前段時(shí)間，AI在諾獎(jiǎng)方面可謂出盡了風(fēng)頭。

2024年諾貝爾化學(xué)獎(jiǎng)花落三位科學(xué)家，其中兩位獲獎(jiǎng)?wù)邅?lái)自谷歌DeepMind公司-Demis Hassabis和John Jumper。他們因開發(fā)了革命性的AI工具AlphaFold而獲此殊榮，另一位獲獎(jiǎng)?wù)呤荄avid Baker，他在設(shè)計(jì)全新蛋白質(zhì)方面取得了突破性進(jìn)展。

這AlphaFold，說(shuō)白了就是谷歌DeepMind開發(fā)的一個(gè)突破性人工智能系統(tǒng)。簡(jiǎn)單來(lái)說(shuō)，它專門用來(lái)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的。

蛋白質(zhì)可以說(shuō)是生命的“積木”，它們?cè)谌梭w內(nèi)負(fù)責(zé)執(zhí)行各種重要功能。但關(guān)鍵是，蛋白質(zhì)要發(fā)揮作用，必須折疊成特定的三維結(jié)構(gòu)。

這個(gè)AI系統(tǒng)最厲害的地方在于，它能夠準(zhǔn)確預(yù)測(cè)蛋白質(zhì)會(huì)折疊成什么樣的形狀。科學(xué)家們通過(guò)AlphaFold，可以在實(shí)驗(yàn)室里快速獲得假設(shè)并進(jìn)行測(cè)試，大大加快了科研進(jìn)度。這就好比，以前科學(xué)家們要花幾個(gè)月甚至幾年時(shí)間才能搞清楚一個(gè)蛋白質(zhì)的結(jié)構(gòu)，現(xiàn)在用AlphaFold幾天就能得到結(jié)果。

要知道，預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)這個(gè)難題可是困擾了科學(xué)界整整50年！

但是現(xiàn)在，借助AI的力量，我們終于能夠準(zhǔn)確預(yù)測(cè)幾乎所有已知蛋白質(zhì)的結(jié)構(gòu)了。

不過(guò)，這還不是AI最牛X的部分。要知道，蛋白質(zhì)結(jié)構(gòu)的準(zhǔn)確預(yù)測(cè)，對(duì)新藥研發(fā)具有革命性的意義。

其實(shí)，在過(guò)去的幾年里，從發(fā)現(xiàn)潛在藥物分子到優(yōu)化藥物結(jié)構(gòu)，AI都在發(fā)揮著越來(lái)越重要的作用。

甚至，AI的出現(xiàn)，還為某些在創(chuàng)新藥方面處于追趕地位的國(guó)家，例如我國(guó)，提供了一個(gè)“彎道超車”的機(jī)會(huì)。

一、AI制藥，因何而生？

AI在新藥研發(fā)中的角色，為何如此關(guān)鍵？

說(shuō)到這里，不得不提傳統(tǒng)新藥研發(fā)中的一個(gè)著名難題——“雙十”難題：平均要投入10年時(shí)間、10億美元成本，才可能研發(fā)出一款新藥。

就拿我國(guó)首款自主研發(fā)的抗阿爾茨海默癥新藥“九期一”來(lái)說(shuō)，從啟動(dòng)研發(fā)到最終獲批上市，整整耗時(shí)22年，投入研發(fā)經(jīng)費(fèi)超過(guò)20億元！

而恒瑞醫(yī)藥研發(fā)的抗癌新藥“阿帕替尼”也經(jīng)歷了11年的漫長(zhǎng)研發(fā)周期，期間失敗次數(shù)更是數(shù)不勝數(shù)。

傳統(tǒng)藥物研發(fā)之所以如此艱難，是因?yàn)樵谶@個(gè)過(guò)程中，大量的時(shí)間往往耗費(fèi)在重復(fù)性的實(shí)驗(yàn)工作上，比如分子篩選、活性測(cè)試、毒性預(yù)測(cè)等。

