1985 年 11 月 21 日的《自然》封面，是一張來自中國的 " 地圖 "。這張地圖是清代總兵陳倫炯所編撰《海國聞見錄》中的插圖，是中國人開始認知與探索世界的見證，而選用這張封面，是爲了配合當期的特别文章《科技在中國》。
那時候，中國正處在改革開放的浪潮中，中國科技登陸國際視野還顯得驚奇與稚嫩。
一轉眼，38 年過去，伴随着中國科技的飛速發展，越來越多的中國科研工作者、科研機構以第一作者的身份，登上被稱作科學金字塔尖的《自然》。
5 月 2 日，《自然》雜志正刊發表了百度在生物計算領域的突破性研究成果，并以 " 加速預覽 "（Accelerated Article Preview）形式最快發表。
在這篇題目爲《Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity》的文章中，提出了 mRNA 序列優化算法 LinearDesign。其不僅開創了 AI 與生物、醫療等領域融合突破的諸多可能性，也爲中國科技走向世界畫上了新的一筆。
在這篇論文裏，我們可以讀到遠超其成果本身的内容，比如 AI 的諸多可能性、一家科技企業的科學擔當，以及中國科技走向世界的遠大胸懷。
" 出人意料 " 的生物計算
相信大家都知道，《自然》隻收錄那些在基礎科學領域具有突破性與重大意義的研究。
或許可以說，百度在生物計算領域的探索，生動講述了什麽叫 " 永遠不要低估 AI 的可能性 "。
這件事要從新冠疫苗講起，雖然疫情的陰霾已經悄悄過去，但這場疫情讓全球看到了疫苗，尤其是 mRNA 疫苗在公共衛生事業的重要性。
所謂 mRNA 是一種天然分子，其可以産生靶标蛋白或免疫原，從而激活人體的特定免疫反應，以對抗各種病原體。并且其具有 mRNA 不帶病毒成分、沒有感染風險、研發周期短等重要優勢，是人類對抗新冠疫情的殺手锏。
但如此重要的領域，在疫苗和藥物研發中依舊有一些問題，比如如何才能高效設計出穩定、成藥性更好的 mRNA 序列？
爲了解決這個問題，百度基于在 AI 領域的積累 " 出人意料 " 地将 AI 技術與疫苗研發結合，研發出了登錄《自然》雜志的 LinearDesign 算法。
這一算法運用自然語言處理中網格解析（Lattice Parsing）技術，對 mRNA 疫苗序列進行優化，從而提升疫苗的穩定性和有效性。
( 美國心髒病學家和基因組學家埃裏克 · 托普（Eric J. Topol）在推特上分享百度 LinearDesign 算法 )
這裏劃個重點，LinearDesign 算法可以說是用語言學領域的知識去攻克了生物醫療上的難題。兩個領域雖然不能說毫不相關，基本也是相隔萬裏，但是百度對 AI 技術的探索，卻讓二者完成了千裏姻緣一線牽，LinearDesign 算法由此誕生。
2020 年 5 月，面對洶湧而來的疫情，百度研究院推出了全球首個 mRNA 疫苗基因序列設計算法 LinearDesign，并宣布向全球疫苗研發機構及研究中心免費開放。LinearDesign 能在 16 分鍾完成新冠病毒的 mRNA 疫苗序列設計，極大加速新冠疫苗的研發效率。
以新冠病毒的 Spike 蛋白爲例，若采用傳統方法尋找一條穩定的 mRNA 序列，需要查看 10632 個 mRNA 序列，堪稱天文數字，但用 LinearDesign 算法，卻可以在 11 分鍾之内找到最穩定的候選序列。
2020 年 12 月，百度憑借 LinearFold 和 LinearDesign 算法在新冠抗疫中的傑出貢獻，榮獲國際頂尖人工智能峰會 The AI Summit 舉辦的 AIconics 獎項的首屆 "AI For Good（人工智能向善）" 獎。
在應用價值之外，LinearDesign 算法還展示了 AI 作爲一種底層科學探索工具，在生物與醫學領域的全新可能性。這種跨越學科的突破力，是《自然》雜志乃至全球科學界更爲珍視的。
打開 AI 的深度與廣度
爲什麽百度能把 LinearDesign 算法這種 AI+ 生物計算研究做大做強？這可能是我們必須讀懂的另一個關鍵信息。
其原因無他，千錘百煉而已。從 2012 年 AI 方興未艾，到今天 AI 火爆全球，這期間百度對 AI 技術的堅持和探索是始終如一的。這種堅持，滲透到了 AI 技術的各方各面，包括基礎設施研究、算法叠代，以及 AI 的跨學科融合。其中非常多的領域充滿未知與挑戰，也不符合傳統意義上企業對短期利益的追求。但構建堅實的基礎設施，探索前瞻性技術布局，卻是一家企業赢得未來的關鍵。
