生物技術(shù)產(chǎn)業(yè)正站在十字路口。一條道路通向AI驅(qū)動的突破僅限于擁有數(shù)十億美元預(yù)算的制藥巨頭的未來，另一條道路則通向從舊金山到新加坡以及世界各地的初創(chuàng)公司、學(xué)術(shù)實(shí)驗(yàn)室和研究團(tuán)隊定期取得突破的格局。我們選擇的道路將不僅決定市場贏家，還將決定未來幾十年醫(yī)療創(chuàng)新的步伐和廣度。

當(dāng)我們進(jìn)入一些人稱為"生物技術(shù)3.0"的時代——一個由人工智能和計算生物學(xué)定義的時代——風(fēng)險從未如此之高。有效利用AI的公司將把藥物開發(fā)從十年壓縮到幾年，為無法治療的疾病識別新靶點(diǎn)，并大規(guī)模提供個性化療法。那些不這樣做的公司將被困在慢車道上，很快就會被甩在后面或變得無關(guān)緊要。令人遺憾的是，他們將帶走他們潛在的變革性科學(xué)——以及他們潛在的治療方法。

全面準(zhǔn)入還是拒絕準(zhǔn)入

AI基礎(chǔ)設(shè)施——構(gòu)建、訓(xùn)練、部署和維護(hù)AI模型和應(yīng)用程序所需的硬件和軟件組件——已成為生物制藥行業(yè)的王牌。但這不是只有行業(yè)巨頭才能贏得的轉(zhuǎn)型。使AlphaFold能夠預(yù)測蛋白質(zhì)結(jié)構(gòu)，或允許Converge Bio分析3600萬個細(xì)胞以獲得患者級別洞察的同樣計算能力，理論上現(xiàn)在任何人都可以獲得。然而，獲取途徑仍然令人沮喪地不平等。

雖然Insilico Medicine等公司已能夠識別新的藥物靶點(diǎn)，并在不到18個月的時間內(nèi)以不到260萬美元的成本將它們推進(jìn)到IND使能研究——這個過程傳統(tǒng)上需要數(shù)年時間和數(shù)千萬美元——但大多數(shù)較小的生物技術(shù)公司仍然難以獲得有效分析數(shù)據(jù)所需的基本計算資源。

其他令人振奮的成功例子包括：中等規(guī)模的參與者Recursion Pharmaceuticals構(gòu)建了一個AI驅(qū)動的平臺，篩選數(shù)百萬種生物干預(yù)，吸引了與拜耳和羅氏的合作伙伴關(guān)系。Absci使用生成式AI從頭設(shè)計抗體，繞過了多年的試錯過程。Atomwise現(xiàn)在通過基于云的AI向超過250個合作者（包括許多小型和學(xué)術(shù)團(tuán)體）提供其虛擬篩選能力，這些能力曾經(jīng)需要昂貴的超級計算集群。

這些不應(yīng)該是孤立的勝利，而應(yīng)該是當(dāng)計算障礙消除時可能實(shí)現(xiàn)的一瞥。然而，對于每一個Recursion或Absci，還有更多有前景的生物技術(shù)公司因成本、復(fù)雜性和缺乏獲得最先進(jìn)基礎(chǔ)設(shè)施的途徑的組合而被鎖定在AI革命之外。

有利于巨頭的隱性障礙

除了原始計算能力之外，幾個系統(tǒng)性障礙繼續(xù)有利于大型組織，威脅將創(chuàng)新集中在更少的手中。

數(shù)據(jù)壟斷可能是最陰險的挑戰(zhàn)。大型制藥公司坐擁幾十年的實(shí)驗(yàn)數(shù)據(jù)、電子健康記錄和注釋的組學(xué)數(shù)據(jù)集——這是小公司無法匹敵的寶庫。當(dāng)AI模型的好壞僅取決于其訓(xùn)練數(shù)據(jù)時，這種優(yōu)勢變得幾乎不可逾越。

基礎(chǔ)設(shè)施復(fù)雜性提出了另一個障礙。雖然云服務(wù)已經(jīng)降低了基本應(yīng)用的入門成本，但先進(jìn)的用例——大規(guī)模分子模擬、多模態(tài)模型訓(xùn)練或集成實(shí)驗(yàn)室自動化——仍然需要昂貴的、專門的設(shè)置，小公司很難構(gòu)建和維護(hù)。

監(jiān)管不確定性增加了另一層復(fù)雜性。導(dǎo)航基于AI的藥物開發(fā)框架，從合成數(shù)據(jù)使用到基于模型的監(jiān)管提交，需要專門的法律和合規(guī)專業(yè)知識，大公司可以內(nèi)部雇傭，但小型生物技術(shù)公司很少能負(fù)擔(dān)得起。