這些工作不僅耗時(shí)耗力，還常常因人為因素而出現(xiàn)偏差。

在醫(yī)藥行業(yè)，新藥研發(fā)主要分為兩大類：仿制藥和創(chuàng)新藥。

長(zhǎng)期以來(lái)，中國(guó)醫(yī)藥產(chǎn)業(yè)的短板恰恰在創(chuàng)新藥領(lǐng)域。這并非偶然，要知道在2015年之前，我國(guó)創(chuàng)新藥研發(fā)投入僅為制藥業(yè)銷售收入的2%左右，而跨國(guó)醫(yī)藥巨頭的這一比例普遍在15%～20%之間。

再加上創(chuàng)新人才缺乏、基礎(chǔ)研究薄弱等因素，導(dǎo)致我國(guó)曾長(zhǎng)期處于“仿制藥大國(guó)”而非“創(chuàng)新藥強(qiáng)國(guó)”的尷尬境地。

一個(gè)創(chuàng)新藥從研發(fā)到上市，動(dòng)輒十幾年的研發(fā)周期和數(shù)十億的投入，對(duì)許多中國(guó)制藥企業(yè)來(lái)說(shuō)簡(jiǎn)直是“不可承受之重”。

正是在這樣的背景下，AI技術(shù)的出現(xiàn)才顯得尤為及時(shí)和重要。

因?yàn)樗粌H能大幅縮短藥物研發(fā)周期，還能顯著降低研發(fā)成本，為中國(guó)制藥企業(yè)實(shí)現(xiàn)創(chuàng)新突破提供了一條新路徑。

相較于傳統(tǒng)藥物研發(fā)，AI技術(shù)能將藥物發(fā)現(xiàn)、臨床前研究的時(shí)間縮短近40%，臨床新藥研發(fā)成功率可從12%提高到約14%。

以AI制藥頭部企業(yè)英矽智能為例，其研發(fā)的ISM001-055是一款“全球首創(chuàng)”小分子抑制劑，由生成式AI驅(qū)動(dòng)藥物發(fā)現(xiàn)與設(shè)計(jì)過(guò)程。

從早期的靶點(diǎn)發(fā)現(xiàn)一直到臨床前候選化合物的確定，英矽智能只用了18個(gè)月的時(shí)間，投入260萬(wàn)美元的研發(fā)費(fèi)用。以過(guò)去業(yè)界平均用時(shí)計(jì)算，做同樣的事情，需要4年半的時(shí)間以及花費(fèi)幾千萬(wàn)美元以上的研發(fā)投入。

同樣地，云頂新耀與AI公司晶泰科技合作，開發(fā)的自身免疫疾病新藥，通過(guò)AI輔助設(shè)計(jì)，將先導(dǎo)化合物的優(yōu)化周期從傳統(tǒng)的2年縮短至8個(gè)月，且發(fā)現(xiàn)的活性化合物數(shù)量是傳統(tǒng)方法的3倍。

既然如此，那AI制藥究竟有何“神功”，能起到如此高效的助力？

二、效率革命

從技術(shù)層面來(lái)看，AI制藥相較于傳統(tǒng)藥物研發(fā)的優(yōu)勢(shì)主要體現(xiàn)在三個(gè)核心環(huán)節(jié)：分子設(shè)計(jì)與篩選、作用機(jī)制預(yù)測(cè)、以及臨床試驗(yàn)優(yōu)化。

在分子設(shè)計(jì)與篩選環(huán)節(jié)，傳統(tǒng)方法主要依賴科研人員基于經(jīng)驗(yàn)進(jìn)行化合物庫(kù)篩選，往往需要在數(shù)百萬(wàn)個(gè)分子中逐一測(cè)試，猶如大海撈針。

而AI通過(guò)深度學(xué)習(xí)算法，特別是生成對(duì)抗網(wǎng)絡(luò)（GAN）和變分自編碼器（VAE），可以自主設(shè)計(jì)和優(yōu)化分子結(jié)構(gòu)。傳統(tǒng)科學(xué)家一天最多測(cè)試幾百個(gè)化合物，AI分分鐘能同時(shí)分析幾百萬(wàn)個(gè)！

