《科创板日报》4月4日讯（记者 朱洁琰）为贯彻落实国家《新一代人工智能发展规划》，科技部会同自然科学基金委近期启动“人工智能驱动的科学研究”（AI for Science）专项部署工作。这也直接带火了与AI相关的行业层面的应用，比如“AI+药物研发”概念就在资本市场上持续发酵，相关概念股成都先导3月以来股价已经大涨40%。

“AI for Science有可能推动我们在下一轮科技革命中走在前沿。”谈及AI for Science专项部署工作，中科院院士、北京科学智能研究院院长、自然科学基金委“下一代人工智能”重大研究计划专家组组长鄂维南作出这样的预判。

许多投资者尚未厘清的是，AI for Science专项部署工作的背景是什么？相关重点有哪些？AI在药物研发领域的进展到哪一步了？带着这些问题，《科创板日报》记者展开采访。

▌AI技术已经走过概念导入期

自从1956年提出“人工智能”这一概念以来，AI的发展已有七十余年。“AI for Science已经走过了概念导入期，进入高速发展阶段。无论是数据驱动，还是模型驱动的方法，都已经证明了AI确实能够给科研带来巨大的帮助，同时也产生了像DeePMD、AlphaFold这样高价值、杀手级的应用。”深势科技创始人兼CEO孙伟杰表示。深势科技是AI for Science的标杆企业，该公司曾在18个月内连续完成四轮融资。

《科创板日报》记者了解到，深势科技的创始人兼CSO张林峰作为国家“2030新一代人工智能重大项目”实施专家组成员，此次也深度参与了科技部AI for Science专项部署工作及相关方案的起草。孙伟杰告诉记者，整个项目在推进过程中是进行过非常深入的调研和走访的，“包括对相关企业和研究院等做了意见收集和反馈，我们也都在积极的建言献策。”

基础研究是科学体系的源头，国家需要的发展动力越来越指向基础研究，指向原始创新。在这样的背景下，孙伟杰指出，AI for Science首先赋能的就是学术界的科研，“我们日常所关心的先进精密工业要想实现更大突破，从底层上看，更大的瓶颈都是在电子、原子、分子微观尺度上。”

“微观世界现象极其复杂，用传统物理模型去求解这些现象经常被很多研究者视为不可能完成的任务。在这个亟需突破的领域，将AI引入更底层的科研领域后，让AI利用自身强大的函数拟合和数据分析能力去学习科学规律和原理，得出可用模型来解决实际的科研问题，特别是辅助科学家在不同的假设条件下进行大量的验证和试错，从而大大加速科研探索的进程。”孙伟杰表示，这也是为什么在当下这个节点AI for Science受到重视的原因。

那么，AI for Science专项部署工作又会给予相关企业什么支持？

“一方面会有资源的投入，另一面也有指挥棒的导向作用。”孙伟杰指出，上述工作对于学术共同体首先是一个非常大的政策导向和实际的激励，同时也会有很多项目是鼓励前沿企业与学术界合作完成的。

《科创板日报》记者还了解到，科技部将以科技创新2030—“新一代人工智能”重大项目为牵引，加快人才、技术、数据、算力等要素汇聚，形成推进AI for Science的政策合力。在平台支撑方面，科技部正在加快推动公共算力开放创新平台建设，将为AI for Science发展打造智能算力基座；在机制创新方面，科技部将鼓励用户单位围绕业务深度挖掘技术需求和科学问题，深度参与模型研究与算法创新，积极开放数据、资源。

▌药物研发效率提升10倍以上

具体到药物研发领域，AI又是如何与药物研发结合？

据深势科技对《科创板日报》记者的介绍，从本质上来说，小分子化学药是由原子、分子排列组合而成的，他们的结构与其对疾病相关靶点的活性和其他成药性质息息相关，需要通过实验试错来找到、优化出理想的物质结构，再通过动物模型验证，最终面临临床试验的终极大考。

