其他行业 · AI应用
Gilead 关于生成式 AI 的创新演讲
Gilead Sciences 面临治疗开发周期漫长的挑战，通过利用生成式 AI 增强其研发和工程流程。他们专注于加速靶点评估、自动化文献挖掘和监管提交等劳动密集型任务，并建立强大的云和数据基础设施以支持 AI 和机器学习计划。通过实施这些策略，Gilead 旨在显著缩短靶点评估的周期时间，通过高效的数据分析改进决策，并确保企业范围内的数据治理。成果包括可扩展的基础设施，增强了数据的可访问性和安全性，同时促进了 AI 模式在项目间的可重用性，最终通过云迁移提高了 AI 投资的 ROI 并推动了创新。
靶点评估周期缩短
数月
来源披露
云迁移比例
80%
来源披露
数据产品发布数量
超过300
来源披露
01
业务背景
Gilead Sciences 面临治疗开发周期漫长的挑战，通过利用生成式 AI 增强其研发和工程流程。他们专注于加速靶点评估、自动化文献挖掘和监管提交等劳动密集型任务，并建立强大的云和数据基础设施以支持 AI 和机器学习计划。通过实施这些策略，Gilead 旨在显著缩短靶点评估的周期时间，通过高效的数据分析改进决策，并确保企业范围内的数据治理。成果包括可扩展的基础设施，增强了数据的可访问性和安全性，同时促进了 AI 模式在项目间的可重用性，最终通过云迁移提高了 AI 投资的 ROI 并推动了创新。
02
遇到的问题
药物开发周期漫长，通常超过十年，耗资数十亿美元，失败率高达90%。早期药物发现中的靶点评估过程涉及挖掘PB级数据、识别和分析相关研究，效率低下且劳动密集。
03
AI 解决方案
利用专门的大语言模型查询和分析海量科学文献与数据库，支持科学家以自然语言搜索、总结文献、模拟分子相互作用，并动态生成和更新含参考文献的综合研究报告。同时基于AWS云建立数据网格架构，集中数据管理，去中心化数据所有权，以“数据即产品”模式发布超过300个数据产品，实现自助式数据全生命周期管理，并自动化MLOps以提高效率。
04
实施结果
靶点评估周期缩短：数月（显著缩短）
云迁移比例：80%（计算和存储负载已迁移至AWS）
数据产品发布数量：超过300（已发布）
05
风险与边界
未披露
“We chose AWS–not just because of their technology, but for their passion for transforming the industry and inventing together. We are truly seeing the art of the possible.”
Marc Berson · CIO, Gilead Sciences
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。