投资市场对于制药产业的固有认知，正面临AI浪潮的彻底重塑。以往需要大量研究人员花费数年、从成百上千个配方中寻找候选药物的过程，已经能被算法压缩到几个月里搞定。

日本的武田制药在今年2月斥资40亿美元，从一家波士顿创业公司手里买下的银屑病药物，背后的化合物配方正是该公司花费6个月时间利用AI选择出来的。今年年内，这款药物也将进入最终的Ⅲ期临床试验，有望成为AI发现药物的最新范例。投行杰富瑞曾预期，这款药物如果成功获批上市，将给武田带来37亿美元的年收入。

大型制药企业跑步加码AI能力

事实上，AI和机器学习能够大大缩短开发周期（减少费用）、加快新药上市速度已经成为业内共识，和重点投资方向。研究机构Deep Pharma情报预计，对AI驱动的新药发现企业，整体投资额在过去4年里翻了3倍，在2022年已经达到246亿美元。

去年法国药厂赛诺菲就与英国新药发现企业Exscientia签下大单，以1亿美元的预付款和52亿美元的里程碑付款要约，合作利用AI系统研发至多15项肿瘤和免疫学药物。拜尔、罗氏和武田正在与美国药品开发企业Recursion合作使用机器学习发现药物。阿斯利康也在与Benevolent AI等企业展开合作。

麦肯锡合伙人、为药企提供数字化处理和分析咨询的Alex Devereson表示，当药厂成功在研发领域应用AI，将会产生巨大的影响。5年内AI将更加系统性地嵌入药品开发流程，并成规模地导致更大影响。

当然，AI从来不是“无所不能”的技术，在制药领域也是如此。

首先，虽然AI能够减少筛选候选药物所需的时间，但动辄数年的药物临床试验显然不能让AI“代做”。同时目前AI也无法预测复杂一些的生物学特性，例如化合物的效率和副作用。

与近期火爆的ChatGPT源自于谷歌的transformer模型一样，医药大厂开始严肃看待AI也要从谷歌说起。2018年，Deepmind开发的AlphaFold算法成功在预测蛋白质形状的挑战中击败生物学家。这也是生物学中最棘手的问题之一，有助于搞清楚与疾病发生反应的分子，寻找潜在药物。

现在AlphaFold只需要数秒就能生成蛋白质的3D结构图，以往这样的工作需要数月甚至数年时间。

最新的案例则来自疫情时期。辉瑞/BioNTech新冠疫苗的快速开发离不开AI助力，同时辉瑞的小分子口服药Paxlovid，也与中国本土AI产业的合作有关。

辉瑞首席数字和技术官Lidia Fonseca接受媒体采访时表示，配合超级计算机和AI、机器学习模型，将整体的计算时间减少了80%-90%，使得Paxlovid能够快速上市。

时至今日，AI科学家已经成为药厂的标配。目前武田制药在波士顿、圣迭戈和日本湘南有超过500名科学家正在倒腾数据；英国药厂葛兰素史克也有超过160名AI、机器学习专家，为研发、生产提供支持。

放眼全球，多个小型创新药企通过AI“找到”的新药已经进入临床试验阶段。摩根士丹利近期曾预期，未来十年内，在药物早期研发阶段使用AI，将额外为人类带来50款新药，相当于为药企增加500亿美元的销售额。