一直以来，计算科学与生命科学本是两个并行发展、各自独立的领域，但是随着近年来跨界学科的飞速发展，两个互无关联的行业慢慢地产生了交集：计算科学开始为生命科学提供更多的助力，以加快新药研发的效率、提高药物研发的质量。那2023年，AI制药究竟如何改变新药研发流程？医药企业的真实需求是什么？从算力到算法，再到产业应用如何融合？AI制药如何加速落地？

对于这些议题，由阿里云联合浦东国际人才发展中心主办，瑞谷科创RECO SPACE承办，并联合大型药企、一线投资机构、研究院所以及优秀AI制药企业，共同举办《云谷创新谈·AI制药专场》。由阿里云产品解决方案架构师石益主持，产投研共聚一堂，面对这样一个热门的新兴赛道，各位领域的专家做了精彩分享。

一、从CADD到AIDD，生物医药企业代表畅谈需求和实践

罗氏制药数字创新负责人柳向楠则从专家需求角度看转化医学与药物研发。柳向楠认为，在AIDD最终走向商业化的过程中，可以借助医疗系统的力量，把AIDD的成果早日带向市场，给患者带来更好的治疗方案。通过应用数字化创新的手段，去解决医生、患者普遍存在的痛点或者未满足的需求，帮助业务以创新的模式更加健康发展，这个对于云计算的公司、AIDD企业、患者都是一件好事情。

(资料图)

柳向楠罗氏制药数字创新负责人

柳向楠表示，当一个药品真正走向后期临床研究阶段时，毫无疑问需要通过跟临床更加深度地整合，来实现最终AI制药成果的商业化。

AI和机器学习在转化医学领域发挥了很大的作用，深度学习的模型把临床数据通过模型处理生成转化医学上的成果。从模型角度看，在做AI制药的过程中，可以从临床端组建组学的数据，在模型当中做进一步的AI制药整合。

这个过程中，算力和算法扮演了非常重要的角色。组学数据背后的分析逻辑，跟人工智能和深度学习的分析逻辑存在契合点，通过组学数据的进一步相似性分析，通过机器发现相似性，最终形成融合网络去识别生物标志物，生物标志物在我们发现药物的过程中是非常重要的抓手。

很多医院都在进行转化医学的研究，这些医院本身有非常丰富的临床资源。专家、临床端对AIDD相关工作有非常强的兴趣，这是AIDD在现实生活当中加速落地的关键抓手。

而在科室落地AIDD相关的转化医学项目，又能进一步提升医院的医疗大数据能力和AI分析能力，对于本科室能力建设是额外的帮助。

所以我们跟专家有非常多的合作空间，AIDD不是只能跟科学家、基础医学的研究人员谈，临床专家对于这个领域依然有非常强的需求。

与此同时，创立于1668年的德国制药巨头默克集团是全球历史最悠久的药企之一。在计算机药物设计领域，默克是先行者。从CADD到AIDD，默克科学与技术部人工智能首席科学家胡鹏伟也分享了自己的思考和实践。

二、从算力、数据到算法，云厂商和AI制药平台分享一手实践经验

深势科技：AIGC时代下，药物设计与发现平台的探索实践与经验分享

深势科技致力于运用人工智能和分子模拟算法，结合先进计算手段求解重要科学问题，为人类文明最基础的生物医药、材料和信息科学与工程研究，打造了新一代微尺度工业设计和仿真平台。

深势科技生命科学产品负责人徐涛在本场研讨会上分享了从最传统的CADD到最近比较火热的AIDD，深势科技是如何在“热”的行业变迁下进行“冷”思考以及药物研发如何和药物设计结合。

徐涛深势科技生命科学产品负责人

徐涛表示，以ChatGPT为代表的生成式人工智能AIGC，以大众可感知、可体验的方式迅速“破圈”，有望成为人工智能下一个十年的热门发展方向。尤其是近几个星期，GPT4的发布以及微软Copilot的相继出现，引发了更多热议和关注。药物研发周期长、投入高、成功率非常低，因此药物发现领域也在“热”盼研发范式的改变为行业带来新的突破。

