出品 | 虎嗅醫療組
作者 | 陳廣晶、王一鵬
編輯 | 王一鵬
頭圖 | 視覺中國
英偉達在生命科學領域的野心藏不住了。
生成式 AI 興起後，英偉達的CEO黃仁勳頻繁在公開場合談論生命科學，宣稱“生命科學工程化”即将來臨。事實證明，老黃不玩虛的——在剛剛落幕的英偉達2024年GPU技術（GTC)大會上，醫療健康和生命科學大火了一把，有業内人士統計，總共900多場活動中，至少有90場與該領域相關。
尤其是在 GTC 開幕當天，黃仁勳一口氣正式推出了25個醫療、生物制藥相關的“微服務”，覆寫醫學影像、藥物研發和數字健康等領域。其目标是讓“全球醫療企業能夠在任何地點和任何雲上充分利用生成式 AI 的最新進展”。
在此之前，業界對英偉達的認知，更多集中于“賣卡的”。“算力，特别是GPU是訓練AI模型必不可少的生産資料。”百圖生科首席技術官（CTO)宋樂告訴虎嗅。
而英偉達的布局顯然超出了一個硬體供應商的“本分”。從公開資料看，這家全球晶片巨頭已經與超2500家相關企業達成合作，包括提供算法的AI企業，也包括醫療、制藥領域巨頭。比如：與強生開發了可實時分析資料的手術機器人，與GE開發了可以“自動”給患者拍片的“天眼CT”。
最近一年，英偉達更是通過投資等方式，将至少10家AI制藥領域頭部公司納入麾下。
這不是科技巨頭第一次進軍生命科學領域，但 2024 這個時間節點，與英偉達這家企業本身，都有着某種特别的含義。
“在網際網路/雲計算的行業裡，像英偉達這樣，将在醫療領域的布局提到戰略地位，可能在業界還是第一次。”浙江大學藥學院教授謝昌谕告訴虎嗅。
醫療領域，不相信算法
對英偉達醫療領域布局的洞察，必須追溯到生成式 AI 的發展本身。然而看似在技術、商業層面都有無限故事可講的生成式 AI，在醫療健康領域，可算是踢到了鐵闆。
從産業的反應來看，目前AI在醫療健康領域還處于起步階段，很多企業，特别是制藥企業仍然在觀望。有國内知名藥企相關負責人曾公開表示，該公司引入大模型的工作，至今還停留在成本核算階段。
這種遲滞性并不是某一家公司的問題。從資料看，全球每年有超2500億美元花在新藥研發上，其中投向AI制藥的隻有10多億美元，預計到2026年也不超過30億美元。
另據IDC的一項調查顯示，醫療健康和生命科學相關企業中隻有14%“已經在生成AI方面進行了大量投資，并在未來18個月内制定了‘通過教育訓練擷取GenAI增強軟體和咨詢服務’的支出計劃”，遠低于全球整體水準（34%），且隻有制造業的一半。
與醫療企業對 AI 的疏離感迥然不同的是，技術供應商一直保持着極大的熱情。資料顯示，全球僅AI+生物醫藥公司就有700多家；在醫療健康領域，谷歌、IBM等巨頭早就有所布局。尤其是ChatGPT 火起來以後，僅中國就一口氣湧現了近50個醫療大模型，從ToB的醫生助手到ToC的私人健康管家幾乎全品類覆寫。
醫療健康就像一個冷靜的“冰山美人”，“追求者”很多，但極其務實。她清楚地表示，算法隻是一個小夥子的“發展潛力”，資料才能代表他的“背景與身家”。
而這恰恰是大部分技術供應商的痛處。
有行業投資人透露，因為難以獲得好的資料，80%左右的醫療大模型沒有進入第二階段（即：投喂專業資料在某個領域增強），進入第二階段的20%中，絕大部分也沒有進行針對不同的場景、任務的高水準微調。
部分創業公司對内部醫療大模型進行評估時也發現，其能力僅達到“助手”級别，還稱不上“同伴”。這導緻AI在短期内無法獨當一面，工作範圍局限在導診、輔助讀片、寫病曆等。
