中國的新銳公司和IT巨頭希望将中國的人工智能能力轉化為世界領先的藥物創新，他們是否比西方企業更有優勢？
中國的研究人員正在積極的探索以AI技術為基礎的新藥發現新範式。就在上個月，三個中國企業籌集了巨額資金，以推動其AI藥物發現計劃。Insilico Medicine是一家總部設在香港的公司，其全球業務的一半在上海，籌集了2.55億美元，以推動其人工智能發現的候選藥物進入臨床試驗，并開發新算法以尋找新靶标。此前，北京StoneWise在4月籌集了1億美元，總部位于深圳的XtalP在去年9月籌集了3.19億美元。(聲明：此處無任何商業宣傳，僅轉述原文）
騰訊、百度和位元組跳動等IT巨頭也一直在将其強大的人工智能能力賦能于藥物設計。憑借一項旨在實作人工智能占主導地位的雄心勃勃的國家戰略、龐大的人工智能研究人員人才庫、大量可供合作的合同研究組織（CRO）以及不斷發展的健康資料隐私保護，中國的人工智能公司已準備好在全球競争中更快、更便宜地制造更多藥物。但是，即使14億人口能夠提供豐富的資料，使中國的人工智能公司比西方同行領先，但對于用于訓練公司算法的臨床前和臨床資料的品質仍有疑問。
Insilico Medicine的創始人兼首席執行官Alex說："如果你來到這裡，看到正在發生的事情，它會給你留下深刻印象。創新工場是一家位于北京的風險投資公司，主要投資人工智能公司，其首席執行官李開複也同意："中國确實有建立藥物發現系統的先進能力。
但中國的人工智能藥物發現公司是後來者。過去十年中，像Atomwise、BenevolentAI(倫敦)、Exscientia(牛津)、Relay Therapeutics和Numerate這樣的公司正在與跨國制藥公司達成大交易。甚至現在與中國有關的兩家最著名的人工智能藥物設計公司-Insilico Medicine和XtalPi都是2014年在美國成立的。當時，中國的人工智能藥物研究幾乎沒有得到任何牽引力。XtalPi聯合創始人馬健說："當他在2015年第一次回到中國，并開始與中國的制藥公司交談時，很明顯，他們中的大多數人對人工智能在藥物研發中的應用不感興趣或沒有做好準備。
然而，從那時起情況發生了迅速變化。AlphaGo在2016年和2017年戰勝了人類頂尖的圍棋選手，讓業界關注到人工智能的潛力，在許多中國年輕人的心目中是一條通往成功的道路。第二年，中國政府推出了一個雄心勃勃的戰略，以使中國在2030年前成為全球人工智能的上司者，這導緻了新的大學培養計劃等。
工智能代表了一種跨越式發展的方式。
中國的研究人員響應了這一号召。在一場 "風暴 "中，計算機科學家、實體學家、數學家和傳統藥物發現研究人員推出了50多家人工智能藥物發現公司，張健說，他在上海交通大學上司一個分子設計實驗室，并與少數人工智能藥物設計初創公司合作。
中國人口衆多，醫院規模龐大，是以很容易收集大量資料集--這是訓練人工智能的關鍵。在中國，人們對隐私的擔憂也較少，意味着資料更容易擷取。Lee說，美國的人工智能公司尤其受到法規的阻礙，例如1996年的《Health Insurance Portability and Accountability Act》，該法案規定了如何共享電子健康記錄的标準。Lee說，HIPAA使得即使在患者同意的情況下，也很難将資料彙集起來。Lee說，盡管中國政府即将對那些出售洩露個人資料的人進行嚴厲的處罰，但像醫渡雲這樣将得到同意的病人資料彙集到研究工具中的公司正在出現，以確定這些資料可以被通路。他們在美國的同行--Flatiron Health、Tempus、Aetion和Palantir也同樣在大規模地整合現實世界的電子健康記錄資料，以用于藥物發現。
但許多資料的品質很差，這可能會誤導人工智能。"資料品質是絕對的關鍵。大多數從事藥物發現的中國公司沒有高品質的資料用于訓練。”（ Ye Tao）
中國強大的人工智能研究人員隊伍(包括從美國和歐洲回國的人員), 在百度、阿裡巴巴和騰訊從事工業研究的資深人士，以及在支援中國長期人工智能戰略的新政府項目下接受教育訓練的人員，這應該使中國的人工智能行業具有競争優勢。根據斯坦福大學最近的一份報告，在全球人工智能研究論文中，以中國為基地的研究人員占總數的22.4%，而歐洲為16.4%，美國為14.6%。去年，來自中國的人工智能論文首次獲得了比美國論文更多的引用。中國仍然缺乏取得根本性突破的科學家，由前1%的論文代表(特别是高引用率的會議論文)，Lee說。"當涉及到真正的最具創造性的發散性思維者時，美國仍然領先。
但這對于藥物發現來說可能并不重要。中國公司可以修補基于人工智能的算法(其中大部分是在美國、加拿大或歐洲開發的)，因為它們通常是開源的，可以公開通路。NUTSHELL(中國)的Yu："你改變幾個字就能改變整個概念，你可以找到一種方法來解決你的問題。"The science is from there [the West], but the technology is from here."
