人類創造了AI，AI能否反過來拯救人類呢？除了問答聊天畫畫，ChatGPT們正在加速向細分領域滲透，而AI制藥正成為當下AI應用落地的先行者。
科技巨頭跨界進入醫療賽道
醫療賽道的價值讓衆多科技巨頭躁動不已，而以ChatGPT為代表的AI技術疊代，終于讓科技企業看到叩開醫療領域大門的機會。
壹零社昨日曾介紹過華為盤古大模型，其在醫療細分賽道本就有所布局，期中盤古藥物分子大模型，本身是由華為雲聯合中國科學院上海藥物研究所共同訓練而成的大模型，可以實作針對小分子藥物全流程的人工智能輔助藥物設計。
國内IT巨頭布局AI制藥資料平台來源：億歐智庫
華為之外，阿裡有醫療雲AI，用于基因測序，甲狀腺結節識别、肺結節識别、數字化模拟臨床實驗等領域。騰訊主打雲深智藥，用于蛋白質結構篩選等藥物研發過程。位元組有AILab，基于AI算法，來支援下研究藥物的發現和制造。
另據媒體報道，百度文心一言首個落地醫藥行業的産品GBI-Bot于近日正式釋出，這款醫藥垂類對話機器人，使用了百度靈醫智惠在醫療健康行業的技術積累，實作了文心一言與GBI專業資料庫的有機結合。
除大陸科技企業積極跨界進入醫療領域外，英偉達、微軟等全球科技巨頭同樣在AI制藥領域積極展開合作。
上周的英偉達春季GTC大會上，英偉達稱将與三井物産株式會社（Mitsui）就Tokyo-1項目展開合作，旨在通過高分辨率分子動力學模拟和用于藥物發現的生成式人工智能（AIGC）模型等技術，來提高日本制藥實力。日本的制藥公司和初創公司預計都可以參加Tokyo-1項目，三井物産子公司Xeureka将負責營運Tokyo-1，并在今年晚些時候正式上線這一項目。
而在這之前，微軟和諾和諾德攜手合作，以将微軟的計算服務、雲和人工智能(AI)與後者的藥物發現、開發和資料科學能力結合起來。而諾和諾德在9月12日的一份新聞稿中也表示，根據合作關系，微軟将提供人工智能技術、基礎科學模型和專業知識，并與諾和諾德的資料科學家和早期研發領域的專家合作，以加速制藥的研發。
近年來，AI加速助力新藥研發，幾乎參與了從藥物靶點發現到臨床試驗全流程。
煥一生物創始人文雯提到，過去10年FDA審批成功的190多款新藥基本上都是由120多家公司所研發出來的，即使是全球Top10藥企，也依賴于收購小藥企的研發成果，“充分說明藥物研發效率極低，且未能形成規模效應。”
本質上，藥物發現過程是個資料和工程化問題。而與制藥的反摩爾定律形成鮮明對比的是“算力”，在自動駕駛多領域遍地開花的AI，其算力随着投入越大，邊際成本則越低，AI等計算切入制藥幾乎是順理成章。
與傳統藥物研發模式相比，AI藥物研發具有縮短研發周期、節約資金成本及提高成功率等優勢。據藥時代報道，傳統模式下的藥物研發在臨床前階段需要4-5年，而基于AI和生物計算的新藥研發管線平均1-2年就可以完成臨床前藥物研發。
探秘生命禁區的AI
藥物從“意外發現”發展到到人們可通過藥物分子設計來創造新藥，科技在這一過程中發揮了濃重重彩的作用。
借助計算進行研發的技術模型有兩種——一種為以算力、算法、資料為基礎的人工智能方法，另外一種是以實體模型為基礎的高精度計算化學方法。前者本質上是通過機器學習等模型，讓AI算法在持續的優化疊代中尋找解決問題的路徑，進而優化藥物研發全流程；後者是從分子、原子等微觀粒子層面去計算藥物分子與靶點分子之間的互相作用力，借助AI來提高運算速度和精度。
目前AI在醫藥領域的應用大緻分為三個階段，第一階段是AI影像識别，運用計算機視覺、深度學習等人工智能技術，對内窺鏡、钼靶、超聲、CT、MRI、病理、眼底照相、OCT等各類醫學影像進行學習訓練，能夠有效輔助醫生診斷和重大疾病的早期篩查等任務。
