家族诞生

汇顶科技推出新一代中大尺寸触控芯片：面向高端平板、折叠手机_我的网站

一 |     8月26日消息，汇顶科技正式发布新一代中大尺寸高性能触控芯片GT9976系列，该系列的首批商用成果已落地联想拯救者Y700无极游戏旗舰平板及手写笔Pro第二代——后者搭载了汇顶提供的GT9976N触控芯片、主动笔驱动芯片及超窄侧边电容指纹方案，三者协同，为玩家带来更为畅快精准的游戏操控与交互体验。

二 |     AI工具正在生物医学领域攻城略地，这次大出风头的是Claude。    针对竞技类游戏场景中高刷新率屏幕对触控响应速度和数据处理能力提出的苛刻要求，GT9976系列采用汇顶自研的全屏并行感知架构，以更短的扫描周期获取更高的信噪比，显著加快手指信号的抓取速度与运算效率。

三 |     2026年8月18日，Anthropic宣布：他们使用自家的Claude模型，从头设计了一批自然界从未出现过的蛋白质。

四 |     该系列芯片支持7至9.5英寸柔性OLED显示屏，触控报点率与瞬时采样率均达到行业领先水平。

五 | [1]     他们还用设计出的蛋白质，拼出了公司名字“ANTHROPIC”，而且是一个动态演示，就像这样——          图源丨Anthropic官网，如果看不到动画，可单击放大查看     联想到上周末，公司创始人Dario Amodei 刚在X上放出豪言，有了 AI 助力，人类有望在5-10年内攻克大部分疾病。[2]     这才过了几天，难道这么快就开始兑现预言了吗？     要回答这个问题，得先问几个问题：Claude到底做了啥？这个成绩算什么水平？离药还有多远？为什么AI公司都盯上了这块蛋糕？AI设计的蛋白质，安全吗？Amodei是不是在吹牛？     一、Claude到底是怎么做到的？说到蛋白质和AI，多数人第一个想到的是谷歌旗下的AlphaFold。     为应对柔性OLED显示屏在高负载运行时的噪声干扰，GT9976系列搭载了行业领先的高噪抑制模拟前端（AFE）采样架构，信噪比较上一代提升100%。

六 | 来自AlphaFold的科学家戴密斯·哈萨比斯（Demis Hassabis）、约翰·江珀（John Michael Jumper），因为使用AI解析和预测蛋白质结构，拿下了2024年的诺贝尔化学奖。配合汇顶自研游戏定制算法，芯片能够在复杂噪声环境中精准提取有效触控信号，持续输出稳定、准确的坐标信息。

七 |     在FPS、MOBA及音游等高强度游戏场景下，凭借更高信噪比、高速扫描采样以及增强的实时噪声监测与跳频技术，GT9976系列实现了快速的点击响应和多指操控稳定性——滑动不抖动、操作不偏移，大幅提升了快速瞄准、压枪、连招及走位等像素级细微操作的跟手性和轨迹精度。    同样和他们分享诺奖的另一个人，是戴维·贝克（David Baker），他的研究方向刚好相反，是从头设计蛋白质。    此外，该系列搭载了自容与互容双模检测技术及互补算法，有效优化手掌抑制性能，显著减少握持或边缘按压引发的误触；同时针对汗手、湿手及戴指套等复杂使用环境进行专项优化，确保触控始终灵敏稳定。    而Claude这次做的工作，就和贝克类似。要的是创造，零帧起手，反推出一条自然界没有的结构，难度更高。    面向移动办公、在线教育和专业绘图等场景，GT9976系列的主动笔支持能力同样大幅进阶。    Claude设计的产物，严格来说应该叫“蛋白质结合剂”（protein binder），作用是：用新蛋白质，结合已有蛋白质。    不过，也不要把Claude想得太神了。它只是一个很强的大语言模型，不是万能的哆啦A梦。    配合汇顶主动笔驱动芯片，方案可支持360Hz笔报点率，结合自研主动笔防干扰算法，实现了优异的线性度和精准度。在这次设计蛋白质的实验中，它更像一个赛博科学家，善于驱遣各种科研工具，做成一个装配流水线。    简单来说，Claude设计出蛋白质，经历了以下步骤[3]：     1. 选靶点。无论是抬笔即写、小字批注，还是绘画练字，都能精准还原笔迹，带来所写即所得的自然书写体验。Anthropic研究人员拟定了一个16000个单词的提示协议，包含设计蛋白质所需的所有经验知识，然后把它喂给Claude的两个版本：Opus 4.8和Mythos Preview，让这两款模型就16个靶点展开内部赛马，耗时24-48小时，筛出15个靶点蛋白质，并确定了靶点的结合表位；     2. 生成结构。

