导语
大语言模型在生物医学领域潜力巨大，从加速基因组学研究到辅助临床决策，从实时诊断到药物研发，均被寄予厚望。然而，这些模型在实际应用中往往遭遇一个关键瓶颈：医疗数据结构化程度高，但边缘场景——如罕见病或异常症状——的真实数据却严重匮乏。
总部位于纽约的 Mantis Biotech 声称已找到解决方案。该公司正在开发一个数据平台，能够整合多来源数据，生成合成数据集，用于构建人体的"数字孪生"——即基于物理学的解剖学、生理学和行为预测模型。
核心技术路径：数据整合与物理引擎双驱动
Mantis 的技术栈分为三个层次：
- 多源数据采集：从教科书、运动捕捉摄像头、生物识别传感器、训练日志到医学影像，均可纳入
- LLM 路由与合成：基于大语言模型的系统对各数据流进行路由、验证与综合
- 物理引擎增强：所有数据最终通过物理引擎处理，生成高保真渲染模型，用于训练预测模型
创始人兼 CEO Georgia Witchel 强调，物理引擎层是核心技术关键——它能将生成的合成数据锚定在真实物理规律上，确保解剖学的力学建模符合现实。
典型场景：从体育预测到罕见病研究
Mantis 的数字孪生定位三类高价值场景：
- 医学流程研究：模拟测试新手术方案
- 手术机器人训练：提供高保真人体模型
- 健康预测：综合睡眠、训练负荷、饮食等多维数据，预测伤病风险
Witchel 以 NFL 球员跟腱伤病预测为例，说明平台如何运作：结合球员近期表现、训练强度、饮食结构与运动时长，输出伤病概率评估。
在罕见病例领域，平台的价值尤为突出。传统公开数据集几乎不包含"缺失手指"患者的标注手部姿态数据——这类数据获取面临伦理与隐私双重约束。Mantis 的方案只需对物理模型说"移除第 X 根手指，重新生成"，即可快速合成所需数据集。
商业落地：从职业体育切入，逐步扩展至预防医疗与制药
目前 Mantis 已获得职业体育领域的认可——一支 NBA 球队是其主要客户之一。平台为运动员建立数字表征档案，可追踪其跳跃能力在一年内的逐日变化，并关联训练量、睡眠质量、手臂抬起次数等指标。
近期，Mantis 宣布完成 740 万美元种子轮融资，由 Decibel VC 领投，Y Combinator 及数位天使投资人、Liquid 2 跟投。资金将用于团队扩充、广告营销与市场推广。
Witchel 透露，下一步将持续迭代平台技术，逐步向公众开放，优先切入预防医疗领域；同时面向制药实验室及 FDA 临床试验研究者，提供患者治疗反应分析能力。
AI 技能差距已成现实：高级用户正在拉开优势
AI 技术的普及并未让所有人站在同一起跑线——至少 AI 公司们不这么认为。
据 TechCrunch 报道，多家人工智能公司在近期的行业会议上表示，"AI 技能差距"（AI skills gap）正在真实形成：部分高级用户已能熟练运用 AI 工具完成复杂任务，而大量普通用户仍在基础交互层面徘徊。
这种差距体现在多个维度：高级用户善用提示词工程、API 调用和自动化工作流，而普通用户往往只依赖聊天界面的一问一答。某 AI 公司的产品负责人在会上直言："我们看到了明显的两极分化。" 对于企业而言，这意味着内部 AI 培训的需求正在上升；对于个人用户而言，主动学习和实践 AI 工具将成为职场竞争力的分水岭。
Google 推出 TurboQuant：新一代内存压缩算法被称"Pied Piper"
Google 近日发布了一款名为 TurboQuant 的 AI 内存压缩算法，随即在社交媒体上引发热议——由于名称发音和 Logo 配色的原因，不少网友将其比作《硅谷》剧中那个"Pied Piper"压缩算法。
从技术层面看，TurboQuant 旨在通过更高效的量化方法，在不显著损失模型精度的前提下大幅降低 AI 模型的内存占用。Google 表示，该算法已在内部多个产品中得到验证，内存消耗最高可降低约 60%。
目前该算法已向部分开发者开放测试，完整版本预计将在今年第三季度推送。
拒绝 2600 万美元：肯塔基州农场主守护土地拒当数据中心
美国肯塔基州一名女性农场主近日拒绝了科技公司高达 2600 万美元的土地收购提议，坚持不将自家农场改建为数据中心。
据当地媒体报道，这块农场位于该州一处规划中的数据中心园区范围内。科技公司多次加价，最高报价达到 2600 万美元，但这位农场主始终未动摇。
"这块地是我家族几代人守护下来的，"她在接受采访时表示，"钱买不到我想要的生活。"目前，该数据中心项目仍在寻找其他合适地块。
评论