深圳华大基因股份有限公司(简称公司或华大基因)本次投资者交流活动采用线下会议的形式,主要交流内容如下:

一、关于投资者问题及回复

1、公司目前将AI技术应用在哪些方面?请举例说明。

答:目前在基因检测测试流程中,特别是在AI类的应用上,公司已经将大语言模型成功应用于遗传病辅助诊断领域。通过使用大语言模型,公司在临床生产上实现通量提升,特别是在处理全基因组数据解读时,效率显著提升。此外,公司还基于过去积累的阳性验证数据训练了质控模型,进一步提高了检测的精准度和效率。目前,在遗传病辅助诊断的特定环节,例如找到致病性变异位点的准确率已经大大提高。通过AI技术并结合公司过去十几年的数据积累,有望在未来实现真正的全自动检测和辅助诊断。

2、公司目前有无已经应用AI技术的检测项目?

答:目前公司AI检测项目主要用于遗传病辅助诊断,除了在遗传病辅助诊断方面的应用,公司正在基于AI技术研发应用于传感染检测产品PMseq及肿瘤伴随诊断等场景。传统检测的难点在于要从众多可能性中准确匹配致病病原或者致病变异位点,而AI技术在这类检测中展现出了显著的效果。

3、在遗传病辅助诊断中,AI技术具体如何提高效率并降低通量成本?

答:在遗传病辅助诊断中,AI技术通过大语言模型极大地加快了数据库构建过程,原本需要通过人工阅读大量文献来构建的数据库,现在借助AI技术可以更快地迭代更新。尽管解读分析过程中仍需部分专业人员参与精细化阅读和多篇文章联合分析,但大语言模型已经能极大地提高整个解读分析过程的效率,这使得数据库建设成本大幅下降。此外,在变异位点质控以及致病位点的选择等环节也已经充分应用,显著提升分析效率,从而降低生产成本。

4、做一个完整的测试或服务方案大概需要多少算力成本,以及华大基因内部算力建设情况如何?未来是否会向医院提供云服务?

答:未来公司的服务方案会考虑根据客户需求定制,其中为医院提供云服务是其中一种。通过云服务可实现对重大功能性数据模型的高效处理和全面分析,为客户创造更大的价值。在算力消耗方面,全基因组测序分析过程中,每完成一个WGS大概需要消耗1000左右的CPU核时,且实际成本会根据设备和方案的不同上下波动。华大基因在算力部署上有长期积累和合作伙伴关系,包括与超算中心和GPU卡供应商的合作,可以满足临时大规模训练和日常研发需求。

5、ChatBGI目前主要服务于什么样的客户和应用场景?

答:ChatBGI目前主要用于客服咨询类服务,特别是针对公司产品的问题解答。ChatBGI未来的发展目标是争取实现处理更复杂、更专业的问题,例如实时回答与数据分析相关的问题。

ChatBGI优势在于它深度融合了华大基因在生育健康、肿瘤防控、慢病管理、感染防控等领域多年积淀的海量知识库与大语言模型的逻辑推理、数据处理能力,系统性构建了智能化检测服务体系,能够精确理解用户的需求,为用户提供更专业高效的服务。

6、深度学习模型的发展如何帮助提升基因检测在医学领域的应用情况?

答:深度学习模型如ChatGPT、Deepseek等大模型的发展有助于快速普及基因检测相关知识,降低大众对基因检测认知的门槛。同时,技术的开源可以显著降低训练及模型推理的成本,从而使得基因检测服务在医疗领域的触达更广泛,应用场景更加深入和多样。

7、人工智能在基因检测解读中带来的潜在价值是什么?

答:人工智能带来的潜在价值在于其模型分析速度快、可多次分析的优势。相比于专家解读,人工智能能显著提高效率并降低成本。通过大模型进行快速筛查,过去的基因检测报告也能在短时间内得到重新分析和解读,这可以让曾经做过基因检测的患者迅速受益,人工智能在解读方面的高效性对医院端具有重大意义。

随着测序成本的不断降低,终端应用场景如生育、肿瘤、病原微生物、消费级基因检测等的不断成熟和渗透率的提升,高通量测序的市场将持续保持高速增长。目前AI大模型在检测流程以及报告解读分析过程中的应用有助于进一步降低数据产出及分析成本,提升整体基因检测产能从而满足不断增长的需求。

二、风险提示

本次投资者交流主要就现阶段技术创新及未来可能的应用场景进行探讨,AI技术的应用对公司未来经营业绩的影响,取决于产品研发及行业场景应用的落地进度,具有不确定性。请广大投资者理性看待前沿技术快速发展,注意二级市场股价波动风险。