2．LinearDesign算法解決醫(yī)藥痛點，醫(yī)療場景反哺AI成長。

AI跨界產業(yè)融合是一個雙向哺育的過程。以AI＋醫(yī)療來說，AI技術在加速改革醫(yī)療模式同時，醫(yī)療行業(yè)也在為AI技術的應用構建了場景，雙向促進在加速產業(yè)融合發(fā)展。

LinearDesign算法是一個明顯的呈現(xiàn)。在現(xiàn)有的mRNA疫苗研發(fā)上，存在一個巨大的挑戰(zhàn)，即mRNA疫苗的穩(wěn)定性問題。這是一個醫(yī)藥研究的痛點，對此百度則嘗試運用AI技術來更高效的解決這個問題。

于是，LinearDesign算法上線，并針對性的解決mRNA序列不穩(wěn)定的問題�！八�設計了一組結構更穩(wěn)定的序列，并使用翻譯效率高的密碼子。”羅徹斯特大學教授、RNA生物中心主任David Mathews對此解釋道，并予以了高度的認可。

同時，在新冠病毒的刺突蛋白序列上的計算機模擬實驗表明，LinearDesign能夠設計出結構最穩(wěn)定的序列，而且設計時間只需要1個半小時。如果采用線性時間近似算法，所需時間可以進一步縮短到11分鐘。

很顯然，疫情所構建的醫(yī)療場景，成為百度的AI算法研發(fā)的催化劑。而通過這個催化，百度的AI算法也在輔助醫(yī)藥機構解決行業(yè)痛點。雙向的促進，不管是對于醫(yī)療行業(yè)或是AI領域，都具有明顯的價值反饋。

3．LinearDesign算法還有第二輪跨界，AI沒有邊界。

LinearDesign算法最早是源于新冠病毒的mRNA疫苗研發(fā)，但是其本質作為一個優(yōu)化序列的算法，凡是涉及到序列設計的領域，都具備應用空間。也就是說，除了用于新冠病毒mRNA疫苗的研發(fā)，LinearDesign算法還能用于個性化腫瘤藥物等其他mRNA藥物、抗體和疫苗的研發(fā)。

很顯然，AI技術本身不具備特定的邊界，在跨界融合的過程中，具有較強的通用特征，如LinearDesign算法。誠然，AI進入大生產時代，對產能的重視程度越來越高。AI在跨界融合的過程中如何避免“重復造輪子”的資源浪費，是目前科技企業(yè)需要聚焦的問題。

為此，通用化、平臺化的AI產品或服務往往具有更加廣泛的市場空間。以百度來說，除了LinearDesign算法之外，旗下的百度大腦、飛槳、DuerOS開放平臺等AI產品都是如此，打破邊界性應是未來AI跨界應用常態(tài)化的發(fā)展。

結語

從LinearDesign算法的聚焦到AI產業(yè)跨界融合的討論，我們都不難看出，如今的科技的發(fā)展正在不斷整合優(yōu)化，越來越多的技術被應用于各行各業(yè)。就醫(yī)療行業(yè)來說，AI＋醫(yī)療的想象力不僅僅在于AI巨頭的技術賦能，也在于醫(yī)療行業(yè)的場景構建。

那么，隨著百度與生命科學領域的合作交流愈發(fā)深入，也意味著前者的技術沉淀，與后者的場景驅動都在成為其跨界融合的兩個基礎底座。

在LinearDesign算法之后，百度跨界生命科學領域顯然會跑得更穩(wěn)。

如今，在新基建的大背景下，百度同樣有著自己的一套AI基建布局和體系，智慧醫(yī)療更是特別突出的重點模塊。以百度大腦、飛槳、百度智能云、前沿技術等AI模塊為核心，百度一邊尋求AI的應用落地，一邊在完成AI的發(fā)展框架。

隨著LinearDesign、LinearFold等算法的逐步積累和完善，百度在智慧醫(yī)療的新基建顯然會擁有更加穩(wěn)定的發(fā)展基礎。

AI＋醫(yī)療，技術賦能生命科學，也更加值得期待。