任泽平：AI创新药突破，长寿的希望

lameihua

　　英伟达、谷歌等重兵入场，AI创新药成为新趋势。

　　1、AI创新药，将破解绝症

　　先看药物研发的基本逻辑。以癌症为例，就像身体里的一把“锁”坏了，这就是“靶点”，我们需要造一把“钥匙”去修好它，这就是“先导化合物”。

　　过去，传统新药研发如同“大海捞针”：靶点蛋白质结构难测，化合物库浩如烟海，筛选全靠试错，成功率仅0.01%。所以过去研发一款新药，平均要花10年时间，烧掉10亿美元。

　　AI从三个环节颠覆这一范式，加速药物研发：

　　看清“锁芯”。 AlphaFold等AI模型可高精度预测蛋白质三维结构，让靶点从“不可见”变“可见”。

　　直接“配钥匙”。 生成式AI根据靶点结构，直接设计出全新的候选分子，跳过传统3-5年筛选期。

　　虚拟“排毒”。 AI基于历史数据预测药物吸收、代谢和毒性，在临床前淘汰90%的不合格分子。

　　2、AI创新药的机会巨大

　　有三个环节，机会巨大：

　　算力与算法基建。这一环节以英伟达、谷歌为代表，正在从底层重构医疗基础设施。比如英伟达推出的BioNeMo平台，已成为全球生物医药的算力引擎，提供给安进、罗氏等顶级药企使用；谷歌的DeepMind发布的AlphaFold 3，进一步破解了生命分子的结构预测难题，被视为生物学界的ChatGPT时刻。

　　创新药Biotech企业。这是产业链中机会最大的环节。利用AI平台开发出First-in-class管线，进行临床验证。

　　CXO研发外包。负责高效率的合成与测试。AI技术带来的研发爆发，具备高端测试能力的CXO龙头的效率将大幅提升。

　　3、AI创新药的制约因素

　　AI制药，还有三座大山要翻越：数据、黑箱、临床。

　　第一，制药数据质量。AI的燃料是数据。公开数据库中的数据往往不完整，而且因为实验标准不一、一致性差，如果喂给AI的口粮质量不高，会影响AI模型训练效果。

　　第二是AI制药模型。现有的深度学习模型很多是黑箱，擅长发现相关性，但难以确定因果性。而制药是容错率最低的科学，行业必须要用可解释性的AI，确保药物研发知其然、更知其所以然。

　　第三是临床试验。AI目前加速了前期药物发现，但它能否通过临床试验，大规模用在人身上，还需要时间的检验。

　　我在赴美考察后提醒：AI不是风口，是海啸，2026超级应用大爆发。