Hugging Face 發表 OpenMed 的最新成果,展示僅需 165 美元即可跨 25 個物種訓練 mRNA 語言模型。此研究證明了生物學基礎模型不一定需要天文數字的算力預算,透過優化架構與訓練策略,中小型實驗室與獨立研究員也能進行前沿的基因組學 AI 研究,為 mRNA 疫苗與藥物開發帶來新契機。
本文探討大型語言模型(LLM)參數規模以驚人速度增長的現象,並將其與「摩爾定律」相提並論。然而,這種「越大越好」的趨勢伴隨著極高的算力成本、碳排放以及技術壟斷風險。Hugging Face 呼籲社群關注模型民主化,並透過開源合作(如 BigScience 專案)與高效能技術(如蒸餾、量化)來打破巨頭壟斷,尋求更永續的 AI 發展路徑。