阿里华为争相进入，AI制药能否探索生命禁区

　　人类创造了AI，AI能否反过来拯救人类呢？除了问答聊天画画，ChatGPT们正在加速向细分领域渗透，而AI制药正成为当下AI应用落地的先行者。
　　科技巨头跨界进入医疗赛道
　　医疗赛道的价值让众多科技巨头躁动不已，而以ChatGPT为代表的AI技术迭代，终于让科技企业看到叩开医疗领域大门的机会。
　　壹零社昨日曾介绍过华为盘古大模型，其在医疗细分赛道本就有所布局，期中盘古药物分子大模型，本身是由华为云联合中国科学院上海药物研究所共同训练而成的大模型，可以实现针对小分子药物全流程的人工智能辅助药物设计。
　　国内IT巨头布局AI制药数据平台来源：亿欧智库
　　华为之外，阿里有医疗云AI，用于基因测序，甲状腺结节识别、肺结节识别、数字化模拟临床实验等领域。腾讯主打云深智药，用于蛋白质结构筛选等药物研发过程。字节有AILab，基于AI算法，来支持下研究药物的发现和制造。
　　另据媒体报道，百度文心一言首个落地医药行业的产品GBIBot于近日正式发布，这款医药垂类对话机器人，使用了百度灵医智惠在医疗健康行业的技术积累，实现了文心一言与GBI专业数据库的有机结合。
　　除我国科技企业积极跨界进入医疗领域外，英伟达、微软等全球科技巨头同样在AI制药领域积极展开合作。
　　上周的英伟达春季GTC大会上，英伟达称将与三井物产株式会社（Mitsui）就Tokyo1项目展开合作，旨在通过高分辨率分子动力学模拟和用于药物发现的生成式人工智能（AIGC）模型等技术，来提高日本制药实力。日本的制药公司和初创公司预计都可以参加Tokyo1项目，三井物产子公司Xeureka将负责运营Tokyo1，并在今年晚些时候正式上线这一项目。
　　而在这之前，微软和诺和诺德携手合作，以将微软的计算服务、云和人工智能（AI）与后者的药物发现、开发和数据科学能力结合起来。而诺和诺德在9月12日的一份新闻稿中也表示，根据合作关系，微软将提供人工智能技术、基础科学模型和专业知识，并与诺和诺德的数据科学家和早期研发领域的专家合作，以加速制药的研发。
　　近年来，AI加速助力新药研发，几乎参与了从药物靶点发现到临床试验全流程。
　　焕一生物创始人文雯提到，过去10年FDA审批成功的190多款新药基本上都是由120多家公司所研发出来的，即使是全球Top10药企，也依赖于收购小药企的研发成果，充分说明药物研发效率极低，且未能形成规模效应。
　　本质上，药物发现过程是个数据和工程化问题。而与制药的反摩尔定律形成鲜明对比的是算力，在自动驾驶多领域遍地开花的AI，其算力随着投入越大，边际成本则越低，AI等计算切入制药几乎是顺理成章。
　　与传统药物研发模式相比，AI药物研发具有缩短研发周期、节约资金成本及提高成功率等优势。据药时代报道，传统模式下的药物研发在临床前阶段需要45年，而基于AI和生物计算的新药研发管线平均12年就可以完成临床前药物研发。
　　探秘生命禁区的AI
　　药物从意外发现发展到到人们可通过药物分子设计来创造新药，科技在这一过程中发挥了浓重重彩的作用。
　　借助计算进行研发的技术模型有两种一种为以算力、算法、数据为基础的人工智能方法，另外一种是以物理模型为基础的高精度计算化学方法。前者本质上是通过机器学习等模型，让AI算法在持续的优化迭代中寻找解决问题的路径，进而优化药物研发全流程；后者是从分子、原子等微观粒子层面去计算药物分子与靶点分子之间的相互作用力，借助AI来提高运算速度和精度。
　　目前AI在医药领域的应用大致分为三个阶段，第一阶段是AI影像识别，运用计算机视觉、深度学习等人工智能技术，对内窥镜、钼靶、超声、CT、MRI、病理、眼底照相、OCT等各类医学影像进行学习训练，能够有效辅助医生诊断和重大疾病的早期筛查等任务。