在生物制藥領域，AI在蛋白質結構預測、蛋白質生成，甚至抗體藥生成領域都有很好的表現，但是這些仍然是臨床前階段。在最耗時、最費錢的臨床試驗階段（該階段開銷占新藥總研發費用的70%以上），還隻能做一些招募患者、做記錄等簡單工作。對于新藥研發成功率低等痛點問題，也沒有實質性改善。
以百圖生科為例。他們提出的長遠目标是用 AI 來模拟生命系統，比如人體免疫系統，理想狀态下可以更好地預測抗體藥進入人體的情況。但在現實落地卻很不容易。“要實作這個目标，就需要突破一系列多個尺度的AI模組化問題。”
百圖生科 CTO 宋樂告訴虎嗅，因為蛋白質領域資料相對較多——已經達到十億規模以上，是以這一領域的進展最快，不僅能生成蛋白質，甚至可以按照多樣化的設計目标來生成具有功能性的蛋白質，比如成藥性較好的抗體藥，催化效率比較高的酶等。
然而模拟生命系統工程中，不但涉及單個蛋白質分子的生成，還涉及到大量的蛋白質的互相作用、細胞内和細胞之間的互相作用等，但這方面的問題更複雜，相對來說資料處于稀缺狀态，會需要持續的AI模型和實驗資料擷取手段的創新和突破。
“可以想象，蛋白質的資料會呈指數性的增長，生成設計的落地案例也會快速增長。但是這隻是一部分，要模拟免疫系統，就需要其他層面也有同樣多的資料，以及與其比對的AI模型創新和疊代，有同樣快速的增長。”宋樂說。
那麼有了資料，AI 就能在醫療健康領域暢通無阻了嗎？也不盡然。
比如，醫療領域的公開資料相對更多，擷取方式更多元，AI+醫療在此的進展也更快。就在今年年初，谷歌推出了一款醫學對話AI——AMIE（Articulate Medical Intelligence Explorer）。這款應用是繼Med-PaLM、Med-PaLM2之後的又一個“AI醫生”，甚至通過了圖靈測試，表現可謂令人驚豔。
盡管從具體表現看，這款在心血管疾病等領域的診斷領域，可以做得比保健醫師更好，但仍然無法輕易用到真實患者身上，哈佛大學醫學院專家在接受采訪時直言，醫療絕不是收集資訊這麼簡單，“它關乎人與人的關系”。
在其背後，倫理問題、監管問題、制度問題，以及科學研究本身的進展限制，都是難以突破的障礙。可以說，被頻繁提及的研究資料，隻是一個準入門檻，AI+醫療健康和生命科學本質上不是要解決一個技術問題，而是一個綜合性的社會問題。
謝昌谕向虎嗅表示，更強的硬體和算法對加速行業發展一定是有幫助，但是并不說今天多了1000台GPU，明天就可以跟你打包票說AIDD（人工智能藥物發現與設計）會有一個怎樣的進展。
人工智能也被用于提高手術機器人準确性、安全性等。
圖為小觀衆在看單孔腔鏡手術機器人剝鹌鹑蛋。
來自：視覺中國
英偉達版“曲線救國”
是以，像過往所有的技術服務一般，單純由乙方獨立研發，向甲方切割式地傳遞技術方案，是絕對不行的。醫療、醫藥行業專家必須參與到技術方案演進的過程中，這是AI企業在醫療、制藥領域摸爬滾打、屢敗屢戰六七十年後，最終得出的結論。
在這種合作關系中，藥械企業不僅是買單方，更是資料的生産方，他們不僅解決了誰來買單的問題，也為産品疊代提供了足夠的資料。今天發展最為成熟的AI+醫療影像就是典型案例。
GE、西門子等巨頭将AI與大型裝置綁定，就人為地建立了資料挖掘機。CT機、核磁共振機隻要每天正常工作，就可以源源不斷為AI提供資料養料了。同理，在藥品領域，沒有誰比出資搞研發的藥企更能理直氣壯地收集資料，AI 企業如果能參與到藥企的工作流程中，也有機會破局。