Lee 說，中國人工智能藥物發現的方法也可能更加務實，這可能給了中國一個優勢。DeepMind 是谷歌的子公司，通過解決幾十年前的蛋白質折疊讓研究人員感到震驚，但中國公司“非常擅長将人工智能轉化，用人工智能創造價值和建構新産品。
Nature | AlphaFold預測98.5%人類蛋白結構，科學研究新範式
讓子彈飛 | 院士深度解析Alphafold DB的未來影響
然而，對人工智能的興趣和機會的爆炸式增長推高了工資，并且難以留住專業知人士。Alex說，中國頂尖的人工智能專家的成本高于美國，而且往往會四處流動。Insilico 主要聘請中國大陸以外的人工智能專家。Insilico 的研究從生物假說和新生物靶點的識别延伸到候選分子的生成和測試，主要聘請中國大陸以外的人工智能專家，在後期化學設計和分子合成方面更依賴中國。
Alex說，中國有大量的CRO(總共約3000家)公司，這也許是中國的人工智能藥物發現公司最吸引人的地方。Insilico正與其中80家公司合作。這使該公司能夠避免與學術機構合作所帶來的時間和知識産權的損失。它還允許在開發管線中的多個CRO公司平行運作多個實驗。Alex說，比較結果 "對人工智能來說是一個巨大的學習經驗"。中國有大量的實驗室可以以合理的成本進行所有實驗或同時并行，唯一能做到的地方就是中國。”
與其他地方一樣，中國人工智能藥物設計的成功将取決于其候選藥物是否在臨床上取得成功，這是人工智能設計的藥物尚未實作的。新墨西哥大學的計算生物學家 Tudor Oprea 說：“有很多炒作，很多人試圖向你推銷根本不存在的東西。” “The proof of the pudding is in the eating. So you don’t really know until it’s on the market.”
騰訊、百度和位元組跳動進入人工智能藥物發現領域，将為中國的努力增添分量。2020 年 7 月，騰訊推出了自己的人工智能驅動藥物設計平台 iDrug。它已經啟動了十多個項目，包括尋找對抗冠狀病毒的藥物。該公司計劃涵蓋臨床前研究、預測蛋白質結構、篩選候選藥物、設計和優化分子以及表征蛋白質功能的整個領域。
Lee表示：這些 IT 巨頭将扮演中國版的谷歌，生産像 DeepMind 這樣的大型機器，可以解決蛋白質折疊等問題，這些問題需要比小型初創公司更多的計算能力。“是以現在有了一些更務實、更快速賺錢的小而靈活的公司，然後是大巨頭。是以這是一個很好的分工。
雖然中美之間存在一些良性競争，但許多研究人員更擔心目前的政治緊張局勢可能會損害兩國在這個新興領域的協同效應。中國人工智能藥物設計的大部分投資來自美國，而有影響力的人工智能會議論文的作者中有三分之一在中國接受教育，但大部分在美國工作。Lee說：“是以他真的希望醫療保健或藥物發現不會成為這種脫鈎談話的一部分，因為這項研究完全是為了人類的利益。