科技猎不想做外包，当不了药神，AI公司如何才能走通制药这条路？
不想做外包，当不了药神，AI公司如何才能走通制药这条路？
脑极体
· 刚刚
AI制药现在究竟几分熟？
图片来源@视觉中国
文 | 脑极体
AI能制药，早已不是啥新鲜事了。
尤其是疫情之后，包括辉瑞、罗氏、默克、阿斯利康、葛兰素史克、赛诺菲、强生等在内的顶级制药公司，纷纷加速拥抱人工智能，不是与AI公司合作，就是收购或自建AI部门。
从分子实验到制造供应链甚至市场营销，AI已经在整个制药价值链上，展现出极大的潜力。
AI与制药的融合过程，以两种模式为主：
一种是VIC模式，即“VC（风险投资）+IP（知识产权）+CRO（研发外包）”，其中AI公司作为技术外包，为药厂提供降本增效的解决方案；
另一种是AI-Driven模式，专门以AI技术来驱动分析预测发现新的化合物、蛋白质，自己研发创新药。
相比“传统产业智能化”的外包服务商，AI企业“自立山头”制药，有着更大的商业想象空间，也确实在过去几年间，吸引了大规模的融资和巨头携资入场，仅2021年中国该领域的投融资规模就超过了80亿。
其中最具代表性的，就是谷歌母公司Alphabet不久前成立的AI药物公司Isomorphic Labs，其创始人正是研发了AlphaFold2算法的AI先锋DeepMind的CEO。显然，谷歌也非常看好以尖端AI技术在生物学领域“大展拳脚”的前景。
那么问题来了，生物制药领域是一个专业知识壁垒极高的领域， AI参与制药已经有15-20年的时间了，期间机器学习方法一直被用于药物发现和临床试验当中。2000年，利用机器进行“高通量筛选”已经被应用在化合物测试当中。但目前为止，还没有一个验证AI可以“独立行走”创新药的成功案例。
制药这条路，野心勃勃的AI公司该如何走下去？作为AI“优等生”和医药“后进生”，中国在AI制药上的赢面究竟有多大呢？
不是药神，AI制药现在究竟几分熟？
制药门槛如此之高，AI公司凭什么认为自己可以绕过物理学定律的限制“自立山头”呢？AI真的能取代传统实验手段，成为全村的希望吗？
正如当初深度学习爆火之后大众对AI不切实际的想象和惧怕一样，在制药这件事上，AI也并非无所不能，我们应该对AI设定一个合理预期：
以深度学习为主的AI技术有其适用范围，目前主要用在分析处理医药数据、预测疾病靶点、设计和优化化合物、实验自动化等领域当中，解决制药场景的实际问题。
未来，随着这些细分场景的不断成功和数据积累，不断反哺AI模型，可能3-5年才会有较大的突破。詹姆斯·贝森（James Bessen）在《边做边学》（Learning By Doing）一书中也提出，至少5-10年的时间AI才会让制药行业真正转型。
所以，在全球范围内，AI制药都处在较早期的阶段，AI公司造的药，目前可能才只有“一分熟”。指望突然掉下一款由AI主导研发的石破天惊的创新药，还是很遥远的。
既然隔行如隔山，由药厂引入AI不是强强联合、事半功倍吗，为什么AI公司还要冒着失败的风险去“另立山头”，而资本市场也愿意买账呢？
另立山头，谁给AI企业的自信？
原因之一，是AI的角色变了。
目前，制药行业广泛采用的是基于目标靶点的研究模式（Target-centric），即先要找到导致疾病的特定蛋白质（有效靶点），通过分析化合物、基因、疾病和蛋白质之间的关系，进行有效分子的筛选与设计。这个过程往往靠的是研究人员自身的创造力和经验，离不开制药公司大量高质量数据的支撑。
在这个过程中，AI的发挥空间就很大了。