八 | 基于15个蛋白质靶点，生成结合剂主链结构；     3. 生成序列。基于主链结构，把结构反推成具体的氨基酸序列；     4. 进行筛选。

九 |     针对大屏旗舰OLED平板的差异化需求，汇顶同步提供了支持10至14英寸屏幕的GT7A系列，同样具备卓越的综合性能，进一步丰富了中大尺寸触控产品矩阵。

十 | 对候选序列做评估打分，并进行多轮优化，挑出最有希望成功的蛋白质。

十一 |     目前，GT9976系列与GT7A系列均已通过主流终端品牌及显示面板厂商的严格验证，将陆续在折叠屏手机、游戏旗舰平板及轻薄旗舰平板等产品中实现商用落地。    最终，针对这15个蛋白靶点，Claude生成了1320个设计。         AI从头设计蛋白质的流程，图丨九叶刀使用AI制作     Claude能做的事情到此为止。     接下来，Anthropic的研究人员把设计出来的序列，送到了两家独立的第三方湿实验平台（瑞士Adaptyv Bio和美国Twist Bioscience）进行实地检测。     

十二 |     也就是说，一个包含100个氨基酸的序列，可能组成的蛋白质种类，比全宇宙的原子还多几十个数量级。         氨基酸排列的无数可能，图丨九叶刀使用AI制作     在这片天文数字级别的序列海洋里，能稳定折叠成有用结构的，只是极小一撮。自然界实际存在的蛋白质折叠类型，加起来大约1000-2000种。绝大多数随机序列根本不会折叠，要么成团乱麻，要么碎成渣渣。    从头设计，就好比在这个比宇宙还辽阔的空间里做逆向搜索，给你想要的功能和形状，让AI反推那条氨基酸序列。    Claude不是第一个吃螃蟹的。

十三 | 二十多年来，人们一直在研究从头设计蛋白质。贝克实验室是这条路上最早也最执着的探路者。2003年，他们做出了Top7，这是第一个自然界里不存在的全新折叠结构，证明来从头设计这事确实可行。

十四 | 但当时做这一个结构，就要消耗大量计算资源，离实用差得远。[4]     之后的十几年，整个领域都因为低命中率而苦苦挣扎。

十五 | 传统从头设计结合剂，成功率大概为10%-15%，一个靶点磨上几个月是常态。    2017年，贝克实验室在《自然》杂志上发表的迷你蛋白库，2万多个设计里，高亲和力结合剂命中率为11.6%[5]。    同年，该实验室的Rocklin 等人在《科学》杂志上做了更大规模的折叠测试，首轮成功率只有个位数百分比，而且不同结构之间差距悬殊，螺旋结构简单，成功率好歹能到23%，但某些混合结构直接归零。[6]     也就是说，在这片比宇宙还大的搜索空间里，人类专家拿着最好的工具，命中的概率百分比，经常也只有个位数。

十六 |     这就是Claude出手之前的状态。     Claude这次设计尝试，最吸引人的就是人机成绩的鲜明对比。    同期的人类专家竞赛里，RBX1这个靶点，人类选手的命中率只有3.7%，Claude单靶点做到了40%，它最优的设计，还超越了人类冠军。    它也啃下了公认难搞的硬骨头：TNFα。它是修美乐等重磅药物的作用靶点，结合位点藏在两个蛋白拷贝拼出来的凹槽里，设计难度极大。

十七 | Opus 4.8把它搞定了，但整体能力更强的Mythos Preview反而没成功。Anthropic由此也得出结论，蛋白设计已经非常精专，但更强的模型仍有可能在某个具体结构上失手。    不过Claude成功和栽跟头都没啥规律。一个MBP靶点，90个设计，一个都没结合成功。这个蛋白又大又软，表面光滑亲水，结合剂无处下手。

十八 | 但公认难做的β折叠结构，它反而做出来了。

十九 |     另外，大部分计算设计的结合剂都是α螺旋束，就是几根螺旋拧在一起。β折叠那种扁平带状结构更难做对，容易错折叠。这次Claude在6个靶点上产出了15个含β折叠结构的结合剂，说明它的结构推理能力不止于最简单的套路。         一种名为SUMO-1蛋白的二级结构图，其中，红色结构是α螺旋，蓝色结构是β折叠，图源丨参考文献[11]     总结一下，15个靶点中，有14个给出了能结合的蛋白；一轮设计下来，命中率22%-35%，行业通常只有10%-15%；每个靶点两天内出结果，过去靠计算专家手工编排，要几周的时间。    在比宇宙原子还多的搜索空间里，把命中率从百分之一二拉升至百分之二三十，把时间从几周压缩到两天，这个进步的确值得赞叹。    但设计结合剂，只是药物开发的第一步。

