由啟明創(chuàng)投主辦的2025世界人工智能大會（WAIC）“啟明創(chuàng)投·創(chuàng)業(yè)與投資論壇——創(chuàng)業(yè)投資開啟AI技術(shù)與應(yīng)用共振周期”于7月28日在上海世博中心藍廳成功舉辦。
在本次論壇上，啟明創(chuàng)投投資企業(yè)英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰和啟明創(chuàng)投主管合伙人胡旭波圍繞《AI驅(qū)動下一代藥物研發(fā)：精準(zhǔn)靶點挖掘與臨床價值創(chuàng)造》展開專題對話。
啟明創(chuàng)投主管合伙人胡旭波（左）和英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰（右）
任峰博士指出，傳統(tǒng)藥物研發(fā)主要依賴于人的知識和經(jīng)驗，存在一定的局限性。而AI則能夠突破人類認知的天花板，通過算法對海量數(shù)據(jù)進行歸納和分析，在靶點發(fā)現(xiàn)、分子生成等領(lǐng)域為我們帶來許多超越想象的突破。他認為，隨著AI在藥物研發(fā)全流程的深度滲透，AI制藥正從2.0階段邁向3.0階段。而大模型的出現(xiàn)，使我們有望打造面向生物醫(yī)藥的超級智能體，讓AI不僅能夠輔助分子設(shè)計和生成，更能參與到?jīng)Q策環(huán)節(jié)。提及未來發(fā)展方向，任峰博士表示，對于AI制藥公司來說，不僅要擁有自主的核心技術(shù)，更要深入藥物研發(fā)的實際場景，推動技術(shù)真正實現(xiàn)落地和商業(yè)轉(zhuǎn)化。
以下系對話節(jié)選。
01/
未來藥物研發(fā)是AI應(yīng)用最核心的領(lǐng)域之一
胡旭波：特別感謝任博，我對這場對話特別期待。前不久剛剛和英偉達幾位同事聊天，他們說對一個行業(yè)特別重視，就是醫(yī)藥行業(yè)，專門組建了團隊賦能整個醫(yī)藥行業(yè)。
AI在新藥研發(fā)領(lǐng)域?qū)π袠I(yè)內(nèi)部的人來說，我覺得大家是在觀察，對行業(yè)外部的人來說更多的是從遠處看。
首先請任博給大家宏觀介紹一下，人工智能醫(yī)藥研發(fā)處于什么樣的狀態(tài)？在哪些方面已經(jīng)能夠替代傳統(tǒng)的人工，在哪些方面已經(jīng)確認人工智能可以發(fā)揮很大的作用？
任峰：我覺得他們之所以這么說，未來藥物研發(fā)是AI應(yīng)用最核心的領(lǐng)域之一，是因為隨著低垂的果實被摘完，傳統(tǒng)創(chuàng)新藥研發(fā)的瓶頸逐漸顯現(xiàn)，我們的投入越來越高，但產(chǎn)出越來越低。這是由于傳統(tǒng)藥物研發(fā)靠人的知識經(jīng)驗，它是有局限性的，人的精力是有限的，我這一生能讀的文獻就那么多，我做的項目就那么多，是沒有辦法窮盡世界上所有的可能性的。但AI不同，利用AI來讀取大量已知的數(shù)據(jù)，利用算法對以往的數(shù)據(jù)進行歸納和總結(jié)，有可能突破人的知識上限，能讓我們在靶點發(fā)現(xiàn)、分子生成這些方面取得一些超乎人想象空間的成果。
現(xiàn)在AI對我們來說，賦能主要集中在兩個方面：第一，幫助我們尋找和疾病相關(guān)的新穎靠譜的靶點。第二，做分子設(shè)計。不管是小分子還是抗體，能通過AI的方式高效生成和優(yōu)化，幫助更好地設(shè)計成藥性好，而且安全有效的小分子或者蛋白藥物。