所謂“生成對(duì)抗網(wǎng)絡(luò)”，就像是兩個(gè)AI在相互博弈：一個(gè)負(fù)責(zé)“造”分子，另一個(gè)負(fù)責(zé)“挑刺”。造的越來(lái)越好，挑的越來(lái)越嚴(yán)，這樣反復(fù)較勁，最后造出來(lái)的分子自然就特別靠譜。

其次是作用機(jī)制預(yù)測(cè)方面，AI更是玩出了新高度。

傳統(tǒng)測(cè)試方法就像是盲人摸象，得一步步試，先在試管里試試，再找小白鼠試試，最后才敢往人身上試。而且，要是藥物有什么副作用，傳統(tǒng)方法經(jīng)常是等副作用出現(xiàn)了才知道。

但AI可以直接在電腦里模擬整個(gè)過(guò)程，能直接看到藥物在人體內(nèi)會(huì)發(fā)生什么事。

這是因?yàn)椋珹I可以采用多尺度模擬系統(tǒng)，同時(shí)在分子、細(xì)胞和器官層面進(jìn)行模擬，精確計(jì)算藥物分子與靶點(diǎn)蛋白的相互作用，包括結(jié)合能、構(gòu)象變化等。

這樣一來(lái)，很多注定會(huì)失敗的藥物早早就被篩掉了，省了不少冤枉錢！

更重要的是，AI還能預(yù)測(cè)藥物的脫靶效應(yīng)和毒性，大大降低了后期臨床失敗的風(fēng)險(xiǎn)。

在全球首款獲FDA批準(zhǔn)上市的新冠小分子口服藥PAXLOVID的研發(fā)過(guò)程中，晶泰科技團(tuán)隊(duì)與輝瑞科學(xué)家聯(lián)手，僅用6周時(shí)間就確認(rèn)了藥物優(yōu)勢(shì)晶型，顯著縮短研發(fā)周期。

然而，AI制藥雖然提高了不少效率，但也不是誰(shuí)都能弄出來(lái)的。要真正把這事兒做好，就得過(guò)兩道極其難啃的“大山”。

首先最讓人頭疼的就是數(shù)據(jù)問(wèn)題。這個(gè)問(wèn)題之所以特別棘手，是因?yàn)樗婕暗搅苏麄€(gè)醫(yī)藥行業(yè)的根本性矛盾。

最有價(jià)值的數(shù)據(jù)，往往被各大制藥公司視為核心機(jī)密，都躺在各個(gè)制藥公司的數(shù)據(jù)庫(kù)里，根本拿不到。就算能拿到一些公開數(shù)據(jù)，數(shù)據(jù)質(zhì)量也參差不齊。

再一個(gè)關(guān)鍵的問(wèn)題是，人工智能研發(fā)的高投入，讓很多AI企業(yè)面臨著資金緊張的窘境。

這其中最肉疼的，就包括了算法開發(fā)與算力支持，這背后不僅需要專業(yè)的數(shù)據(jù)科學(xué)家和算法工程師，還需要運(yùn)行這些算法需要強(qiáng)大算力，包括昂貴的GPU等硬件設(shè)備。

也正因如此，能跨過(guò)這兩座大山，從殘酷的市場(chǎng)絞殺中存活下來(lái)的，都是AI藥企中的佼佼者——這其中就包括了中國(guó)的企業(yè)。

三、異軍突起

在突破上述兩座大山的過(guò)程中，中國(guó)企業(yè)的路數(shù)，和國(guó)外巨頭很不一樣。

具體來(lái)說(shuō)，二者的差異，不僅體現(xiàn)在技術(shù)方向上，更反映了不同的戰(zhàn)略選擇和商業(yè)模式。

例如國(guó)外AI藥企巨頭英矽智能，就選擇了一條看似更艱難，但可能更有遠(yuǎn)見的路：他們投入巨資建立了自己的高通量實(shí)驗(yàn)室。這個(gè)實(shí)驗(yàn)室不是簡(jiǎn)單的測(cè)試場(chǎng)所，而是一個(gè)能持續(xù)產(chǎn)生高質(zhì)量生物學(xué)數(shù)據(jù)的“數(shù)據(jù)工廠”。

