本文作者：李笑寅
来源：硬(ying)AI
越(yue)来越(yue)多的科技巨头开始加码押注AI医疗。
隔夜，谷歌DeepMind及姊妹公(gong)司(si)Isomorphic Labs旗下的AI药物研发模型AlphaFold官宣重磅升级，称最新版本AlphaFold 3可以(yi)预测蛋白质、DNA、RNA等生(sheng)物分子的结构以(yi)及它们如何相互作用。
Alphabet兼谷歌CEO Sundar Pichai表示，目前，已(yi)有180多万名研究(jiu)人员在疫(yi)苗开发、癌症治疗等研究(jiu)工作中使(shi)用AlphaFold进行蛋白质预测。
在接受采访时，Isomorphic Labs的CEO Demis Hassabis表示，人工智(zhi)能系统有可能彻底改变医学，并创(chuang)造“巨大的商业(ye)价(jia)值”：
“我希望通过Isomorphic实现这两(liang)点：建立一个价(jia)值数千亿美元的业(ye)务，我认为它有这个潜力；同(tong)时为社会和人类带来难以(yi)置信的益(yi)处。”
“我希望通过Isomorphic实现这两(liang)点：建立一个价(jia)值数千亿美元的业(ye)务，我认为它有这个潜力；同(tong)时为社会和人类带来难以(yi)置信的益(yi)处。”
盯上这条赛道的不止谷歌一个。
当前，几乎所有AI科技巨头展现出了(le)对生(sheng)物医药领域的兴(xing)趣，微软(ruan)、亚马逊甚至Salesforce也都在开展蛋白质生(sheng)成项目。
近日(ri)，英(ying)伟达医疗健康副总裁(cai)副总裁(cai)Kimberly Powell在接受媒体采访时表示，医疗健康将成为英(ying)伟达下一个“数十亿美元级业(ye)务”，英(ying)伟达的目标是(shi)为更(geng)多生(sheng)物技术公(gong)司(si)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？
英(ying)伟达创(chuang)始人兼CEO黄仁勋曾多次强调，数字生(sheng)物学将是(shi)“下一场惊人的颠覆性技术”。
诚如他所说，今年(nian)3月的英(ying)伟达举办的2024GTC大会上，医疗健康仍是(shi)“重头戏”之一，与生(sheng)命科学相关的会议活动排在所有行业(ye)之首(shou)。
过去两(liang)年(nian)间，英(ying)伟达旗下AI药物研发平台BioNeMo的风投(tou)部门Nventures把大部分钱都投(tou)给了(le)药物研发项目。数据(ju)显示，Nventures的19笔投(tou)资交易中有7笔是(shi)投(tou)向AI药物研发初创(chuang)公(gong)司(si)。
Powell解释道：
““计算机已(yi)经(jing)辅助设计行业(ye)创(chuang)造了(le)第一个价(jia)值2万亿美元的芯片公(gong)司(si)，为什(shi)么(me)不能辅助建立下一个万亿美元级别的制药公(gong)司(si)呢？”
““计算机已(yi)经(jing)辅助设计行业(ye)创(chuang)造了(le)第一个价(jia)值2万亿美元的芯片公(gong)司(si)，为什(shi)么(me)不能辅助建立下一个万亿美元级别的制药公(gong)司(si)呢？”
其他几家科技巨头也发力药物研发领域。仅在去年(nian)一年(nian)中，Salesforce推出了(le)蛋白质生(sheng)成AI大模型ProGen，微软(ruan)发布了(le)一个类似(si)的开源模型EvoDiff，亚马逊还为其AWS机器学习平台SageMaker发布了(le)蛋白质折(she)叠工具，据(ju)报道，甚至连字节(jie)跳动也在招聘科学和药物设计团队。
这不由让人发问：AI技术的医药价(jia)值究(jiu)竟何在？
以(yi)AlphaFold专注的蛋白质领域为例。
蛋白质是(shi)人体细胞组织(zhi)的重要成分，也是(shi)生(sheng)命活动的主要承担者。每一个蛋白质由一系列氨基酸组成，这些氨基酸与外部环境(jing)之间的相互作用决定了(le)蛋白质的“折(she)叠”方式——这决定了(le)其最终的形状，而(er)蛋白质的形状正是(shi)其执行功能的基础。
因此，对科技公(gong)司(si)来说最有价(jia)值的点在于：如果能够基于其氨基酸序列预测蛋白质的形状，就可以(yi)将其应用于药物研发、作物改良(liang)、可生(sheng)物降解塑料等各大领域。
而(er)AI的出现，直接推动这项工作进入“突破性时刻”。
通过AI模型，就可以(yi)在数亿种不同(tong)的蛋白质序列及其底层结构上进行训练(lian)，从(cong)而(er)完全模拟(ni)蛋白质，省去了(le)昂(ang)贵的分子动力学模拟(ni)计算环节(jie)。
在媒体采访中，谷歌DeepMind、英(ying)伟达的高管都表示，可用的大量(liang)训练(lian)数据(ju)、计算资源的爆炸和AI算法的进步，这三大因素共同(tong)激发了(le)AI在药物研发上的潜力。
Powell表示：
“这三个要素第一次齐聚一堂，这在五年(nian)前是(shi)不可能的。”
“这三个要素第一次齐聚一堂，这在五年(nian)前是(shi)不可能的。”
这同(tong)样激发了(le)投(tou)资热情(qing)。根据(ju)Pitchbook的数据(ju)，自2021年(nian)以(yi)来，全球AI药物研发初创(chuang)公(gong)司(si)的风投(tou)交易已(yi)有281笔，投(tou)资额(e)达到(dao)77亿美元。
数据(ju)量(liang)是(shi)一大瓶颈
不过，通过AI大模型完全模拟(ni)蛋白质的这一过程对算力的要求极高，足量(liang)的训练(lian)数据(ju)仍然是(shi)一大瓶颈。
合成生(sheng)物学公(gong)司(si)Ginkgo Bioworks的AI负责(ze)人Anna Marie Wagner表示，像GPT这样的新型基础模型依赖于强化学习，是(shi)一种模仿人类为实现目标而(er)反复训练(lian)的学习过程，更(geng)依赖于高质量(liang)的海量(liang)数据(ju)。
DeepMind的科学副总裁(cai)Pushmeet Kohli更(geng)是(shi)直观地形容(rong)数据(ju)量(liang)的痛点：
“垃圾进，垃圾出。”
“垃圾进，垃圾出。”
并且，虽然将AI应用于药物研发的潜力十足，但距离真(zhen)正进入医药市场仍有很长(chang)的路要走。
据(ju)报道，美国食品药品管理局（FDA）迄今为止已(yi)经(jing)批准了(le)100多种使(shi)用AI或机器学习进行开发的药物候选物的临床试验，但可能需要数年(nian)时间才能上市。
*免责(ze)声明：文章内容(rong)仅供参考，不构成投(tou)资建议
*风险提示：股市有风险，入市需谨慎(shen)