预·见成都大模型｜对话盛世君联：AI制药效率更高参数更优，一两年内会有突破

预·见成都大模型

人工智能的发展如火如荼，正与千行百业融合，迸发新的科技力量。大模型作为人工智能竞争的关键，今年将踏入变现元年。

在这场产业竞争中，成都走在了前列。近3年，成都人工智能产业规模复合增长率超40%，“人工智能科技产业竞争力”排名全国第6。四川省今年把人工智能列为1号创新工程,作为省会城市的成都,更要进一步强担当、抢先机。

2024人工智能大模型基准测试科创发展大会将在蓉举办。红星资本局专访成都多家AI大模型厂商，与他们探讨人工智能趋势中的“成都力量”。

2016年，成都盛世君联生物技术有限公司创立。8年时间，盛世君联搭建起三千亿级多样性的真实生物药物库，并在此基础上创建干湿轮动迭代的大分子AI药物研发平台BioAI。

在药物研发这一领域，AI大模型有何优势？又面临怎样的挑战？

盛世君联总经理黄琛在接受红星资本局采访时表示，与传统制药相比，AI制药效率更高，算出来的某些参数也更优。黄琛认为，AI制药拥有广阔的发展前景，预计不久的将来就会实现突破。

AI制药像发射火箭

模型是火箭，数据是燃料

红星资本局：为何创建大分子AI药物研发平台？

黄琛：过去的科学研究发现了很多靶点导致了疾病，药物研发也都是基于表征或者靶点，那么怎么样让药物结合到这些靶点？传统生物制药前期研发投入非常高，时间又很长，失败率也很高。

所以我们就在想，能不能把已知的分子全部放到一个库里去，当一个靶点来的时候，从这个库里去筛选最优分子结合这个靶点，这样比盲目地寻找要高效得多。但是真实药物库的多样性是有上限的，AI能够建立虚拟药物库，理论上可以实现无边界的生物药物的发现甚至是创造。

我们最开始也是想去找一家AI公司来合作，但后来发现纯计算团队对于生物学、结构学的理解不一样，所以我们就用生物进化和结构生物学逻辑自己研发了算法和模型，用我们的数据来训练模型。就跟发射火箭一样，模型本身就是火箭，数据是燃料。现在我们把火箭做出来了，燃料可以也源源不断自行生产，从而实现模型迭代升级。我们建成了三千亿级多样性的大分子药物库，它的核心在于掌握大分子全合成技术。

红星资本局：现在这个系统可以做到什么程度的智能化研发？

黄琛：目前已经实现了五个大模块的功能，分别是大分子药物的筛选发现、大分子药物的优化、成药性分析、药物从头设计、数据订阅。例如药物从头设计，以前药物都是从自然界已经有的分子里面去找，但是有的有副作用，或者毒性高，对人体的免疫系统来说也是侵入式的。

我们就想找在自然界里面没有的分子，从而设计一个非常精准的药物。这个靶点就像是锁一样，目前只能从现有的钥匙里面找一把相对能够开锁的钥匙，但是如果能够根据锁的结构去设计一把钥匙，精准地开这个锁，那岂不是更好？所以我们要做药物设计，从头设计这个药物。

AI制药效率更高，参数更优

但在药物发现和筛选上尚存不足

红星资本局：与传统实验相比，AI制药有何优点？

黄琛：第一，它大大提高了效率。比如药物的人源化这种项目，一些药物是在老鼠、羊驼等动物身上免疫，产生的抗体用到人身上就不行，所以需要把动物基因敲除掉，还不能改变抗体的功能。用传统实验方法做，大概要2-3个月，但是用AI做，最快几个小时，一天之内就把它做完了。

第二，在药物优化领域，AI 算出来的功能指标要优于传统实验室做出来的。传统实验都有人参与，只要有人，实验过程就会发生不稳定的情况，但是AI深度学习的项目做得越多越好。而且，AI往往能够在人想不到的一些区域去做优化，过去一年的商业项目的数据甚至优于传统实验方法。

红星资本局：与传统实验相比，AI制药又有何不足？

黄琛：在药物的优化上面，AI目前已经有非常大的优势了，但是在药物的发现和筛选上，AI还无法做到端对端。传统实验过程中，一个靶点过来以后，若要筛选药物，直接在库里面筛就行。但是现在的模型，AI还不能够实现给它一个靶点，它就帮你推荐一些候选药物，模型还需要海量数据的深度学习和迭代。

另外，目前来说，AI还没有被证明可以真正做到从药物的发现、临床试验到应用实践，目前还没完全走通这条路。目前纯用AI设计的药物，全球有40条管线已经达到临床二期，未来会不会有临床三期的药物出现，便能证明AI是否可以设计药物。

AI制药面临人才、成本等挑战

红星资本局：药物研发的过程中，AI模型目前有哪些挑战？

黄琛：首先就是人才。比如我们有两个团队，一个是生物学的团队，一个是研究AI的团队。最初，这两个团队互相都不理解，两个团队磨合大概用了一年时间。现在好一点了，但是我们依然还缺乏这种复合型人才，我们要既懂计算，也懂生物的人才，由此要在两个团队之间做平衡。

第二就是成本。之前训练的几个小模型，它的训练成本我们还能承受，但是我们现在正在做这个虚拟药物库，做到7万亿级的时候，我们就发现计算成本大幅提升，我们就会面临算力的挑战，也就是将来有没有足够的算力支撑我们的虚拟药物库。

最后就是生产数据的周期。AI模型目前有很多，但是缺乏海量、高分辨率、自动带标签的数据来训练和验证AI模型，所以如何加大数据生产成为最大的挑战，我们目前从库中挖掘数据的速度还是很慢，每周10万条，如果能够实现高通量的数据挖掘，将产生颠覆性的效果。

红星资本局：您如何看待AI制药的未来？

黄琛：AI制药的未来是非常有前景的，我估计突破可能也就在这一两年之内了。所谓的突破，就是有一款AI设计的药物进入临床三期上市销售，并且它的临床效果远远优于传统的药物。此外，AI制药从研发到临床的时间会大大缩短，AI制药从2021年开始启动，短短四年发展迅速，极大提高了药物的研发效率，降低了研发成本，提高药物进入临床三期的比例，最终将推动实现AI设计药物的落地应用。