每經(jīng)記者｜甄素靜    每經(jīng)編輯｜魏官紅    

近日，DeepMind旗下AI制藥公司Isomorphic Labs宣布完成21億美元B輪融資，創(chuàng)下AI制藥領(lǐng)域單筆融資紀(jì)錄；緊接著，被譽(yù)為“制藥界Space X”的劑泰科技以超21億港元募資額登陸港交所，香港公開發(fā)售超6900倍超額認(rèn)購刷新港股醫(yī)療健康IPO紀(jì)錄，眾多頂級機(jī)構(gòu)重倉押注。今年以來，全球資本不約而同地選擇了AI制藥這一方向，這場圍繞算力、數(shù)據(jù)和生態(tài)的競速正在重塑全球創(chuàng)新藥產(chǎn)業(yè)格局。

當(dāng)全球資本加速涌入之時，華為制藥軍團(tuán)總裁樊杰在接受《每日經(jīng)濟(jì)新聞》記者等媒體記者采訪時給出的研判卻顯得尤為冷靜，“當(dāng)前AI制藥整體處于快速成長期，但距離成熟規(guī)?；涞厝杂休^遠(yuǎn)距離，行業(yè)在高端專業(yè)模型、高質(zhì)量生物醫(yī)藥數(shù)據(jù)集、底層算力底座三大維度還存在瓶頸，具備巨大的技術(shù)迭代與產(chǎn)業(yè)成長空間”。

算力投入不足的背后，是制藥行業(yè)對AI制藥核心路徑的認(rèn)知偏差。在樊杰看來，干濕實驗數(shù)據(jù)打通與深度融合是當(dāng)前最棘手且仍在集中攻關(guān)的核心難點(diǎn)。AlphaFold系列已成為行業(yè)標(biāo)桿，但目前國內(nèi)藥企僅能使用AlphaFold 3的開源版開展基礎(chǔ)實驗，在前沿藥物靶點(diǎn)發(fā)現(xiàn)等領(lǐng)域陷入被動。

“國產(chǎn)AI制藥的核心競爭力，不單一依賴技術(shù)模型，而在于場景和數(shù)據(jù)生態(tài)?！狈軓?qiáng)調(diào)，中國擁有數(shù)百萬化學(xué)工程師人才儲備、全球領(lǐng)先的臨床資源以及僅為國外一半的臨床試驗周期，這些本土優(yōu)勢是國產(chǎn)AI制藥實現(xiàn)彎道超車的真正底牌。據(jù)了解，華為目前正聯(lián)合昌平實驗室、上海藥研所等國家級機(jī)構(gòu)構(gòu)建自主可控的算力生態(tài)底座，并計劃于2026年在全國打造5至10個AI制藥燈塔項目，以場景驅(qū)動全棧生態(tài)的規(guī)模化落地。

AI并非簡單工具賦能，“一人實驗室”模式有望成為現(xiàn)實

業(yè)內(nèi)對傳統(tǒng)創(chuàng)新藥研發(fā)的普遍共識規(guī)律是“十年十億美元、成功率不足10%”，人力、資金、科研資源投入巨大，試錯成本高昂。隨著AI模型在生物醫(yī)藥領(lǐng)域落地應(yīng)用，創(chuàng)新藥研發(fā)正迎來變局。

樊杰舉了一個例子，澳大利亞一家AI初創(chuàng)公司的創(chuàng)始人依托AI模型自研藥物、治療患癌癱瘓寵物犬，AI不僅能夠大幅壓縮研發(fā)周期、降低綜合投入成本，還能顯著提升新藥研發(fā)成功率。

據(jù)《中國新聞周刊》報道，2019年該名創(chuàng)始人領(lǐng)養(yǎng)了混血犬羅茜。五年后，羅茜被診斷出患有肥大細(xì)胞癌，這是一種犬類較常見的皮膚癌。在確診前很長一段時間，羅茜腿部的異常一直被當(dāng)作普通皮疹處理，其病情不斷加重。