通過(guò)這種方式，他們能夠完全控制數(shù)據(jù)的質(zhì)量和類型，確保數(shù)據(jù)能精準(zhǔn)服務(wù)于他們的研究目標(biāo)。這就像是一個(gè)企業(yè)決定自建工廠而不是外包生產(chǎn)，雖然前期投入大，但掌握了核心生產(chǎn)能力。

同時(shí)，由于投資環(huán)境的不同，國(guó)外AI制藥巨頭，很早就建立了一套獨(dú)特的商業(yè)化體系。以英矽智能為代表的企業(yè)，通常會(huì)與大型制藥公司建立深度的戰(zhàn)略合作關(guān)系。

這種合作采用“里程碑付款”模式，比如他們與輝瑞的合作就包含了前期數(shù)百萬(wàn)到上千萬(wàn)美元的啟動(dòng)資金，隨后在研發(fā)過(guò)程中達(dá)到特定節(jié)點(diǎn)時(shí)獲得階段性付款，最終在藥物成功上市后還能分享銷售收益。一個(gè)成功的項(xiàng)目可能為公司帶來(lái)數(shù)億美元的持續(xù)收入。

相較之下，投資生態(tài)不太發(fā)達(dá)的國(guó)內(nèi)，各路AI藥企們，往往會(huì)避免“大干快上”式的全面投入，而是表現(xiàn)出了較強(qiáng)的戰(zhàn)略靈活性，選擇特定領(lǐng)域切入，逐步擴(kuò)展技術(shù)邊界。

中國(guó)企業(yè)如晶泰科技采取“漸進(jìn)式創(chuàng)新”策略，聚焦于“分子設(shè)計(jì)”這個(gè)具體環(huán)節(jié)，特別是在晶型預(yù)測(cè)這個(gè)更細(xì)分的領(lǐng)域建立優(yōu)勢(shì)。

藥物晶型之所以關(guān)鍵，是因?yàn)槠洳粌H關(guān)系著藥物質(zhì)量、制劑設(shè)計(jì)，還涉及藥物專利保護(hù)時(shí)長(zhǎng)。

傳統(tǒng)方法，往往需要通過(guò)實(shí)際實(shí)驗(yàn)來(lái)篩選不同的晶型，每次實(shí)驗(yàn)都需要調(diào)整溫度、壓力、溶劑等多個(gè)參數(shù)，且需要足夠的時(shí)間來(lái)讓晶體形成和生長(zhǎng)。

而晶泰科技對(duì)藥物晶型的預(yù)測(cè)，是通過(guò)量子化學(xué)計(jì)算與AI結(jié)合的方式，計(jì)算分子與原子之間的作用力并以此判斷不同晶型的穩(wěn)定性、溶解度等關(guān)鍵性質(zhì)。這樣一來(lái)，就能大大加快測(cè)試的進(jìn)行，并獲得大量虛擬數(shù)據(jù)。

而同為AI藥企的深勢(shì)科技，2022年底，宣布將集中在神經(jīng)科學(xué)、腫瘤和自身免疫性疾病三大領(lǐng)域，做BIC藥物。

在深耕細(xì)分領(lǐng)域的同時(shí)，深勢(shì)科技打造了Bohrium科研云平臺(tái)、Hermite藥物計(jì)算設(shè)計(jì)平臺(tái)、RiDYMO難成藥靶標(biāo)研發(fā)平臺(tái)，力圖通過(guò)平臺(tái)化的方式，將傳統(tǒng)的藥物研發(fā)，從小農(nóng)作坊向“工業(yè)時(shí)代”轉(zhuǎn)變。