1.更快。随着基因组学的发展，寻找和选择新药分子已经成为一项数据密集型任务，利用AI来自动学习分析处理数据，能够更快地推断出疾病机制，发现新靶点，从而加速研发过程。比如麻省理工学院团队推出的生物技术初创公司ReviveMed，就是基于MIT的代谢物数据库，分析药物-蛋白质、蛋白质-蛋白质的相互作用，识别特定的代谢物分子，找到一些有希望的治疗靶点，这些代谢物分子就有可能是未来的药物。
2.更早。如果医疗实验数据是凌乱而未标记的，那么后续的分析处理预测都不容易实现，所以在新药研发上面向AI的数据治理工作要开展得更早，现有的研发和业务流程必须重新设计，才能充分发挥AI、大数据、高性能计算等的协同价值，这涉及到大规模的组织转型，也使得数据工程师、算法工程师在制药领域的参与更早、更深。
3.更广。“靶点-疾病”的研发范式，使得传统制药公司不会将精力集中在罕见疾病的治疗上，因为ROI投资回报比太低，而AI技术可以通过表型数据（图像）进行药物的筛选和设计，反过来帮助找到新的治疗靶点，在计算机中合成和测试分子，这让罕见病有了治疗甚至治愈的希望，对全人类来说都是好事。
从实验室助手变成了新药研发的主角，AI“独立行走”的信心自然也就愈加强烈了。
原因之二，是重建一套新范式更方便。
虽然有一些制药公司思想开明、态度开放，但事实是，制药公司对其业务和研究方法的保守是出了名的，不愿意接受变革的占多数。一项研究显示，2019年和2020年生命科学领域人工智能相关专利的申请中，只有不到2%是知名制药公司提交的。
一些制药公司甚至都没有数字化，很多数据都用纸质档案保存，采用AI还需要时间；有的大型制药公司还是传统思维占主导，倾向于研发传统药物制剂。还有的则倾向于保留数据和技术作为内部商业机密，不愿意分享给AI技术公司……既然如此，开辟一条全新的赛道自己制药，对AI公司来说更加灵活，研发速度也更快。
与此同时，AI技术的发展，也让AI主导的研发成为可能。
一方面，小样本学习、生成技术等的应用，可以减少研发过程中的数据依赖。比如有公司就开发了一个名为Generative TensorialReinforcement Learning（GENTRL）的平台，让两种DL深度学习模型来相互作用，一个生成分子，一个鉴别真假，解决实验数据不足的问题。而一旦确定了标靶，就可以利用算法直接设计出所需要的分子结构了。
另外，虽说隔行如隔山，但端到端的深度学习，不需要算法人员去定义一些特征和规则，比如蛋白质结构预测模型能够直接根据序列的特征输出三维结构，目前已经达到实验的精度。所以尽管目前人类科学对很多疾病的理解都还处于初级阶段，算法人员也未必对生命科学知识十分精通，但运用AI工具来开发新药，完全是可行的。
原因之三，就是自己做原研药，这件事实在太香了。
目前，抗体药这类生物药已经逐渐超过了化学药的数量，成为增长最快的治疗药物。全球已经有超过100款抗体药上市，比如新冠特效药就是抗体药，找到能够中和病毒的活性抗体来发挥作用。
以前，抗体药需要从康复病人中去提取和筛选，这个过程费时费力，还有很大的不确定性。而通过AI直接对现有抗体进行设计和优化，实现高效的中和效果，一种新的抗体药物就诞生了。
原研药市场广阔、利润丰厚，自己研发无疑把握了最具价值的一环。所以说，AI公司自己做药它不香吗？
中国制药，在AI画布上描绘全新图景
想必很多读者通过新闻和行业报道都发现了，在AI制药这个领域，美国在技术、资本、产业规模上都处于领先地位，AI开发的特效药、疫苗、疗法、平台等不断涌现。
而中国在AI技术上并不落后，这是否意味着有希望在制药领域取得突破呢？在AI这块技术画布上描绘制药蓝图，对于中国意味着三重价值：
1.将生命福祉把握在自己手里。
在医药医疗领域，数据都是非常敏感的，比如要针对个体的基因序列和新抗原设计出对应的药物，对患者来说无疑是更有效、更精准、更普惠的。但是基因数据如果只能交给海外科技企业来分析和生产，其中存在的风险不用多说。
