资本狂欢还是行业巨变？
近期，AI制药领域掀起了一股巨大的热潮。各大制药公司纷纷与AI技术提供商合作，共同探索药物研发的新方向。从赛诺菲与Exscientia的天价合作，到英矽智能的新药发现，再到各大制药巨头联合建立的AI药物研发实验室的启动，AI制药的发展已经迈入了一个全新的阶段。
如果说2020年是AI制药的突破之年，那么经过两年的快速发展，这个领域已经发生了翻天覆地的变化。AI技术正在重新塑造制药行业的流程，带来一场前所未有的变革。
对于大多数人来说，生物制药是一个充满神秘色彩的领域。电影《我不是药神》让观众们看到了面对天价药物时，病患和家属的无助和挣扎。实际上，制药、产药、售药的整个产业链都隐藏着许多不为人知的故事。
一位医药行业的人士透露，临床医生也面临着药物价格高昂的困境，许多患者只能寻求代购药物，甚至使用原料药粉。而对于制药公司来说，新药的研发成本高昂，周期长，失败率高，成功上市一款新药需要跨越“双十定律”的难关，即需要10年和10亿美元的投资。即使成功跨越这些难关，也只有小部分新药能够最终上市。
庞大的研发成本、漫长的研发周期以及难以预估的失败率让新药研发变得极具挑战。这种挑战甚至被形容为“反摩尔定律”，即尽管制药公司不断增加投资，但成功上市的新药数量却在不断减少。
那么，AI如何助力新药研发呢？新药物发现的过程需要找到疾病的靶点，即“锁”，然后设计和筛选合适的药物分子作为“钥匙”去解锁。以《我不是药神》中的“格列卫”为例，它通过药物小分子抑制融合蛋白，达到控制慢性髓性白血病的发展。而AI技术可以帮助我们更深入地理解蛋白质，找到破解重大疾病、研发新药的“钥匙”。
传统的蛋白质组学分析技术和方法并不完全适合研究蛋白质系统。它们缺乏定量数据积累的过程，也没有合适的算法。而深势科技的Hermite临床前计算机辅助药物设计平台界面，可以为我们提供更高效、更精准的药物研发工具，推动新药研发的进程，让更多患者受益。AI技术的崛起正在重塑医药研发领域，传统的实验模式已不再独领风骚，数据驱动的药物研发新模式崭露头角。阿里云高性能计算负责人何万青提到，AI在其中扮演了关键角色，对药物分子、化合物以及蛋白质进行模拟和计算。这一领域涉及分子动力学、量子化学等复杂计算，同时也是典型的HPC（高性能计算）与AI融合的应用场景。
简而言之，基于数据的人工智能医药研发，是通过机器自主学习和挖掘数据，总结药物研发规律，优化各环节。此模式不仅大大提高了药物研发的效率与成功率，还降低了研发成本和试错费用，为制药行业带来了摆脱“反摩尔定律”困境的希望。
在赛道上，新冠疫情的助推使得生物医药行业备受瞩目。全球AI制药领域的融资事件不断增多，累计融资额也呈现大幅增长。国内的一些新兴公司如晶泰科技、深势科技和英矽智能等成为资本的宠儿。
晶泰科技是一个步伐迅速的公司，其在全球AI制药领域创下了融资金额纪录。深势科技则首创了“多尺度建模+机器学习+高性能计算”的新范式，并在短时间内完成了多轮融资，其团队还荣获了全球计算机高性能计算领域的最高奖项。英矽智能则利用AI发现了治疗特发性肺纤维化的临床前候选化合物，创造了新药研发的速度和成本新低。这些公司的表现令人瞩目，也预示着AI制药领域的巨大潜力。在这个崭新的时代，传统药企与互联网巨头正共同开创制药行业的新纪元。传统药企如复星医药正积极与AI制药公司如英矽智能牵手合作，共同推进全球范围内的AI药物研发。英矽智能因此获得了高达1300万美元的首付款及里程碑付款，这是国内迄今为止AI制药企业收到的最大金额预付款，彰显了这一合作模式的巨大潜力。
