$泰格医药(SZ300347)$ AI+ 医药 = 下一个黄金赛道？
AI+ 医药 = 下一个黄金赛道？
一举将英伟达捧上 " 算力之王 " 宝座的是 GPU，但过去两年以来，其风投部门很大一部分投资都流向了药物研发——单是 2023 年，英伟达就投资了 8 家药物发现初创公司。
图 | 英伟达 2023 年风投分布（来源：S&P Global）
得益于 AI 热潮，英伟达市值飞速上升。"既然计算机辅助设计行业捧出了第一家 2 万亿美元市值的芯片公司，同样，计算机辅助药物发现行业为什么不能打造下一个价值万亿美元的药物公司呢？" 谈及英伟达在生命科学领域的投资时，英伟达医疗保健副总裁 Kimberly Powell 这样解释。
而在 AI 医药这条路上，英伟达并非是踽踽独行者——可以说，科技巨头们都对生物医药领域的 AI 技术抱有兴趣，微软、谷歌等全球最强大的科技巨头们，也正在将生物技术视为 AI 的下一个前沿领域。
例如谷歌 DeepMind 的研究人员们将 AlphaFold 模型（一种预测蛋白质结构的突破性工具）用于开发一种 " 分子 " 注射器，以将药物直接注射到细胞中，并用于研究减少对杀虫剂依赖的农作；
Salesforce 去年推出了蛋白质生成模型 ProGen；
微软也发布了类似的开源模型 EvoDiff；
亚马逊为其 AWS 机器学习平台 SageMaker 发布了蛋白质折叠工具 ……
以 DeepMind 的 AlphaFold 研究项目为例：人体中的蛋白质管理着各种功能，所有这些功能都依赖于蛋白质的三维形状。每个蛋白质由一系列氨基酸组成，氨基酸与外部环境之间的相互作用决定了蛋白质的 " 折叠 "，这决定了其最终的形状。
对于生物技术公司来说，能够根据其氨基酸序列预测蛋白质形状非常重要，这些公司可以利用这些预测来设计新药、改良作物、可生物降解塑料等各种产品。
这正是深度学习的用武之地：在数以亿计的不同蛋白质序列及其底层结构上训练人工智能模型，让这些模型发现生物学规律，无需真正分子动力学模拟所需的昂贵计算。而完全模拟蛋白质需要高强度的计算资源，因此一些机构还专门设计和建造了超级计算机来处理这类问题。
毋庸置疑，AI 在生物技术领域拥有着巨大潜力。
在 15 年前就将目光投向医疗的黄仁勋曾惊叹，计算机辅助药物发现 " 确实是奇迹 "。用与计算机辅助芯片设计相同的方法，在药物发现领域中，人们可以从计算机辅助药物发现转向计算机辅助药物设计。" 如果我们将其放大十亿倍，我们就可以模拟生物学。"
" 未来生命科学会像传统行业那样高度工程化。当数据科学、人工智能和自动化的结合时，生物学会呈指数级改进，从而成为下一个黄金赛道。"
一举将英伟达捧上 " 算力之王 " 宝座的是 GPU，但过去两年以来，其风投部门很大一部分投资都流向了药物研发——单是 2023 年，英伟达就投资了 8 家药物发现初创公司。
图 | 英伟达 2023 年风投分布（来源：S&P Global）
得益于 AI 热潮，英伟达市值飞速上升。"既然计算机辅助设计行业捧出了第一家 2 万亿美元市值的芯片公司，同样，计算机辅助药物发现行业为什么不能打造下一个价值万亿美元的药物公司呢？" 谈及英伟达在生命科学领域的投资时，英伟达医疗保健副总裁 Kimberly Powell 这样解释。
而在 AI 医药这条路上，英伟达并非是踽踽独行者——可以说，科技巨头们都对生物医药领域的 AI 技术抱有兴趣，微软、谷歌等全球最强大的科技巨头们，也正在将生物技术视为 AI 的下一个前沿领域。
例如谷歌 DeepMind 的研究人员们将 AlphaFold 模型（一种预测蛋白质结构的突破性工具）用于开发一种 " 分子 " 注射器，以将药物直接注射到细胞中，并用于研究减少对杀虫剂依赖的农作；
Salesforce 去年推出了蛋白质生成模型 ProGen；
微软也发布了类似的开源模型 EvoDiff；
亚马逊为其 AWS 机器学习平台 SageMaker 发布了蛋白质折叠工具 ……
以 DeepMind 的 AlphaFold 研究项目为例：人体中的蛋白质管理着各种功能，所有这些功能都依赖于蛋白质的三维形状。每个蛋白质由一系列氨基酸组成，氨基酸与外部环境之间的相互作用决定了蛋白质的 " 折叠 "，这决定了其最终的形状。
对于生物技术公司来说，能够根据其氨基酸序列预测蛋白质形状非常重要，这些公司可以利用这些预测来设计新药、改良作物、可生物降解塑料等各种产品。
这正是深度学习的用武之地：在数以亿计的不同蛋白质序列及其底层结构上训练人工智能模型，让这些模型发现生物学规律，无需真正分子动力学模拟所需的昂贵计算。而完全模拟蛋白质需要高强度的计算资源，因此一些机构还专门设计和建造了超级计算机来处理这类问题。
毋庸置疑，AI 在生物技术领域拥有着巨大潜力。
在 15 年前就将目光投向医疗的黄仁勋曾惊叹，计算机辅助药物发现 " 确实是奇迹 "。用与计算机辅助芯片设计相同的方法，在药物发现领域中，人们可以从计算机辅助药物发现转向计算机辅助药物设计。" 如果我们将其放大十亿倍，我们就可以模拟生物学。"
" 未来生命科学会像传统行业那样高度工程化。当数据科学、人工智能和自动化的结合时，生物学会呈指数级改进，从而成为下一个黄金赛道。"
本文作者可以追加内容哦 !
