本文(wen)作者：李笑寅
来源：硬AI
越来越多的科技巨头开(kai)始加码押注AI医(yi)疗。
隔夜，谷歌(ge)DeepMind及姊妹公(gong)司Isomorphic Labs旗下的AI药物研发(fa)模(mo)型AlphaFold官宣重磅升级，称最新版本AlphaFold 3可以预测蛋白质、DNA、RNA等生物分(fen)子(zi)的结构(gou)以及它们如何相互作用(yong)。
Alphabet兼谷歌(ge)CEO Sundar Pichai表示，目前，已有180多万(wan)名研究人员在疫苗开(kai)发(fa)、癌症治疗等研究工作中使用(yong)AlphaFold进行(xing)蛋白质预测。
在接受(shou)采(cai)访时(shi)，Isomorphic Labs的CEO Demis Hassabis表示，人工智(zhi)能系统有可能彻底改变医(yi)学，并创造“巨大的商(shang)业价值”：
“我希望通过Isomorphic实现这两点(dian)：建立一个价值数(shu)千亿(yi)美(mei)元的业务，我认为它有这个潜力(li)；同时(shi)为社会和(he)人类带来难以置信的益处。”
“我希望通过Isomorphic实现这两点(dian)：建立一个价值数(shu)千亿(yi)美(mei)元的业务，我认为它有这个潜力(li)；同时(shi)为社会和(he)人类带来难以置信的益处。”
盯上这条赛道的不止谷歌(ge)一个。
当前，几乎所有AI科技巨头展现出了对生物医(yi)药领域的兴趣，微软、亚马(ma)逊甚至Salesforce也(ye)都在开(kai)展蛋白质生成项目。
近日，英伟达(da)医(yi)疗健康副(fu)总裁副(fu)总裁Kimberly Powell在接受(shou)媒体采(cai)访时(shi)表示，医(yi)疗健康将成为英伟达(da)下一个“数(shu)十(shi)亿(yi)美(mei)元级业务”，英伟达(da)的目标是为更多生物技术公(gong)司提供芯片、云基础设施与其他工具。
AI技术的下一个前沿应用(yong)？
英伟达(da)创始人兼CEO黄仁勋曾多次强调，数(shu)字生物学将是“下一场惊人的颠覆(fu)性技术”。
诚如他所说，今年3月的英伟达(da)举办的2024GTC大会上，医(yi)疗健康仍是“重头戏”之一，与生命科学相关的会议活动排在所有行(xing)业之首。
过去两年间，英伟达(da)旗下AI药物研发(fa)平台BioNeMo的风投部门(men)Nventures把大部分(fen)钱都投给了药物研发(fa)项目。数(shu)据显示，Nventures的19笔投资交(jiao)易中有7笔是投向AI药物研发(fa)初创公(gong)司。
Powell解(jie)释(shi)道：
““计算(suan)机已经辅助设计行(xing)业创造了第一个价值2万(wan)亿(yi)美(mei)元的芯片公(gong)司，为什(shi)么不能辅助建立下一个万(wan)亿(yi)美(mei)元级别的制药公(gong)司呢？”
““计算(suan)机已经辅助设计行(xing)业创造了第一个价值2万(wan)亿(yi)美(mei)元的芯片公(gong)司，为什(shi)么不能辅助建立下一个万(wan)亿(yi)美(mei)元级别的制药公(gong)司呢？”
其他几家科技巨头也(ye)发(fa)力(li)药物研发(fa)领域。仅在去年一年中，Salesforce推出了蛋白质生成AI大模(mo)型ProGen，微软发(fa)布了一个类似的开(kai)源模(mo)型EvoDiff，亚马(ma)逊还为其AWS机器学习平台SageMaker发(fa)布了蛋白质折叠工具，据报道，甚至连字节跳动也(ye)在招聘科学和(he)药物设计团队。
这不由让人发(fa)问(wen)：AI技术的医(yi)药价值究竟(jing)何在？
以AlphaFold专注的蛋白质领域为例(li)。
蛋白质是人体细胞组织的重要成分(fen)，也(ye)是生命活动的主要承担者。每一个蛋白质由一系列(lie)氨基酸组成，这些氨基酸与外部环境之间的相互作用(yong)决定了蛋白质的“折叠”方式——这决定了其最终的形(xing)状，而蛋白质的形(xing)状正是其执行(xing)功能的基础。
因此，对科技公(gong)司来说最有价值的点(dian)在于：如果能够基于其氨基酸序列(lie)预测蛋白质的形(xing)状，就可以将其应用(yong)于药物研发(fa)、作物改良、可生物降解(jie)塑料等各大领域。
而AI的出现，直接推动这项工作进入“突破性时(shi)刻”。
通过AI模(mo)型，就可以在数(shu)亿(yi)种不同的蛋白质序列(lie)及其底层结构(gou)上进行(xing)训练，从而完全模(mo)拟蛋白质，省去了昂贵的分(fen)子(zi)动力(li)学模(mo)拟计算(suan)环节。
在媒体采(cai)访中，谷歌(ge)DeepMind、英伟达(da)的高管都表示，可用(yong)的大量训练数(shu)据、计算(suan)资源的爆炸和(he)AI算(suan)法的进步(bu)，这三大因素共同激发(fa)了AI在药物研发(fa)上的潜力(li)。
Powell表示：
“这三个要素第一次齐聚一堂，这在五年前是不可能的。”
“这三个要素第一次齐聚一堂，这在五年前是不可能的。”
这同样激发(fa)了投资热情。根据Pitchbook的数(shu)据，自2021年以来，全球AI药物研发(fa)初创公(gong)司的风投交(jiao)易已有281笔，投资额达(da)到77亿(yi)美(mei)元。
数(shu)据量是一大瓶颈
不过，通过AI大模(mo)型完全模(mo)拟蛋白质的这一过程对算(suan)力(li)的要求极高，足量的训练数(shu)据仍然是一大瓶颈。
合成生物学公(gong)司Ginkgo Bioworks的AI负责人Anna Marie Wagner表示，像GPT这样的新型基础模(mo)型依(yi)赖于强化学习，是一种模(mo)仿(fang)人类为实现目标而反复训练的学习过程，更依(yi)赖于高质量的海量数(shu)据。
DeepMind的科学副(fu)总裁Pushmeet Kohli更是直观地形(xing)容数(shu)据量的痛点(dian)：
“垃圾进，垃圾出。”
“垃圾进，垃圾出。”
并且，虽然将AI应用(yong)于药物研发(fa)的潜力(li)十(shi)足，但距(ju)离真正进入医(yi)药市场仍有很长的路要走。
据报道，美(mei)国食品(pin)药品(pin)管理局（FDA）迄今为止已经批准了100多种使用(yong)AI或机器学习进行(xing)开(kai)发(fa)的药物候选物的临床(chuang)试验，但可能需要数(shu)年时(shi)间才能上市。
*免责声明：文(wen)章内(nei)容仅供参考，不构(gou)成投资建议
*风险提示：股市有风险，入市需谨(jin)慎