Alex， 创始人兼首席执行官

搜狐科技出品

作者：任静轩

编辑｜杨进

在大模型浪潮和生成式AI技术的加持下，AI医药行业日益火爆，随着等科技巨头的高调布局，AI医药的前景愈发受到关注。

被光环环绕的新药研发，其实是生物制药行业非常具有挑战性的技术研究领域，不仅资金投入大、技术难度高、临床要求高，而且耗时长、成功率低。

硅谷创始CEO艾力克斯对搜狐科技表示，“开发一个AI模型其实很快，但要确保模型产生的结果是理想的，只有真正的实验验证才能给出判断。”他进一步强调，生物医学领域的验证不仅成本高昂，而且一旦实验设计出错，基本相当于“之前的努力全部白费”。

“在生物技术领域，人们只关心结果，”亚历克斯说。

作为一家以生成式AI驱动的药物研发公司， 将前沿的人工智能算法与机器人自动化技术相结合，为早期药物研发过程赋能。目前，它不仅拥有连接生物、化学和临床医学的商业化AI平台，还拥有多元化的AI创新药管线。据Alex介绍，很多候选药物靶点都兼具治疗疾病和抗衰老的双重潜力。

这也是Alex的兴趣所在，在他看来，人类的最终目标是解决衰老以及因衰老而引发的疾病问题，这也是他投身AI制药领域的原因。

他认为，过去30年，科技进步巨大，AI热潮的到来、电子设备的迭代，甚至正在把人变成“机器人”，但生物科学并未取得任何颠覆性的发展。

“通过AI助力靶点发现和药物开发，我们就像买了一张张健康长寿的彩票，希望可以更快、更高概率中大奖，消除病痛，过上更高质量的生活。”

随着越来越多人对AI药物的期待，竞争也愈发激烈。 的核心优势之一，就是其可商业化的.AI平台。在.AI的赋能下， 在纤维化、癌症、免疫、神经退行性疾病等前沿领域，已开发出一系列快速增长的自研疗法。

2022年，在.AI线上会议上技术分析(澳门肖一码100%准确)AI 制药热潮下，如何确保模型结果理想？英矽智能创始人给出答案，黄仁勋表示，“ 走在数字生物学革命的前沿，他们发现了一种针对肺纤维化的潜在新特异性治疗靶点，肺纤维化是一种导致肺功能不可逆下降的慢性肺部疾病。与传统的药物发现方法相比，他们在不到18个月的时间内以极低的成本设计出一种新药。”

今年5月，黄仁勋提到的药物研发又取得进展。 AI发现的抗特发性肺纤维化药物管线已完成中国2a期临床试验全部患者入组，预计2024年第四季度整理并发布顶线数据。该药物是全球首个通过AI识别新靶点、设计分子结构的候选药物。

如果说是GPU让英伟达加冕“AI算力之王”，那么把AI医学推上“神坛”的一定是其掌舵人黄仁勋。“AI+医学或成下一个黄金赛道”、“人人都要学计算机的时代已经过去，人体生物学才是未来”……黄仁勋曾多次公开表达对生物医学领域的看好。

是 初创企业加速计划的重要成员。谈及 在制药和医疗领域的 AI 野心，Alex 表示，“我们从一开始就在使用他们的芯片。 诞生于 2015 年的 GTC 大会。我们很钦佩 在 GPU 和人工智能方面的技术专长，他们也有很多可以应用于医学的基础知识。”

重视AI医疗的并非只有英伟达，除了辉瑞、强生、拜耳、复星医药等国内外大型药企外，谷歌、百度、华为、字节跳动等科技巨头也纷纷竞相涉足。

全球范围内，辉瑞、强生、赛诺菲、诺华等制药巨头也纷纷积极与AI企业展开合作，近日，美国制药巨头礼来也与AI达成合作，利用生成式AI技术研发新型抗菌药物。

备受关注和赌注的医药行业如何从AI技术中获益？巨头高调介入，会带来什么影响？搜狐科技《硅谷AI新闻》专栏就AI赋能医药行业，专访了 创始人兼CEO Alex博士。

附件是经过编辑的采访版本：

搜狐科技：硅谷的AI创业热潮似乎在各个领域如火如荼地展开，在您看来，AI制药赛道目前是否已经饱和？

Alex：我们刚进入市场时，大概有几百家竞争对手在探索深度学习驱动的AI药物发现。2019年AI制药热潮期间，又诞生了大约一千家。

如今，讲故事的时代已经结束。在经历了新冠疫情冲击、资本市场理性回归、行业泡沫逐渐消散之后，有的AI药企转型传统药企，有的断臂求生，有的黯然离场，即便是经历过多个市场周期的早期进入者也不例外。当浪潮退去，留下的只有优质玩家。

因此，即便有了生成式 AI 技术的优势和概念验证的成果，类似的挑战仍在重复。根本原因在于，对于一​​家 AI 制药公司而言，候选药物的交付至关重要。如果公司的目标仅仅是成为一家提供 AI 技术的服务商，那么难度堪比在当下互联网格局下从头开始重做一个支付 App。以腾讯、阿里为首的互联网巨头已经积累了巨大的规模优势，作为一家初创的 AI 服务商，我认为找到差异化服务来与他们竞争是极其困难的。

搜狐科技：在AI热潮之前，药物研发的整体成功率是多少？现在有了AI的介入，这个成功率能提高多少？

Alex：在此之前，在短时间内将一个具有创新结构的候选药物推进到临床试验阶段是一个非常有挑战性的任务。考虑到五年的周期，一家药物开发公司成功实现这一目标的概率其实不足1%。对于一家独立公司来说，这样的成就可以说是极其罕见的。

