冠狀病毒蛋白質 ORF8 的結構。目前，實驗人員已經證實了 ORF3a 和 ORF8 的結構。儘管具有挑戰性，並且相關序列很少，但與實驗確定的結構相比，AlphaFold 在兩種預測上都獲得了較高的準確率。

除了加速對已知疾病的了解，AlphaFold 還具備很多令人興奮的技術潛力：探索數億個目前還沒有模型的數億蛋白質，以及未知生物的廣闊領域。由於 DNA 指定了構成蛋白質結構的氨基酸序列，基因組學革命使大規模閱讀自然界的蛋白質序列成為可能——在通用蛋白質數據庫（UniProt）中有 1.8 億個蛋白質序列。相比之下，考慮到從序列到結構所需的實驗工作，蛋白質數據庫（PDB）中只有大約 170000 個蛋白質結構。在未確定的蛋白質中可能有一些新的和未確定的功能——就像望遠鏡幫助人類更深入的觀察未知宇宙一樣，像 AlphaFold 這樣的技術可以幫助找到未確定的蛋白質結構。

▎開創新的可能

AlphaFold 是 DeepMind 迄今為止取得的最重要進展之一，但隨著後續科學研究的開展，依然有很多問題尚待解決。 DeepMind 預測的結構並非全部都是完美的。還有很多要學習的地方，包括多蛋白如何形成複合體，如何與 DNA、RNA 或者小分子交互，以及如何確定所有氨基酸側鏈的精確位置。此外，在與他方合作的過程中，還需要學習如何以最好的方式將這些科學發現應用在新藥開發以及環境管理方式等諸多方面。

對於所有致力於科學領域中計算和機器學習方法的人而言，像 AlphaFold 這樣的系統彰顯了 AI 作為基礎探索輔助工具的驚人潛力。正如 50 年前 Anfinsen 提出的遠超當時科研能力所及的挑戰一樣，這個世界依然有諸多未知的方面。

DeepMind 取得的這一進展令人們更加堅信，AI 將成為人類擴展科學知識邊界的最有用工具之一，同時也期待未來多年的艱苦工作能夠帶來更偉大的發現。

影片及原文，參考 DeepMind官方部落客 https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

施振榮：創新將成為經營亞洲市場最關鍵核心競爭力
2018-04-18 20:40聯合報 記者鄒秀明╱即時報導

智榮基金會與美國彼得杜拉克管理學院攜手合作，今天舉辦「2018亞洲創新論壇」活動，並在論壇中分享美國管理大師彼得杜拉克、日本經營之神松下幸之助、台灣科技教父施振榮三位當代大師的管理智慧與經營哲學，希望帶領企業突破盲點。

施振榮表示，要為利益相關者創造更大價值，就需要追求不斷創新，尤其重要的是，要以「用戶」價值為中心，並關注對利益相關者的誘因。只有有效整合端到端，才能確保為客戶創造價值，而因循王道思維來創新，可更聚焦有效。

並不是有新的創意就是創新，他並強調，創新的三要素包括：「創意」＋「執行」＋「價值」，商業的創新＝具有新的創意加上執行力、並且創造價值。他並說：「只有不斷創新才能持續創造價值」。

施振榮並提出建言，他表示，對於在亞洲建立創新的文化，領導人需要投資建立一個平台，以培育創新的人才，而建立創新文化其成敗的關鍵在於能否容忍失敗，不鼓勵大家走「Me too」，因為一窩蜂無法創造價值，同時也要整合必要的資源。

他說，更重要的是，領導人要有遠見，要將更多的資源投注在看不見的隱性價值，同時也需要在地的消費者支持創新的文化，組織文化與社會文化能否支持創新的文化，十分關鍵。

施振榮並指出，市場是驅動創新的力量，市場規模愈大，對於投入創新的動力愈強。如今亞洲已是全世界最大的消費市場，創新將成為未來經營亞洲市場最關鍵的新核心競爭力。

此次論壇除了安排由施振榮以為題開講，並與前松下電器美國董事長暨執行長岩谷英昭(Don Iwatani)分別擔任專題的演講人外，另外將由彼得杜拉克管理學院院長Jenny Darroch主持對談，並邀請到AppWorks之初創投創辦合夥人林之晨與台大管理學院會計系教授劉順仁參與創新對話。

此次由日本應邀來台演講的岩谷英昭表示，在科技進展飛速的世代，核心管理的精神卻是永恆。他並分享松下幸之助的經營哲學指出，「共存共榮」的經營哲學是核心精神，共感(Empathy)、感動(Excitement)、尊敬(Respect)、感謝(Appreciation)為企業不能捨棄的初衷。

他並強調，台灣雖然是小市場，但有卻擁有科技跟觀點。台灣面對國際上的挑戰，首先要投資人才，肯定自我，擦亮自己的品牌，那才是最珍貴的資產。

Jenny Darroch指出，彼得杜拉克的管理哲學和王道理念的精神是互相呼應的，他們所強調的管理原則都是給予尊重跟尊嚴，以身作則，相信人性本善，做好自我管理才能管理他人。企業若要創造價值，需從消費者的角度出發，以客戶的眼睛回頭審視自己的企業。

林之晨在對話時則表示，台灣跟大陸競爭的時代已經結束，現在是攜手合作的時代，我們不該將台灣輕量化的市場跟重量級市場如同美國、印度、大陸相比，應該擺脫那個想要跟大陸競爭的心態，彼此學習合作才是出路。

他並指出，大中華的概念在這個年代已經不適用了，大東南亞市場才是未來30年的大方向。台灣的競爭力在於科技人才，許多企業如Google跟Microsoft都看到了台灣的AI人才而在台灣進行大型的人才招募跟培訓，相信30年後台灣會成為大東南亞市場的研發中心。

劉順仁則表示，唯有王道思維才能走得遠。會計專業人員如何評估價值，他們會有個很明確的會計工具，但現實是永遠無法用現在的數字衡量未來的價值，沒有人可以正確預估30年後的現金流。變數不停地在浮動，現實被科技推動，只能投資在決策跟行為的彈性調整。

*2018亞洲創新論壇18日登場，宏碁集團創辦人/智榮基金會董事長施振榮(左二)與前松下電器美國董事長暨執行長岩谷英昭(中)分別擔任專題演講人，並在彼得杜拉克管理學院院長Jenny Darroch(左一)主持下，與AppWorks之初創投創辦合夥人林之晨(右一)、台大管理學院會計系教授劉順仁(右二)進行精彩的創新對話。圖／智榮基金會提供

https://udn.com/news/story/7240/3094234…