本文來源：時代財經 作者：文若楠

今年年初，DeepSeek 火成現象級，再次引爆了 AI（人工智能）熱潮。生物醫藥領域亦在跟進這股潮流。在多家生物醫藥企業紛紛宣布接入 DeepSeek 之外，也有越來越多生物醫藥企業披露自身在 AI 方面的應用情況或更多布局。

投融資方面亦顯現活躍。3 月 13 日，英矽智能宣布完成 1.1 億美元 E 輪融資，由亞洲最大的獨立資產管理公司之一惠理集團旗下的私募股權基金、浦東創投和浦發集團、錫創投和宜興國控聯合領投。根據官網，英矽智能是一家由生成式人工智能驅動的生物醫藥科技公司。

當諸多事件頻頻展現目前 "AI+ 生物醫藥 " 的火熱，人們更想知道的是，AI 會如何賦能生物制藥，尤其是對于 " 九死一生 " 的創新藥而言。在 3 月 13 日 -15 日舉行的 BIO CHINA2025 易貿生物產業展覽期間，這些相關的問題為多個分論壇熱議。

" 人工智能顯然是具有顛覆性潛力的技術，你能夠犯的最大的錯誤就是低估它的未來，一旦低估就肯定要被甩到時代后面的，所以我們寧愿高估它的能力，也不要低估。" 廣州國家實驗室研究員 & 病原體結構與臨床應用創新研究院院長彭偉在上述大會中提到。

彭偉舉例稱，" 我自己是搞結構生物學出身的，除了通用型的人工智能之外，專用的人工智能在生物學領域第一個顛覆性的應用就是 AlphaFold，用于大分子結構的預測。AlphaFold 的出現給結構生物學帶來了危機感，但換一個角度看，它的出現也拓寬了結構生物學家的研究領域，帶來了新的機遇。" 彭偉提到的 AlphaFold 是由 DeepMind 開發的 AI 模型，能夠根據蛋白質的氨基酸序列預測其三維結構。

伴隨著 AI 技術的持續發展，AI 在生物醫藥領域的想象力邊界不斷被拓展。今年 2 月，國盛證券發布的研報解釋道，AI 技術涵蓋 ML（機器學習）和 DL（深度學習）。ML 算法在新藥研發領域被廣泛用于分類和回歸預測等方面，DL 算法適合處理大數據，模型也更為復雜。隨著計算機性能的提高和數據量的積累，DL 算法在新藥研發中的應用越來越廣。

具體到應用層面，前述研報提到，目前，從全球 AI+ 新藥研發企業的應用實踐來看，AI+ 新藥研發主要是將 ML、DL 等 AI 技術，應用到前期研究、靶點發現、化合物合成、化合物篩選、新適應證發現、晶型預測、患者招募等新藥研發環節。

盡管已經應用到諸多環節，但是眼下仍存在亟待改進和優化的地方。在上述大會中，業內人士指向了 " 數據 " 問題。

對于數據的重要性，朗睿生物創始人兼 CEO 邢莉在上述大會中強調道，" 大模型訓練離不開大數據，數據是基石。"

這意味著，如想進一步推動 AI 在制藥領域的應用，那么如何擴大數據的可及性尤為關鍵。

在現實層面，這并不容易。多位業內人士提到，這與制藥數據的保密性以及行業細分程度等特性息息相關。

" 我們這個行業有一點分散，每個公司雖然都在拼命產生數據，但是我們仍然沒有一個好的辦法把這些數據集中在一塊。這是未來需要解決的。" 華深智藥生物科技 CEO 彭健在上述大會中說道。

打破數據孤島，整合數據，顯然需要更多的時間。隨著后續相關政府、企業、醫療機構等的合力推進，AI 或許才能真正為人們打開想象力的大門，實現更為突破性的應用。

不過，從眼下來看，無論是應用到哪一個層面，AI 的應用無疑能提升了新藥研發的效率，為降本增效提供了可能。

對于 "AI+ 制藥 " 的應用現狀和存在的問題，晶泰科技 CEO 馬健則在上述大會上直言，"AI 做藥的成功率不是一個正確的問法，而是說在某一個環節能夠帶來的確定性變化是多少。" 同時，他也堅信，AI 幫助做創新藥已經成為既定的事實，"AI 幫助我們做的藥走到上市階段，只是時間問題。"