以我们进展最快的抗纤维化项目为例，早期研发时间可能要四年，在AI的帮助下，时间缩短为原来的三分之一，成本只有传统研发的十分之一。目前，这个项目的II期临床试验即将开始，以评估这个药物在人体上的安全性、耐受性和初步疗效。

但在临床试验阶段，AI技术带来的加速效应其实相当有限。前期节省的时间就像是能够迅速拉弓搭箭，但一旦箭射出，飞行速度就很难被干扰。临床试验没有捷径可走，我们也不指望监管部门对AI赋能的药物区别对待。

搜狐科技：很多互联网和科技巨头也开始布局AI制药领域，中国的百度、腾讯等大公司早已入局，、谷歌、微软等也都对人工智能生物技术的未来进行了大举投资。科技巨头的介入会对AI制药行业，尤其​​是对 这样的公司带来哪些影响？

Alex：互联网巨头入局欲望强烈，资源雄厚，但缺乏行业经验，遗憾的是，目前为止，不少互联网背景的AI药企闹得沸沸扬扬，却收效甚微。

我认为，想要进入AI制药行业的科技巨头，应该投资那些拥有多元化专业人才储备的初创企业，而不是投入大量资源和金钱从零开始：高薪聘请能力突出的人才，却因为难以弥合人工智能与医药研发之间的鸿沟，最终连验证结果和PCC（临床前候选化合物）都拿不出。

早期 开始将生成式 AI 应用于药物研发时，很多大公司都表示愿意收购或投资该公司，但最终都没有成行。现在大家看到了 AI 制药的潜力，他们不再愿意合作或投资，而是想自己介入其中。这就是弊端。

如果想要高效推动AI医药行业的发展，最明智的策略应该是将科技巨头的庞大资源与那些已经深耕AI医药领域、积累了丰富经验的企业结合起来。这样的精诚合作可以少走很多弯路，避免宝贵的资源被浪费。

搜狐科技：2020年，您在一次采访中说，“当我们在2015年的一次会议上首次提出使用生成式AI来生成新的化学和生物数据时，大型制药公司嘲笑我们。”您能详细讲一下当时发生了什么吗？大型制药公司的态度是什么时候、为什么开始转变的？

Alex：2014 年左右，生成式 AI 在图像领域得到验证，当时已经能够达到“文字生成图片”的水平，这让业界兴奋不已。我们决定用同样的技术来生成分子结构，这是一次前所未有的尝试。当时 AI 科学家对我们的想法感到兴奋，但药物研发从业者和药物化学家则更为严谨。他们问，“你的 AI 药物在哪里？AI 技术的应用在哪里？”虽然 AI 生成的分子看似潜力巨大，但在实验验证之前，谁也无法肯定地说它是否有效。它不仅要安全，还要有足够的功效。所有的验证实验有时需要近十年的时间。

我们组建了药物研发团队，决定进行大规模验证。2017年底，我们与药明康德达成合作，共同推进AI生成分子的试验验证。2018年，形势依然艰难，行业内一些从业者受到AI应用的启发，但大多数人还是持怀疑态度。这和今天量子计算面临的情况很相似。一项技术在理论上可以完全站得住脚，但眼见为实，只有亲眼看到，行业和公众才能相信。

2019年，我们发表了一篇论文新奥门免费资料大全历史记录开马，描述了AI赋能小分子从无到动物体内实验验证的整个过程。当时，人们不再嘲笑我们，而是开始批评我们，说“这些分子太简单了”，有人质疑它们的新颖性、合成难度、实用性。在批评声中，很多人开始看到AI技术和生成化学的潜力，走出了传统的药物研发。

2021年，我们提名了第一个在AI的帮助下发现、靶点设计的临床前候选化合物（PCC），嘲笑和质疑我们的声音越来越少，大家开始拥抱AI技术。2022年11月，AI诞生，其底层技术就是我们一直在使用的生成式AI。今年3月，我们发表了一篇文章，描述了我们进展最快的AI药物管线从靶点发现到II期临床试验的整个过程。如果II期试验取得积极成果，药物研发的范式乃至世界科研格局都将迎来变革。

搜狐科技：鉴于您在学术研究方面积累了多年的经验，并且在商业领域有着深入的了解，我很好奇，您如何看待杨利昆和马斯克之间的分歧？

Alex：LeCun 是杰出的学者，以开源的方式发表顶尖的科研成果，影响力巨大。而马斯克做的是应用研究，把知识变成产品。产品化很重要，我回顾过去的奋斗历程，也有这样的感受。

马斯克说，“你（杨乐坤）这几年没做出什么颠覆性的成果，你要更加努力。”其实我觉得他的初衷是希望看到杨乐坤的研究从论文走向应用。AI制药领域也是如此。在 ，我们大概十天发表一篇论文。但当论文发表已经成为日常，你可能会突然开始想，投入的时间和精力真的值得吗？把精力放在优化产品上会不会更好？

如果我们不能在发表论文和人工智能药物的进展之间取得平衡，我会感到非常非常难过。如果你只是作为一名学者发表论文，那很好，但你并没有改变世界。但马斯克确实在很多方面改变了世界。例如，我认为他最重要的项目是脑机接口。谁会想到一个没有生物技术经验的人可以在不到五年的时间内将产品投入人体临床试验？这太疯狂了。

所以我觉得应该把重点放在应用研究上，而不是只努力发表科研论文。