近年来,AI制药迅速崛起。
在短短几年内,AI已从一个小众技术转变为生物制药议程的固定内容。
2025年,公司签署了数十亿美元的人工智能合作协议,一再登上头版头条。
因此,著名的生物医药媒体Endpoints也意识到了AI对医药行业的变革,到了对于传统医学评论家们无法忽视的程度。
于是,他们调研了400位医药领域读者,做了一份调查报告。
最终得出的结论是:AI 如今的影响既零散又问题重重——但人们对未来五年的期待,就像硅谷一杯三份浓缩咖啡的早晨一样高得离谱。
这话什么意思?
简单来说,行业的乐观情绪已被过度拉高,明显带着典型的硅谷式浮躁。
有趣的是,传统的调研一般根据访谈者的身份区分调研,例如企业领导人、科学家、投资人等......
但Endpoints的这份调查中,对于受访者的划分却不是职业,而是AI使用频率。
48%的受访者现在表示自己在职场中是重度AI用户,而工作中从未使用AI的读者非常少。
图:接近一半人是AI重度使用者
因此,这里面就出现了一个巨大的分歧:AI重度使用者和轻度使用者的看法很不一样。
AI重度使用者表示,包括他们在工作中大量使用人工智能工具,包括预测性到潜在客户模型,以及大量生成监管文件的大型语言模型,这些工作流程变化,这一体验极大地影响了他们对AI的看法,即对AI在医药的应用比较乐观。
然而,那些轻度使用AI的人则表示当前的影响“有限”或“无关紧要”。
用他们自己的话说:
“人工智能无缘无故地推高了企业的估值。”
“我们公司上线了人工智能助手,但它无法访问我们的内部系统——这就是人工智能失败的一个典型例子。如果内部系统无法信任它,那么最终它无法提供有用的功能。”
“很多吵闹的干扰”
图:重度AI用户已经看到药物研发带来巨大进展
如果不看当下的使用情况,展望未来会怎样呢?
绝大多数人有非常积极的看法。
四分之三的受访者表示,预计人工智能将在2030年前彻底改变药物研发。还有12%的人认为会更快实现这一目标,仅需三年。
这种乐观情绪得到了今年业界重大行动的支持,包括礼来与英伟达合作打造了一台使用超过1000块B300显卡的AI超级计算机。
还有OpenFold3计划,汇集全球实验室的专有蛋白质数据,包括强生、百时美施贵宝、武田、艾伯维等。更不用说数十亿美元授权协议流入了AI制药。
在已经广泛使用人工智能的人群中,90%的人预计到2030年,药物发现和开发将几乎面目全非。
图:最热衷使用AI的人,最坚信研发正处于彻底变革的边缘
同时,职位也会影响对人工智能的信心。
制药业的高管和科学家对人工智能的前景最为看好,超过78%的受访者认为AI将在3-5年内变革药物研发。
而金融界则持怀疑态度,仅有53%的人认为到2030年AI将对制药业产生重要影响。
图:科学家和高管引领对研发AI转型的信念
毕竟,AI在生物制药研发领域并不新鲜,它已经存在很久了。
以前被称作机器学习和预测模型,远早于当前大型语言模型的浪潮。这些曾经的经验,让生物制药行业对待新技术抱有保守的态度。
AI变革生物医药,最大的阻碍是什么?
很多人会认为是算力,毕竟新闻里面总是出现算力紧缺的新闻。
然而在针对医药行业人士的调研中,算力难题却是最少被选择的。
两个答案最突出:将模型转化为现实世界的生物学(43%)和获取高质量生物数据(31%)。
工作流程集成排到第三(13%),紧接着才是缺少AI+生命科学人才(6%)、缺少领导层的支持(2%)和计算成本(2%)。
这些答案反映了经典的“最后一公里”问题,只不过最后一公里是一片混乱、孤岛化的数据和几十年前的流程泥潭。
生物制药领域的人工智能竞赛日益成为现有势力与新势力之间的较量。
一边是巨头——拥有庞大临床数据集、庞大的试验网络和资本,能够迅速抢占AI平台。
这些优势很重要,因为生物医药模型缺乏数据,然而跨国药企通常已经累积了几十年甚至上百年的数据。
令人惊讶的是,许多受访者会有认为另一种赢家——进军医疗领域的科技公司,如谷歌、OpenAI等。
调研中,37%的人认为大型制药公司将是AI浪潮的最大赢家,其次是早期biotech(29%)、进军医疗的科技公司(23%),以及CRO/CDMO等公司(11%)。
图:人工智能在生物技术领域的最大赢家
对许多受访者来说,威胁并不是大科技公司会打造下一个十亿美元分子;而是他们会捕捉到所有人最终依赖的软件、基础设施和模型层。
这次调研,反映了一个非常现实的问题。
越是频繁使用AI的人,则对AI有更乐观的态度;而越是偶尔或者从不使用AI的人,则看到的是炒作和风险。
换句话说,如果要让行业对AI改变观点,那么就得让人们将AI工具用起来,一点一滴地嵌入日常工作和生活中。
正如安进首席技术官David Reese所说:“人工智能永远不会有「大爆炸」——只有当你回头看,发现工作以质的不同方式进行时才会有。”
这次调研里,对重度使用AI的玩家来说,这一时刻可能已经到来。
“眼前有这样一个惊人的资源,”里斯描述着人工智能可以挖掘的大量未被触及的生物制药数据。“
就像19世纪中叶:石油还没完全被发现,但这里有巨大的资源。这就是现在摆在我们面前的东西。”