从药物研发的历史阶段看，最早期基于经验驱动，后来上升到理论，通过计算机做模拟，到现在有了一定量的数据后产生模型，这些模型有可能是大模型，在大模型的基础之上，做一些基于模型的药物发现。但“冷”下来思考后就会发现，目前还没有一个整体的解决方案可以完全地打开药物理性设计的大门，这里面会涉及很多关键的研发问题，例如药物靶点、共价药物的设计、无序蛋白药物设计等。因此行业亟需能够突破瓶颈的高效科研范式——AI for Science。

要从science底层解决问题，必须走向AI for Science的层次。AI for Science就是将问题抽象成科学问题，然后通过科学原理解决，在解决过程中需要用到AI的思路去做。深势科技作为AI for Science新科研范式的引领者和践行者，以物理模型和AI学习数据模型做双轮作驱动，底层有Bohrium ®科学计算云平台，把最前沿的算力、算法、数据、模型都整合到了云平台上，科研人员可以开箱即用；针对药物领域，上层有Hermite ®药物计算设计平台、RiDYMO ™强化动力学平台等与药物研发、药物设计相关的平台和工具。

Hermite®平台通过AI4S新范式的驱动，提升各环节药物研发效率。基于AI、物理建模、高性能计算，Hermite®在小分子药物设计领域提供了Uni-Fold蛋白质结构预测与优化，Uni-Docking苗头化合物的超高通量虚拟筛选，Uni-IFD药靶结合模式的精确预测，以及Uni-FEP基于自由能微扰的先导化合物优化。并为药物研发科学家打造了基于浏览器的全新体验，包括可视化、结构化分子，最大化操作区域，灵活调整窗口，跨窗口智能化协作。

RiDYMO™是深势科技自主开发的强化动力学平台。深势科技药物研发团队坚持以未满足的临床需求为导向，立足独有的RiDYMO™动力学平台对固有无序蛋白体系发起挑战，尤其以c-Myc等靶点的分子发现已取得阶段性的进展。

除了在方法学上做创新，深势科技还在基础建设、文化方面一起带动学术领域。深势科技推动发展的DeepModeling是全球AI for Science领域最大的开源社区，通过社区不断引入各类型的项目、人才、学术文章、思想等，希望可以从基础科学层面为材料、化学、生命带来更大的变革。

徐涛认为，AIDD也好，CADD也好，最基础的是解决工业上的问题，这些问题如果以AI for Science的思路去看，可以抽象成基础科学问题，不管是物理定律还是数据规律，我们都要求解它、计算它。

MemVerge：大内存高可用技术，助力生物医药企业快速上云

生物医药企业怎么快速的，低TCO的上云，生物医药企业如何基于一个应用级的云原生平台来一键式上云？这些都是生信客户上云首先需要解决的问题。MemVerge是弹性上云平台方面的合作伙伴，主要协作各行业的客户上云。

MemVerge的高可用、大内存的技术与阿里云结合，可以帮助生命科学的用户，在确保业务在云上稳定运行的前提下，通过技术的手段真正发挥云资源带来的降本增效价值。在生信领域，MemVerge跟阿里云合作，已有多个项目成功落地，并取得了良好的效果。

MemVerge中国区总经理陈明

陈明表示，对于用户来说，更关注的是把更多力量投入到生物医药研发和自身业务方面，而不是建立庞大的IT队伍，这是很多用户考虑上云的出发点，也是云技术的初心。在上云成本控制方面，如何帮助用户做到应用级的成本控制。用户所需的是应用级的上云平台，该平台向下可以集成阿里云强大的云主机、云存储资源，向上能支持生物医药公司或者AI制药公司多种多样的应用APP。这个应用级上云平台的核心是帮助云用户在阿里云上申请管理云资源，并保证每时每刻的云资源对他来说都是最优解，在满足性能前提下将成本降到最低。

MemVerge的产品Memory Machine Cloud Edition，从架构上来看位于云主机资源之上，上层应用之下的位置。往下通过阿里云的Cloud API是调动资源、申请资源等等，帮助用户申请管理云资源。往上它来接收用户Job的调度、管理等等。它是实现了自动化资源管理，应用任务调度以及工作负载在云内进行流动的企业级平台，可以部署在每个客户阿里云自己的账号里面，作为一个服务端。AI制药的工作人员可以通过自己本机的终端电脑，能够向云上的客户端发起任务的提交、管理、调度。