人才爭奪進(jìn)一步傾斜了競爭環(huán)境。深入理解生命科學(xué)和機(jī)器學(xué)習(xí)的跨功能團(tuán)隊仍然稀缺且昂貴。大型制藥公司能夠負(fù)擔(dān)生物學(xué)家、數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師團(tuán)隊；初創(chuàng)公司通常依賴外部顧問或骨干團(tuán)隊。

十字路口的選擇

未能解決這些差異的后果遠(yuǎn)遠(yuǎn)超出了商業(yè)競爭。如果較小的生物技術(shù)公司無法有效采用AI，它們在一個日益由計算發(fā)現(xiàn)驅(qū)動的領(lǐng)域中面臨戰(zhàn)略無關(guān)性。它們將難以在速度、成本和數(shù)據(jù)洞察方面競爭。投資將流向別處。最關(guān)鍵的是，隨著AI使能和傳統(tǒng)發(fā)現(xiàn)之間的差距擴(kuò)大為鴻溝，它們面臨科學(xué)過時的風(fēng)險。

這種能力集中不僅威脅商業(yè)模式——它威脅生命。歷史表明，突破性療法經(jīng)常來自意想不到的來源。將AI訪問限制在少數(shù)大型參與者手中將限制方法、靶點(diǎn)和解決方案的多樣性。在一個與抗生素耐藥性、影響小群體的罕見疾病、衰老復(fù)雜性和潛在新大流行病作斗爭的世界中，我們無法承受這樣的約束。

前進(jìn)之路：基礎(chǔ)設(shè)施作為公共產(chǎn)品

理想的前進(jìn)道路將系統(tǒng)性地拆除這些使小型參與者處于劣勢的障礙，并將AI基礎(chǔ)設(shè)施視為基本研究基礎(chǔ)設(shè)施——如顯微鏡或質(zhì)譜儀——而不是奢侈品。

首先，我們必須解決計算路障。生命科學(xué)需要專門構(gòu)建的云平臺，提供可擴(kuò)展、可負(fù)擔(dān)的圖形處理單元（GPU）訪問——這些專門芯片最初為游戲設(shè)計，現(xiàn)在以傳統(tǒng)處理器無法實(shí)現(xiàn)的速度驅(qū)動AI計算。市場可能會解決問題的這一部分；我的公司Nebius是旨在做到這一點(diǎn)的幾家公司之一。

我們和其他人理解，這些平臺必須提供的不僅僅是原始計算能力，而是生物技術(shù)團(tuán)隊需要的完整基礎(chǔ)設(shè)施：用于藥物發(fā)現(xiàn)的自動化工作流程、用于基因組學(xué)分析的預(yù)訓(xùn)練模型，以及處理從蛋白質(zhì)折疊模擬到患者反應(yīng)預(yù)測等所有復(fù)雜數(shù)據(jù)處理的云原生工具。當(dāng)初創(chuàng)公司可以在不建設(shè)自己的數(shù)據(jù)中心或管理復(fù)雜技術(shù)系統(tǒng)的情況下訪問這個完整的AI基礎(chǔ)設(shè)施堆棧時，大衛(wèi)終于可以與歌利亞競爭了。

其次，監(jiān)管創(chuàng)新必須跟上技術(shù)創(chuàng)新的步伐。美國FDA的模型驅(qū)動藥物開發(fā)試點(diǎn)等舉措指明了前進(jìn)方向。我們需要小型參與者可以在沒有大批律師的情況下導(dǎo)航的模塊化、可訪問的合規(guī)框架。用于AI應(yīng)用的監(jiān)管沙盒、合成數(shù)據(jù)使用的明確指導(dǎo)，以及計算證據(jù)的簡化途徑將在很大程度上平衡競爭環(huán)境。但同樣重要的是，在尊重當(dāng)?shù)匾?guī)則的同時，促進(jìn)想法、模型和數(shù)據(jù)集跨境的全球流動。醫(yī)療AI的最大瓶頸不僅僅是合規(guī)，而是碎片化。構(gòu)建中性、高性能的環(huán)境，讓團(tuán)隊可以進(jìn)行復(fù)雜的多國研究而無需每次都重新發(fā)明輪子，這對于使醫(yī)療創(chuàng)新成為真正的全球企業(yè)至關(guān)重要。