除了通過(guò)分子設(shè)計(jì)，專注于特定疾病的藥物研發(fā)外，還有一類AI藥企，將研發(fā)流程反了過(guò)來(lái)，先在微觀的層面，找到基因和疾病的關(guān)聯(lián)，再去尋找控制基因表達(dá)、抑制疾病發(fā)作的藥物。

例如國(guó)內(nèi)的哲源科技就是這樣的例子。

與國(guó)外AI藥企不同，哲源科技的明智之處，就在于先研發(fā)了算法，將基因?qū)咏稻S到細(xì)胞功能事件的數(shù)字化模型。

如此一來(lái)，就不需要在實(shí)驗(yàn)室里真實(shí)地“敲除”每個(gè)基因來(lái)觀察效果，而是在計(jì)算機(jī)里建立虛擬的細(xì)胞模型來(lái)模擬這個(gè)過(guò)程，從而避免了耗費(fèi)大量算力，在人體龐大的基因組（2-3萬(wàn)個(gè)基因）中逐一篩選的艱辛過(guò)程。

總的來(lái)說(shuō)，通過(guò)這樣“垂直深耕”，逐步擴(kuò)散”的戰(zhàn)術(shù)，國(guó)內(nèi)的部分AI藥企，算是艱難地穿過(guò)了數(shù)據(jù)與研發(fā)構(gòu)成的“峽谷”，然而，在AI制藥這條賽道上，要想真正走出一條康莊大道，挑戰(zhàn)與險(xiǎn)阻還有很多。

四、希望與挑戰(zhàn)

現(xiàn)階段，AI制藥最大的挑戰(zhàn)就在于：目前全球雖然已有多款A(yù)I研發(fā)藥物進(jìn)入臨床，且最高進(jìn)展已到臨床三期，但尚無(wú)一款A(yù)I研發(fā)的藥物成功上市。

全球范圍內(nèi)，AI制藥現(xiàn)階段均主要集中在藥物發(fā)現(xiàn)環(huán)節(jié)。

這主要是因?yàn)椋R床試驗(yàn)涉及復(fù)雜的人體生理反應(yīng)、個(gè)體差異、倫理考量等多維度因素，這些因素往往是非結(jié)構(gòu)化的，難以被完全量化和模型化。

更重要的是，臨床階段的每一步都關(guān)系到人體安全，容錯(cuò)率極低，AI很難在這個(gè)階段發(fā)揮決定性作用。

沒有藥物成功上市，就意味著AI制藥還不能取得市場(chǎng)普遍認(rèn)可，意味著企業(yè)很難將前期的高投入，順利轉(zhuǎn)化成利潤(rùn)。

也正因如此，縱觀全球上市的AI制藥公司，從業(yè)績(jī)上講，年度營(yíng)收過(guò)億的企業(yè)僅有2家。

在國(guó)內(nèi)市場(chǎng)，2024年初出現(xiàn)了一個(gè)重要的里程碑：晶泰科技成為了國(guó)內(nèi)第一家AI制藥上市公司，上市首日市值大漲了10%。這標(biāo)志著國(guó)內(nèi)AI制藥行業(yè)進(jìn)入了一個(gè)新的發(fā)展階段。

然而，目前大多數(shù)AI制藥企業(yè)仍然處在投入期，真正實(shí)現(xiàn)自我造血的企業(yè)極少。

但盡管如此，這條“難而正確”的路，仍然值得走下去，原因主要有二。

首先，從戰(zhàn)略層面來(lái)看，AI制藥屬于“卡脖子”技術(shù)突破的重要領(lǐng)域。

目前中國(guó)創(chuàng)新藥在全球市場(chǎng)份額很小，大多數(shù)仍是仿制藥。2022年全球銷售額前100名的原研藥中，中國(guó)企業(yè)僅占不到1%，大部分重大疾病的一線用藥仍依賴進(jìn)口，如腫瘤、心血管等領(lǐng)域。

