AI技术已经进入药物实验室。但投资者是否该为此支付溢价？
人工智能(AI)已经证明，它可以加速人类已经掌握的工作：编写软件、总结财报电话会议以及自动执行日常任务。
而AI能否帮助人类发现未知领域，则是一个价值万亿美元的命题。要证明AI的真正潜力，没有什么比改善阿尔茨海默病和癌症等疾病的药物研发过程更有说服力了。
然而，药物研发领域也是AI与复杂顽固的人体生物学现实正面碰撞的地方。华尔街正在等待证据，以证明AI能够切实改变制药行业的经济效益。在这种情况发生之前，投资者几乎没有理由像追捧AI工具开发商那样去追捧制药商。
在实验室里，AI已在效率上带来切实的飞跃：预测蛋白质的折叠方式、识别潜在的药物靶点，并在虚拟环境中筛选数以百万计的分子。传统上，科学家主要依靠人工来选择药物靶点，利用他们最熟悉的现有研究来判断哪些蛋白质可能对某种疾病至关重要，然后在实验室里花费数月甚至数年时间来测试这些假设。
在罗氏(Roche)旗下的基因泰克(Genentech)，计算生物学家阿维夫·雷格夫(Aviv Regev)建立了一个她称之为”闭环实验室”(lab in the loop)的系统。AI模型预测出有前景的靶点和分子，研究人员通过实验测试这些预测，然后将产生的数据反馈给模型，以改进下一轮预测。
雷格夫表示，这种做法扩大了科学家在现实中能够开展的研究项目的范围。她谈到，AI的优势不在于其推理能力优于人类，而在于它能吸收并利用的生物学知识，远超任何一位独立研究人员。”AI并没有更聪明，”她在接受采访时说。”但它之所以能帮到我们的科学家，是因为它能极为广泛地编码信息。”
毫无疑问，令人惊叹的科学探索正在进行中。问题在于，这些探索能否转化为利润。近几十年来，基因组学、自动化和高通量筛选等技术提升了科学家提出和测试设想的能力，但从未切实提高过每一美元研究资金的回报率。
问题不在于缺乏设想，而在于如何将这些设想转化为对人体有效的药物。在进入临床试验的候选药物中，最终能上市的仅约占十分之一，许多药物都是在耗费多年研究和数十亿美元投资后宣告失败。
在计算领域，摩尔定律(Moore’s Law)揭示了创新推动芯片性能呈指数级增长的动态。但药物研究在某种意义上却走向了反面：随着时间推移，研发过程变得越来越慢，成本也越来越高。科学家们为这种反常现象起了一个名字：反摩尔定律(Eroom’s Law)，即摩尔定律(Moore’s Law)的倒拼。
杰克·斯坎内尔(Jack Scannell)是2012年首次提出该术语的论文合著者，他认为部分问题仅仅在于收益递减：每种新药的表现都必须优于以往的药物，包括那些已经有效且价格低廉的仿制药。理论上，这正是AI旨在打破的壁垒，它可以通过检索积累的科学知识，发掘出人类研究人员无法发现的可能性。
但发现可能性并不等同于证明它们有效。细胞培养物、实验动物和计算机模型仍然无法完美替代人体。斯坎内尔生动地描述了这一挑战：基于现有数据来训练AI，可能”就像为了让Waymo自动驾驶仪适应旧金山的路况，却指望靠训练一只青蛙在阿尔伯克基骑自行车来解决问题一样”。自动驾驶汽车之所以能上路，是因为真实的车辆已经积累了数百万英里的实际行驶里程。而医学界从未拥有过任何接近人体清晰图谱的数据。
正因如此，即使是坚信AI的人也承认，要证明其潜力还需要数年时间。Anthropic生命科学业务负责人埃里克·考德勒-艾布拉姆斯(Eric Kauderer-Abrams)表示，AI将通过同时攻克多个瓶颈来提高药物临床成功的概率，从而扭转这一趋势。不过，就在Anthropic推出新平台Claude Science之际，他指出该行业目前仅仅处于”第二局”。
对投资者来说，这就造成了两难的境地。当一款药物推向市场的成本几乎只增不减时，很难对制药商给予认可。然而，AI在药物发现领域的进展意义重大，不容忽视。包括礼来公司(Eli Lilly)的戴维·里克斯(David Ricks)和诺华(Novartis)的万思瀚(Vas Narasimhan)在内的制药公司CEO们，正在向计算能力、合作伙伴关系和新的研究平台投入数以十亿计的美元。高盛(Goldman Sachs)估计，通过缩短开发时间、降低成本以及提高药物成功的概率，未来十年AI为药物研发创造的价值折合现值最高可达4,000亿美元。
区别在于当下的经济现实与明日的可能性。目前，AI确实提高了研究实验室的生产力，但尚未改变那个最关键的指标：每一美元研发资金究竟能产生多少成功的药物。在这个数字有所改观之前，华尔街几乎没有理由重估该板块的价值。
随着时间推移，这种局面可能会发生改变。AI有望融入更广泛的生物技术复兴浪潮，但前提是该行业能够改善药物发现与临床证据之间的反馈循环。而这需要更丰富的人体数据、更完善的患者监测手段，以及能够更快得出结论的临床试验。
生物技术投资者、RTW Investments执行合伙人Rod Wong认为，来自中国日益激烈的竞争可能成为推动这一转变的催化剂。他指出，中国的优势在于企业能将研究设想迅速转化为临床证据。这种压力可能会迫使美国重新审视其日益迟缓且昂贵的临床试验体系。
如果这些条件齐备，反摩尔定律或许终将开始松动。若真如此，最后的赢家可能并非那些直接构建AI模型的公司，而是那些能把强大工具、最深厚的生物学数据积累，以及全球药物研发项目运营能力相结合的企业。花旗(Citi)医疗健康策略师特拉弗·戴维斯(Traver Davis)指出，这些优势更有利于那些规模最大的传统老牌药企。
但生物学有其自身的运行规律，并不遵循半导体行业的周期。这场革命或许终将成为现实，但我们仍需数年时间才能得出确切结论。在药物研发领域，”确有其事”与”近在眼前”往往不能画上等号。
Enjoyed this article? Sign up for our newsletter to receive regular insights and stay connected.