人工智能(AI)正以颠覆性力量重塑制药行业，尤其在药物研发这一高成本、长周期、高风险领域，AI技术的应用已从概念验证迈向规模化落地。
据中邮证券研报消息，AI+医疗将迎来爆发式增长机会。这一变革的核心，在于通过AI数据驱动和算法优化，将传统药物研发的“试错模式”升级为“精准设计模式”。
当前，AI大模型在药物研发领域有何优势?又面临怎样的挑战?记者探访企业寻找解答。
打造药物研发“精准生产线”
走进位于成都天府国际生物城的成都盛世君联生物技术有限公司(简称“盛世君联”)，宽敞的办公区域被玻璃分隔为两端，实验室占据了一半空间。这家成立于2016年的高新技术企业，依托领先市场的生物药物库技术和生物学人工智能平台BioAI，在大分子药物发现与优化领域成为佼佼者。
成立初期，公司用了三年时间，建成三千亿级多样性真实生物药物库，为后续AI模型训练奠定了多维度数据基础。
“数据是AI制药的核心燃料。”公司CIO(首席信息官)沈云解释，抗体药物研发基于靶点表征，关键在于找到能“制衡”靶点的抗体。传统生物制药面临“三高”困境：前期研发投入高、周期长、失败率高。盛世君联的创新路径是：通过真实的三千亿多样性的生物药库喂养AI模型，从无边界的AI虚拟库中筛选出最优的抗体，让抗体针对靶点发挥相应的生物学作用，从而达到对抗肿瘤的目的。“相对于传统制药速度更快，筛选出的分子更好。”沈云解释。
对盛世君联而言，经过4年发展，AI已形成实际生产力：在生物药物发现方面，以往需要2—3个月才能完成的线下实验，现在最快24小时内就能出实验结果，而且准确率不低于传统实验结果。
AI制药未来将从“捕鱼”到“养鱼”
当前，AI技术能否提高药物研发成功率是最受关注的焦点之一。公司Co-CEO(总裁)黄琛指出，尽管市场尚未有AI设计新药上市，但多款药物已进入研发阶段，最快未来几年内将有药物进入临床三期或获批上市。
然而，AI制药在规模化落地前仍需突破三大关卡。首先，生物药学与AI技术分属高壁垒领域，生物学家、医药学家与工程师存在“语言鸿沟”——一方专注基因靶点、蛋白质结构，另一方讨论算法调参、算力优化。同时既懂生物实验逻辑，又能进行数据算法开发的“两栖人才”仍有缺口。企业不得不通过双向培训弥补短板。
其次，算力、存储等硬件太“烧钱”。早期训练小模型如同 “电动车短途通勤”，算力成本可控;但构建上万亿甚至是几十万亿级虚拟药物库时，普通云计算平台难以承载。未来维持大规模计算，需与国家超算中心合作或自建专用算力池，硬件投入或许是“无底洞”。
再者，数据生产迟缓。AI模型如同数据“大胃王”，需海量精准数据支撑。当前企业数据生产仍依赖“手工小作坊”模式：每周仅能从数据库提取10万条带标签数据，效率如同“用吸管给游泳池灌水”。若能将数据生产速度提升百倍，AI预测能力将实现跨越式突破。
尽管面临团队磨合、算力成本、数据供给等挑战，公司和沈云团队对AI制药依然充满期待。正如盛世君联的实践所示，AI正将药物研发从“大海捞针”的试错模式，升级为“精准设计”的智能模式——这场由数据与算法驱动的变革，将改写制药工业的底层逻辑，让更多“量身定制”的创新药惠及患者。
|
