3 月 15 日，OpenAI 發布 GPT-4，成為公司在ChatGPT之后最先進的人工智能系統。

ChatGPT的出現，再次讓和AI相關的一切領域站上風口?！?021年那一波AI制藥的投資人又開始活躍起來了，見面就聊ChatGPT能不能帶來什么新的機會，這也是最近醫藥寒冬里為數不多的積極話題了?！币幻顿Y機構人員說到。

而看到這條消息，國內最早從事AI行業的曹翎（化名）在朋友圈留下了一句很“不應景”的話：“真正的失落都是無聲的?！?/p>

(資料圖片僅供參考)

十幾年來，曹翎一直在AI行業穿行不歇。他的最后一份工作，是在國內某知名大廠背景的AI制藥公司從事AIDD（AI藥物發現和設計）。如今退圈的他有一些寫書的計劃，只想“為這個行業做一些基礎建設工作”。

對于像曹翎一樣的AI從業者而言，這個行業就像是幸運大轉盤上的指針，曾經定格在電商、游戲、直播等行業。2021年，這枚指針落到了生物醫藥領域。一眾國內AI制藥初創便像雨后春筍一般崛起。但隨之而來的，還有意料之中的內卷、路演，和資本的游戲。

一邊，AI制藥已經成為了一個大型投注箱，其中回蕩著金錢的碰撞聲：如果人類生命科技的未來注定屬于多特異性藥物，那善于分析復雜分子的AI必定大有可為；另一邊，則是AI制藥的算力、數據庫、準確性問題一直沒有得到突破性解決，現階段AI只能把藥物研發效率從11%提高到14%。

“制藥行業其實根本不在乎AI。”曹翎有點苦澀地說。“你AI做成的數據再漂亮，藥企可能只會花研發中的5%的權重去買它。現在大藥企就是看這些AI制藥企業表演著，等表演得差不多了，再大家一起把這一塊兒買走?！?/p>

而在大藥企作壁上觀的另一邊，是這些AI初創人員為了數據準確性能再提升零點幾加班加點、苦不堪談?！癆I制藥是一個數據驅動的活兒，產品迭代特別快，但其實背后的規律性沒有搞透，真正的生物科學家又看不上?！薄诓荇峥磥?，如今的AI制藥從所謂的前沿科技漸漸滑落為一種四不像的尷尬產品，這是行業真正的失落所在。

相比于過去的AI投資人再次燃起的熱情，在二級市場重新吃香的相關企業，諸如復星醫藥、成都先導、藥石科技等，卻在業內人士看來并不是純粹的AI制藥企業：要么是AI技術只占公司業務很小一部分，要么底子上是制造業化工的邏輯。而二級市場的重新繁榮，并沒有帶動起整個投融圈的熱情。業內人士透露，對于大部分真正只做AI制藥的初創而言，現金流即將在半年之內出現巨大黑洞。

如今，大部分的人已經認清AI制藥的工具屬性，應服從制藥業本身的邏輯。而只要它在行業中的應用程度和作用強度不發生改變，那么不管是股市的喧囂一片、還是AI技術的飛馳而過，對于AI制藥行業都只是一些遙遠的消息而已。

2021-2023，AI制藥資本的冷與熱

去年12月，晶泰科技回應了港股?18C咨詢文件，這距離它最后一次融資已經過去了一年半的時間。

作為國內AI制藥的頭部，晶泰科技在2021年時也經歷過50家國際機構融資競標、額度達到8億美元、投后估值達到19.68億美元的盛況。

2021年是AI制藥最好的年頭。DeepMind的深度學習算法Alphafold剛剛被驗證能夠準確預測蛋白質的三維結構，就遇到了那一年的biotech上升期。AI制藥公司的數億融資俯拾皆是，與藥企合作捷報頻傳?！爱敃r我們公司為了挖人，曾經開出過100萬美元的天價高薪?！币幻鸄I制藥企業員工回憶。

然而，僅僅一年時間，AI制藥卷起的泡沫就被打得粉碎。醫藥寒冬一來，錢去人空不可避免。去年一整年，部分美國上市的AI制藥市值已經低于1億美元，跌幅超過90%，其中不乏Absci、Schrdinger這樣的獨角獸。在國內，風口也巔峰不再，去年上半年融資總額同比縮水2/3。

除了突如其來的資本風暴以外，AI制藥式微的主要原因還在于：它并沒有像原先人們所料想的那樣，幫藥企解決卡點問題。本質上，它只是把藥企目前面臨的問題，用不同的語言再重新書寫一遍。

一名AI制藥領域的專家介紹到，這個行業最早是賣軟件的，但是只收服務費，上限比較低；如今是在做CRO還是做藥之間產生分歧：晶泰偏CRO，英矽偏biotech——但不管是哪種路線，它都沒有在根本上解決藥物研發的失敗率和成本問題。