　　第二阶段以AlphaFold为代表，使用蛋白质数据库中接近17万个不同的蛋白质结构，以及包含未知结构的蛋白序列数据库对AlphaFold进行训练。通过不断地迭代，AlphaFold系统学习到了基于氨基酸序列，精确预测蛋白结构的能力。
　　第三阶段以目前类OpenAI的语义识别系统（如ProGen），可以通过简单指令创造出自然界未有的结构。ProGen通过学习在给定原始序列中过去的氨基酸的情况下，预测下一个氨基酸的概率来迭代优化，没有明确的结构信息或成对协同进化假设。
　　AI药物研发领域的领先玩家是美国。美国大量医疗AI公司都集中在药物研发领域，全球50以上的AI药物研发公司都集中在美国。美国的Schrodinger和RelayTherapeuticsAI药物研发领域最早上市的公司。
　　2020年11月，Google旗下DeepMind的AlphaFold2解决了生物学难题蛋白折叠。2021年7月，谷歌与欧洲分子生物学实验室（EMBL）利用AlphaFold2基于氨基酸序列预测了350，000个蛋白质的三维结构，几乎涵盖了人类基因组表达的约20，000个蛋白质。
　　这让各界开始重视起了AI在药物研发领域的应用，在这之后，AI医药研发的融资活动越来越频繁。
　　AI制药渐成资本宠儿
　　初创企业是AI制药的主力军，同样也是AI制药的主要推动者和实践者。
　　数据显示，截至2022年Q3，全球约有600家AI药物研发公司，同比增长21。6。其中，美国AI制药企业数量全球第一，为343家，两年增长了近3倍；中国亦有近80家AI制药相关企业。
　　全球AI制药融资情况，来源：BiopharmaTrend
　　国内的AI制药虽然起步晚，但实力依旧不容小觑。麦肯锡报告显示，中国AI药物开发公司正在崛起，以全球上市前融资TOP20的AI制药公司为例，来自中国的公司数量占据了三分之一。
　　作为人工智能领域与制药领域的交叉，AI药物研发受到国家对创新药研究和人工智能发展的双重鼓励，也取得了一定的进展。
　　前不久，AI合成肽新药研发企业呈元科技（（SyneronTech），宣布完成数千万美元preA轮融资，由联想创投、格力产投共同领投，其中，作为珠海国资，格力金投对AI制药的入局引起了不少人的关注，资金投资本身也是一种态度。
　　近年来，制药成本大幅提升，但是收益持续走低，据统计，一款新药上市的平均成本从2010年的11。88亿美元升高到了2022年的25。08亿美元，而全球新药投资回报率已经从2010年的10。1下降至2018年的2以下。
　　首个国产新冠药停产的消息更在昨晚刷屏，花了13亿研发却只卖了5000万元，更将企业市值拖入深渊。
　　相比之下，AI制药可以通过数据交叉比对、加速筛选、从头生成，更快、更便宜地发现靶点以及新药，凭借通过高通量试错提高了药物设计和筛选的成功率，可以优化流程并且降低人力成本。
　　不过由于人工智能的技术门槛高，药企难以在短期内拥有技术优势，因此会选择与科技巨头合作。科技公司负责搭建算法模型，药企则负责利用数据训练模型，这就让百度、阿里、华为等科技巨头有了跨界进入医疗领域的机会。
　　当然，医药研发是个周期长、投入资金量大的事情，即使人工智能逐渐渗透到各个制药环节，很多决策依旧需要药化专家帮忙，所需要的时间只是相对变短。因此，对企业而言，雄厚的财力是支撑其前期研发必不可收的基础。而们对于国内的AI制药企业而言，如今最大的问题依然在于如何拿到药企的订单，相比美国，国内除了晶泰科技拿到了辉瑞的订单之外，几乎没有企业可以拿到大药企的订单。