应用级按需是该产品最核心的能力。通常来讲，用户大量的业务应用对云资源的需求是起伏不定的，那么如何试用平台能力帮忙选择合适的云主机实例应对这种变化？很多用户提出了一个非常关键的需求“应用级按需”。通常的云厂商的IaaS资源也是按需的方式，更多是主机级的按需，在业务压力变化的过程中实现主机数量的伸缩扩展。而“应用级按需”是一个应用进程运行过程中，根据其不同阶段对主机的业务压力来按需更换不同的机型、不同的资源，达到应用级的按需。将按需的粒度从主机层面细化到了应用进程层面，且应用进程中的云主机更换对用户来说是完全透明无感知的，这个关键能力在MemVerge公司基于内存高可用和内存热迁移技术所独创的。

阿里云：在AI制药方向的思考和实践分享

阿里云一直重视医疗、生信的赛道，有专业的医疗行业线和区域的生信前线人才，在持续深耕生信赛道，输出切合生信领域的IaaS、PaaS产品，让生信的ISV、企业可以轻松上云、满意用云，为AI制药提供持续的动力。

阿里云弹性计算产品专家-黄泽辉

制药是个具有挑战性的行业，行业里有个“双十定律”，十年10亿美金，大概只有10%的药物能进入临床。近年来，药物研发成本越来越高，投入越来越大，但是获批药物反而越来越少。而大数据、人工智能技术的推动，让行业的发展出现了一些新的方向。

生物医药从最开始的主观经验到后面通过计算机辅助设计，开始由计算来驱动，并且将来可能通过计算大大提高效率。

从新药研发的角度来说，从靶点发现到先导化合物优化，整个环节，甚至包含后面的临床试验，以及上市后的监管，其实都有相应的AI和数字化解决方案。

阿里云作为云计算厂商，在这里面更多还是关心算力和数据的问题，由计算驱动的新药研发面临着四个问题和挑战：多元化算力需求、成本优化、HPC+AI融合、算法平台商业化。阿里云也从三个层次提供生命行业产品与解决方案，分别是：

1.云计算代表先进计算，阿里云为所有合作伙伴和最终客户，提供高性能基础设施。

2.阿里云的计算不再是单机的，而是大规模的分布式计算。这里面需要很多平台服务来帮助我们去管理计算的复杂性。在高性能基础设施之上，通过PaaS产品服务的方式解决客户使用高性能计算。不仅解决弹性用云、混合云架构、HPC+AI统一调度的业务需求，还通过无影组成一站式的研发创新环境。客户在阿里云，可以通过客户端做到直接选定文件，提交去分析，分析完的结果直接在无影的图形工作站看到结果。

3.从最终用户的角度来说，阿里云提供CADD/AIDD的工具帮助开展业务。从创业公司的角度来说，阿里云提供了IaaS、PaaS能力，帮助客户把简单的AI算法变成真正意义上的SaaS服务，并且满足他在商业化的具体诉求。

阿里云不仅仅只是做技术支撑，更希望能打造一个平台，就像今天的会议分享一样，发掘更多行业机会。

三、产投研三方共议加速AI制药落地关键之路

在5位特邀嘉宾的专题分享结束后，便来到了本次活动的热点内容，产投研三方共话AI制药如何加速落地。

默克科学与技术部人工智能首席科学家胡鹏伟、参天制药数字化战略和创新中心负责人张亮、五源资本董事总经理井绪天、蓝驰创投董事总经理戎璟、溪砾科技董事长李阳、腾迈医药CEO何骑五位嘉宾深度讨论了AI制药和药企、资本、云厂商之间应该如何互相结合，加速AI制药的真正落地。

嘉宾们从三个方面进行了深度会话，分别是：从产业供需的角度看一下AI制药；产业内备受关注的数据和算力问题；AI制药未来的展望。

在现场来宾和嘉宾们的活动环节中，我们看到了产业对AI制药的高度关注。在此次研讨会上，嘉宾们讨论的焦点在算力、数据、算法三个环节如何相互作用。这也是竞争关键，如何尽快完成数据的原始积累，优化系统和算法，再不断产出新的优质数据，形成良性闭环，成为AI制药产业向前发展的关键。未来，我们将看到AI制药不断地蓬勃发展，产生的商业前景和社会价值不可估量。

标签：