為了治療羅茜的癌癥，該名創(chuàng)始人花費(fèi)數(shù)千美元為其進(jìn)行化療、手術(shù)。后來又在專家?guī)椭?，他重新分析了羅茜癌細(xì)胞的所有突變，篩選出最有可能被免疫系統(tǒng)識別的“指紋”。之后，他利用Gemini和Grok等AI大模型驗證，得到一段構(gòu)建疫苗的序列。兩個月內(nèi)，科學(xué)家團(tuán)隊根據(jù)這段序列，為羅茜定制了一款mRNA疫苗。在倫理審批后，去年12月，羅茜接受了第一針注射，今年2月又打了后續(xù)針劑，接受一段時間治療后，羅茜的腫脹開始消退，部分腫瘤開始縮小。

“過去做一款創(chuàng)新藥需要集結(jié)大量人力與行業(yè)資源，未來‘一人實驗室’模式有望成為現(xiàn)實，個人或小型科研團(tuán)隊依托AI平臺即可啟動新藥研發(fā)?！狈鼙硎?，AI絕非簡單的工具賦能，而是顛覆傳統(tǒng)制藥流程、改寫產(chǎn)業(yè)規(guī)則的重大轉(zhuǎn)折點(diǎn)。

在行業(yè)發(fā)展階段上，樊杰判斷，當(dāng)前AI制藥整體處于快速成長期，但距離成熟規(guī)模化落地仍有較遠(yuǎn)距離，行業(yè)在高端專業(yè)模型、高質(zhì)量生物醫(yī)藥數(shù)據(jù)集、底層算力底座三大維度還存在瓶頸，具備巨大的技術(shù)迭代與產(chǎn)業(yè)成長空間。華為的定位是串聯(lián)整合業(yè)界優(yōu)質(zhì)資源，搭建全棧技術(shù)能力，助力藥企向AI賦能的創(chuàng)新藥研發(fā)轉(zhuǎn)型升維。

技術(shù)迭代帶來普遍焦慮，藥企擔(dān)心錯失智能化轉(zhuǎn)型窗口期

當(dāng)前全球AI創(chuàng)新藥產(chǎn)業(yè)進(jìn)入快速普及階段，依托人工智能、生物信息學(xué)與超算技術(shù)融合發(fā)展，AI已開始滲透靶點(diǎn)挖掘、化合物篩選、藥理毒理預(yù)測等臨床前研發(fā)全流程，全球頭部藥企積極進(jìn)行AI研發(fā)布局，國內(nèi)創(chuàng)新藥企緊跟產(chǎn)業(yè)趨勢，紛紛加速智能化轉(zhuǎn)型。

面對AI技術(shù)浪潮，國內(nèi)制藥企業(yè)的心態(tài)與布局呈現(xiàn)清晰共性。據(jù)樊杰觀察，行業(yè)當(dāng)前呈現(xiàn)三大特征：一是技術(shù)迭代帶來普遍焦慮，藥企擔(dān)心錯失智能化轉(zhuǎn)型窗口期；二是全行業(yè)主動擁抱AI Drug Discovery已成共識，自上而下布局AI制藥研發(fā)；三是多數(shù)企業(yè)缺乏自主搭建AI研發(fā)平臺的能力，正積極尋找技術(shù)伙伴與生態(tài)合作方。

“目前整個行業(yè)還處在起步階段，市場對AI制藥期望很高，但落地路徑、合作模式、實施標(biāo)準(zhǔn)都還在探索，預(yù)計未來三年行業(yè)將迎來快速爆發(fā)期。”樊杰稱。

更值得警惕的是中外藥企研發(fā)投入結(jié)構(gòu)存在的巨大鴻溝。樊杰表示，美國藥企將約3%營業(yè)收入投入IT數(shù)字化平臺建設(shè)，約10%投入BT（生物技術(shù)領(lǐng)域）研發(fā)；國內(nèi)部分藥企整體研發(fā)投入占比超過20%，但資金高度集中在傳統(tǒng)BT領(lǐng)域，IT數(shù)字化投入普遍不足1%，不少企業(yè)甚至低于0.5%。

