💵 Prometheus Джеффа Безоса привлёк $12 млрд на создание «искусственного общего инженера»

Физический AI-стартап Prometheus, основанный при поддержке Джеффа Безоса, закрыл раунд финансирования на $12 млрд. Компания нацелена на разработку «искусственного общего инженера» — системы, способной автоматизировать сложные инженерные задачи в реальном мире, включая проектирование тяжёлой техники и разработку лекарств. Оценка стартапа после раунда достигла $41 млрд.

Prometheus позиционирует себя как мост между цифровыми AI-моделями и физическим производством. В отличие от традиционных LLM, их система обучается взаимодействовать с трёхмерными объектами, CAD-моделями и лабораторным оборудованием. Ключевые направления — автоматизация циклов «проектирование-тестирование-доработка» в машиностроении и ускорение доклинических испытаний в фармацевтике.

Для разработчиков и инженеров это означает появление инструмента, способного автономно генерировать и оптимизировать чертежи, подбирать материалы и симулировать физические процессы. Стартап уже сотрудничает с несколькими промышленными гигантами, тестируя систему на реальных задачах — от проектирования турбин до синтеза новых молекул.

#Business #Prometheus #PhysicalAI #Engineering #Pharmacy #Startup

↗️ Малые языковые модели набирают обороты по всему миру

Небольшие AI-модели всё активнее вытесняют гигантов вроде GPT-4 в специализированных отраслях. Согласно статье IEEE Spectrum, особенно ярко этот тренд проявился в фармацевтике и биомедицине, где компактные языковые модели (SLM) показывают высокую эффективность при решении узких задач — например, при анализе химических соединений и поиске новых лекарств.

В отличие от универсальных LLM, малые модели требуют значительно меньше вычислительных ресурсов, быстрее обучаются на профильных данных и проще внедряются в локальную инфраструктуру. Это делает их идеальным выбором для регулируемых отраслей, где критичны конфиденциальность данных и воспроизводимость результатов. Эксперты отмечают, что SLM уже используются для предсказания свойств молекул и оптимизации клинических испытаний.

Практический вывод: тренд на «малый AI» означает, что разработчикам стоит присмотреться к fine-tuning компактных моделей под свои задачи — это дешевле, быстрее и зачастую точнее, чем полагаться на гигантские API.

#AI #SLM #Pharmacy #BioMedicine #ML

💊 Amazon Neptune и GraphRAG: новый подход к фармацевтическим исследованиям

AWS представила решение на основе GraphRAG (Graph-based Retrieval Augmented Generation) и Amazon Neptune Analytics для ускорения открытия лекарств. Система объединяет разрозненные научные данные — PubMed, внутренние лабораторные заметки, геномные базы — в единый граф знаний.

Ключевая проблема фармацевтики: лишь 5% гипотез проходят первичный скрининг, который занимает более 6 месяцев. Данные фрагментированы, а уход исследователей ведёт к потере институциональной памяти. Решение использует подход BYOKG (Bring Your Own Knowledge Graph) — исследователи загружают собственные наборы данных, которые Neptune Analytics связывает с публичными источниками.

Графовый ИИ позволяет задавать сложные вопросы на естественном языке и получать ответы с полной цепочкой доказательств: от соединений и белков до клинических исследований. Amazon Bedrock обеспечивает генерацию ответов, а Neptune — высокопроизводительный обход графа. Каждый результат содержит ссылки на первоисточники и шаги графового поиска, что критически важно для регуляторных органов.

Практическая ценность: система не просто ускоряет поиск — она делает научные выводы воспроизводимыми и прозрачными, сохраняя знания даже при смене команды.

#Tech #AWS #GraphRAG #Pharmacy #AmazonNeptune #MachineLearning