第二階段以AlphaFold為代表，使用蛋白質資料庫中接近17萬個不同的蛋白質結構，以及包含未知結構的蛋白序列資料庫對AlphaFold進行訓練。通過不斷地疊代，AlphaFold系統學習到了基于氨基酸序列，精确預測蛋白結構的能力。
第三階段以目前類“OpenAI”的語義識别系統（如ProGen），可以通過簡單指令創造出自然界未有的結構。ProGen通過學習在給定原始序列中過去的氨基酸的情況下，預測下一個氨基酸的機率來疊代優化，沒有明确的結構資訊或成對協同進化假設。
AI藥物研發領域的領先玩家是美國。美國大量醫療 AI 公司都集中在藥物研發領域，全球50% 以上的 AI 藥物研發公司都集中在美國。美國的 Schrodinger 和 RelayTherapeutics AI藥物研發領域最早上市的公司。
2020 年 11 月，Google 旗下 DeepMind 的 AlphaFold2 解決了生物學難題 - 蛋白折疊。2021 年 7 月，谷歌與歐洲分子生物學實驗室（EMBL）利用 AlphaFold2 基于氨基酸序列預測了 350,000 個蛋白質的三維結構，幾乎涵蓋了人類基因組表達的約 20,000 個蛋白質。
這讓各界開始重視起了AI在藥物研發領域的應用，在這之後，AI醫藥研發的融資活動越來越頻繁。
AI制藥漸成資本寵兒
初創企業是AI制藥的主力軍，同樣也是AI制藥的主要推動者和實踐者。
資料顯示，截至2022年Q3，全球約有600家AI藥物研發公司，同比增長21.6%。其中，美國AI制藥企業數量全球第一，為343家，兩年增長了近3倍；中國亦有近80家AI制藥相關企業。
全球AI制藥融資情況，來源：BiopharmaTrend
國内的AI制藥雖然起步晚，但實力依舊不容小觑。麥肯錫報告顯示，中國AI藥物開發公司正在崛起，以全球上市前融資TOP20的AI制藥公司為例，來自中國的公司數量占據了三分之一。
作為人工智能領域與制藥領域的交叉，AI藥物研發受到國家對創新藥研究和人工智能發展的雙重鼓勵，也取得了一定的進展。
前不久，AI+合成肽新藥研發企業呈元科技（（Syneron Tech），宣布完成數千萬美元pre-A輪融資，由聯想創投、格力産投共同領投，其中，作為珠海國資，格力金投對AI制藥的入局引起了不少人的關注，資金投資本身也是一種态度。
近年來，制藥成本大幅提升，但是收益持續走低，據統計，一款新藥上市的平均成本從2010年的11.88億美元升高到了2022年的25.08億美元，而全球新藥投資回報率已經從2010年的10.1%下降至2018年的2%以下。
首個國産新冠藥停産的消息更在昨晚刷屏，花了13億研發卻隻賣了5000萬元，更将企業市值拖入深淵。
相比之下，AI制藥可以通過資料交叉比對、加速篩選、從頭生成，更快、更便宜地發現靶點以及新藥，憑借通過高通量試錯提高了藥物設計和篩選的成功率，可以優化流程并且降低人力成本。
不過由于人工智能的技術門檻高，藥企難以在短期内擁有技術優勢，是以會選擇與科技巨頭合作。科技公司負責搭建算法模型，藥企則負責利用資料訓練模型，這就讓百度、阿裡、華為等科技巨頭有了跨界進入醫療領域的機會。
當然，醫藥研發是個周期長、投入資金量大的事情，即使人工智能逐漸滲透到各個制藥環節，很多決策依舊需要藥化專家幫忙，所需要的時間隻是相對變短。是以，對企業而言，雄厚的财力是支撐其前期研發必不可收的基礎。而們對于國内的AI制藥企業而言，如今最大的問題依然在于如何拿到藥企的訂單，相比美國，國内除了晶泰科技拿到了輝瑞的訂單之外，幾乎沒有企業可以拿到大藥企的訂單。