我们用技术驱动创新，打造面向未来的平台产品

软江图灵蛋白质结构数据库

除了人类蛋白质组（人类基因组表达的所有约 20,000 种蛋白质），我们还提供对20 种其他具有生物学意义的生物的蛋白质组的开放访问，总计超过 350,000 种蛋白质结构。提供了迄今为止最完整、最准确的人类蛋白质组图，是人类积累的高精度人类蛋白质知识的两倍多结构。

边缘计算嵌入式算法模式

人工智能技术的一个趋势是在边缘端平台上部署高性能的神经网络模型，并能在真实场景中实时(>30帧)运行。如何保持模型精度基础上近一步减少模型参数量和复杂度，逐渐成为一个研究热点。软江图灵边缘计算嵌入式算法模式将改变这种格局。

RNAAI人工智能平台

通过迭代和正反馈循环，使用我们的 RNA人工智能平台进行预测可以改善和释放新的治疗机会。我们的 RANAI专注于纠正 RNA 剪接作为恢复蛋白质表达的一种手段。我们目前正在开发 RANAI 3.0，以支持针对涉及多个基因的更常见、更复杂的疾病的目标识别和药物发现。我们现在正在推进一系列项目，包括神经发育、神经退行性和代谢。

多态数据流架构

软江图灵多态数据流架构的所有元素，从编译器工具链开始，一直到计算核心，都可以无缝工作，以实现最小化数据移动的目标，从而实现 AI 工作负载的最高效率。与将 AI 模型映射到单个数据流的其他架构不同，软江图灵的多态数据流架构允许将任何数据流优化映射到处理器上。

用人工智能研究推进体育分析

体育数据的可用性在数量和粒度上都在增加，从汇总高级统计数据和测量的时代转变为更精细的数据，例如事件流信息（带注释的传球或射门）、高保真球员位置信息、和身体传感器。我们利用机器学习和人工智能来理解给出建议，我们通过结合统计学习、视频理解和博弈论来展望体育分析的未来前景。

用人工智能预测视网膜疾病进展

软江图灵人工智能整理了一个眼睛视网膜图像数据集，训练了一个可以预测exAMD发展的人工智能 (AI) 系统，并进行了一项研究与专家临床医生相比评估我们的模型。我们已经证明：我们的系统在预测眼睛是否会在未来 6 个月内转变为 exAMD 方面的表现与临床医生一样好或更好。

用人工智能在量子尺度上模拟物质

软江图灵专门解决了传统泛函的两个长期存在的问题：离域误差和自旋对称性破坏。随着技术越来越多地转向量子尺度来探索有关材料、药物和催化剂的问题，包括我们从未见过甚至想象不到的问题，深度学习有望在这个量子力学水平上准确地模拟物质。

在没有人类数据的情况下学习强大的实时文化传播

软江图灵人工智能提供了一种在人工智能代理中生成零样本、高召回率的文化传播的方法。我们在不使用任何预先收集的人类数据的情况下，在新的环境中成功地从人类进行实时文化传播。这为文化进化作为开发通用人工智能的算法铺平了道路。

核心技术

我们用技术驱动创新,打造面向未来的平台产品

我们用技术驱动创新，打造面向未来的平台产品

知识图谱

语音识别

语义识别

机器视觉

数据采集

知识图谱

KNOWLEDGE GRAPH

了解更多

语音识别

SPEECH RECOGNITION

了解更多

语义识别

SEMANTIC RECOGNITION

了解更多

机器视觉

MACHINE VISION

了解更多

数据采集

DATA ACQUISITION

了解更多

我们用技术驱动创新，打造面向未来的平台产品

软江图灵蛋白质结构数据库

边缘计算嵌入式算法模式

RNAAI人工智能平台

多态数据流架构

用人工智能研究推进体育分析

用人工智能预测视网膜疾病进展

用人工智能在量子尺度上模拟物质

在没有人类数据的情况下学习强大的实时文化传播

人工智能研究院

从好奇到探索，我们洞见智能未来