這道理大家都懂，但實際很難做到，原因也很質樸：藥企不同意。
對于藥企來說，這些資料太貴了。手握大量研發資料的大藥企，每年研發投入都在數十億美元的規模，默沙東、羅氏等研發傳統悠久的企業，相關投入早就超過了百億美元，且有逐年增長的趨勢。這些靠重金砸出來的資料，不僅有機會成就爆款單品，在未來競争中，也會拉開與競争者的距離。
在醫藥市場競争越來越激烈的今天，任何企業也不願意輕易将資料貢獻出來。在這種情況下，要想拿到企業、醫院内部的臨床資料，就隻能為他們量身定制模型，讓他們在“安全區”内感受大模型的威力。
隻不過，這種操作成本也是極高的。有業内人士向虎嗅透露，在雲計算推廣過程中也出現過類似的情況，最終很多公司因為虧本嚴重不得不叫停相關業務。大模型定制成本隻會更高，他認為，協定金額很可能必須達到10億美元級别才能收支平衡。
英偉達對此的政策是“曲線救國”。
英偉達是建生态的一把好手，其在10多年前（2006年）就憑借CUDA（compute Unified Device Architecture，計算機統一裝置體系結構）奠定了在晶片界的競争壁壘。
簡單來說，CUDA 是基于GPU設計的軟硬體結合的通用計算構架。其優勢主要有兩個，一個是使用者可以直接與GPU結合操控晶片；二是CUDA架構為軟體廠商免費提供開發工具，友善軟體開發。前者大大降低了GPU的使用門檻，後者友善使用者的同時也悄悄挖深了“護城河”——随着“工具包”裡的零件越來越多，其可替代性也大大降低。
由此形成的CUDA生态，将英偉達與AI深刻綁定，英偉達也借此逐漸甩掉競争對手，實作了逆襲。
在進入醫療健康和生命科學領域時，英偉達大有将CUDA生态的成功經驗照搬過來的勢頭。
按照英偉達公開資訊，他們此次推出的25個微服務，實際上是以往“專業版”基礎上的更易操作版本——這些微服務套件中包含了經過優化的NVIDIA NIM™ AI 模型和工作流，并提供行業标準應用程式設計接口（API），可用于建立和部署雲原生應用。
也就是說，醫院、藥企可以根據自己的需求點選“按鈕”直接滿足在醫學影像、自然語言和語音識别以及數字生物學生成、預測和模拟功能等領域的需求。
對于AI企業來說，英偉達的品牌背書、行業影響力等帶來了更多機會。“它是一種導流的平台。”宋樂告訴虎嗅。百圖生科于2023年加入了英偉達招募創業公司的“NVIDIA初創加速計劃”，在今年的GTC大會上，宋樂還作為生态合作夥伴代表百圖生科分享了三年來做AI+生物醫藥的經驗。
而在另一邊，英偉達也降低了大模型使用的門檻，友善傳統的醫院、藥企使用他們提供的“工具包”——比如各種AI大模型等。随着工具包的逐漸豐富，以及産業合作方的習慣、依賴，形成新的難以替代的生态。
你很介意軟體企業直接參與業務流程，共享資料？OK，我把“傻瓜式”工具賣給你，你自己來做。定制模型這種高成本的事情，英偉達是不參與的，不管藥企、雲計算企業雙方怎麼折騰，隻要基于我的基礎設施來做，這一商業模式就是成立的。
英偉達的算盤打得很響，但需要注意的是，CUDA 過去面對的是軟體産業，這與醫療産業截然不同，如果僅是照搬 CUDA 的打法，那甚至都無法打開醫療市場。
