在人工智能领域，华为云的建设重点可归纳为四个方面。第一是数据治理——高质量数据的获取、接入与利用训练模型的能力，是AI成败的根本。第二是企业级AI平台，面向快速创新的需要，提供稳定高效的全栈能力与落地工具。第三是算法与算力，前沿算法和强大算力的协同，能把新算法落地并提升药物研发的效率。第四是全球化布局，结合各地区的技术优势组建本地化团队，加速区域性创新能力的集中与落地。

数据使能DAYU平台构筑了企业数据资产化的新基建。DAYU以清洗、治理为基础，打通数据资源与数据资产的加工链，覆盖数据应用、数据资产中心、数据使能套件、以及智能数据湖等层次。华为在数据治理、数据平台和应用能力方面的持续积累，帮助企业实现“数据清洁即资产化”的目标，并在大数据管理与治理领域持续保持领先地位。

在AI平台方面，云端始终坚持全栈、全场景的解决方案。全栈不仅涵盖芯片与算力使能、训练与推理框架，还包括应用层的全面支持。通过深度整合底层芯片与端到端框架，能够将算力与算法潜能发挥到极致。以药物研发为例，算子层的高效实现、深层芯片的协同，以及对分子动力学等高算力任务的优化，都是提升研发效率的重要环节。mile米乐

华为云的AI算法聚焦三个方向，并持续推动技术迭代。感知智能覆盖计算机视觉与语音等感知能力，已在多项世界级竞赛中取得领先。认知智能重点在自然语言处理与知识图谱建设，助力复杂生物医学数据的解读与关系推断。决策优化则依托自研引擎，推动药物研发中的资源调度、方案评估等决策环节达到全球领先水平。

在医疗AI研发方面，EIHealth作为云原生、企业级的医疗智能体平台，聚焦药物研发的三大引擎：基因组研究、临床研究与药物研发。平台提供一站式的算法与工具集，帮助化学、药学背景的科研人员快速上手，实现知识沉淀、研究转化与应用落地；同时通过ModelArts、DAYU等底层能力，为研究人员提供稳定的云端支撑，并设有AI市场以促进工具和算法的分享与落地。

具体技术探索方面，基因组领域的创新包括全球首个自动建模工具AutoGenome及其残差全联接网络RFCN，针对基因数据特征进行高效建模，相关任务的指标常优于同类方法。对于多组学数据的整合，提出AutoML框架以实现不同分布数据的联合建模，并在组学数据直接输入基因知识图谱后提升建模性能。第三代测序领域，Fast-Bonito等算法通过自动模型搜索框架NBNAS，结合软硬件协同优化，显著提升处理速度与精度。

在结构生物学方面，与研究机构联合推出iPhord算法，基于一级序列预测蛋白质/抗体的三维结构，帮助更准确地模拟靶点并辅助药物设计。分子动力学方面，发布基于MindSpore的新一代模拟库SPONGE，与高校顶尖学者共同推动药物研发的仿真能力与生态建设。联邦学习方面，提出FedAMP算法，旨在在数据安全前提下实现药企数据的联邦计算，并提升AI模型性能。

在AI应用实践中，华为云呈现了一系列案例。疫情防控阶段，通过云端技术与多方合作开展病毒检测与云服务，支持大规模药物虚拟筛选并公开数据，部署至全球多家医院，形成了覆盖多靶点和海量药物的筛选体系。药物再定位方面，联合研究机构聚焦抗癌药物及药物协同预测，探索已有药物的新适应症。临床标志物预测方面，通过基于基因组与代谢组数据的建模，提升肺腺癌等病症药物疗效预测的准确性，较传统方法表现出显著改进。

除了技术创新，华为云也在持续构建开发者生态，推出AI伙伴计划，致力于与伙伴共同推动行业进步与应用落地。