AI、科学家、药企的共生时代：人才与资源如何把握机遇|ai|实验|生物技术|科学|药企

作者：N1 Life创始人及CEO臧晓羽

今年年初，AI生物制药领域迎来重磅消息：Isomorphic Labs近期分别与制药巨头礼来（Eli Lilly and Company）和诺华（Novartis）签订了合作协议，这两项合作未来价值或将超过30亿美元。

这一重大合作展示了AI在药物开发中的潜力，也预示着AI与生物技术领域的交融将带来更多变革。这次合作不仅是商业上的进展，更反映了生物制药行业对高效、精确与创新技术的迫切需求。

在AI逐步改变各行各业之际，生物医药领域的企业应当如何看待这一工具？与大公司相比，创业公司的机会与挑战又在哪里？基于近期N1 Life创始人及CEO臧晓羽博士与YDS Pharmatech创始人及CEO车兴博士的对谈，我们可以一窥未来的“AI+生物制药”的种种可能性。

播客地址：小宇宙https://www.xiaoyuzhoufm.com/episode/668bae918fcadceb90d27dc8

喜马拉雅http://www.ximalaya.com/swf/sound/red.swf?id=740335958

AI+生物技术：数据驱动的新趋势

随着技术成熟，AI技术在现代药物研发中发挥着越来越重要的作用。

从浅层神经网络到深度神经网络，AI模型在处理和分析海量生物数据方面表现出色。英伟达（NVIDIA）的BioNeMo便是一个针对生物医学领域的大型语言模型(LLM)和生成式AI框架，它旨在加速生命科学和医疗保健领域的研究和发现。BioNeMo这类平台的底层设施展示了AI对生物数据的巨大需求，而这些数据正是训练先进AI模型的基础。

AI的核心优势在于其处理大规模数据集的能力，以及在这些数据集上提取复杂模式的能力。这使得AI在生物医学领域中的应用极为广泛。例如，AI可以用来预测蛋白质的三维结构，模拟药物与目标蛋白的相互作用，甚至预测潜在药物的疗效和副作用。通过这些应用，AI不仅提高了药物开发的效率，还显著降低了成本和时间。

基于这一特性，近年来涌现了许多AI生物制药企业。比如Isomorphic Labs，它由Alphabet旗下的DeepMind团队于2021年创立，基于 DeepMind 的 AlphaFold 2技术来预测蛋白质的结构。通过揭示这些结构，研究人员有望能够识别出新的靶点路径，以便开发出针对疾病的新型药物或疗法。

而Iambic Therapeutics是一家使用生成式AI平台开发新型治疗药物的公司，主要聚焦于小分子药物。Iambic结合物理基础和实验数据生成新分子，其技术不仅用于预测蛋白质-配体相互作用，还用于生成分子设计。Iambic的两大主要项目——针对HER2的IAM-H1和针对CDK2/CDK4的IAM-C1，分别计划在明年进入临床阶段。

在AI的加速发展过程中，NVIDIA等公司不仅提供强大的计算资源，还推动数据标准化和共享，以支持AI模型的训练和应用。预计到2025年，随着数据量的不断增长，AI模型可能会遇到数据增长的瓶颈，而具有海量数据的Biotech极有可能成为驱动下一增长点的终极力量。这也是NVIDIA这类企业不断投入、甚至成为Biotech-AI生态主要推动力量的主要原因，具体做法包括投资这些Biotech公司去支持更多数据的产生、应用的落地和计算方法开发等，深度、广泛地进行长远布局。

赢者通吃的市场？创业者的机会与挑战

在AI与生物技术的交汇点上，大型Pharma公司和小型Biotech公司各自面临不同的挑战与机遇。

像谷歌旗下的DeepMind和Meta（原FaceBook）这样的科技巨头，凭借其丰富的计算资源和技术储备，有着雄厚的资源推动AI大模型的研究。

例如，DeepMind的几代AlphaFold模型在蛋白质结构预测方面取得了革命性进展，成为生命科学领域划时代的里程碑。这些公司的技术和算力优势使它们能够迅速取得重大技术突破，突破技术边界，引领行业发展。与之相对的、资源量相对落后的技术，例如RoseTTAFold All Atom模型的准确度已经遗憾地落后于AlphaFold 3。从某种意义上来说，AI模型方面的创新已经基本形成由巨头公司推动的形势，而非学术机构或创业公司。