例如，抗癌藥PD-1抑制劑，國(guó)內(nèi)企業(yè)雖有突破，但核心技術(shù)仍受制于默沙東、百時(shí)美施貴寶等外企。

某些罕見病用藥，如法布雷病治療藥物“法布贊”，長(zhǎng)期被美國(guó)基因泰克和英國(guó)夏爾公司壟斷，年治療費(fèi)用高達(dá)百余萬(wàn)元。

更令人擔(dān)憂的是阿爾茨海默病等老年疾病領(lǐng)域的創(chuàng)新藥。以美國(guó)批準(zhǔn)的阿杜卡努單抗為例，即使在2021年底將價(jià)格下調(diào)一半后，其年治療費(fèi)用仍高達(dá)28，200美元（約合20萬(wàn)元人民幣）。

考慮到人口老齡化加劇，阿爾茨海默病患者群體將持續(xù)擴(kuò)大，但如此高昂的治療費(fèi)用使得大多數(shù)患者難以獲得這種創(chuàng)新療法。

而患者所承受的這些負(fù)擔(dān)和代價(jià)，都是因?yàn)橹袊?guó)在創(chuàng)新藥方面受制于人，定價(jià)權(quán)被別人掌控著。

從這個(gè)角度上說(shuō)，發(fā)展AI制藥不僅是技術(shù)創(chuàng)新的需要，更是打破國(guó)外壟斷、保障醫(yī)藥產(chǎn)業(yè)安全的戰(zhàn)略選擇。

四、結(jié)語(yǔ)

關(guān)于打破創(chuàng)新藥壟斷、保障老百姓醫(yī)療安全這件事，可能有人會(huì)問(wèn)：為什么這事，非得押在AI身上？

這就要說(shuō)到發(fā)展AI制藥的第二大原因：進(jìn)入數(shù)字時(shí)代后，新藥研發(fā)的模式正在發(fā)生根本性變革，生物醫(yī)學(xué)領(lǐng)域的數(shù)據(jù)正以前所未有的速度激增。

僅人類基因組數(shù)據(jù)庫(kù)就包含了數(shù)以億計(jì)的DNA序列信息，一個(gè)新藥的研發(fā)往往需要分析數(shù)百萬(wàn)種潛在的分子結(jié)構(gòu)，還要考慮它們與人體上萬(wàn)種蛋白質(zhì)的相互作用。

這些浩如煙海的數(shù)據(jù)，早已遠(yuǎn)遠(yuǎn)超出了人類大腦所能處理的極限。

也正因如此，在這個(gè)時(shí)代，藥物研發(fā)的核心技術(shù)，已經(jīng)轉(zhuǎn)向了藥物設(shè)計(jì)軟件、分子模擬技術(shù)等關(guān)鍵工具，以便處理海量的篩選和數(shù)據(jù)分析工作。

而AI，正是這類技術(shù)發(fā)展到一定階段后的集大成者。

從這個(gè)角度上來(lái)說(shuō)，AI制藥是一個(gè)確定性的方向，而目前暫時(shí)的困難，主要是由于訓(xùn)練數(shù)據(jù)的數(shù)量，模型的準(zhǔn)確性和可解釋性、以及產(chǎn)業(yè)鏈上下游協(xié)同不夠緊密等因素造成的。

但隨著醫(yī)療大數(shù)據(jù)的持續(xù)積累、產(chǎn)業(yè)鏈整合、以及算力成本顯著下降后，這些障礙都將逐步克服。更多經(jīng)由AI助力研發(fā)的國(guó)產(chǎn)創(chuàng)新藥，必將加速涌現(xiàn)。

到那時(shí)，我們不僅能打破國(guó)外藥企的專利壟斷，更能讓創(chuàng)新藥物真正走進(jìn)尋常百姓家，讓患者擺脫高價(jià)進(jìn)口藥的沉重負(fù)擔(dān)，享受到更加安全、有效、可負(fù)擔(dān)的治療方案。

這將是一場(chǎng)造福億萬(wàn)患者的醫(yī)藥科技革命。