相對網際網路行業，醫療、制藥非常傳統和封閉，有其獨特的流程。比如：在中國，想說服醫院采購某種産品，不僅要經過複雜的流程，還需要找到正确的管道。在被認為最需要AI的基層，很多醫院的采購管道掌握在個人或者小代理商手裡，如果找不到他們，再好的産品也與之無緣了。是以，很多AI+醫療企業創業近10年也還沒能盈利。
而且科技巨頭“攻下”醫院、藥企陣地的決心，一直以來都很堅定，導緻這一市場還沒發展起來，已經成了紅海了。
AWS、騰訊雲、百度智能雲等，都在這個賽道中“跑馬圈地”，為了争取盡量多的合作者，甚至有國内科技公司的相關負責人公開直言“要将建構AI場景模型的權利交還給科學家”，這幾乎就是在向對方剖白，可以不惜成本，滿足對方一切定制化需求了。
此外，英偉達提供的“工具包”還停留在“大衆版”的層面上，醫院、藥企如果需要“專業版”大模型，還是需要與AI企業合作。這也讓類似CUDA生态的“護城河”很難形成。
長期以來，國内面向大甲方的生意，都在買方強烈的定制化訴求，與賣方的“虧錢能力”間左右拉扯。相比之下，英偉達的方式雖然輕巧，卻很難滿足醫療機構、醫生的需求——他們通常更習慣接受積極上門推銷産品的營銷方式，缺乏主動找“工具包”訓練資料的動力。
較早進入醫療行業的科技公司，幫助基層醫院用遠端技術提高診斷水準。
來自：視覺中國
或有調和成本之争的機會
英偉達的機會，更多是趨勢性的——産業界對AI的主要行為是觀望，但在态度上也承認，AI不再是可有可無的東西，它将從根本上重構生命科學産業。
上世紀80年代開始，新藥研發的主戰場從小分子化藥轉向了結構更加複雜的生物藥領域，總藥物篩選空間可以達到10的60次方之大，想要靠人力快速篩選出适合的分子幾乎不可能了，這一問題在“低垂的果實”逐漸摘完、複雜藥物研發成為常态之後越來越突出了。
“AI在逐漸地變成生物醫藥研發中不可或缺的基本實驗裝置。”宋樂向虎嗅解釋說。他認為，接下來生物藥物研發對AI以及後面計算資源的需求量會越來越大。
如今應用AI技術，已經可以将新藥研發中的探索臨床前化合物的耗時從原來的4年縮短3/4，到13.7個月，甚至壓縮到一個月或20多天。另據麥肯錫全球研究所(MGI)估計，生成式AI有望每年為醫療、制藥産業帶來上千億美元經濟價值。
來自：麥肯錫
這樣的資料固然令人心動，但是這對每年全球銷售額超過萬億美元的産業來說，還不構成緻命吸引。前述提到新藥研發最大的花銷在臨床試驗階段，AI在這一領域能做的還非常有限。同時，目前還沒有任何一款由AI設計的藥品上市，也無法證明AI可以提高新藥研發的成功率。
是以，制藥企業與AI公司合作的過程中，試探性的少量投入更多，且更傾向于在類似密碼子優化的細節上合作。這讓很多AI制藥企業的商業化野心很難找到出口。
但這和英偉達有什麼關系呢？至少在五年内，英偉達賣的仍然是基礎設施，不是藥物研發解決方案，讓藥企為态度買單先建構基礎設施，比直接砸錢定制大模型靠譜得多。
況且在中國，醫療機構、制藥企業對AI的需求還遠不止于新藥研發。
2018年以來，藥品、耗材帶量采購等斬斷“以藥養醫”利益鍊條的改革，以及國家醫保談判、醫保支付方式改革等醫改新政，共同宣告了整個藥品研發、生産、流通到使用環節暴利時代的結束。
在一輪又一輪的瘋狂降價潮中，整個産業鍊上的任何成員，都必須精打細算、想方設法地降本增效。此外，在醫藥反腐風暴不斷更新後，負責銷售藥品的流通企業，還要盡快找到合規的營銷方式。
對于所有這些問題而言，AI堪稱救命稻草。而英偉達是這個“稻草”上最為世人矚目的企業。
正在改變與想要改變世界的人，都在 虎嗅APP