AIR科研｜AMix-1重新定义LLM时代的蛋白质基座范式

背景：随着语言模型在通用智能方面取得突破，蛋白质基座模型的发展仍停留在BERT时代的“预训练+任务微调”范式，缺乏对可扩展性、通用性和涌现能力的系统化讨论。研究目的：清华大学智能产业研究院（AIR）周浩副教授课题组联合上海人工智能实验室发布AMix-1，旨在通过Scaling Law、Emergent Ability、In-Context Learning和Test-time Scaling的系统化方法论构建蛋白质基座模型，实现蛋白质通用智能。结论：AMix-1在预训练阶段实现了可预测的Scaling Law，涌现出结构感知能力，支持无需微调的上下文学习，并具备测试时扩展能力，在湿实验中验证了其设计蛋白的活性提升高达50倍，为蛋白质设计提供了通用智能新范式。