前不久《自然》杂志上就发布了一篇论文，总部位于美国北卡罗来纳州的制药公司Collaborations Pharmaceuticals，就与伦敦、瑞士的研究人员合作，训练出了一个药物开发工具MegaSyn，在短短六个小时内自动生产出40000种有毒的化学制剂。
利用AI结合群体基因特质，针对性地开发精准打击的生物武器，并非不可能。所以中国必须将AI制药的尖端科技掌握在自己手中。
2.在原研药领域取得较大突破。
大家可能都看到了，最新引进的新冠特效药价格高达数千元，原研药的销量高、利润高，已经是大众熟知的事实，而开发原研药一直是中国制药产业的老大难问题。必须意识到，在传统生命科学领域，中国的起步较晚、基础也相对薄弱，比如生物实验中需要的高精度显微镜、测试试剂等也是被国外“卡脖子”的，在这种情况下，AI提供了一种开发原研药的全新思路。
（2017年诺贝尔化学奖授予三位冷冻电镜领域的学者）
比如通过AI算法来代替冷冻电镜，也可以解开蛋白质结构。目前，AlphaFold预测出来的结果已经可以和冷冻电镜的方法相媲美。随着中国在相关算法上的突破，未来能够降低对一些卡脖子实验技术的依赖。
在创新药研发上，从科研到产业化之间的距离是非常近的，很多突破性技术和新分子都是从研究院所实验室中诞生，再由药厂进行转化、评估、临床试验……而在AI研究领域，中国科研院所的能力已经处于一流水平。
AI重新定义制药流程，有助于中国变成一个制药强国。
3.进一步发挥中国的AI产业优势。
我们都知道中国AI产业化的步伐很快，主要集中在互联网、工业、矿山、城市管理等领域，在生命科学领域里的AI应用，总体还处于初级阶段。
无论是AI公司驱动的创新药，还是传统药厂的AI化，都有很大的发展空间。目前，几乎中国头部科技企业如BATH（百度、腾讯、阿里、华为）等都在AI药物研发上有所动作。
随着AI制药的进一步发展，生命科学领域的数据、算力、算法都将进一步升级迭代，工具平台生态也将进一步搭建和丰富起来，届时，中国在AI领域的优势也将进一步放大。
都说“一张白纸上可以画出最新最美的图画”，AI制药之于中国，就是在远远追赶的生命科学实验道路之外，新建一条由数据铺成的高速公路，搭乘智能小车跑得更快、更早抵达新药研发的目的地。
盛名之下：AI解锁制药的三把钥匙
AI发展最不可或缺的，是信心。历史上的两次AI寒冬，就与投资者和大众对AI回报预期的垮掉，有着直接关系。AI制药的投融资浪潮，似乎在大鸣大放之后，不得不面对一个骨感的现实：一开始想得很美，但突破来得很慢。
曾有一位AI制药公司的创始人对媒体透露，第一轮融资时投资人希望能够做药，第二轮就开始建议他们做服务（也就是药厂AI技术外包）了。
资本市场对AI制药的疑虑，是高潮之下的正常调整，但要避免透支信任、解锁光明的未来，AI制药企业恐怕还需要拿到三把钥匙：数据、算力、算法——没错，就是虽然朴实、但至关重要的AI“三驾马车”。
实际上，大部分AI的问题都是因为数据不够、算力不够、算法不够好。而解决方法也是从这三点入手。
先说数据。
前面提到，目前人类对生命科学的理解还非常初级，端到端学习也可以减少对一部分数据的依赖，但基本的高质量数据还是AI制药必不可少的基础。
受实验手段、医疗技术的限制，目前AI对蛋白质功能的分析还是比较初级的，对分子的功能结构、关系序列等的描述不够，这显然会给AI学习带来困扰，蛋白分子会不断地和别的分子进行交互，形状也会随之改变，用纯数据驱动的AI方法去生搬硬套，结果很可能是“无效设计”。
就如化学家Derek Lowe在《科学》杂志上指出的，即使两种蛋白质具有物理上结合在一起的结构，也很难说它们实际上会粘合得有多好。用在动物或人身上的时候也不一定总是有效。
