個人基因圖譜庫之父 George Church 來台:期望台灣加入
個人基因圖譜庫之父 George Church 來台:期望台灣加入

或許過去曾聽過人類基因圖譜計畫(Human Genome Project, HGP),一個由美國政府資助將人類基因圖譜以全數位的方式繪製出來的計畫,通過測序得到基因組的序列,在2004年完成初步目標,對少數樣本捐獻者(已知或匿名)進行基因組定序,完成了人類第一次接近95%的基因圖譜資訊。然而,因HGP的資料屬閉鎖型,不易被外界使用。

基因gene
HGP 仍存在許多缺陷,首先,因為當初基因組測序技術複雜,所需要的演算與科技需耗費大量資源,透過 HGP 定序的基因組資料只有少數特定樣本。
圖/ shutterstock

幫助研究者更易取得資料應用的個人基因圖譜計畫

資料集為一切經驗研究之母,為了有更多資料可供對基因組與相關醫療應用研究有興趣的學者使用,哈佛暨麻省理工學院教授George Church在2005年發起了個人基因圖譜計畫(Personal Genome Project, PGP),目標蒐集10萬人的個人基因圖譜資料,佐以相關文化、環境、人格特質與健康數據蒐集,希望透過這些個人捐獻者授權捐獻的公開資料庫,幫助科學家與醫學工作者研究基因組與疾病之間的關聯,帶來包含個人化精準醫療在內的好處。

2019-10-28 13.39.08
哈佛暨麻省理工學院教授 George Church
圖/ James

在George Church教授於2005年發起PGP計畫後,陸續延伸得到包含加拿大、英國、奧地利、南韓與中國的加入,這個計畫接受受測者公布他們個人共23對、46條染色體的基因組(DNA序列),還包含有他們的個人資訊,例如各種健康量測數據、MRI影像等等,所有資料公開在開放網域上,供研究人員應用。捐獻者可隨時決定他們的哪些資料可被公開或移除。

公開基因組資料庫就如同開放數位公共街圖(Open Street Map)一般,高精密度的地圖資料在現今的數位領域有非常多商業應用,除可供標示地理位置與座標,可供一般導航系統優化計算提供駕駛人外,更可能推進自動駕駛、無人物流等更多商業價值應用;因此確保一份不斷透過社群更新的開放街圖,將有機會避免圖資應用與商業利益被特定資料商壟斷,也有助於平衡一般企業圖資的風險與成本,並保護包含研究在內的公共應用。

基因組資料庫可供研究疾病風險、發現基因誘發特定疾病機制、甚至有研究者企圖透過編輯基因避開特定疾病機制等。公開基因組資料庫可以保證研究者在研究特定領域時有更多被公開授權、經過一定規則整理的數據、避免特定組織或機構介入,以不當的流程設計造成資訊的偏差,也避開研究者針對不同研究需要重複、重新授權甚至耗費高昂授權手續、時間與費用。

公開基因組資料並非全然沒有風險,不當使用基因組資料可能可以回朔推定特定個人捐獻者,經過基因組的分析可能引發包含種族、特定疾病的社會霸淩或個人歧視,基因組資料也可能侵犯隱私,影響捐獻者日常的社會行為,甚至改變合作意願等等。因此良好的資料處理、社會教育與嚴謹、成熟的學術研究系統都是評估PGP計畫能否成功推動的關鍵因素之一。

蛋白質基因
公開基因組資料並非全然沒有風險,不當使用基因組資料可能可以回朔推定特定個人捐獻者,經過基因組的分析可能引發包含種族、特定疾病的社會霸淩或個人歧視。
圖/ shutterstock

發起人樂觀看待台灣加入個人基因圖譜計畫

應台灣科技部邀請來台的George Church表示,PGP計畫同時需要政府與個人的支援,在政府層面要有足夠嚴謹的醫療機構與成熟的學術機制,在社會方面除了一般教育普及,還包含一般人對個人資料授權的認知、對研究學者的信賴、並同時相信基因組資料有機會對人類社會產生更好的未來等因素。

他認為台灣與世界上許多國家或地區一樣,都開始具備這樣的條件加入個人基因組資料庫網絡,他相信台灣具備多元民族融合的基因資料庫,加上特殊的文化與環境,都將為同為資料庫網絡的其他成員或台灣自身帶來更多的附加價值,讓研究者更能認識基因組與病理之間的關聯,最終幫助更精準的個人化醫療能夠實現。

2019-10-28 14.22.09
George Church表示,PGP 計畫同時需要政府與個人的支援,在政府層面要有足夠嚴謹的醫療機構與成熟的學術機制。
圖/ James

George Church也特別提及,數位科技領域的快速進步事實上為基因組研究帶來劃時代的進展,為一個受測者進行基因定序的技術成本已經從80年代幾十億美金降到今日的數百美元,儲存媒體與計算力的大幅提升,更讓PGP這樣的計劃以合理的成本能夠推展到更多地區,台灣作為ICT產業與製造業的領導國,教育水準普及與醫療機構的進步,都是加入PGP網絡的利基。

實驗室不只發論文,還造就了許多創業家

學術著作等身的George Church並非僅是象牙塔裡的學者,同時也擔任超過20家以上相關領域新創的創辦人或創辦團隊。他位於Boston的實驗室吸引包含台灣在內來自全球的頂尖人才,共同挑戰基因組研究與相關應用難題。

George Church強調,許多想法初始都在實驗室裡進行討論,由成員以不計失敗的精神不斷嘗試,縱有許多投資人與資金因為技術名詞流行而企圖追逐某些特定應用,他的實驗室仍秉持著專業精神,「如果有任何一項技術或應用,讓市場上對學術界的實驗室裡已經供不應求,那才代表了可能具備足夠的商業機會,容許我們的成員將之商業實現。」George Church表示。

在創業領域也多產的George Church強調,從他實驗室商業化的每個新創,他都在早期的兩三年全心參予,「直到他們覺得我已經不重要,就像已經獨立的孩子覺得爸爸沒用一樣!」George Church笑著說。「過去成功的新創學長姊,也會回過頭來幫助後面正剛開始牙牙學步的學弟妹,」George補充:「所以他們已經自己形成一個生態系!」

提及基因組研究的應用,部分懷疑論者持較為悲觀或謹慎的看法,認為部分基因組研究,例如基因編輯或將遭遇惡意應用,樂觀 George Church倒不這樣看待,「科技將會持續推進基因組研究與應用的發展」,他並以自己與學生剛在2018年成立的Nebula Genomics為例,強調區塊鏈技術不只能用在比特幣交易,也能用在個人基因組資料授權的公證上,幫助更多合理的商業機構進行資料交換與應用

「我們沒有人知道有人會拿飛機去撞大樓,但就算這樣,你也不能因此就不造飛機吧?」George Church以近代的航太技術帶來恐怖攻擊的負面結果,但人類仍依賴技術所帶來的價值應用,回應對基因組研究的懷疑論質疑。

哈佛暨麻省理工學院教授 George Church
科技將會持續推進基因組研究與應用的發展
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