与此行业内人士透露，药企与AI制药公司的合作正从试水阶段逐渐走向深化。从早期研究到临床阶段的周期日益缩短，药企对AI在制药领域的作用有了更清晰的认识。更多的药企愿意将部分研发方向交由AI制药公司尝试，合作金额也在逐年上升。
互联网巨头如阿里云、腾讯和百度等也在人工智能药物研发和大数据平台方面取得了显著进展。这些巨头的高歌猛进无疑推动了整个行业的快速发展。例如，阿里云通过与全球健康药物研发中心GHDDI等合作，搭建基于云超算的E-HPC弹性高性能计算平台，实现高通量并行计算和AI算法的融合，为制药行业提供了全新的解决方案。
深势科技等初创企业则更勇于探索试错，带来全新视角和创新思维。他们聚焦在药物设计和材料设计两大垂直领域，通过“软件+联合研发”的商业模式与国内外数十家学界、业界客户达成长期商业合作。这表明AI制药的商业模式正在逐渐清晰，生态体系也在向良性循环发展。
古有神农尝百草，今天则有AI技术开启制药行业新篇章。各方之间的合作与竞争推动了这个行业不断向前发展，为制药行业带来了前所未有的机遇。这个行业的春天似乎即将到来，我们期待着更多的创新和突破，为人类的健康事业做出更大的贡献。从初步的药物设计到现今的药物研发，人工智能技术在生物制药领域已经走过了漫长的道路。这一旅程充满了巨大的想象空间和无尽的可能性，仿佛正在揭开一个全新的篇章。今天，AI已经从单纯的辅助工具进化成了参与甚至主导药物研发的重要力量。尽管前景光明，我们仍需面对现实中的一些挑战和难题。
在全球生物制药领域，AI的应用还处于早期阶段。数据、算力、算法和人才等方面的挑战仍然摆在赛道上的选手们面前，像一道道难以逾越的障碍。市场上大部分的AI药物研发仍然停留在数据驱动的AI模型辅助药物分子发现的阶段，面临着数据总量稀疏、数据标准差等问题。还有另一种AI制药的范式正在兴起，那就是从物理模型驱动的角度对传统的计算辅助药物发现（CADD）进行创新。计算效率和计算精度无法兼顾的问题，仍是这一范式面临的最大挑战。
未来的AI制药，依然会在数据驱动和模型驱动两种范式下不断突破和演进。无论是哪种范式的发展，关键在于AI或计算是否能够真正替代部分实验，以提升研发效率。我们相信，在未来三五年内，AI将成为药物发现的必要手段，成为行业的标配。到时候，人们不会再过分强调AI制药，而是将其作为普遍使用的方法。
生物制药领域正如一棵蓬勃发展的“老树新芽”，面临着基础算法复杂度和规模、算法创新等多方面的计算挑战。大规模的高性能计算并行集群和GPU加速成为应对这些挑战的首选方案。生物制药需要综合整个人类医疗知识，云计算的连通性和弹性有助于打破研发孤岛，促进数据成果的复用和创新。
对于这一多学科交叉的高壁垒行业来说，人才的稀缺或许是更为根本的痛点。只有对制药和AI都有深刻理解的专家，才能知道制药环节中哪些关键问题是AI擅长解决的，找到两者的契合点，发掘出适合的业务场景。
AI制药的发展虽然看似火热，但实则刚刚起步，重量级的选手还在试水阶段。随着药物数据的逐渐积累，AI制药将会迎来一个数据驱动的2.0时代。届时，随着人们逐渐消除疑虑，深度拥抱AI制药，行业的春天也将真正到来。这是一个充满希望和机遇的时代，让我们共同期待AI制药的未来发展吧！