为什么说AI的尽头是生物制药?

2024-04-07 05:12
文章标签 ai 尽头 生物制药

本文主要是介绍为什么说AI的尽头是生物制药?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

AI的尽头究竟是什么?有投资者说是光伏,也有投资者说是电力,而英伟达给出的答案则是生物制药。

在英伟达2023年投资版图中,除AI产业根基算法与基础建设外,生物制药是其重点布局的核心赛道。英伟达医疗保健副总裁Kimberly Powell甚至直言:“既然计算机辅助设计行业捧出了第一家2万亿美元市值的芯片公司,计算机辅助药物发现行业为什么不能打造下一个价值万亿美元的药物公司呢?”

Fullscreen button

为什么说AI的尽头是生物制药?

为什么说AI的尽头是生物制药?© 医曜

图:英伟达2023年投资版图

由此不难看出,英伟达对于“AI+生物医药产”赛道的未来充满信心,它是希望再造一个“英伟达”的。究竟为何英伟达如此看好这个赛道呢?想要弄明白这个问题,我们就必须先搞清楚医药赛道的核心痛点与底层逻辑。

反摩尔定律

AI技术之所以能够如此迅速的进入大众视野,离不开集成电路产业的高速发展。

英特尔创始人戈登·摩尔的在常年研究半导体产业后,提出这样一个经验之谈:集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍。这就是大名鼎鼎的摩尔定律。

摩尔定律意味着,随着产业不断发展,处理器的性能大约每两年翻一倍,同时价格下降为之前的一半。正是这个不断技术迭代的过程,才使得人类计算机技术飞速发展,越来越多“玄幻”的功能得以实现。

不同于半导体产业摩尔定律的发展,生物制药产业虽然也在不断进步,但其发展却是呈现出“反摩尔定律”的趋势。

一直以来,创新药研发都有着“双十定律”之说,即研发一块新药需要十年时间、需要耗费10亿美元成本。不过这些数据已经是过去式了,最先的数据显示,全球范围内创新药的平均研发成本约26亿美元,平均研发周期约为10.5年。

漫长的研发周期与不菲的研发成本导致,创新药研发风险极高,不仅需要大量的资金去做这件事,而且还存在极高的失败风险。更为致命的是,这其中的研发难度是随着时间推移而持续提升的,也就是当人类发现的药物与靶点越多,后续发现药物与靶点所需要的成本也就会更多,投资收益率也就不断下降。

https://images.tmtpost.com/uploads/images/2024/03/44328a4376c20e1c0a23d2239c8c4ded_1711523243.png

https://images.tmtpost.com/uploads/images/2024/03/44328a4376c20e1c0a23d2239c8c4ded_1711523243.png© 医曜

图:创新药研发成本,来源:开源证券

在这种反摩尔定律下,创新药研发门槛不断提升,投资者的风险越来越大,渐渐地创新药成为产业巨头的生意。但实际上,医药产业发展却注定是由“边缘革命”推动的,新的技术也往往都出现在初创公司中,当技术不断得到验证,巨头才开始切入布局。

产业发展规律与产业发展驱动力之间,实则已经形成了明显的剪刀差。这是一种极不寻常的现象,意味着人类医疗技术的进步将逐渐停滞,相信没有人愿意看到这种情况。

生物制药产业存在必须改变的需求,而不断攀升的创新药研发成本又给这件事留有足够的空间。这两点是促使英伟达看好AI技术能够重塑医药产业的立足点。

经验与直觉

现代医药产业,是一座由直觉建起的围城。

创新药上市虽然需要经历严苛且系统化的临床验证,但药物发现的过程却充满随机性。药物研发路径呈现漏斗型,一款药物的确立,是需要经历药物发现、临床前期验证、临床期验证三个阶段的,每一阶段的成功管线的数量不断降低。

这其中最难的是药物发现阶段,需要在无数化合物中筛选出1万个左右适合的化合物,然后在一步一步的筛选,最后找到合适的化合物。某一个靶点的发现与确立,不仅颇具偶然性,而且验证过程极为繁琐,找到合适的分子更是难上加难。

https://images.tmtpost.com/uploads/images/2024/03/b325d1d8e2050feb2f87db77be994550_1711523244.png

https://images.tmtpost.com/uploads/images/2024/03/b325d1d8e2050feb2f87db77be994550_1711523244.png© 医曜

图:药物筛选过程,来源:浙商证券

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。

这篇关于为什么说AI的尽头是生物制药?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/881713

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

AI行业应用(不定期更新)

ChatPDF 可以让你上传一个 PDF 文件,然后针对这个 PDF 进行小结和提问。你可以把各种各样你要研究的分析报告交给它,快速获取到想要知道的信息。https://www.chatpdf.com/

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

AI基础 L9 Local Search II 局部搜索

Local Beam search 对于当前的所有k个状态,生成它们的所有可能后继状态。 检查生成的后继状态中是否有任何状态是解决方案。 如果所有后继状态都不是解决方案,则从所有后继状态中选择k个最佳状态。 当达到预设的迭代次数或满足某个终止条件时,算法停止。 — Choose k successors randomly, biased towards good ones — Close