传统的小分子药物研发，通过实验从已知分子库中穷举探索动辄上万个类药分子，并基于科学家的经验和见解进行设计优化、再实验验证，如此反复数轮，最终找到潜力药物。

耗时费钱的实验具有局限性，与科学家的个人经验、甚至运气高度相关；而其中的筛选试错、设计优化等步骤，完全可以借助AI算法来提高效率和成功率。

具体来说，孙伟杰表示，一是AI可以做到过去做不了的事，“比如一些难成药的靶点，现在可以开发了。以深势科技RiDYMO™平台为例，就可以对蛋白动态构象进行充分采样，探索全新的隐藏/别构口袋，诱导形成可药口袋，助力难成药靶点的理性开发。其实这本质上是把一个生命科学的问题，转化成了计算工程的问题。”

二是效率的大幅提升，孙伟杰又以药物筛选环节举例，“此前可能需要做很多次的高通量实验，现在我们先用AI for Science去计算，算完之后再去进行小部分实验，最近我们有试过做比过去少一个数量级的实验，就能拿到候选药物。这等于获得了一个不止10倍以上的效率提升。”

晶泰科技联合创始人兼CEO马健此前在接受《科创板日报》记者采访时也表示过，从目前AI的能力上看，其能覆盖的点有很多，但相对来说，在分子设计、研究蛋白的层面上比较优势更强。“但当我们建立了足够的自动化、数字化水平后，AI的智能化程度也就越高，在药物研发上突破的点也就越多。”

▌业内对于AI的认知更理性了

那么，药企对AI药物研发究竟是一种怎样的态度？

早在2013年至2014年期间，AI制药产业“初出茅庐”，彼时，医药行业对AI的认可度并不高，受制于多方因素，在发展早期，AI制药初创几乎都是以提供技术服务为主。从某种程度上来看，它们更像是一个软件外包公司。

甚至到2年前，当《科创板日报》记者询问某传统小分子药物研发人员对AI的态度时，后者告诉记者，药物化学简直是艺术创作，它不是理性的。

他称，“你可以去我们的研发室看看，研发人员常常拿着笔在玻璃上写写画画，有时候就想到了一个点子。人脑是具有跳跃性思维的，这不是靠计算机能模拟出来的。”

但在2020年后，可以看到药企对AI制药的态度从谨慎转变到更大规模的合作。

进入2022年，晶泰科技与正大天晴等传统药企陆续达成合作，将共同研发新一代抗肿瘤药物；英矽智能则与复星医药建立了管线共同开发的合作；深势科技也与甫康药业签订战略合作协议，加强First in Class新药创新技术平台的建设。

一位CXO企业负责人对《科创板日报》记者表示，现在他们对于AI对新药的发现及生产的帮助是绝对肯定的，“我们公司也引入了AI，并且会向客户做介绍。”但同时他也认为，AI只是一种技术和手段，可以拥抱，但完全依赖于这个技术不太可能。

“从最开始业内对AI普遍的不信任，认为AI什么都做不了，到中间有一段时间又对AI盲目自信，认为AI什么都能做，其实这两种认知都是不够理性的。时至今日，大家对于AI能做什么、不能做什么，都有了比较清晰的认知，我认为这才是行业健康发展的标志。”孙伟杰对记者称。

▌还有哪些现实问题？

在医药投资圈，AI+药物研发领域的热度也仿佛一下子回到了两三年前：

“最近许多投资人来跟我们讨论ChatGPT，实际上ChatGPT这样的生成式AI技术早已在制药领域落地应用。”

行业头部企业晶泰科技出现在港股18C（指港交所为吸引具备发展潜力但尚未满足主板上市规则的特专科技企业而设立的交易板块）潜在上市申请人名单中。

带AI制药概念的CRO企业成都先导在3月股价一路上涨，累计涨幅超40%。

但有专注于AI领域的投资人指出，AI药物研发领域投资热持续升温，砸钱堆高了整个赛道的成长空间，目前看很快会挤泡沫，到了自证技术实力的过渡期。并且一个产业的升华并不在短短的几天内。

中科院自动化研究所所长徐波认为，AI for Science的潜力正在不断释放，但也面临“点”上研究较多、追逐“热点领域”研究较多，而系统布局较少的现实问题。

此外，孙伟杰指出，AI for Science基础设施建设需要的要素也还不够成熟，“尤其是交叉学科人才，AI方面的人才、科学计算的人才、大规模工程建设的人才、基础学科领域的研究人员等，他们得紧密地配合，才能完成基础设施建设。”

“我们认为，在2025-2026年左右，AI for Science的基础设施建设可以完成。而对整个科研体系的影响将会是更长期的事。”孙伟杰说。