出品｜搜狐科技
作者｜梁昌均
编辑 | 杨 锦
1位创始人、1款大模型、2种药物研究、11 家外部实验室，一家名为Mithril Medicine的一人生物科技公司，最近被Anthropic 收至囊下。
Anthropic 在成立后的五年里基本没有发起过对外收购，但在最近半年内，其已经在同一方向两次出手。更早之前，Anthropic 以4亿美元收购了Coefficient Bio。
这两家被收购的公司所做的事一样，就是利用AI大模型加速生物医药的研发。接连发起两笔收购，暴露出这家有望成为史上最大IPO的大模型公司在AI制药领域的野心。
AI制药已经成为国内外AI大厂布局的重点方向之一。OpenAI、谷歌、英伟达，以及国内的百度、腾讯、字节等都纷纷通过投资、自研等方式加快新一轮布局。
不过，从火热概念走向价值兑现，AI制药仍面临不少门槛，硅谷喊出的AI将在十年内治愈癌症等多数疾病的豪言壮语可能并不容易实现。
收购分拆投资，新老玩家加速布局
人类的历史，一定程度上就是和疾病斗争的历史。在这场漫长的战役中，药物研发的过程充满冒险和挑战，而技术则是其中的重要变量。
AI的出现尤其是这波大模型的快速发展，正在带来一场生命科学、药物研发的范式变革。这吸引国内外不少大厂加速入局，掀起新一轮AI制药热潮。
Anthropic最近发起的两笔收购正是其加速AI制药布局的体现。而早在去年 10 月，Anthropic就成立了医疗健康与生命科学部门，以推动Claude 模型应用于药物研发、临床研究等领域。
今年9月，Anthropic还在旧金山湾区建设实体湿实验室，并和百时美施贵宝等多家机构进行了深度科研合作。此次收购的两家企业也将与该部门进行整合，以加强自研能力。
OpenAI同样动作不断，其在今年4月推出一款专为生物学、药物发现和转化医学研究构建的前沿推理模型GPT-Rosalind，最近也收购了一家药物研发企业Orchestra Bio，并将其整合进刚推出的生命科学产品平台Rosalind。
这两家大模型企业除了自建团队，也在推进和药企的合作，但目前更多还是聚焦在模型应用层面。Anthropic招股书提到，全球前十大制药企业中已有九家是其模型客户。OpenAI的Rosalind平台也计划向诺和诺德、莫德纳、安进、赛默飞等药企开放。
但要说硅谷最早押注AI生命科学或药物研发领域的大厂，谷歌无疑绕不过去。
谷歌DeepMind在2020年推出的AlphaFold 2模型解决了近50年的蛋白质折叠难题，随后围绕AlphaFold的底层能力，谷歌逐渐构建起覆盖药物研发、基因预测等科研平台体系。
此外，谷歌还分拆成立了AI药物研发公司Isomorphic Labs。在已完成27亿美元的基础上，该公司最新又爆出计划再募资约50亿美元，估值或达500亿美元。
Isomorphic Labs除了聚焦自研肿瘤、免疫等领域药物外，还与礼来、诺华、强生等达成研发合作，其中与礼来、诺华早期合作的潜在里程碑金额分别达 17亿美元和12亿美元。
作为算力基础设施的英伟达同样也在大力押注AI制药领域。但不同于前述三家企业，英伟达自身并不自研，而是更偏基础设施与生态绑定，通过打造生物计算平台、药企共建、产业投资等进行布局，最终目的还是为了让更多机构去基于英伟达硬件进行科研探索。
今年6月，英伟达在已有平台BioNeMo的基础上进一步发布BioNeMo Agent Toolkit，将蛋白质折叠设计、分子生成、基因组分析等能力封装成标准化技能，为行业提供更多的科研工具。
英伟达还与礼来计划五年内投入10亿美元，共建联合研究实验室，以加速AI在药物研发领域的应用，标志着英伟达从单纯的卖算力、卖工具走向和药企深度绑定。
此外，财大气粗的英伟达还对外密集投资。不完全统计，英伟达自这波AI大模型浪潮以来，至少投资了14家AI制药产业链公司，覆盖肿瘤、蛋白质、小分子、生物数据等领域。
国内也正在有越来越多的大厂开始加码AI药物自研。
最近引发关注的则是字节，其将在内部探索五年的AI制药业务分拆成独立公司Anew Labs，并迅速完成2.9亿美元首轮融资，投后估值约15亿美元，意图借助外部融资推进研发进程。
和字节不同，百度则主要以模云一体对外提供基础设施能力，自身并不涉足自研药物。但百度投资、李彦宏牵头创立的百图生科则推出生命科学大模型和行业解决方案，并和赛诺菲达成10亿美元的合作。今年3月，该公司已秘密向港交所申请上市。
腾讯打法类似英伟达，除了提供算力、模型等支持，主要以投资为抓手进行布局，尤其是在最近两年密集出手，如投资了已上市的晶泰科技、英矽智能、礼邦医药、信诺维、英派药业等多家AI制药和生物科技公司。