算力集群層面的差距更為直觀：互聯(lián)網(wǎng)、金融行業(yè)已普及千卡、萬卡級算力集群，而制藥行業(yè)普遍停留在8卡、16卡、32卡小規(guī)模集群，百卡級集群都十分稀缺。樊杰分析認(rèn)為，藥企并非現(xiàn)金流不足，而是長期不太重視IT基建與算力投入，對AI能帶來的效率上限缺乏認(rèn)知。藥企希望把實驗周期從四周縮短到一周，而華為可以通過超節(jié)點(diǎn)的能力把實驗周期縮短到一天甚至一小時，極致的效率突破會推動行業(yè)整體升級。

技術(shù)標(biāo)準(zhǔn)迭代極快，短期難以形成統(tǒng)一規(guī)范

盡管藥企普遍的共識是人工智能將為新藥研發(fā)帶來機(jī)遇，但AI制藥在產(chǎn)業(yè)化落地中仍面臨現(xiàn)實技術(shù)瓶頸。在樊杰看來，干濕實驗數(shù)據(jù)打通與深度融合是當(dāng)前最棘手、仍在集中攻關(guān)的核心難題，也是制約AI制藥走向規(guī)?；涞氐年P(guān)鍵卡點(diǎn)。

干實驗依托AI進(jìn)行計算機(jī)仿真模擬，生成潛在成藥小分子、大分子化合物；濕實驗則通過傳統(tǒng)化學(xué)實驗，驗證化合物的成藥性、臨床有效性及生物毒性。二者本應(yīng)相輔相成、形成閉環(huán)：濕實驗驗證結(jié)果需反向反饋至干實驗，修正AI模型預(yù)測權(quán)重，縮小仿真與實際實驗的偏差。

“但當(dāng)前行業(yè)普遍存在數(shù)據(jù)割裂、流程脫節(jié)問題，干濕實驗難以實現(xiàn)聯(lián)動迭代，成為最大技術(shù)卡點(diǎn)?！狈芊治稣J(rèn)為，AI編程等數(shù)字化應(yīng)用易于成熟，核心在于全程純數(shù)字化無需物理驗證；而制藥研發(fā)必須實現(xiàn)仿真計算與化學(xué)實驗深度綁定，技術(shù)復(fù)雜度大幅提升。目前華為正聯(lián)合國內(nèi)藥企、國家級科研院所開展技術(shù)攻關(guān)，除干濕實驗融合外，其余業(yè)務(wù)環(huán)節(jié)落地進(jìn)展整體順暢。

除技術(shù)卡點(diǎn)外，藥企與科技企業(yè)之間存在專業(yè)語言壁壘、業(yè)務(wù)邏輯隔閡。樊杰指出，傳統(tǒng)行業(yè)數(shù)字化多由CIO（首席信息官）牽頭落地，而AI制藥領(lǐng)域創(chuàng)新邏輯已改變，不再是技術(shù)端單向輸出方案，而是由藥研業(yè)務(wù)部門牽引創(chuàng)新，CIO僅提供配套資源支持。破解隔閡的最優(yōu)路徑，是科技企業(yè)、藥企、模型企業(yè)組建聯(lián)合團(tuán)隊集中辦公，通過聯(lián)合作戰(zhàn)打通認(rèn)知壁壘。

樊杰指出，AI行業(yè)技術(shù)標(biāo)準(zhǔn)迭代極快，短期難以形成統(tǒng)一規(guī)范，只能通過深度場景入局，在聯(lián)合創(chuàng)新中逐步沉淀方法論，待方案成熟后再打造行業(yè)事實標(biāo)準(zhǔn)。為此，華為計劃2026年在全國打造5至10個AI制藥燈塔項目，篩選有意愿、有能力的大小藥企深度共創(chuàng)，打磨可復(fù)制的標(biāo)準(zhǔn)化解決方案，再向全行業(yè)推廣。