最后，我們需要新的協(xié)作模式。大型制藥公司越來越依賴較小的生物技術(shù)公司作為AI項目的專業(yè)顧問，認(rèn)識到它們在特定科學(xué)領(lǐng)域的深入專業(yè)知識。這指向了一個更好的未來模式：分配資源和專業(yè)知識的協(xié)作生態(tài)系統(tǒng)。生物技術(shù)-制藥合作模式已經(jīng)在傳統(tǒng)許可交易之外不斷發(fā)展。強(qiáng)生的JLABS為超過750家公司提供"無附加條件"的實(shí)驗(yàn)室訪問，而輝瑞的突破性增長倡議向臨床階段的生物技術(shù)公司承諾5億美元。諾華通過其Biome平臺提供了覆蓋200多萬患者的臨床試驗(yàn)數(shù)據(jù)。這些模式展示了合作伙伴關(guān)系如何在不需要收購或股權(quán)的情況下提供基礎(chǔ)設(shè)施和數(shù)據(jù)訪問——使小型生物技術(shù)公司能夠在訪問企業(yè)級資源的同時保持獨(dú)立性。

行動呼吁

對政策制定者、投資者和行業(yè)領(lǐng)導(dǎo)者的信息很明確：確保公平的AI訪問不是關(guān)于公平——而是關(guān)于最大化我們獲得突破性療法的集體機(jī)會。我們在有前景的研究團(tuán)隊和他們需要的計算資源之間維持的每一個障礙，都是潛在治療方法的延遲或丟失。

對投資者來說，這意味著認(rèn)識到最高回報可能不是來自支持擁有最大計算資源的公司，而是來自讓擁有最佳想法的公司能夠訪問這些資源。特別是家族辦公室和影響投資者，有機(jī)會通過在傳統(tǒng)藥物開發(fā)之外優(yōu)先考慮基礎(chǔ)設(shè)施訪問來重塑格局。

對政策制定者來說，這意味著將現(xiàn)有的基礎(chǔ)設(shè)施共享模式擴(kuò)展到計算資源。就像NIH的分子圖書館計劃為研究人員提供他們無法單獨(dú)負(fù)擔(dān)的化學(xué)化合物訪問，NSF生物鑄造廠提供免費(fèi)訪問專門的生物技術(shù)設(shè)施一樣，我們需要類似的AI計算基礎(chǔ)設(shè)施項目。英國的10億英鎊AI機(jī)會行動計劃和德國的國家高性能計算聯(lián)盟顯示政府開始將同樣的邏輯應(yīng)用于計算資源——但規(guī)模必須與AI革命的需求相匹配。

對行業(yè)領(lǐng)導(dǎo)者來說，前進(jìn)的道路是明確的：擴(kuò)大已經(jīng)證明成功的資源共享計劃。JLABS的模式實(shí)現(xiàn)了88%的公司存活率，同時產(chǎn)生了580億美元的交易?？笨怂幬锇l(fā)現(xiàn)聯(lián)盟在九家制藥公司和120多個機(jī)構(gòu)中利用了6.45億美元。這些不是慈善行為——它們是戰(zhàn)略投資，推出了100多家初創(chuàng)公司，創(chuàng)造了新穎的療法，并加強(qiáng)了生態(tài)系統(tǒng)。

時鐘在滴答作響

現(xiàn)在關(guān)于AI可訪問性的選擇將在幾十年內(nèi)產(chǎn)生回響。我們可以構(gòu)建一個創(chuàng)新在人才遇到機(jī)會的任何地方蓬勃發(fā)展的未來——或者我們可以夢游般地進(jìn)入一種情況，即對這些重要工具的有限訪問阻礙進(jìn)步，過時的監(jiān)管結(jié)構(gòu)阻礙整個生態(tài)系統(tǒng)。

讓AI可訪問是關(guān)于履行我們行業(yè)的承諾，為那些需要它們的人開發(fā)最好的治療方法——無論實(shí)驗(yàn)室門上出現(xiàn)哪個標(biāo)志。

Q&A

Q1：什么是生物技術(shù)3.0時代？它有什么特點(diǎn)？

A：生物技術(shù)3.0是一個由人工智能和計算生物學(xué)定義的時代。在這個時代，有效利用AI的公司能夠?qū)⑺幬镩_發(fā)從十年壓縮到幾年，為無法治療的疾病識別新的靶點(diǎn)，并大規(guī)模提供個性化療法。

Q2：為什么小型生物技術(shù)公司難以獲得AI技術(shù)？

A：小型生物技術(shù)公司面臨多重障礙：首先是數(shù)據(jù)壟斷，大型制藥公司擁有幾十年的實(shí)驗(yàn)數(shù)據(jù)和電子健康記錄；其次是基礎(chǔ)設(shè)施復(fù)雜性，先進(jìn)應(yīng)用需要昂貴的專門設(shè)置；最后是人才短缺，深入理解生命科學(xué)和機(jī)器學(xué)習(xí)的跨功能團(tuán)隊稀缺且昂貴。

Q3：如何解決AI算力不平等問題？