AI制药领域,数据才是产业第一性,数据库的价值远高于算法和算力的价值,这也是为何CRO公司会站在目前国内AI制药产业第一线的原因。
尽管一代又一代的创新药研发努力使得药物发现逐渐有迹可循,但在庞大的化合物数据面前,一切还是高度依赖于研发人员的直觉,数据能够提供的帮助并不多。努力的前提是方向正确,如果选择了一条错误的赛道,那么再多努力也终将化为徒劳。过度依赖于直觉,使得传统药物研发偶然性不可控,这也是为何创新药研发成本不断抬升的本质原因。如果现代医药产业想要成本降低,就必须摈弃过往依赖于专家直觉的方向,而是应该更多的以数据为导向。所谓数据,实则就是一次次经验的结晶,数据化并不代表创新药研发不会失败,而是可以将这次失败转化为下一次研发的基石。通过系统性的大模型训练,AI对于药物筛选将更加快速、准确。实际上,创新药研发就好像一款Roguelike游戏,看似一切都是由随机构成的,每一次的游戏体验可能也不尽相同,但在一次又一次的失败过程中,游戏会不断积累经验与数据,从而降低下一次游戏的攻关难度。AI制药,本质上就是摒弃过去的专家直觉,高度依赖于数据反馈,通过不断地模型训练,进而找到正确的研发路径。由依靠专家直觉,切换到AI大模型筛选,这是一种由具象化走向数据化的过程,也是由感性向理性过度的路径。尤其在很多未攻克的空白适应症上,专家直觉的成功可能与掷骰子无异,持续高通量的AI模型试错才是降低失败率的最好方法。AI制药,不仅降低了研发成本,而且也能有效地提升研发效率。数据资源最为珍贵算法、算力、数据库,这是AI技术的三大核心要素。在大多数场景的AI应用中,算法都是三要素中最终要的一环,算力与数据库虽然也很重要,可大多数投资者依然更关注大模型算法的构建。但在生物制药领域,算法为王的情况却可能并不适用。与其他场景相比,生物制药赛道的数据资源更加珍贵,它是非开源的,是各大药企的核心资源。无论成功与失败,都是经过大肆烧钱的临床试验而得来的。由此可见,数据库才是AI制药赛道最核心的竞争力所在。纵观国内火热的AI制药公司,多是由CRO公司转型而来。与普通医药公司相比,CRO公司拥有极为丰富的研发经验,虽然最终研发数据归甲方公司所有,但其却能够在一次又一次的研发中,潜移默化的积攒大量的过程数据与方法论,这使得CRO公司在构建数据库方面拥有得天独厚的优势。基于生物制药数据的非开源性,AI制药的发展最终很有可能走向两个方向。第一种是财力雄厚的MNC,它们常年积累了大量的研发经验与数据,并且全面开始投资布局AI资产;第二种则是以国内为主向AI制药转型的CRO公司,由于它们此前承接了大量的国内外研发项目,因此具备很强的数据库构建能力,欠缺的只是算法大模型的构建,而算力问题完全可以通过与阿里云、腾讯云等科技公司合作解决。由于国内生物制药产业刚刚起步,尚未形成拥有长期创新药研发布局的MNC,因此第一种模式很可能在国内难以行得通。在未来的数十年中,CRO公司很可能将切换成为中国AI制药的核心资产,而海外则更多是各家MNC之间的对立与竞争,并不会愿意将数据开放给第三方,就连英伟达想要入局都需要通过投资生物制药公司的方式才得以实现。现阶段,国内AI制药正处于发展初期,大致上可以分为三个梯队。第一梯队是已经布局AI制药技术多年的公司,如成都先导、泓博医药、晶泰科技、药石科技等;第二梯队则是拥有丰富的研发经验,但在AI制药领域的布局却刚刚起步,如药明康德、美迪西、皓元医药等;第三梯队则是研发经验丰富,但暂时还没有在AI布局太深的其他CRO公司。AI制药领域,数据才是产业第一性,数据库的价值远高于算法和算力的价值,这也是为何CRO公司会站在目前国内AI制药产业第一线的原因。
“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)