算力賽道已出現(xiàn)“價格戰(zhàn)”苗頭

樊杰坦言，AlphaFold系列已成為行業(yè)標(biāo)桿，但對于AlphaFold 3及AlphaFold 4，國內(nèi)藥企僅能使用AlphaFold 3的開源版開展基礎(chǔ)實驗，在前沿藥物靶點(diǎn)發(fā)現(xiàn)、分子仿真等核心領(lǐng)域陷入被動。

在此背景下，AI制藥國產(chǎn)化已是必然趨勢。樊杰認(rèn)為，國產(chǎn)AI制藥的核心競爭力，并不單一依賴技術(shù)模型，而是具備三大獨(dú)特產(chǎn)業(yè)紅利：中國擁有數(shù)百萬化學(xué)工程師人才儲備；臨床資源全球領(lǐng)先，病患樣本與試驗場景充足；國內(nèi)臨床試驗周期僅為國外一半，成本同步降低五成，效率與成本優(yōu)勢顯著。

算力需求層面，制藥行業(yè)目前消耗尚處起步階段，但隨著Agent（智能體）大模型深度應(yīng)用，算力消耗已呈爆發(fā)增長態(tài)勢。已有頭部藥企每月云上算力消耗達(dá)百萬元級別，且成為常態(tài)投入，未來制藥行業(yè)將逐步成為算力高地。

樊杰認(rèn)為，從部署模式來看，藥企出于數(shù)據(jù)安全與資產(chǎn)保護(hù)考量，更傾向于本地自建集群或?qū)偎接性撇渴穑瑘猿趾诵难邪l(fā)數(shù)據(jù)不出園區(qū)，華為可靈活適配8卡至十萬卡不同規(guī)模集群需求，兼顧彈性算力供給與數(shù)據(jù)合規(guī)安全。

“在行業(yè)競爭層面，算力賽道已出現(xiàn)‘價格戰(zhàn)’苗頭?！辈贿^在樊杰看來，AI制藥不是單點(diǎn)技術(shù)的比拼，而是全流程鏈路的打通，AI制藥全棧生態(tài)才是核心競爭力。據(jù)樊杰介紹，華為制藥軍團(tuán)以BU業(yè)務(wù)單元模式運(yùn)作，兼具技術(shù)架構(gòu)、咨詢服務(wù)、解決方案與市場落地多重角色，結(jié)合產(chǎn)業(yè)場景聯(lián)合生態(tài)伙伴深耕高價值賽道，構(gòu)筑技術(shù)護(hù)城河。華為聯(lián)合昌平實驗室、上海藥研所等國家級機(jī)構(gòu)，攜手國內(nèi)頭部廠商搭建制藥大模型，打造華為CANN國產(chǎn)化算力生態(tài)底座，吸引開發(fā)者共建產(chǎn)業(yè)生態(tài)，構(gòu)筑自主可控的第二技術(shù)平面。

“人才與賽道格局方面，AI制藥初創(chuàng)團(tuán)隊三五十人即可完成起步，行業(yè)人才結(jié)構(gòu)正從傳統(tǒng)化學(xué)工程師主導(dǎo)，轉(zhuǎn)向以AI跨學(xué)科復(fù)合人才為主。高校已開啟定向人才培養(yǎng)，博士成為研發(fā)核心門檻，跨學(xué)科人才流動加速行業(yè)知識沉淀?！狈軓?qiáng)調(diào)，AI制藥目前尚未看到發(fā)展上限，當(dāng)下僅處于產(chǎn)業(yè)初級階段，未來有望向數(shù)字器官、數(shù)字細(xì)胞、數(shù)字化臨床延伸，進(jìn)一步壓縮臨床研發(fā)成本與周期。