🎯 情报来源：Cloud Blog
AI初创公司Escalante利用JAX框架开创性地将AlphaFold 2等12个蛋白质预测模型整合为统一优化系统，在药物设计领域取得突破性进展。通过构建多目标可微分函数，其Mosaic平台能将随机蛋白质序列进化为满足结合亲和力、溶解度等复合特性的新型结构，单次可生成1万-5万个候选设计，最终仅需湿实验验证10个最优方案。
技术实现上，Escalante采用2000-4000个TPU v6e（Trillium）集群进行半小时级爆发式计算，相较H100 GPU实现3.65倍的每美元性能提升。其核心工具库Mosaic已开源，包含基于JAX重构的Boltz-2结构预测模型等关键组件。
💡 核心要点
- 模型整合：12个蛋白质预测模型（含AlphaFold 2）通过JAX整合为统一优化系统
- 计算规模：单次任务调用2000-4000个TPU，生成1万-5万候选蛋白质设计
- 成本优势：TPU v6e比H100 GPU节省65%计算成本（3.65x性能/美元）
- 实验效率：湿实验验证量压缩至10个/批次，筛选效率提升500-5000倍
- 技术栈：深度依赖JAX生态（Equinox/Optax）+Google Kubernetes引擎
📌 情报分析
技术价值：极高 – 首次实现多模型蛋白质设计的端到端可微分优化，突破传统生物工程方法论
商业价值：高 – 人类蛋白质组计划级算力需求将推动TPU市场增长，但医疗应用商业化周期较长
趋势预测：极高 – JAX在科学计算领域市占率将持续提升，2025年或成计算生物学标配框架