但腾讯可能对亲自下场做药也有兴趣，今年2月其公开了一项完全由AI设计的新型短序列多肽GLP-1减肥药专利。相比而言，阿里和京东则更多聚焦在AI医疗领域，目前在AI制药领域尚未有太多布局。
从概念走向落地，仍需跨过多个门槛
可以说，大厂布局AI制药都基于自身基因考虑有着不同的打法，而最为根本的则是这个领域的潜在商业前景。
中信建投证券研报预计，全球AI制药市场将从去年不到25亿美元增长到460亿美元，CAGR有望超过33%，中国市场增速与全球同步，有望成为最具确定性的增量市场之一。
传统新药研发模式面临高投入、长周期、低成功率的“双十”困境，即需要十年甚至更长周期，投入高达十亿美元，而成功率往往只有10%。但如今，AI有望改变这一切。
五年前，AlphaFold 2成功解决了困扰业内五十年的蛋白质结构预测问题，DeepMind CEO德米斯・哈萨比斯（Demis Hassabis）及其时任首席科学家约翰·江珀（John Jumper）因此获得2024年的诺贝尔化学奖。
从那时起，业内也进一步看到了AI在生命科学、药物研发领域的潜力。
如今，伴随大模型推理规划能力持续演进，AI已从预测结构渗透到药物研发包括靶点发现、虚拟筛选、分子设计优化、自动化合成、临床试验等在内的多个环节。
哈萨比斯更是对此有着乐观预期，认为借助AI有望将新药研发周期从数年缩短至数月，甚至断言AI未来将攻克包括癌症在内的各类疾病。
公开数据显示，目前全球有170多个AI参与的原创新药项目进入临床开发阶段。但到目前为止，全球还没有一款完全由AI自主设计的药物获批上市。
大厂们的自研进展并不突出。谷歌的Isomorphic Labs计划于今年底才会启动首批临床试验，而Anthropic的自研项目最早则要等到2028年底进入临床试验阶段。
字节Anew Labs在研的IL-17小分子免疫疾病药物也还在临床前的先导优化阶段，离Ⅰ期临床试验尚有距离。这也意味着，AI制药这条路并不容易跑通。
百度智能云医疗与教育行业总经理吴超对搜狐科技提到，目前在AI4S领域面临数据孤岛、科研流程割裂和算力碎片化等问题。
目前，全球范围有大量的科研临床数据，但分散且格式不统一，也缺乏共享机制，导致很多高价值数据无法复用。吴超认为，这需要通过开发有关工具和建设可共享的符合规则的开放数据集去解决。
同时，如何在研发过程中实现数据回流闭环也是挑战，英伟达和礼来的联合实验室就把大规模生产实验数据作为目标之一。随着数据驱动的AI范式介入药物研发环节，谁能掌握和生产高质量的科研数据、临床数据，谁就将拥有更高的竞争壁垒。
另外一大挑战是，在药物研发过程中，AI和真实的研发流程往往也会出现割裂，这也是为什么谷歌、英伟达等纷纷搭建科研体系、推出有关工具的原因。而随着大模型和智能体推理成本的快速下降，其在药物研发中的应用也更容易算得过账来。
吴超则强调，这还需要研究团队和工程团队做好协同，像DeepMind的AlphaFold团队两类人员的配比就是1:1，从而把科学家的洞察能力和工程体系能力更好结合。
虽然业内普遍认为AI能够提高新药发现的效率和成功率，但目前AI的介入程度并不均匀，分子设计优化和Ⅰ期临床则是相对成熟的环节。
据波士顿咨询公司此前统计，AI发现分子在Ⅰ期临床试验成功率约80%-90%，明显高于传统模式40%到65%的水平，而在早期的靶点发现，以及临床后期上的效果还有待验证。
Anthropic两周前发布的一篇博客称，其在和机构合作和自研药物工作中，对Claude如何助力药物研发有了更多认识，但其也存在局限性，还需进一步优化Claude。
为此，Anthropic宣布推出专门面向科研人员的AI开发平台Claude Science，并推出生命科学验证计划，允许经认证的机构在更为宽松的安全防护机制下使用其最强大的模型。
此外，随着AI深入制药领域，有关人才需求也在快速增长。有招聘平台统计，今年上半年AI制药相关职位数同比增长84%。
但困境在于，这个行业懂算法的往往不懂药，而懂药的又不熟悉算法，复合型人才尤为稀缺，人才的匮乏正在成为行业发展的瓶颈。
在大厂加速布局之下，人才也在暗流涌动。
Anthropic今年6月从谷歌挖来约翰·江珀，并在董事会层面引入诺华CEO万思瀚（Vas Narasimhan），字节的AI制药公司此前则引入信达生物前总裁刘勇军、安进前首席科学家马骥等药界高管担任科学顾问。
对大厂们来说，AI制药从概念验证到价值落地，显然仍是一个需要长跑的赛道。
运营编辑 | 曹倩 审核｜孟莎莎
