摘要：2010年代中期，一批初创公司带着颠覆传统的野心涌入制药行业。他们声称，人工智能将彻底改变新药研发这条耗时十年、耗资20亿美元的漫长道路。彼时的新闻稿言辞激昂，百时美施贵宝、赛诺菲等大型制药公司纷纷签下数十亿美元的合作协议，似乎一个由算法驱动的“新药时代”即将

图片来源：Unsplash

2010年代中期，一批初创公司带着颠覆传统的野心涌入制药行业。他们声称，人工智能将彻底改变新药研发这条耗时十年、耗资20亿美元的漫长道路。彼时的新闻稿言辞激昂，百时美施贵宝、赛诺菲等大型制药公司纷纷签下数十亿美元的合作协议，似乎一个由算法驱动的“新药时代”即将到来。

然而，十多年过去，问题开始浮现：药在哪里？至今仍没有一款由AI主导研发的新药获得批准，进入三期临床的候选药物寥寥无几。许多最初的研究成果以失败告终，承诺要降低行业高失败率的口号并未兑现。一些明星公司在资本寒冬中陷入困境，BenevolentAI 股价暴跌逾99%后退市并与日本公司合并，Exscientia 也在估值缩水后被 Recursion 以6.88亿美元低价收购。资本的退潮揭示出一个冷峻现实：没有金蛋，再会下金蛋的“鹅”也迅速贬值。

事实上，制药可能是人类最难的任务之一。药物研发不仅要找到正确的靶点，还要确保分子在结合时不会对身体其他系统造成破坏。即便是看似完美的候选分子，临床失败率依然高达90%。AI的确能够在庞大的分子数据库中加速筛选，但这只是流程中相对容易的一环。毒性预测、临床试验的复杂性，依然是算法难以跨越的关卡。正如Insitro 创始人 Daphne Koller 所说，“我们是在尝试修复一个自己都不理解的系统。”

早期AI公司还普遍遭遇数据匮乏。公共数据库有限，连大型药企内部的数据也常被分散存放在不同表格中，噪音极大，不适合直接用于算法。为了快速证明自身价值，不少公司选择了相对容易的靶点，研发所谓的“me too”药物。但这些成果往往与现有药物差别不大，市场价值有限。许多初创公司在资金消耗殆尽后，不得不黯然退出。

行业的时间线在两个关键时刻被重新拨动。2021年，DeepMind 发布 AlphaFold2，成功预测蛋白质折叠，被视为生命科学的“分水岭”；2022年之后，生成式AI的爆发，再次点燃了对AI制药的想象力。如今的新一代公司开始重押数据生产——Insitro 建立“细胞工厂”，Recursion 宣称拥有比最大公共数据库大1000倍的内部数据，Lila Sciences 打造“AI科学工厂”，希望让实验室自动生成新的科学知识。资本也再次回流，投资人相信这一次或许能真正迎来“金蛋”。

真正的制药引擎还需要更多突破。Isomorphic Labs 首席AI官 Max Jaderberg 提出，除了预测蛋白质折叠，还需要理解药物结合强度、体内相互作用、剂量预测等环节，而这些都可能成为下一个“AlphaFold时刻”。不同于早期初创公司的资金紧张，Alphabet 旗下的 Isomorphic Labs 拥有雄厚算力和资金，今年更获得6亿美元融资。它的目标不再是证明AI能做“me too”药物，而是要构建一个可泛化的药物设计引擎。

从过去的跌宕来看，AI制药的进展远没有外界期待的那般迅猛，但长期的希望并未熄灭。正如Recursion CEO Chris Gibson 所说，这或许会是一个“缓慢积累，突然爆发”的时刻。当行业真正被AI重塑时，它可能像自动驾驶一样，历经漫长等待，却最终无法逆转。

在这场博弈中，初创公司是开路先锋，但最终率先产出真正“金蛋”的，很可能是那些拥有算力、资本与耐心的科技巨头。毕竟，只有这些公司能承受数十年无果的投入，直到那一刻的到来。

来源：

[1] https://www.ft.com/content/9a8aee4e-9cf6-4bb3-b7ea-d95ddd0d5e79

---------END--------

我们相信认知能够跨越阶层，致力于为年轻人提供高质量的科技和财经内容。

投稿邮箱：zfinance2023@126.com

稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。

我们正在招募新一期的实习生

来源：ZFinance