AI创业公司在人力和技术资源以及资金上虽然不如大公司充裕，但在灵活性和创新速度方面却有着得天独厚的优势，它们能够迅速适应市场动态变化，将新技术快速应用于实际问题中。

然而，创业公司也时刻面临着持续融资和技术迭代的挑战。与大公司相比，创业公司缺乏大规模的研发团队和基础设施，在开发新技术时也就面临更多的风险，尤其是在数据的获取和模型的优化方面，必须在资源有限的情况下保持竞争力。

除此之外，AI Biotech公司还需面对传统制药公司的竞争——这些公司拥有深厚的行业经验和强大的研发能力。为了在竞争中脱颖而出，小型AI Biotech公司需要找到市场中的独特定位。AI biotech典型的例子如上文提到的Iambic，利用AI技术在管线推进方面取得了显著的进展。

另一方面，传统Biotech公司则更关注解决实际的科学和医学问题，并利用AI工具加速实验科学的进步，推动新药的发现和开发。N1 Life便是典型的Biotech公司，致力于将多肽等生物兼容性分子材料用于药物递送载体的研发与应用，目前已开发针对不同药物类型的Absotride和ChARLS两大模型。N1 Life的N1-109正是这种创新的例子，针对转移型卵巢癌、胰腺癌和胃癌等适应症，展示了极高的治疗潜力。目前N1 Life将理性设计及AI技术结合，实现指定性质的筛选和定向优化，逐步建立了从载体设计、到载体筛选、再到载体成药应用的“干湿结合”研发线路。通过平台合作等方式与国内外数家创新药企达成技术合作，将自主开发的载体分子应用于不同的疾病领域，旨在以更低的成本和更短的研发周期。

这些各有所长的AI biotech公司正面临着一个蓬勃发展的市场：Transparent Market Research报告预测，到2030年，AI生物制药市场将增长至131亿美元。

科学家 vs AI：日益紧密的共生关系

AI驱动的生物技术革命中，科学家扮演着关键角色。

尽管AI模型在蛋白质结构预测和药物设计等方面展示了强大能力，但这些模型的开发和应用离不开科学家的专业知识和经验。

例如，DeepMind的AlphaFold 2模型整合了物理学和生物信息学的研究成果，利用了科学家们几十年来积累的蛋白质结构数据，使其在蛋白质结构预测方面取得了重要突破。科学家们的贡献不仅在于数据的提供，还包括对AI模型结果的解释和应用，这对于推动模型的应用（例如新药研发）非常关键。

除了为AI提供了大量的数据和研究成果，科学家们还参与了模型的设计和优化。这种紧密的协作确保了AI技术在生物技术领域中的科学准确性和实用性。

从另一方面来看，科学家与AI的共生关系不仅体现在数据的分析和模型的优化上，也包括在临床试验和药物开发的各个阶段。除靶点模拟和分子设计之外，科学家还利用AI技术分析临床数据，设计临床实验，提高生产效率，加速法规流程等。这种“你中有我，我中有你”的融合，不断加速整个药物开发的进程，还提高了药物开发的成功率。

更重要的是，人体生物系统是如此地复杂难解，比计算机要复杂许多，仍有大量的问题需要受过经验丰富的科学家来定义问题、设计解决思路、论证和优化模型。未来，对于交叉学科科学人才的需求将呈现爆发式增长，生物语言和计算语言的互通将成为无法阻挡的趋势。从教育体系到人才职业培养、科学训练，也是人类驾驭人工智能不可或缺的工具。

随着AI技术走向落地，有一点已成行业共识：AI无法代替科学家，而能够提升科学家效率、以合作共赢心态来开发的AI解决方案，未来会成为帮助生物制药领域科学家的优秀工具。