胡旭波：我總結(jié)兩個關(guān)鍵詞：靶點發(fā)現(xiàn)、分子的設(shè)計和生成。
02/
AI制藥領(lǐng)域“里程碑式的項目”
胡旭波：在我看來，英矽智能是全球最好的AIDD（人工智能驅(qū)動藥物研發(fā)）公司。我知道有款用于治療IPF（特發(fā)性肺纖維化）的化合物，幾年前公司花了大概18個月、200多萬美元就實現(xiàn)了靶點發(fā)現(xiàn)、分子設(shè)計，現(xiàn)在應(yīng)該進入臨床二期，這應(yīng)該是整個AIDD很大的里程碑，能不能從微觀層面給我們介紹一下，這到底經(jīng)歷過怎樣的過程？有什么可以和我們分享的？
任峰：這也是AI制藥領(lǐng)域的里程碑式的項目。
2019年的時候，我們立項了一個針對特發(fā)性肺纖維化的研究項目。當(dāng)時之所以選擇特發(fā)性肺纖維化，因為這個疾病是號稱“不是癌癥的癌癥”，病人得病之后的平均壽命只有3-5年，而且基本上都是老年人。這個疾病的典型特征是病人的肺功能在每年以7%左右的速度在喪失，現(xiàn)已獲批的治療疾病的藥物都是免疫抑制或者抗炎作用的藥物，它不是專門針對抗纖維化設(shè)計的，而且藥物效果不理想，副作用又大。
我們當(dāng)時就想通過人工智能的方式，是不是能夠找到一個和特發(fā)性肺纖維化疾病密切相關(guān)的靶點，而且不僅能治標(biāo)、抗炎，還能抗纖維化的藥物。于是我們收集了大量纖維化疾病病人的多組學(xué)數(shù)據(jù)，包括轉(zhuǎn)錄組、基因組等等，用AI工具PandaOmics去分析這些病人和健康人士，在多組學(xué)數(shù)據(jù)之間有哪些差異，通過這種方式找到了一個全新的靶點TNIK。這是一個全新的靶點，目前全球只有英矽智能針對這個靶點有藥物進入臨床。第二步，我們針對這個靶點蛋白的三維結(jié)構(gòu)，用AI分子設(shè)計平臺Chemistry42，針對這個蛋白設(shè)計出小分子，能夠抑制蛋白的活性。
也就是說這個項目在靶點發(fā)現(xiàn)和分子生成階段，都用了人工智能平臺，因為它不僅可以幫助我們?nèi)プ鰟?chuàng)新性很強的項目，而且可以幫我們提高效率。我們從靶點發(fā)現(xiàn)到分子生成，再推進到PCC階段總共花了260萬美元、用了18個月的時間。用傳統(tǒng)方式需要花上千萬美元的研發(fā)投入，以及四年半的研發(fā)時間。所以我們通過AI的加持，大大加速了研發(fā)的效率。
目前這個項目已經(jīng)在中國完成了臨床2a期，而且在病人身上確實看到了可以逆轉(zhuǎn)肺功能的效果，而以往的藥物只能做到緩解肺功能下降的速度。我們的候選藥物有可能為特發(fā)性肺纖維化的病人提供一個顛覆性的治療手段。
胡旭波：感謝，我們也有企業(yè)設(shè)計過針對特發(fā)性肺纖維化的藥物，確實這個藥很難開發(fā)。如果有一天我們真的能夠通過自己的人工智能平臺，把這款藥物研發(fā)出來，我覺得功德無量，而且商業(yè)價值有望達到百億美元以上。
03/
AI當(dāng)前只能幫助產(chǎn)生結(jié)果
還不能做決策
胡旭波：談到下一個問題，英矽智能成立于2014年，啟明創(chuàng)投有幸早期投資了英矽智能。到了2025年，大家都在講大模型。大模型時代，您作為聯(lián)合首席執(zhí)行官兼首席科學(xué)官早期參與這個過程，您認為目前這個時代對AIDD意味著什么？對后面的核心能力建立，包括業(yè)務(wù)發(fā)展，會有什么改變？
