AI 是聪明的。但是，设计用于向零售客户发送“忠诚寿司客户”特别优惠的 AI 应该在一个级别上运行，而那些旨在服务于不仅关键任务而且生命关键的科学 AI 用例的 AI 是否应该更聪明？答案几乎是肯定的。因此，我们需要设计这种科学任务的 AI，使其具有一个难以想象的大数据访问渠道，既多样化又受控。
这就是为什么科学数据和 AI 云公司 TetraScience 现在与以云为中心的数据仓库公司 Snowflake 合作，使数据科学团队能够以新的方式处理科学数据，并推动所谓的科学 AI 革命。这一合作紧随 TetraScience 与 Google Cloud、Databricks 和 Nvidia 签订的一系列合作伙伴关系之后，这些合作支持这家初创公司的雄心，即转化孤立的、专有的和非结构化的科学数据，以便工程师和科学家可以将其用于 AI 和数据应用程序，从而改善药物开发和制造的每一步。
具体来说，这次与 Snowflake 的合作将允许在 Tetra Scientific Data and AI Cloud 和 Snowflake 的 AI Data Cloud 之间共享科学数据，从而使生命科学组织能够从多样化的多模态数据集中生成以前无法实现的见解，从而提高其运营速度和整个生物制药价值链中的决策质量。
为什么科学数据是原始的？
Tetra Scientific Data and AI Cloud 旨在将原始的、孤立的科学数据转化为分析就绪和 AI 原生的数据集。为什么科学数据经常是原始的和孤立的？因为这些信息可能只存在于某个研究设施中唯一的一台极其专业的科学设备上（所以它是一个单一的孤立数据孤岛），而这台机器本身很可能被设计成执行极其复杂的科学分析任务，这意味着几乎没有或根本没有设计努力来确保它还具有优雅的数据智能功能集（这是原始部分）。
要么……这是一个由于遗留数据团队实践而导致原始孤立数据成为常态的设施。或者两者兼有。
通过结合 TetraScience 在科学数据和工作流方面的专业知识与 Snowflake 的 AI Data Cloud，组织有望获得科学数据和开发高级分析及 AI 驱动用例的敏捷性。科学团队可以在不同的组和地理边界之间协作数据，同时利用 Snowflake 的安全和隐私保护措施。
“我们与 Snowflake 的合作将前所未有的操作洞察和 AI 就绪的科学数据直接交到实验室和数据科学家手中，”TetraScience 首席执行官 Patrick Grady 说。“无论是开发自定义仪表板还是运行高级分析或 AI 模型，研究人员现在可以专注于科学和创新，而不是数据准备。”
几家使用 Snowflake 的制药公司表示，他们已经意识到 TetraScience 提供的可访问、分析就绪的 AI 原生科学数据带来的好处。这使得生物制药贸易中的各种用例和数字倡议得以实现，例如监测科学仪器的健康状况和利用率以提高实验室效率，以及自动化摄取和标记“分析报告”以实现安全和顺畅的协作……尽管技术行业过度使用这些术语，但在生物制药领域，当生命依赖于数据时，你希望你的数据是安全和顺畅的。
为了完整性，分析报告及其所属数据是一种基础实验室测试，用于测量特定物质或其他目标实体的数量或存在。同样的术语在采矿中也使用，探矿者用它来确定贵金属或其他冶金物质的存在（因此许多人都知道它来自西部牛仔电影），它也在医学、环境科学、药理学和法医学中使用。
“TetraScience 的深厚科学专业知识与 Snowflake 的 AI Data Cloud 结合，为客户带来了效率和可扩展性的新机遇，”Snowflake 生命科学行业主管 Lisa Arbogast 说。
这两家公司的合作包括联合技术开发、共同营销和共同销售计划。
数据，生命之血
我们经常听到 IT 行业谈论数据是“业务的生命之血”，因为组织希望说服我们他们是数据驱动的云原生操作。然而，这更像是数据是“生命之血的业务”，因为像 TetraScience 这样的专业公司致力于通过设计和工业化 AI 原生科学数据集来加速科学 AI。
如果我们希望在制造业、零售业或商业中每天看到的 AI 和数据分析水平也能被生物制药社区应用，那么这项工作显然是必要的。难道不更明智地自动将原始科学数据转换为开放的供应商中立格式，以便通过最佳的分析和 AI 应用程序最大化数据的价值吗？是的，这正是 TetraScience 通过其 AI 原生科学数据集所做的，这些数据集旨在让生命科学领域的数据科学工程师能够消费带有科学分类和本体的协调数据。
下次你听到某位主旨演讲者告诉你数据是我们现代存在的生命之血时，至少你可以安静地坐在椅子上，思考这些话到底有多真实。
(全文结束)