更深入地理解生物世界，离不开大量优质的数据，这些往往通过几十年的积累和实验获得，掌握在药企自己手里，不会轻易分享。此外基因数据、医疗数据还涉及到隐私伦理问题，需要在严格的数据保护法律法规之下使用。
所以对于AI企业来说，亟需要探索一种与药企合作、分利的模式，解开数据的桎梏。
再说算力。
以蛋白质结构预测为例，它往往需要超大规模的算力支持。因为生物系统中分子之间的相互作用特别多，设计出来的模型可能参数不大，但比较复杂，比计算机视觉、NLP等模型要大很多。
此前曾有中国AI公司训练出了中国版AlphaFold2，团队成员表示遇到最大的困难，就是GPU资源（算力）有限，难以同时进行多次训练来比较效果，所以只好在模型设计上下功夫，尽量减少试错次数。
另一个科学家也向脑极体透露，其开发的蛋白质结构预测平台，对一个模型的一个数据点（data point）进行计算就需要800G显存，意味着需要十几块顶级显卡，如果要做全规模训练那算力成本简直不可想象。
所以，一方面，需要加强AI算力基础设施建设，提供更多更普惠的算力资源，通过产业合作等方式来支撑生命科学的AI应用发展。另一方面，对生物AI模型的“瘦身”优化成为大势所趋，过大的模型即便在实验室里有充沛的算力支持，在实际部署落地的时候也会对内存存储等提出挑战。
这自然就要提到更好的算法。
新药研发是个非常复杂、探索未知的过程，世界一流的算法和成果，离不开世界一流的科研。目前来看，中国在AI领域“跟随”更多，面向底层、有影响力的突破较少。
斯坦福大学发布的2022年人工智能指数报告（2022 AI Index Report）中也显示，2021 年，中国在人工智能期刊、会议和知识库出版物的数量上继续领先世界，比美国高出 63.2%，但在引用数量上却低于美国、欧盟和英国。
在一个全新的领域开发出新的算法，没有任何经验可循，核心还是在人才。首先需要人才具备寻找问题、提出问题的能力，以及耐心安心解决底层技术问题的科研环境，此外还需要具备生物学、药剂学、化学等交叉知识，这些都给AI学科建设和人才培养提出了新的挑战。
一位AI科学家告诉我，在她看来，现在对AI人来说既是最好的时代，也是最坏的时代。一方面AI产业发展带来的新机遇非常多，另一方面从业者也会感受到一种沉甸甸的责任感，技术迭代速度之快带来了高强度的研究压力。
不难看出，AI驱动的研究范式也带来了全新的挑战，能否在产业重新分工中占据优势，中国AI还有一些关卡要过，其中很多基础条件需要长期的、体系化、科学的投入。
无论如何，AI必将引领生物制药领域未来十年甚至更远的创新方向。从这个角度看，AI制药公司“自立山头”，迈出了关键的一步，这一选择是必须肯定且支持的。接下来的重点在于，如何在成果数量与质量上赶超和引领世界一流水平。
就像科学史家托马斯·库恩在《科学革命的结构》中所写的那样，科学就是通过不断地转换范式，打破旧有框架束缚，才取得了进步。
人类的健康和希望，就隐藏在这样的“不走寻常路”中。
986篇资讯
2.7万关注
脑极体
从技术协同到产业革命，从智能密钥到已知尽头
最近资讯
- 不想做外包，当不了药神，AI公司如何才能走通制药这条路？
- 得新冠让人变傻？新冠后遗症真有这么可怕吗？
- 人工智能也有操作系统？3分钟了解AI框架
本文观点仅代表作者本人，钛媒体平台仅对用户提供信息及决策参考，本文不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现，点击这里投稿 。创业或融资寻求报道，点击这里。
敬原创，有钛度，得赞赏
523人赞赏钛媒体文章
-
端生 赞赏了
孟晚舟归国首次亮相，华为年度净利润超1100亿元 ...