| 后续的可制造性、稳定性、毒理、剂量、临床试验、监管审批，仍然需要人类完成。到今天为止，还没有一款用AI从头设计的蛋白类药物成功上市。    而且，这次Anthropic只是秀了秀Claude的技术肌肉，断然不会下场做湿实验，也不涉足实际管线，不分析疾病数据，更不会自造底层科学模型，反正专业开源工具已经足够。    三、从蛋白质到药物，还有多远？很多媒体在讨论Claude设计蛋白质的时候，忽略了一个问题：蛋白质是蛋白质，药是药，它们之间到底是什么关系。

|     简单地说，现代药物大致分三类：     化学药，也就是小分子药物，比如阿司匹林、布洛芬；     生物药，用生物体生产的蛋白质、核酸或多糖类药物，比如胰岛素、各种单抗、疫苗；     核药，利用放射性同位素杀伤肿瘤的新型药物。    蛋白药的地位有多重要呢？很多生物药本身就是蛋白质。

| 我们小时候打过的乙肝疫苗，起作用的成分之一，就是重组蛋白；治疗癌症的热门药物PD-1抑制剂，本质也是蛋白质；这几年很火的ADC（抗体偶联药物），抗体部分也是蛋白质。    所以，Claude设计出蛋白质结合剂，确实是AI迈出了一大步，但对AI制药来说，仍是微不足道的一小步。

|          从蛋白质设计，到生物药，Claude只完成了第一步，后面的工作流程还很长，图丨九叶刀使用AI制作     因为设计一组自然界并不存在的蛋白质，不等于一夕之间就能直接拿来治病。    一款新药从发现到上市，平均10-15年，花10亿-20亿美元。临床试验和FDA审批这些必需流程，AI都搞不定；阿尔茨海默、多数癌症、自身免疫病、衰老，这些也是公认难攻克的问题，历史上相关蛋白药失败案例，更是数不胜数。    AI可能会让新药发现效率提高100倍，但无法让药物上市速度快100倍。    有意思的是，虽然Amodei豪言人类会很快用AI攻克大部分疾病，但自己在2024年那篇Machines of Loving Grace的长文章中，又承认了这些瓶颈，他如实列出了数据、物理世界速度、内在复杂性、临床试验等问题。

| [7]     Amodei为何改变了想法？是AI进步太快，还是人类太乐观，又或是因为要冲击IPO的Anthropic，要吹高公司市梦率了？     AI科研的确是个值得掘金的宝库，更重要的是，Claude的同行们已经先行一步了。    四、在科研AI赛道，AI御三家各自什么段位？贝克实验室创始人戴维·贝克（David Baker）曾说过，AI彻底改变了蛋白质设计的研究工作，但AI只是个工具。    而随着工具越来越顺手，这个“金铲子”也越来越值钱了。    2026年，Anthropic在科研AI领域动作频频。不仅大手笔收购，还重金挖人，同时高调发布AI科研平台。    说到底，还是看中了生命科学这头现金牛。趋势已经很明显：科研AI（AI for Science），尤其AI制药，有望成为继AI编程之后的下一块营收金矿。    Anthropic的Claude for Life Sciences和Claude Science工作台都是付费产品，签下的客户包括：诺华、礼来、赛诺菲、艾伯维、阿斯利康、BMS等跨国巨头药企。    如今，包括Anthropic在内的科研AI御三家，已经成型。         科研AI御三家     功底最深的是谷歌，但如今略显踟蹰。

| 虽然它拥有诺奖级成果AlphaFold，分拆出来的Isomorphic Labs 却至今没把一款药送进临床，多个项目还停在IND准备阶段，首个新药申请预计2026年底才提交。2026年又突然拆分AlphaFold团队，关键科学家约翰·江珀（John Jumper）直接跳槽到Anthropic，媒体一度盛传，连核心人物哈萨比斯也退居二线，差点跑路；     OpenAI最稳，走的是垂直科学模型+药企合作网的路线。它的动作比Anthropic早了半步。GPT-Rosalind是专门的生命科学推理模型，GPT-4b micro联手Retro Biosciences重新设计了山中因子（诱导多能干细胞用的蛋白），湿实验验证效率提升50倍。    Anthropic是急行军。最近靠挖人、收购、把生物能力嵌入通用模型，站到了谷歌和贝克实验室两大巨人的肩头。虽然没有在研管线，也不自造科学模型，蛋白设计用的全是开源工具，但在砸钱补闭环，可谓不遗余力。    在御三家之外，值得注意的还有卖铲子的亚马逊，它不造第一方科学模型，但提供基建底座。多数药企（比如Modera研发的mRNA癌症疫苗）和AI制药公司都在用AWS算力跑研发。