AI+ 生物計算，作爲 AI 技術的延展性方向，更能體現出百度 " 淡化短期利益，着眼長期發展 " 的技術布局思路。生物計算可以解決蛋白質分析、新藥研發等關鍵問題，其價值巨大，以新藥研發爲例，這個領域具有一種 "3 個 10" 特征，即 10 年、10 億美元、10 萬人才能研發出一種有效的新藥，而如果用 AI 作爲藥物研發引擎，将可以極大程度改變新藥研發的範式，帶來難以估量的價值。
這條路價值雖大，但充滿挑戰，在短期内都難以實現商業回報，但百度依舊願意依托 AI 技術與基礎設施的優勢，提前布局這條未來之路。早在 2018 年，百度就正式啓動了計算生物方向的研究。幾年過去，百度在這一領域已經構建了基礎設施、算法、生态合圍而成的立體創新版圖，比如剛剛提到的 LinearDesign 算法、可以極大加快 RNA 結構預測速度的 LinearFold 算法，一系列創新開始勾勒出百度在生物計算算法層的差異化優勢，而基于飛槳生态打造的生物計算平台 - 螺旋槳 PaddleHelix，則開啓了 AI+ 生物計算底層開發工具的構建，爲産學各界探索生物計算奠定了基礎。面向産業生态，百度爲産業提供了面向化合物分子、蛋白分子、基因組學信息等領域預訓練大模型，将自身的技術優勢積極投身到産學研協作當中。就像在 AI 基礎設施層面，百度強調技術、生态與基礎設施的并行，在生物計算領域，同樣的戰略落地方式也推動了百度自身與生物計算行業的積極發展。
企業進行跨學科探索與底層技術創新，強調長線程和重積累，隻有構建出完整的技術序列、技術體系，才能在此基礎上一鳴驚人。無論是在 AI+ 生物計算領域，還是更爲基礎的 AI 技術上，長期主義，始終是百度的王牌。
這樣的以重積累換取高效率的邏輯，展現在百度技術創新的方方面面。比如文心一言發布後的 1 個月内，完成了 4 次技術叠代，相較最初版本推理效率提升了 10 倍。這種技術叠代與産業化應用的效率從何而已？其中，飛槳支撐了文心一言從開發訓練到推理部署的全流程，并且通過聯合優化的方式，大幅提升了大模型的訓練與推理。從中就可以看出，底層技術與工具鏈的長期積累，爲新技術的高效率升級奠定了基礎。
百度是如此打開 AI 技術的深度，中國科技也是如此打開走向世界的廣度。
大國科技走向世界
1985 年 11 月，《自然》雜志探讨了中國當時在高能物理、空間探索、地震預測等領域的科研水平，向世界展示了一個具有蓬勃科研創新活力的中國。
2008 年 7 月，《自然》借着北京奧運的機會發布了中國特刊，向世界介紹了 " 中國目前論文發表數量比除了美國以外的其他國家都要多 "，确定了中國科研實力的地位與價值。
幾十年來，《自然》裏的 " 中國元素 "，可謂與中國科技發展完美同頻，比如在 1997 年時《自然》發表的原創科研論文中隻有 0.4% 涉及中國作者，2017 年已增至約 15%。這個數字的變化，恰好佐證了中國科技走向全球的變遷。
在這個過程中，一個角色是不可或缺的，那就是科技企業在整體科研環境中扮演的角色。自信息革命以來，我們可以在歐美發達國家的科技版圖中，看到很多重大創新都是由企業來完成。以 AI+ 生物計算爲例，DeepMind 打造的 AlphaFold2 廣受關注。而谷歌母公司 Alphabet，已經在持續推動這一算法在醫療健康、新藥研發等領域落地，打造了 ChatGPT 的 OpenAI，也在 AI 疾病診療、AI 蛋白質結構預測等領域進行着探索。
從世界範圍内的趨勢來看，AI+ 生物計算這一重要領域，主要創新陣地應該在科技企業，并且需要以科技企業爲核心，形成産學研互動的良性生态。而百度在生物計算領域的布局與進取态勢，則在中國科技版圖中補完了這一環節。
中國科技走向全球，走向科技自立自強，離不開企業科研能力的不斷升級。從這個角度看，百度生物計算以第一完成單位身份在《自然》發表論文，可以看作一個新階段的信号。1985 年，是世界看到中國科技；2008 年，中國綜合科研能力跻身世界前列；今天，中國的科學家、學術機構、科技企業，都能作爲第一作者登上《自然》，證明中國已經具備了多元化，立體化的科技能力。
中國科技的創新性和獨特性，已經從學術界延伸到産業界，更具有世界眼光，更具有大國擔當。
