全球医疗健康行业正刮起最强AI风暴。
当地时间3月18日，全球瞩目的顶级AI盛会——英伟达2024年GPU技术大会（NVIDIA GTC 2024）正式开幕。据相关数据显示，今年大会与医疗保健和生命科学相关的会议共有90场，数量在具体行业分布中排名第一。由此可见英伟达CEO黄仁勋押注“AI+生命健康”赛道的决心。
此前在2024年世界政府峰会上，黄仁勋公开表示，“学计算机的时代过去了，生命科学才是未来。”黄仁勋说，如果有重来一次的机会，他会首先考虑生物学，特别是和人类相关的生物学。他意识到将生命科学工程化的学科即将到来，它将成为一个大的工程领域，而不仅仅是一个纯粹的科学领域。
黄仁勋认为数字生物学和生成人工智能正在帮助重塑药物发现、手术、医学成像和可穿戴设备。英伟达官网显示，“NVIDIA初创加速计划”已培育1800余家医疗健康初创公司。其中，特别值得注意的是，近两年英伟达疯狂投资布局AI制药赛道。就在近日，其又投资了一家计算药物发现初创公司Relation Therapeutics。此前仅2023年（截至11月）英伟达就已“扫货”9家AI制药公司。此外，英伟达还与包括罗氏、阿斯利康、安进等在内的多家跨国药企达成了AI制药合作。
因此，英伟达也被业内认为是人工智能的“卖铲人”，一跃成为全球AI制药公司的最大金主。在2万亿美元市值的巨无霸加持下，黄仁勋一句“AI+医药”或成“下一个黄金赛道”，更是给全球AI制药行业增添了巨大的发展信心。
对此，有券商医药行业分析师对21世纪经济报道表示，传统的药物研发主要包含药物发现、临床前研究、临床试验和上市销售环节，伴随着药物研发数据的高速累积和数字化转型，以及人工智能技术的加速发展，AI在新药发现环节应用日益增多，优势也得到突出体现。数据、算法、算力三方面的发展，使得AI大规模进入药品研发领域成为现实。
“大数据、AI技术与医疗的深度融合体现在医疗产业不同的环节，大数据AI技术能够赋能创新药物研发的不同阶段，缩短药物研发周期，并通过AI技术提升新药研发的成功率；在临床诊疗阶段，通过AI可提升诊断的准确性，为医生提供更为精准的诊疗决策。医疗数字化更成熟地发展有赖于大规模的结构化、标准化的医疗数据，以及进而基于此训练出更加精准的算法模型。”上述分析师认为，现在医疗数字化仍是一个比较初期的阶段，各个细分的领域都有一些令人惊喜的尝试，但是应用的场景还是相对比较局限，距离成熟的落地应用还有挺长的一段距离。
AI制药向前迈进
从全球范围来看，三大GPU厂商主要为英伟达、AMD和英特尔，而AIGC在近年来推动AI产业化由软件向硬件切换，AI芯片产品将实现大规模落地。在落地领域，医疗医药大健康板块成为一大热点方向。
作为黄仁勋多次重点提及的领域，今年英伟达GTC大会生命健康议题也将唱主角。数据显示，与医疗保健和生命科学相关的会议共有90场，数量在包括汽车、云服务、硬件/半导体等一众具体热门领域行业分布中排名第一。不仅如此，这90场会议中还云集了包括强生、GSK、默克、诺华、基因泰克、安斯泰来等医药巨头高级专家及Recursion、VantAI、Iambic Therapeutics等AI制药公司的创始人。
另外，英伟达医疗保健副总裁日前也表示，公司目标是为更多生物技术公司提供芯片、云基础设施与其他工具。“AI+制药”究竟有何魅力如此引发英伟达的关注？
根据灼识咨询分析，当前，AI在药物研发领域的应用范围越来越广泛。药物研发过程的首要步骤是选择药物作用的靶点蛋白。如在癌症中突变率较高、患者数量较多的ALK、EGFR等靶点都是非常有市场的靶点。传统靶点发现通过人工阅读科研文献，收集分析流行病学数据，结合个人经验去推测潜在的药物靶点，通常耗时2~3年，而AI利用自然语言处理技术（NLP），可以高效率挖掘文献、组学数据、功能实验数据等海量医学资料，在短时间内发现药物和疾病之间的作用关系，从而得到药物在机体细胞上产生效用的候选靶点，这大幅缩短了靶点发现的时间，加快了药物研发的进程。
与此同时，AI辅助化合物发现与设计，可对高通量筛选过程大幅度优化，直观地定性推测物质的结构和活性的关系，从而推测出活性位点的结构和设计新的活性物质结构，大幅缩短研发周期，降低研发费用。
此外，AI还可以辅助蛋白质结构预测，克服了传统技术需多次实验高成本的缺点，让低成本准确预测蛋白质的三维结构成为可能。