資本市場曾經流行著一個誘人的故事：AI可以將公司的藥物發現成本降低高達70%。但事實上，這只是理想數據，因為目前市場還沒有見證到AI制藥的最終產品——2022年，第一款由AI設計、號稱只用了12個月便進入臨床的分子DSP-1181因I期未達標而折戟。

公司需要在前期打通數據、算力、算法，這絕非小數目；交叉學科中人才的稀缺問題，造成昂貴的人才成本；生物驗證過程中的各種不確定性，造成來來回回的退回和返工——而這一切都讓AI制藥，絕不像它聽上去那么省錢。

最重要的是，大部分AI制藥公司目前并沒有清晰的發展主線，商業化通路處于觀望狀態，往往會在“既要又要”的“嘗試”中損耗精力。曹翎提到，自己的老東家，就因為一些預算以外的投入，導致產出的虎頭蛇尾?！霸谧鏊幹?，公司必須把周邊的東西搞齊或摸排清楚，其中包括不同的生物技術路線，包括產業鏈上下游的東西，要保證企業又能賣產品，又有自己做藥的能力。這部分成本是非常大的。”

AI制藥同樣面臨著生物醫藥領域同質化競爭的問題。簡單來說，AI的學習資料是人類已經創造的實驗數據，對于那些冷門的靶點信息，AI無法無中生有。“AI制藥公司用的數據庫都差不多，算法技術也沒有太大的技術壁壘，無非是針對場景慢慢進行優化。說到最后，還是拼靶點?！鄙鲜鯝I制藥企業員工說。

一切似乎都回到了AI制藥出現之前的原點，邏輯和難點都沒有改變。

2023年，隨著ChatGPT的大火，不少AI制藥企業就像殺入18C的晶泰科技一樣，意圖再度抬頭。成都先導，皓元醫藥、藥石科技、泓博醫藥等醫藥上市公司先后披露布局AI制藥賽道相關情況?！巴顿Y人們最關心的就是，ChatGPT這種生成式AI能不能給制藥行業帶來什么新的東西?！鄙鲜鐾顿Y機構人員說。

“AI制藥不能和ChatGPT比較，因為訓練后者的，是強大的互聯網工業和二十年左右的語言模型發展。相對而言，AI制藥實在是太年輕了。”這名投資機構人員繼續說道，“甚至可以說，對于AI制藥公司而言，最難的時刻還沒有到來。因為大批的產品還沒有進入到臨床階段，真正的大考還沒有到來?！?/p>

ChatGPT給的機會在哪里

在這一輪熱度之前，AI制藥還只是生物醫藥行業的一個影子，無法擺脫跟隨式發展的限制。而ChatGPT這一劑強心針，不僅打在了二級市場的心坎上，還讓不少投資機構給出觀點：ChatGPT給了AI制藥一個從輔助性向創造性遷移的機會。

“ChatGPT是一個數據與經驗結合的大模型，而藥物研發比較重要的是靶點的發現，本來也是對基因、蛋白組學的數據進行分析，建立關聯，所以比較容易被大模型所替代。短期來看，GPT可以取代初級和中級的藥物專家。”上述AI制藥領域專家說。

一方面，GPT架構的排序訓練方式，在理論上可以融合所有藥物研發的模態數據，支持通用的藥物研發模型；另一方面，它可以成為一個整合核心，通過API的方式調用各個子模塊，而子模塊返回的結果可以通過核心GPT進行整合報告，從而實現更加專業的預測。

簡單來說，GPT有一個大底座，可以承載更多的生物信息（小分子結構，蛋白質序列，化學反應，小分子與蛋白質對接，過濾規則等），也可以在不同步驟進行及時反饋，趨近準確。

這其實解決的是AI制藥曾經出現過的兩個問題：第一，是模態不全，不同維度的生物信息之間無法協同導出綜合判斷；第二，是運算壓力造成的算力問題，經常會導致預測結果不夠準確。

可以說，如果AI制藥是一把槍的話，那么ChatGPT的確讓它彈夾更大、彈道更直了；然而，如今AI制藥最頭疼的數據問題——即：子彈該如何被完美地上膛后射出，卻始終沒有得到清晰的答案。

水木未來CEO郭春龍曾表示過，給數據做標簽，這是 ChatGPT 能夠突飛猛進發展的一個前提條件，而AI制藥在這方面還沒有準備好?！澳憬o一段話加上個標簽，成本最多1分鐘甚至幾秒鐘的事。但是你要希望給一個蛋白質的序列加上標簽，往往需要大量的實驗，包括電鏡的收數據、解數據，它的成本要高很多?！?/p>

