AI融合产业 | 英矽智能：AI制药，不只是药物发现新引擎

左右滑动查看更多

系列导读

本系列由BCG亨德森智库与创新工场董事长兼首席执行官李开复博士带领的创新工场团队共同推出，围绕“AI融合产业：‘改造者’¹如何促进AI普惠”的课题，我们致力于探究传统企业在应用AI过程中的关键要素与合作伙伴，以及传统企业拥抱AI的范式与路径。

AI制药领域于2014年左右兴起，在2018—2020年间全面爆发。AI能够快速识别大量样本中的客观规律，加速寻找和测试潜在靶点的过程。“有了AI，我们50个人可以做到的事情，比得上一个典型的制药公司5000人所做的事情”，英矽智能创始人Alex Zhavoronkov在《未来呼啸而来》一书中如是分享。²

^{1 “}改造者” 通过传授其AI技术和垂直行业理解，极大地打破了传统企业应用AI的瓶颈，充当产业中传统企业应用AI的桥梁。“改造者”包括AI企业与成功转型AI的传统企业。

²《未来呼啸而来》，彼得·戴曼迪斯（Peter H.Diamandis）和史蒂芬·科特勒（Steven Kotler）著。

本期受访嘉宾：Alex Zhavoronkov

英矽智能（Insilico Medicine）是一家由人工智能驱动的全球领先生物技术公司，通过发明和迭代人工智能药物研发平台，变革创新药物和疗法的发现方式，加速研发进程，为癌症、纤维化、抗感染、免疫和抗衰老等未被满足的临床治疗需求提供创新的药物和疗法方案。

Alex Zhavoronkov是英矽智能的创始人兼首席执行官。他拥有皇后大学学士学位，约翰·霍普金斯大学生物技术硕士学位，以及莫斯科国立大学物理和数学博士学位。

对谈实录

英矽智能原来在美国创立，后来为什么选择迁至中国？

中国构建了一套完善的体系和土壤，吸引创业企业、大型企业纷纷入驻。中国多样化的投资者，包括传统药企、科技巨头、PE/VC等各类投资者，能将最优质的AI人才、CRO、药企融合在一起。投资者能为初创企业提供资质牌照、帮助招聘、企业管理和宣传等等。英矽还与许多学校开展了合作研究，拥有丰富的内部研发管线。中国完整的生态伙伴体系使得像我们这样的企业能够迅速扩大研发规模，甚至与大药厂竞争。

英矽智能和辉瑞、安斯泰来、杨森制药等诸多药企都有合作，在和大型药企合作的过程中有什么心得或者经验？

创新型的AI生物技术公司按照创立时间可以分为三大类：2014年之前成立、2014年—2015年左右成立、最近5年成立。2014年之前成立的企业通常不运用深度学习（deep learning），或者不具备向药企提供解决方案所需的行业知识。2014—2015年间成立的企业则创立的正是时候，生成式对抗网络（Generative Adversarial Network）出现，AI制药开始兴起。同时，许多药企缺乏AI的专业知识和AI团队，如果想要获取AI方面的知识和技能，就必须与初创企业合作。作为交换，那时候的药企也通常愿意向初创企业提供数据和各类资源。英矽智能很幸运，创立时间（2014）正处于大药企对外部合作最为开放和宽松的时期。而最近几年成立的企业就没那么幸运了，很多药企已经开始自建AI团队、自研AI应用，只有具备非常特定细分领域AI技术的初创企业才有可能成功撬动药企，与之建立合作。

然而据我的观察，尽管许多大药企都建有自己的AI部门和数据科学家团队，但他们并没有足够强的AI能力——他们往往缺乏具备足够AI知识的团队。以生物医药方面的论文发表为例，在2014—2019年间，英矽智能发布了上百篇AI相关的论文，然而发表AI论文数量最多的药企阿斯利康则只有65篇，位列其次的诺华有54篇。³

药企往往也不知道从何处开始应用AI，而这正是AI初创公司能够创造价值的地方。但是，在AI初创公司开始接触药企和销售方案之前，首先要充分理解大型药企错综复杂的组织架构和部门分工，针对不同部门销售定制化的模块，而非从一开始就销售整体性、综合性的解决方案。这是因为药企内部通常很难有一个部门能够处理所有的模块，部门之间的协同往往没有那么强。因此，AI初创公司在提供解决方案的时候也要灵活地划分模块，对症下药，英矽智能通常一次只销售一个模块。

尽管销售是模块化的，AI初创公司需要具备端到端、全链路的解决方案。英矽根据不同的研发周期，设计了三大AI平台——新药靶点发现平台、分子生成和设计平台、临床试验预测平台。据我们了解，国内还没有任何一家同行，同时拥有生成生物学和生成化学两大AI平台，能把靶点发现和小分子化合物生成有机结合在一起的公司很少。此外，英矽智能的AI系统可以用软件形式呈现，药企可以自行操作，用自己的数据运算测试。这些都为我们创造了差异化的优势。

最后，对于药企而言，如果想要应用综合的AI解决方案，需要有整体性的战略为引领。咨询公司可以充当整合各部门组织、统筹整体战略的角色，AI企业可以选择与之合作。

³Deep Dive Into Big Pharma AI Productivity: One Study Shaking The Pharmaceutical Industry，

https://www.forbes.com/sites/alexzhavoronkov/2020/07/15/deep-dive-into-big-pharma-ai-productivity-one-study-shaking-the-pharmaceutical-industry/?sh=4b02b861567d。

在您看来，未来AI医药领域的发展趋势是什么？

在未来，最重要的不是AI技术，而是如何将AI和行业特定的实验数据或模型结合。现在市场上已经充满了各种各样的技术企业，他们在不断精进算法模型和数据。未来的竞技不会是关乎算法或者算力，而是新的商业模式或者应用AI的新方式。

AI初创公司需要积累足够的行业专识，理解药企的需求，学习药企的经验，并向药企证明自己提供的模块能够在真实的商业环境下应用，并且模块之间能够很好地兼容，能融入业务流程，且符合监管要求。比如机器学习加速了药物识别，但还有很多步骤和流程并不能被加速或跨越：实验论文不能被跨越，你依然需要向药物监管部门提供大量实验数据和模型来证明研究的有效性；实验中的生物过程不能被加速，你依然需要等待生物体自然的新陈代谢和细胞活动，你也不可能直接从大鼠实验跨越到人类实验。而这些都涉及到更细分的新技术问题。

所以，对于AI医药企业而言，下一个重要的问题将是如何能够更好地理解生物学？如何理解跨物种生物学？正因如此，我判断长寿业或者抗衰老技术将会是未来的方向，即如何运用AI来监督和追踪生命体在漫长时间里无数细微的实时变化，来创建数字孪生（digital twin），进行跨物种比较、跨疾病模型比较。我相信AI是帮助我们更好地认识生命体的最佳工具。

■要点回顾

中国的资本环境天然地聚集了垂直产业领域的优质企业，帮助AI初创公司，即“改造者”，迅速汲取经验、扩大规模，加速行业创新与赋能。

在与垂直行业企业合作时，“改造者”既要有端到端的解决方案，也要有灵活、敏捷的销售和服务模式。端到端、全链路的方案有助于“改造者”更灵活地根据传统企业的需求组合方案，能够扩大服务范围和客群，提升“改造者”的竞争优势。

未来最重要的不是AI技术，而是如何将AI与行业特定的实验数据或模型结合。限制因素并不是算法或者算力，而是新的商业模式或者应用AI的方式来实现行业定制化。