上周 -
钛粉04723 赞赏了
京喜基本退出社区团购
2022-03-28 12:53 -
钛粉34992 赞赏了
我和我的植物人女儿｜钛媒体影像《在线》
2022-03-25 14:59 -
钛粉32623 赞赏了
“看风使舵”的摩根大通，为什么不值得信任？
2022-03-23 13:18 -
钛粉64062 赞赏了
酒店机器人离“万能”员工，还差多少笔融资？
2022-03-19 10:27 -
钛粉41134 赞赏了
俄乌战火中的中国留学生：我决定留下帮助普通人
2022-03-18 11:45 -
钛粉52609 赞赏了
半导体高管不断跳槽，背后透露什么信号？
2022-03-05 16:01 -
钛粉08632 赞赏了
叮咚买菜上海地区实现盈利，未来扭亏有望了吗？
2022-02-28 13:11 -
炜琳 赞赏了
刀口夺金的私募业：猎人、赌徒和骗子
2022-02-25 00:22 -
钛粉90022 赞赏了
年薪4亿的中国最贵科技CEO是谁？我们对高管薪资做...
2022-02-17 20:27 -
钛粉30326 赞赏了
亮风台联合创始人唐荣兴：元宇宙是个慢风口，AR领域...
2022-01-20 14:20 -
钛ae5u... 赞赏了
钛媒体科股早知道：发展最快的子行业，订单火爆，未来...
2022-01-17 04:39 -
满级钛宝1... 赞赏了
十亿消费者，谁是下沉市场的孤勇者
2022-01-15 11:42 -
马洋928 赞赏了
AI年度总结与展望：超大规模预训练模型爆发，自动驾...
2022-01-10 18:12 -
钛小超16... 赞赏了
奈飞无奈：《华灯初上》难成《鱿鱼游戏》
2022-01-10 15:18 -
钛粉25713 赞赏了
新能源汽车还有多少空间？
2021-12-29 22:06 -
钛粉91858 赞赏了
出海东南亚，阿里没得选
2021-12-27 15:07 -
钛粉91647 赞赏了
出海东南亚，阿里没得选
2021-12-27 15:05 -
钛粉91231 赞赏了
BAT为何分化在2018？
2021-12-27 14:50 -
钛粉63223 赞赏了
薇娅“落幕”，直播带货会“变味儿”吗？｜钛度热评
2021-12-24 21:27 -
赚赚 赞赏了
“抢红利”的《误杀2》，急于收割的万达和“陈思诚宇...
2021-12-22 17:07 -
赚赚 赞赏了
12月22日A股分析：创业板指涨0.55%，医药股...
