其他行业 · AI应用
推进蛋白质设计与可持续材料
Cambrium 面临开发可持续材料同时最小化环境影响的挑战。为此，该公司利用 AWS 技术（特别是 Amazon SageMaker 和 AWS Batch）来简化蛋白质工程流程。通过在 100 毫秒内处理数百万个蛋白质，Cambrium 显著加速了材料开发，实现了 5 倍的速度提升和 20 倍的成本效益改进。这种创新方法不仅提高了效率，而且与传统材料相比，排放量减少了 95%，展示了 AI 驱动解决方案在推进研发和工程可持续实践方面的潜力。
查询处理时间
100
来源披露
材料开发速度
5
来源披露
成本效益
20
来源披露
01
业务背景
Cambrium 面临开发可持续材料同时最小化环境影响的挑战。为此，该公司利用 AWS 技术（特别是 Amazon SageMaker 和 AWS Batch）来简化蛋白质工程流程。通过在 100 毫秒内处理数百万个蛋白质，Cambrium 显著加速了材料开发，实现了 5 倍的速度提升和 20 倍的成本效益改进。这种创新方法不仅提高了效率，而且与传统材料相比，排放量减少了 95%，展示了 AI 驱动解决方案在推进研发和工程可持续实践方面的潜力。
02
遇到的问题
传统材料占全球温室气体排放的23%，Cambrium需要开发可持续替代材料，同时要求扩展性以处理复杂的蛋白质设计和分析。
03
AI 解决方案
Cambrium在AWS上构建了蛋白质向量化引擎。当蛋白质文件上传至Amazon S3时，自动触发AWS Batch作业进行数据准备和清洗；随后使用NVIDIA加速容器和BioNeMo的ESM模型将蛋白质转化为向量并存储；利用Amazon SageMaker开发并训练自有基础模型。该管道可在1个月内由一人搭建完成，支持从5项到百万项数据集的快速扩展。
- 1将蛋白质文件上传至Amazon S3，自动触发数据处理管道
- 2AWS Batch作业启动，对蛋白质数据进行准备和清理
- 3使用NVIDIA加速容器和BioNeMo的ESM模型将蛋白质转换为向量并存储
- 4利用Amazon SageMaker训练自有的蛋白质分析基础模型
04
实施结果
查询处理时间：100（处理数百万蛋白质）
材料开发速度：5（较传统方法快5倍）
成本效益：20（较传统方法提高20倍）
排放减少：95（较传统材料减少95%的排放）
05
风险与边界
未披露
“The real value add of AWS is scalability. We can ramp up our test dataset from 5 items to 5,000 to a million within 2 hours.”
Pierre Salvy · Chief Technology Officer, Cambrium
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。