比起貼標簽的成本，更嚴峻的是數據來源問題。ChatGPT依托在互聯網這一共享平臺上，而在可見的未來，制藥行業的數據壁壘無法被打破。

除去有限的公共數據庫外，AI制藥公司只能通過與藥企合作、自有實驗平臺、委托CRO等形式獲取用以訓練系統的信息；同時，因為不同實驗室或公司數據標準化程度都不一樣，前期輸入的標準化轉譯也必須投入大量人力、財力。

“從數據來看，只有蛋白結構這個事情是可以解決的，其他環節的一些定量的、定性的實驗數據因為標準化問題，80%實際上都是不可靠的。”曹翎說。

另一個GPT能做到、而目前AI制藥無法做到的事情同樣和數據相關。GPT的特點之一在于對信息的理解和篩選，其中涉及到強度和權重的賦值，可以理解為：人工智能可以決定在海量信息中重點看什么，不去看什么。而目前，生物類數據還沒有找到一種有效的方式，可以表現突出關系或信息的重要性層級。

“目前大家希望可以通過蛋白序列和基因序列的手段去解決這個問題。但這些序列在發生功能的時候，已經是一個結構化的東西了。相當于我們用一維的手段，去研究四維狀態的現象背后的規律，然后再去映射它的功能，說實話挺難的。”曹翎說。

對AI制藥有期待，錯了么？

不管是科學界還是產業界，如今越來越多的人正在認定：多特異性藥物，將引發現代制藥工業的第四次革命性浪潮；那么，似乎沒有什么理由可以指摘人們對AI制藥的高度期待了。

面向未來的藥物形態，將擁有多重治療機制和豐富的合成結構，其核心就是“以復雜對抗復雜”，其中便給了AI分析和設計的廣闊空間。

但同時，“復雜”也給了AI制藥一種無的放矢、無處著力的困境。一名AI制藥企業管理人員總結道：“做藥是個非常復雜的系統工程，AI在其中一個環節的加速，可能會被另一個環節所稀釋。因此，AI制藥必須要找準最關鍵的杠桿點。如果在一個點上能有千倍以上的提升，就會有一個從量變到質變的過程?！?/p>

簡單點說，AI制藥企業未來的定位，應該是像狙擊槍一樣?！按笏幤缶拖袷泅睆棙專驌舴秶?，總有那么一兩發是中的?！辈荇嵴f。不管是AI制藥初創，還是傳統藥企，研發都是一個幾率問題。大藥企能承擔巨額的試錯成本；相對而言，AI制藥不能走量，只能在一些細分方向或步驟上做出四兩撥千斤的效果。

換句話說，如果我們所期待的，是AI在復雜問題中提供全面而完美的解決方案，那么失望是在所難免的；但如果AI可以在復雜環境中，做撬開問題的一個杠桿，那我們將很可能獲得一個全新的視角。

一名AI制藥初創的研發人員發現，AI給人的感覺就像一個孩子一樣——經常出錯，但也能帶來驚喜?！白罱覀兏粋€臨床的合作方在做一個類似于自免罕見病的項目。對方問：如果給你患者的血液樣本，你能不能分析它特定負極的bcr組庫，然后去反向找自免抗原？理論上，因為人體內的蛋白是已知的，如果用高通量的結構和親和力模型去做的話，是有機會的。我們就用AI試了試，最后給他推薦了4個。結果昨天他告訴我，其中一個挺有希望的?！?/p>

長期和AI打交道的經驗告訴這名研發人員，任何時候都不能高興得太早。但只要有耐心，AI就能不斷在錯誤中爬起來、成長起來。

“之前我們用全人源的小鼠篩了一個相對復雜的靶點，是非特異性結合。我們就用AI去優化了一下，明顯發現它在od450的層面的比值下降了很多，相當于我獲得了一個推薦結合的靶點。但后來測試的時候，才發現它沒有blocking function?！彼貞浀溃昂髞砦覀兇蟾庞值藘奢?，這樣就把分子拿到了，就最終結果而言還是好的?！?/p>

在這名研發人員看來，目前AI制藥最受詬病的一點，就是沒法一步到位地實現目標，這背后涉及的是對其商業效率的焦慮。“在沒有找到正確路徑之前，一切都有可能發生，甚至有可能會出現迭代以后數據準確性下降的問題。而生物驗證那邊的反饋又很慢，效果好不好需要做上15天的實驗才能知道結果?！?/p>

在AI制藥方興未艾、勢單力薄的當下，大部分企業在面對藥企客戶時并不具有議價權。業內人士稱，和AI制藥初創合作的藥企，大部分也都是抱著“玩票”的心態，“象征性地”給一些合作款項。

總體而言，AI制藥的服務報價低、周期長，作為一款提供靈感的玩具而言，它顯得實在太奢侈了；而它什么時候能升級為一款成熟的工具，還得依靠“玩”出來的思路和可能性——這也正是AI制藥行業目前感到矛盾的地方。

關鍵詞：