任峰：我覺得大模型時代的來臨，至少對我們來講，在各個方面都實現(xiàn)了效率提高。舉個最簡單的例子，我們以前靠軟件工程師來寫代碼，建立模型來分析生物方面的數(shù)據(jù)，現(xiàn)在公司70%以上的代碼都是靠大語言模型來幫助我們寫，內(nèi)部的工程師負責(zé)把這些代碼再跑一遍，看看有沒有錯誤，進行一些修改就可以了，整個運行效率其實提高了很多。
但從另一個角度來講，目前這個階段，AI只能幫助我們產(chǎn)生一些結(jié)果，但是不能幫助我們?nèi)プ鰶Q策。我們可以把AI作為更智能化的工具，融入到藥物研發(fā)中，但最后決策還是靠人、靠科學(xué)家。所以，我認為用AI來替代科學(xué)家，在目前這種情況下是不可能的。
為什么有這種情況？我們一直說AI三要素是算法、算力和模型，但在三要素之外，需要有一個人去使用它。如果能用大模型的知識學(xué)習(xí)能力、推理能力幫助我們做一個超級智能體，比如說做一個藥物研發(fā)的智能體，它讀過的所有文獻，它閱讀了人類在開發(fā)藥物的過程中碰到的問題，它了解了人類是如何做決策的……如果真的有朝一日能研發(fā)這樣的智能體，那說不定可以取代絕大多數(shù)的科學(xué)家。這樣不僅是AI生成結(jié)果，而且決策也是由AI來完成的，所以我覺得可能未來大模型有機會能真正做出一個針對生物醫(yī)藥的超級智能體，每家公司做研發(fā)都需要這個智能體給出決策建議。
04/
AI制藥正從2.0階段邁向3.0階段
胡旭波：這個遠景非常令人激動，正好延伸到下一個問題。我們知道自動駕駛可以分為5個級別，L1到L5，最高的L5即完全自動駕駛，大家都預(yù)測自動駕駛應(yīng)該會在這幾年、尤其是這一兩年會有很大的突破。如果我們把自動駕駛的級別套用到AIDD、人工智能醫(yī)藥研發(fā)會經(jīng)歷這么幾個階段：第一個階段，一些工具和軟件等等；第二個階段，部分的自動化；第三個階段，完全的流程自動化；第四個階段，除了您剛才講的決策還需要人參與，其他全部自動化；第五個階段，連決策開發(fā)什么藥、什么靶點以及怎么研發(fā)都實現(xiàn)全部自動化。
我們以及大部分業(yè)界同行處在哪一個階段？是在2.0還是3.0？
任峰：我覺得我們最多處在2.0的階段。所謂1.0階段是用計算機來輔助藥物設(shè)計、藥物發(fā)現(xiàn)，這個在30年前就有了，是基于一些物理計算。那時很流行的詞是CADD（Computer-Aided Drug Design），都是基于一些物理計算。
隨著生成式人工智能在2013-2014年前后的成熟，我們做藥物設(shè)計不一定非要基于物理計算，可以基于生成式算法，即依靠以往的知識、數(shù)據(jù)的歸納和總結(jié)，AI可以幫助從頭生成一個新分子，這標(biāo)志著我們從1.0邁向了2.0的階段。
隨著AI在全流程的滲透，我們慢慢會進入3.0階段。但是我認為除非有一個專門針對藥物研發(fā)的超級智能體出現(xiàn)，我們可能跨越不到4.0，因為到4.0的時候需要有超級智能體來幫助我們?nèi)プ鰶Q策，如果一直沒有這樣的超級智能體出現(xiàn)，我們會長時間停留在3.0。
胡旭波：像自動駕駛，特斯拉前面做了很多嘗試，有大量的數(shù)據(jù)，不斷迭代，中國也有很多好的公司進行了嘗試。如果有什么因素阻止AIDD從3.0往4.0、5.0演化，您覺得是什么？