2021-12-22 17:02 -
钛粉95326 赞赏了
美国又来捣乱了！中资收购韩国半导体巨头计划“流产”
2021-12-16 23:07 -
钛粉40847 赞赏了
美国又来捣乱了！中资收购韩国半导体巨头计划“流产”
2021-12-16 14:38 -
马洋928 赞赏了
快手史上最重要一战开场
2021-12-09 10:22 -
马洋928 赞赏了
快手史上最重要一战开场
2021-12-09 10:21 -
小小日月 赞赏了
投资人自白：被坑了1亿后，我再也不给影视项目投钱了
2021-12-09 10:13 -
发家致富1... 赞赏了
Zillow大牛市炒房巨亏，别把人祸甩锅人工智能
2021-12-09 08:46 -
小小日月 赞赏了
理想主义者自救指南
2021-12-08 17:41 -
小小日月 赞赏了
爱奇艺，病在九千人
2021-12-08 17:33 -
钛粉40736 赞赏了
家装互联网，困于“局域网”？
2021-12-04 18:24 -
小团子_T... 赞赏了
我是博物馆文创IP授权专员，文史与创意桥梁的搭建者...
2021-11-30 06:34 -
钛粉57559 赞赏了
战斗浪潮和时代心事
2021-11-25 14:54 -
钛粉27830 赞赏了
网红书店近黄昏
2021-11-21 11:12 -
钛粉46586 赞赏了
元宇宙还没影，音乐巨头们为何纷纷下注？
2021-11-20 14:13 -
钛粉94275 赞赏了
煤炭暴涨下的山西煤老板：日进千万，已经富得没感觉了
2021-11-20 10:32 -
关东流匪 赞赏了
AlphaFold2爆火背后，人类为什么要死磕蛋白...
2021-11-19 11:55 -
钛粉33536 赞赏了
飞书切瓜
2021-11-18 20:59 -
钛粉64093 赞赏了
风光不再，背背佳1.77亿“卖身”，买家看中了什么...
2021-11-15 01:23 -
钛粉64502 赞赏了
风光不再，背背佳1.77亿“卖身”，买家看中了什么...
2021-11-15 01:03 -
钛粉64056 赞赏了
风光不再，背背佳1.77亿“卖身”，买家看中了什么...
2021-11-13 21:52 -
hVz19... 赞赏了
双十一被卖爆的国产网红化妆品“薇诺娜”，能否撑起9...
2021-11-12 13:15 -
钛粉77478 赞赏了
Shopify悄然登上北美电商第二把交椅，独立站是...
2021-11-12 12:59 -
赵何娟 赞赏了
基金投顾强监管来了：“大V”引流开户被叫停，各大平...
2021-11-08 20:39 -
钛粉90442 赞赏了
海底捞关店300家“求生”，餐饮业凛冬将至？
2021-11-08 15:40 -
钛粉65149 赞赏了
概念车百分百量产，丰田bZ4X凭什么？
2021-11-04 10:51 -
钛粉49197 赞赏了
剧本杀里的欲望缩影：交友、脱单与释放天性
2021-10-30 16:34 -
hNzMk... 赞赏了
海天味业官宣涨价，调味品行业迎来拐点
2021-10-21 17:15 -
钛粉70544 赞赏了
蔚小理，上飞书｜钛媒体深度
2021-10-16 14:18 -
先进团队先... 赞赏了
飞书首席商业官林婵：数字化能推动企业组织的变革和升...
2021-10-16 14:16 - 查看精彩文章，打开钛媒体客户端
挺钛度，加点码！
- ¥ 5
- ¥ 10
- ¥ 20
- ¥ 50
- ¥ 100
支付方式
支付
支付金额：¥6
赞赏金额：¥ 6
赞赏时间：2020.02.11 17:32
账户【未登录】提示！
个人中心将无法记录并同步您的赞赏记录，
是否进行登录
分享文章
Oh! no
您是否确认要删除该条评论吗？
猜你感兴趣
全屋智能抢占“中控”，华为、海尔、小米们谁离用户最近？
钛媒体独家｜百度对YY直播架构大调整，20+中心整合为七大部门
这家公司还能在风电龙头的位置上待多久？| 科股投研
苹果砍单、小米“转行”，手机行业真的卖不动了？
农夫山泉高歌猛进，首富钟睒睒发现了大自然的印钞机？｜钛度热评
俄罗斯方块要改名乌克兰方块？｜钛度科普
分享文章
