当大众目光聚焦于ChatGPT、Midjourney等通用模型时，一批垂直领域的AI工具正在悄然改变科学研究、医疗诊断、个人认知与工业设计。 以下十款工具（及其背后技术）可能尚未进入公众视野，但已在专业领域产生深刻影响：

1. ESMFold（进化规模蛋白折叠）

• 功能：Meta开发的大规模蛋白质结构预测模型，基于氨基酸序列直接预测三维结构，速度比AlphaFold2快数十倍，适用于宏基因组学中未培养微生物的蛋白注释。

• 应用：发现新酶、设计生物传感器、加速药物靶点发现。

2. Cradle（蛋白质工程AI）

• 功能：自动化设计具有特定功能（如耐热、结合特定小分子）的蛋白质变体，由瑞士苏黎世联邦理工学院等机构开发，已成功设计出活细胞内传感器蛋白。

• 应用：合成生物学、绿色化学、诊断试剂开发。

3. GNoME（图形网络材料探索）

• 功能：谷歌DeepMind开发的材料发现AI，已预测出220万种新晶体结构，其中许多是此前未知的稳定材料。

• 应用：电池、超导体、催化剂设计。

4. Med-PaLM 2（医疗问答系统）

• 功能：谷歌专为医学领域微调的大语言模型，在美国医师执照考试（USMLE）样题中达到“专家”水平，能够解答临床问题、生成病历摘要。

• 应用：辅助临床决策、医学教育、患者沟通。

5. Otter.ai（实时会议纪要）

• 功能：虽非完全“冷门”，但其在学术会议、访谈中的实时转录与摘要能力远超普通语音识别，可区分说话者、自动生成关键点。

• 应用：学术会议记录、医患对话存档、法庭记录。

6. Explainpaper（论文解读工具）

• 功能：上传PDF论文，选中任意段落即可获得AI生成的白话解释、背景补充、术语定义，极大降低跨学科文献阅读门槛。

• 应用：科研教育、交叉学科学习。

7. Geneformer（基因表达网络模型）

• 功能：基于单细胞转录组数据训练的Transformer模型，可预测基因扰动（如敲除）对细胞状态的影响，识别疾病相关网络模块。

• 应用：药物靶点发现、基因治疗设计。

8. RoseTTAFold All-Atom（全原子生物分子建模）

• 功能：华盛顿大学David Baker实验室开发，不仅预测蛋白质结构，还能预测小分子、核酸、金属离子与蛋白的复合体结构。

• 应用：药物设计、酶工程、分子胶水设计。

9. Mem（个人知识库助手）

• 功能：基于AI的个人笔记与记忆辅助工具，可自动关联分散信息、按时间或主题生成摘要、根据自然语言查询检索笔记。

• 应用：个人知识管理、长期项目追踪。

10. Viz.ai（医学影像AI）

• 功能：自动分析CT、MRI影像，在疑似大血管闭塞卒中患者中实时向神经介入团队发送警报，缩短治疗时间。

• 应用：急救医学、肿瘤影像筛查。

共同趋势：从“通用”到“垂直”的AI进化

这些工具的共同特征是：利用大模型或深度学习基础能力，针对特定领域数据（蛋白质序列、医学影像、基因表达）进行精调，实现远超通用模型的精度与实用性。它们正在重塑科研范式（AI驱动发现）、医疗流程（AI辅助决策）与个人认知管理（AI记忆外挂）。

未来挑战

• 可解释性：在医疗、法律等高风险领域，AI决策过程需透明、可审计；

• 数据隐私：医疗、个人笔记等敏感数据需本地化处理或联邦学习保障；

• 公平性：确保AI工具在不同人群、地区间表现一致。

参考信息
本报道为AI应用盘点，相关工具官方信息可参考：

• ESMFold: https://esmatlas.com/；

• Cradle: 相关论文 Nature Biotechnology；

• GNoME: 相关论文 Nature 2023；

• Med-PaLM 2: Google Research 公开技术报告；

• Geneformer: Nature Machine Intelligence 2024。