Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病,系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁,该假设随后经实验验证。Co-Scientist 还整合肝脏生物学与药理学证据,筛出可供团队测试的候选联合疗法。
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病,系统提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁,该假设随后经实验验证。Co-Scientist 还整合肝脏生物学与药理学证据,筛出可供团队测试的候选联合疗法。
MIT 机械工程师 Ritu Raman 与波士顿儿童医院化学生物学家 Ryan Flynn 借助 Google DeepMind 的 Co-Scientist,将各自构建神经肌肉组织模型与绘制细胞表面 RNA 的不同工具结合起来研究 ALS。
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物,其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生,而 Peltz 自行挑选的 2 个药物均无效。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天以 80% 置信度预测飓风 Melissa 将以 Category 5 强度登陆牙买加,三天的置信度接近 100%。
Google DeepMind 披露 Gemini 驱动的编程智能体 AlphaEvolve 的最新落地成果:它优化 DeepConsensus 使变异检测错误减少 30%,将电网 AC Optimal Power Flow 的可行解比例从 14% 提升至 88%以上,并已用于下一代 TPU 设计。
Google DeepMind 发布 AI co-clinician 研究计划,探索 AI 在医生临床监督下作为护理团队成员与患者互动。在 98 个真实初级保健查询的盲测中,该系统 97 例零关键错误,表现优于两款医生常用 AI 系统;在 OpenFDA 的 RxQA 开放式用药问答上超越现有前沿模型。该计划还基于 Gemini 和 Project Astra 探索实时多模态远程医疗能力。
Shopify 微调 Qwen3-32B 工具调用智能体,把自然语言转成 Shopify Flow 工作流,用于其 AI 商务助手 Sidekick,速度提升 2.2 倍、成本降低 68%,并优于闭源模型。团队将 Flow 的 JSON DSL 转译为语义等价的 Python 表示后重新训练,同一批数据下语法正确率提升 22 个百分点、语义正确率提升 13 个百分点。
Shopify 用 Remix 构建了一款 AI 魔镜,通过镜后摄像头和显示屏识别顾客的穿着与动作,实时生成个性化信息与动画,单次互动不到一分钟。首个落地场景是 Rare Beauty 的腮红色号匹配,顾客按键拍照后由视觉模型推荐色号并同步邮箱至客户档案。魔镜还可生成折扣码、打印小票,并支持"以姿势付款"等互动玩法。
Shopify 推出 SimGym,用数百个带人设、预算和购物意图的机器人智能体在云浏览器中逛店,几分钟内完成原本需要数周的 A/B 测试,零真实流量的商家也能用。
Shopify 构建了一套生成式推荐系统,直接基于原始用户事件序列做下一步商品预测,底层采用 HSTU 架构,并引入时间编码、改进的负采样和优化的 CUDA 内核以在内存与延迟预算内完成训练和线上服务。该系统在离线质量上取得显著提升并成功转化为线上效果,其背景是 BFCM 2025 期间 Shopify 处理了 2.2 万亿次边缘请求、超 8100 万消费者下单。
Shopify 与 Endorphins Running 在 2025 纽约马拉松周末合作打造了一台游戏化跑步机,跑者保持自选配速即可赚取门店积分。项目用 TrueForm Trainer 无动力弧形跑步机采集 FTMS 数据,由单台 MacBook Pro 运行 Python 脚本与 Remix 应用驱动,并通过定制 POS UI Extension 在结账时自动核销折扣、同步跑者会话元数据。
Shopify 在 ICML 2025 分享了 Sidekick 智能体系统的构建经验:工具数量从 0-20 个扩展到 50+ 后出现"千条指令之死",团队改用 Just-in-Time 指令按需注入,兼顾可维护性与缓存效率。
Shopify 在 ICLR 2025 Expo 上分享了其全球商品目录(Global Catalogue)的工程实践,通过微调视觉大语言模型同时执行商品分类、属性抽取、图像理解、标题标准化等多项任务,每天完成 4000 万次多模态 LLM 推理。该目录分为商品数据、商品理解、商品匹配与对账四层,每日以流式方式处理超 1000 万条商品更新,服务于搜索、推荐和对话式商务。
Shopify 工程团队披露其机器学习布局:用微调 Qwen 多模态模型对商品做分类与元数据增强,日均推理量达数亿次;用微调 LLaMa 模型结合 MCP 构建商家助手 Sidekick,并以微调 Nomic 嵌入向量支撑搜索与推荐。基础设施上与 GCP 合作并接入 Nebius 等 neo-cloud 获取 GPU 训练集群。
Shopify 重构了 admin.shopify.com 的底层架构,使 Admin 页面加载速度提升 30%,同时为 AI 功能打基础。该后台每天承载 6700 万次页面浏览,由 101 个团队、日均约 350 个 PR 共同开发,TypeScript 代码量自 2020 年以来翻倍。
Shopify 通过实时 Embedding 流式管道为 Storefront Search 提供语义搜索能力,目前每秒处理约 2,500 个 Embedding(每天约 2.16 亿个),覆盖图像与文本管道。