|     这些综合型AI公司的AI科研能力，和专业AI制药公司相比，又是什么水平？     英矽智能以端到端模式做新药研发，Rentosertib在2026 年7月已启动Ⅲ期临床试验；     晶泰科技有上万平米湿实验室和机器人集群，合作研发的PEP08、RTX-117均已进入Ⅰ期临床，还开辟了生物制造合作业务；     深势科技物理精度打底、正在补实验闭环，DeePMD还拿过 2020年戈登贝尔奖。

|     总的来说，各家仍在各显神通的阶段，谁也没有胜出，而且谁也无法证明Amodei那句“5-10年能治愈大部分疾病”的预言。

|     对Claude这样的AI工具来说，这时候拿出从头设计蛋白质的新闻，算是个不错的PR手段，但也不免让人担心——     五、AI设计新蛋白质，安全吗？对人体而言，AI设计的蛋白质的首要问题是安全，那么现有的技术和监管，能保证这一点吗？     万一AI不小心设计出来一个结构扭曲的怪物蛋白呢？     这么说可能有点抽象，但如果我说，朊病毒，你可能会更容易理解。这是一种因为错误折叠而形成的危险蛋白质，它不仅不能发挥正常功能，还有类似病毒的特性，能把它所接触到的正常蛋白质变成错误结构。朊病毒能导致人或动物神经元死亡，感染朊病毒的动物，大脑呈海绵状空洞，比如疯牛病、库鲁病和克-雅病。         正常蛋白结构（左）和朊病毒的蛋白结构（右），图丨参考文献[12]     但暂时不用害怕。由于AI设计蛋白质流程有严格的筛选机制，首先要消灭的就是错误的折叠和聚集，所以这种意外可能性不大。退一万步说，就算设计失败，出现聚集现象，甚至无法表达，也不代表会出现新型的朊病毒，全新设计的蛋白质如果没有正常蛋白与之匹配，就不能造成错误结构。    万一人体不认识新蛋白呢？     这是真实存在的风险。全新设计的蛋白质，很容易被免疫系统当成外来异物消灭掉，这个消灭的过程，就是免疫，它可能引发炎症。    人类设计蛋白引发免疫系统攻击，历史上有真实案例，比如Abicipar，这是一款蛋白类眼药，疗效不输对照组，但因高达15.4%的炎症发病率，最终使产品功败垂成。[8]     万一针对A目标的蛋白质，实际却对B目标起作用了呢？     这也是真实存在的风险。

| 在人类改造蛋白质的历史中，也发生过这类事件。比如药企尝试研发高效胰岛素，结果药是研发出来了，代号AspB10，但降糖效果太好太持久，而且还控制了另一个促进细胞生长和分裂的受体，动物实验显示，它导致良性和恶性肿瘤的比例高得惊人。

| 最终，这款强效降糖药被迫放弃。[9]     万一这些被不怀好意的邪恶天才利用了呢？     这种可能性不仅存在，而且是最该警惕的风险。    2025年一项来自《科学》的研究展示了这样一个过程：研究者用开源的AI蛋白设计工具，生成了超过7.5万个危险蛋白变体，用四家主流基因合成筛查软件测试，结果大量变体成功逃过了检测。原因是AI生成的新蛋白序列太新了，现有的筛查工具全靠相似度比对，效率自然不高。

| 而这些检测工具打了补丁之后，仍有约3%的危险变体漏网，这是个相当危险的数字。

| [10]     也正因此，Anthropic把蛋白质设计技术列为“双重用途”，承认在没有安全措施时，AI工具可能被用于生物武器研发，而Claude现有的蛋白设计功能，目前也不向普通用户开放。Anthropic也表示，正在筹备一个科学家准入计划，但没有时间表。    那这次公布的Claude设计蛋白的新闻，意义在哪里呢？可能是另一项开放科研能力：化学分析。    Anthropic宣布，任何Opus 5用户都可以把原始核磁或质谱文件丢给Claude，它用不到25分钟就能出一份完整分析报告，纯度测定 96.4%，和专业实验室手工测出的96.33%不相上下。    也算是“展示实力”的另一种方式。    回到最开始的问题，Amodei所设想的“5-10年攻克人类大部分疾病”的预言，离现实到底有多远？     大概有M78星云那么远吧。     。

Current article:http://www.bianhajieleigoukusunmen.pics/4oc0x6q/20260826/4631.xls

Published on:15:32:45