任峰：目前數(shù)據(jù)肯定是制約AI發(fā)展的最大瓶頸，尤其是高質(zhì)量的數(shù)據(jù)。我們有大量的數(shù)據(jù)，但是良莠不齊，數(shù)據(jù)的標(biāo)記、數(shù)據(jù)的清洗需要大量的人力物力，尤其是公開的數(shù)據(jù)，所以我們?nèi)狈Ω哔|(zhì)量的、大量的、機器可讀的數(shù)據(jù)來幫助我們?nèi)ビ?xùn)練模型、幫助我們訓(xùn)練智能體，這是第一個方面。
第二個方面，和大模型相關(guān)的都是需要有一個反饋機制。比如ChatGPT做訓(xùn)練時需要很多人去看回答的問題是不是靠譜。如果是真正要做出藥物研發(fā)的智能體出來，我們可能也需要大量的科學(xué)家，對這些智能體做出的判斷進行一些人為的反饋，告訴他你的判斷是正確還是錯誤。專有模型與ChatGPT這樣的通用模型不同，人人都可以反饋通用模型，但是專有模型只有垂類領(lǐng)域的科學(xué)家可以反饋，這樣的人才更少，且反饋成本更高。這就是我覺得訓(xùn)練一個生物醫(yī)藥的藥物研發(fā)AI超級智能體的最大難點，你很難得到優(yōu)質(zhì)的反饋，讓你去進一步提高智能體的聰明程度。
05/
對AIDD公司來說
未來一定是場景為王
胡旭波：您感覺未來在AIDD這個比較細分的領(lǐng)域里，會是那些“財大氣粗”的大藥企最終發(fā)揮很大的作用，可能推出一個最厲害的模型，包括您說的智能體，還是說像我們這樣獨立的就以AIDD作為發(fā)展愿景的公司，通過產(chǎn)品不斷提升，服務(wù)做得更好，最終成為全世界最好的公司？
任峰：我個人的感覺可能不代表行業(yè)的觀點，以英矽智能為代表的AIDD公司，會是帶著AI工具的“后起之秀”。我們的優(yōu)勢在于技術(shù)，我們正在突破的是場景化的應(yīng)用；而跨國藥企的優(yōu)勢是它們深耕生物醫(yī)藥領(lǐng)域，它們有大量的數(shù)據(jù)，它們有生物醫(yī)藥的大量人才，如果給它們足夠的時間，它們可以從外部引進技術(shù)，并且實現(xiàn)技術(shù)在場景上的落地。
所以我覺得未來對AIDD公司來說，一定是場景為王，不僅要有自己的技術(shù)，也要有自己的場景，不斷實現(xiàn)技術(shù)在場景上的落地，更關(guān)鍵的是找到自己的商業(yè)化轉(zhuǎn)化路徑。我們也看到，跨國藥企內(nèi)部也在建立AIDD的能力，我覺得從未來看，AIDD公司和跨國藥企更多是互相合作取長補短的關(guān)系，我們將會各自在生物醫(yī)藥發(fā)展的鏈條上扮演不同的角色。
胡旭波：最后一個問題，我們和大藥企合作，也有l(wèi)icense-out（對外授權(quán)），又有內(nèi)部管線，所以最終我們會是一家以AI為核心能力的創(chuàng)新藥公司，還是一家和所有藥企做BD合作的AIDD公司，更偏向哪個方向？
任峰：我們最終想把自己做成一個以AI為核心技術(shù)的創(chuàng)新藥公司，還是想深耕應(yīng)用場景，而不是專門做技術(shù)。
我們想把自己未來發(fā)展成有核心的AI技術(shù)，但又建立了自己內(nèi)部應(yīng)用場景的公司，比方說藥物研發(fā)場景的公司。只有在這樣的情況下，技術(shù)才能落地并實現(xiàn)商業(yè)轉(zhuǎn)化；否則光有技術(shù)，如何實現(xiàn)商業(yè)化是一個很大的挑戰(zhàn)。
現(xiàn)在大家的競爭很激烈，誰最有可能率先實現(xiàn)商業(yè)化，誰就有可能在競爭中占有最有利的地位。我們的商業(yè)化場景主要就是生物醫(yī)藥，也會探索一些其他與生命科學(xué)相關(guān)的領(lǐng)域。
