有消息称该机将在1月14日正式发布，印度地区会在1月末上市，售价预计60000到70000卢比起步（约合人民币5300~6200元），S21 Ultra则预计90000到100000卢比（约合人民币7990元到8883元）。

　　这么做，就真正把蛋白已知结构进行最大化的应用。

　　许东教授坦言，此前，自己的团队也思考过，但是那时候采用的是“土一点”的统计方法。

　　“AlphaFold确实是非常大的创新，这种创新对研究其他问题也有帮助。比如，我们现在就想用类似的思想去做单细胞数据建模的一些研究。

　　其次，端到端学习的引入。

　　端到端学习的引入，使得从输入氨基酸序列到输出蛋白质三维结构的过程，可以完全在深度学习的框架内实现，从而使得优化过程可以得到更为直接的误差信号。

　　而之前的方法往往基于深度学习+传统结构建模工具（例如Rosetta、I-TASSER等的组合，这样结构建模的误差信号不能直接用于对深度学习模型本身进行更新。

　　AlphaFold的商业前景如何？

　　虽然，在许东教授、马健博士看来，传统实验室技术仍然具备生命力。但是有一点值得肯定，AlphaFold的爆炸性成果，会对其他入局蛋白质结构预测的厂商产生非常大的冲击——犹如一条“鲶鱼”一样，搅动整个行业的现有技术和商业格局。

　　这次成果发布之后，DeepMind联合创始人及CEO德米斯·哈萨比斯（DemisHassabis也第一时间向外界表示：“DeepMind背后的终极愿景一直是构建通用人工智能，利用通用人工智能来极大地加速科学发现的步伐，帮助我们更好地了解周围世界。”

　　但值得注意的是，在AI领域，研究成果与商业化之间仍然存在一条鸿沟，即便是有领先算法的DeepMind也不例外。

　　去年，据外媒报道，谷歌母公司Alphabet旗下的人工智能子公司DeepMind2018年的营收几乎翻了一倍，但净亏损仍高达5.72亿美元。

　　从这项成果来看，AlphaFold本质还是基于深度学习技术，需要算力的支持（使用了大约128个 TPU v3——大致相当于100-200个 GPU，这些都是需要真金白银的支持。

　　但是，行业专业人士向雷锋网表示，从计算资源需求上来看，128个TPUv3基本还在可接受的范围内，同时学术界和工业界后续也势必会从算法和工程实现的角度，对计算效率继续进行优化，来降低实际计算开销。

　　因此，尽管拥有着非常前沿的AI技术，如何将所耗费的成本转化为实实在在的商业收益，也是DeepMind需要考虑的现实问题。

　　AlphaFold的出现，似乎为DeepMind在医药领域的生意带来了新的突破口。