基于AI制药的诸多优势，目前，全球AI药物研发企业有343家，其中超过50%的公司集中在美国，英国和欧盟分别占据12.5%和13.4%，亚洲大约12.8%（其中中国占据约4.7%）。另外，全球AI药物研发最大的市场在北美，亚太地区排名第三。
据摩根士丹利去年发布的一份报告指出，AI制药的全球市场规模短期已达500亿美元，并有可能继续上探。全球已经有超过270家公司投身于AI制药，其中头部企业已经和辉瑞、礼来、赛诺菲等医药巨头建立了稳定合作，拿下数百亿元订单。
“近年来AI一度站上风口，制药业试图借势起飞，AI制药或将成为未来现实。”上述分析师说道。
AI制药面临发展挑战
尽管AI制药发展迅速，但市场仍然带着怀疑的目光去看待其技术和商业模式。
2022年，全球多家AI制药公司经历了合作交易、融资等重要事件，从海外AI制药公司披露的年报来看，AI制药企业也有着与传统Biotech相同的烦恼：管线推进不顺利、疯狂烧钱却收获不多、上市药物商业化受阻等。迄今，AI制药行业也还没有一款药物获批上市。
有药企高管对21世纪经济报道表示，现在无论是国内外的大厂或是初创企业，AIGC在商业变现上还没有一个成熟的商业模式。从产品角度，AIGC处于早期发展阶段，出现的众多内容生成利器使用门槛低，更多还是面向C端，但大部分玩家仅仅是为了娱乐，难以转化成真正的付费用户。将AIGC用在B端让其辅助工作流程或实际提高工作效率，产生价值，才能形成一个可持续的商业模式。
也有一些批评人士也在怀疑AI研制药物的成功概率，他们认为这项技术的潜力被过分夸大。如Exscientia在2020年利用AI开发出的首款治疗强迫症药物，因未能达到预期标准而中断。此外在上个月，拥有人工智能药物发现平台的生物技术公司Benevolent AI表示，在其主要候选药物失败后，该公司将裁员180人，裁员人数几乎是其员工总数的一半。
实际上，在药物发现和开发中使用AI的前提，是使用算法来搜索海量数据（维权），包括化合物的结构、动物研究和患者信息，以确定药物在人体内的靶标、哪种分子最适合、如何创造新的分子。没有这些海量数据，AI则无法提供最准确的结果。但对于规模较小的私营公司来说，它们可能无法负担可购买的商业库，也没有大药企自己独有的分子库，数据量的不足构成其发展的主要障碍。
海量数据是中国发展AI制药的优势。国内人口基数庞大，医院规模大，更利于搜集整合大规模数据。不过，目前国内大部分企业通过公开数据库拿到的药物研发数据量少质低。而获取临床数据就更面临困难。
对此，国内AI制药企业英矽智能联合首席执行官兼首席科学官任峰日前在接受21世纪经济报道采访时表示，目前，在实操应用层面，还没有用任何中国人的数据，特别是使用中国患者的数据来分析发现靶点的方式尚未普及。中国是全球对数据管制最严的国家之一，中国医院的数据不仅对企业不开放，每个医院之间数据也不是互通的，这些数据又涉及到很多的问题，如数据的归属权和使用权，到底是属于医院还是患者？从当前的制度上来讲数据的放开比较难。
国内AI制药进展如何？
从目前行业竞争要素来看，算法为短期壁垒，数据是稀缺资源。CIC灼识咨询合伙人王文华对21世纪经济报道表示，“尽管在一些数据隐私和安全，算法结果的判读上仍面临一些分歧和挑战，但是医药AI化是未来发展非常重要的一个趋势。”
也有业内人士预判，在研发层面，想要形成稳定的技术路线需要5~10年，为制药行业带来本质性的颠覆还要5~10年。
AI制药领域的核心竞争力主要包括AI技术服务的能力和自研管线的丰富程度。在研发管线上，目前全球已有80多个进入临床的AI制药研发管线。
当前中国本土AI制药初创企业的业务布局主要集中在药物研发环节，汇集了英矽智能、晶泰科技、望石智慧、深度智耀、宇道生物、燧坤智能、元气知药、百奥知、冰洲石生物、未知君和亿药科技等头部企业。
“从AI制药管线进展上看，全球AI制药公司中管线最快的是临床2期，大概都在2022年底陆续进入2期，而我们领先的项目在去年中也进入了临床2期。”任峰说。
“现在还没有任何一家AI公司的算法被公认是最好的，没有一家说我是引领这个潮流的，在这种情况下我们需要进行更多的尝试。”任峰进一步说，国内从2018年到现在已经成立了超过百家的AI制药公司，每个公司都有自己独特的算法，解决的问题也不一样，这种群狼战术，最后总有几家公司可以跑出来。
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
