AI 席卷医药圈！ 海外巨头纷纷下场搞大事

《投资者网》蔡俊

DeepSeek席卷医药界，一场激动人心的创新变革已然开启。

2月，国内医药龙头恒瑞医药在内部发布《关于在公司内部全面开展DeepSeek应用的通知》，根据董事长孙飘扬指示，决定在全公司范围内开展 DeepSeek应用工作。

实际上，海外药企的AI布局早已风风火火。截至目前，美国是AI制药领域的领跑者，占全球市场的54.4%，英国和欧盟各自约占12%。以中国为主的亚太地区，还处于起步阶段。

AI技术在医药领域的应用，目前主要在研发的药物发现端口。业内预计，AI的计入将使时间缩短至原来的1/3，成本降低至原来的1/200。无论怎样，新时代大船的桅杆已然跃于海面。

吃螃蟹的两家

2021年，AI技术萌芽期，跨国制药企业罗氏就成为第一个吃螃蟹者。

当期，罗氏旗下的基因泰克与Recursion宣布达成合作，前者利用后者的技术在神经科学和肿瘤领域完成药物发现。若所有项目成功开发和商业化，Recursion或获得超过120亿美元的收益。

不止如此，同年罗氏基因泰克还收购初创企业Prescient Design。该公司拥有机器学习和生成式蛋白质设计算法的，罗氏收购的意义，在于希望利用人工智能来学习来识别、优化和设计抗体，加快抗体疗法推向临床试验的速度。

回过头看，当年罗氏的AI布局不只是一次试水。整个医药研发的过程，前端的药物发现尤为重要。正所谓“万事开头难”，若药物发现和设计足够精准，将会大大提高后续的研发成功率。

2023年，Open AI的浪潮席卷全球，英伟达一战成名。同期，嗅觉灵敏的罗氏再次出手，旗下基因泰克与英伟达展开合作，应用后者的加速计算能力和人工智能，提升人工智能研究项目，加速新疗法和药物的发现和开发。

具体到合作颗粒度，双方在平台运用、技术共享、数据使用、重点方向等方面深化合作。如重点方向，双方初期将专注优化罗氏实验室闭环框架中的药物发现 AI 模型，加速其“循环实验室”系统，帮助研究人员了解复杂的生物分子模式和关系。

另一家与AI结缘的制药巨头为拜耳。2018年以来，拜耳企业风险投资部门Leaps by Bayer多次投资Cellino Biotech、Recursion等AI企业。

其中，Recursion正是后来罗氏合作的企业。投资之初，拜耳主导了Recursion的D轮融资，金额5000万美元。2023 年，双方合作升级为精准肿瘤学，利用拜耳的小分子化合物库、生物学和药物化学方面的专业知识以及Recursion专门构建的人工智能指导药物发现平台，推进新型治疗靶点的鉴定工作。

AI风口起，万物生长正当时。

巨头+巨头>2

罗氏和拜耳的先行布局，犹如一种无形压力，令众多跨国药企加速AI步伐。

2023年，Open AI名噪天下阿斯利康顺势在财报电话会议上，多次提及人工智能，表示公司会积极探索 AI 在药物研发全流程的应用，提高研发效率和成功率。

更早之前，赛诺菲直接喊出 “AII in 人工智能和数据科学” 口号，立志成为 “第一家大规模由人工智能驱动的制药公司” 。公司的切入方式主要与Aqemia肿瘤学合作，重点聚焦药物发现以加速药物研发进程。

行业巨头下水布局，Moderna和BioNtech等新贵也迫不及待加入。两家企业以成功研发新冠疫苗闻名，在研发阶段就尝试使用AI技术进行价值链的赋能。

很快，时间来到2024年。AI科技第二次大爆发的前夜，美国制药巨头礼来宣布与OpenAI达成合作。

不同于以往的业内交易，本次交易的双方均是各自行业的巨头。根据协议，礼来将利用OpenAI开发新型抗菌药物，以解决抗微生物药物抗药性（AMR）对人类造成的威胁。在此之前，礼来已经承诺将向AMR行动基金提供1亿美元。AMR是全球公共卫生和发展领域面临的最大威胁之一，但攻克难度极大，多家药企折戟。

对此，礼来公开表示，“生成式AI提供了一个新的机会，可以帮助研究人员加速发现新型抗菌药，并在与抗药性细菌的斗争中开发专用技术。”

或受同行的推波助澜，拜耳和谷歌云也宣布合作开发人工智能解决方案，前者利用生成式Ai工具加速放射学应用程序的开发和部署。

巨头+巨头的1+1时代，在海外已然成风。

国内躁动的企业

AI在海外风风火火的趋势，也让国内企业躁动。

到目前为止，CRO企业是最热衷利用AI技术的代表。药明康德就通过自研的Chemistry42 AI分子设计平台，参与到药物研发、生产及数据管理等多个环节，主要方向是设计小分子化合物。同时，公司与英矽智能、Schrödinger等合作，拓展应用边界和优化临床试验设计。

同行业的泰格医药，则利用AI技术辅助临床试验设计、患者招募、数据监测和分析等，提高临床试验的效率和质量。

恒瑞医药本次的AI学习，主要自上而下推动，即成立专项工作小组，各分管领导亲自抓部署、抓落实，各部门根据自身业务需求，制定详细的DeepSeek应用计划，明确应用场景、实施步骤、预期目标及时间节点，计划应具有可操作性和可量化性。

但需要指出，AI 在医药领域的应用仍有局限性，需要真实病例中的验证、大量有效实验数据的收集都是重要参考因素。未来，药物研发会更依赖数据驱动的决策，但也需要研发团队的直觉和经验为引导，平衡临床过程中的药物安全性和有效性。

以上种种，都主要在研发层面。商业化层面，销售团队也可以利用AI工具，在历史数据、市场动态、患者需求等因素的基础上，判断产品的销售前景，进而优化生产计划和库存管理，提高供应链的效率和响应速度。（思维财经出品）■

AI医药