勇奪全球權威榜單兩項冠軍，百度AI助力藥物研發告別“十年磨一劍”

　 阿里云優惠券 先領券再下單

文|智能相對論（aixdlun）

作者|青月

1956年，達特茅斯會議正式提出了AI的概念。六十多年過去了，AI行業起起伏伏，歷經三起三落，在今年兩會期間，AI再一次成為重要議題。在AI產業熱鬧非凡的大背景下，隨著國內生物醫藥領域的技術發展，AI藥物發現領域正受到越來越多的關注。

作為“科技強國”政策的賦能者與實踐者，近日百度飛槳憑借圖學習框架(PGL)和生物計算平臺螺旋槳(PaddleHelix)，登頂權威榜單OGB兩項分子性質預測任務，在AI藥物發現領域取得新的技術突破。OGB作為目前公認最權威的圖學習相關基準測試數據集，登頂該榜單意義深遠。

事實上，年初至今百度頻傳佳音，在北京時間2月18日，百度還交出了一份穩中有進、超出市場預期的業績報告。百度新業務備受市場關注，又在AI藥物研發領域取得重大突破，雙概念疊加能否令百度的估值再上一個新臺階？

提高研發效率， AI分子性質預測對藥物研發意義重大

藥物的物理化學性質會間接影響藥物的藥代動力學特性和靶向受體，所以化合物的生物活性篩選是現代藥物研發中關鍵的一環，其主要目的是在大量候選化合物中發現針對某種藥物靶點具有活性的分子。

對比傳統的活性篩選方法，百度的AI預測藥物分子技術在“智能相對論”看來主要有以下優勢：

該項技術可以通過AI進行藥物的虛擬篩選，有望大幅降低研發成本。

據悉，傳統的活性篩選方法需要合成大量化合物用以進行生物實驗，整個流程的成本高、周期長、成功率低。實際上，發現和開發一種化學藥物的過程可能需要10年以上，平均花費28億美元。即便如此，90%的治療性分子未能通過II期臨床試驗和監管機構的批準，這樣高的成本對于任何一家制藥公司而言都是不可持續的。

尋找成功新藥的任務之所以被譽為是藥物開發中最困難的部分，主要是因為已知的化合物空間過于巨大，據估計約為含有10^60個分子。但AI賦能下的預測藥物分子技術，能夠為抵消傳統藥物開發方法中出現的效率低下和不確定性提供機會，同時將過程中的偏見和人為干預降至最低。

更重要的是，AI預測藥物分子技術對HIV等重大疾病而言具有重要意義。

公開資料顯示，當前全球艾滋病感染者約有3800萬人，由于艾滋病目前仍無法被治愈，也未研發出能有效預防艾滋病的疫苗，全球艾滋病患者仍然生活在極大的身心壓力之下?，F階段主流的艾滋病治療方法為多種藥物混合使用的雞尾酒療法，但也難以克服傳統藥物治療伴隨的耐藥問題。

HIV數據集主要關注不同化合物是否能夠抑制HIV病毒在細胞內的復制。AI預測藥物分子技術的出現為成功預測這類性質化合物提高了可能性，對研發有效藥物具有重要意義。

綜上所述，AI預測藥物分子技術對于藥物研發的重要性不言而喻。技術關鍵、行業前景可期，覬覦者自然不在少數，在這之中為何百度能率先取得技術突破？

行業發展前景可期， 百度AI打通關鍵環節

從前文來看，其實能夠切身的體會到AI預測藥物分子這項技術的重要性。

但苦于這一領域的變現模式尚未成熟，所以沒有清晰的數據表明AI預測藥物分子的行業前景。不過也有業內人士表明，待這項技術成熟之后將協助新的藥物靶標、合理藥物設計、藥物再利用方面繼續創新。透過現象看本質，這樣一項前景可期的技術未來定將引起各方勢力的爭奪。

對于百度在這一領域率先取得突破這一事實，需要注意的是，OGB是由斯坦福大學圖神經網絡權威團隊建立，面向不同的圖學習任務分別提供豐富的數據集，對圖神經網絡研究者有極強的吸引力。而百度能夠榮獲ogbg-molhiv、ogbg-molpcba兩項任務第一，難度可想而知。那么為什么在部分群體認知里還是一個搜索公司的百度能取得這樣的佳績？

其一，百度有著雄厚的AI底蘊。

作為為數不多能夠提供全棧AI解決方案的公司，截至2020年底，百度是中國擁有AI專利最多的企業；百度AI開放平臺，開放了273項AI能力，基于飛槳創建了超34萬的模型，是中國最大的開放式AI平臺；

在底層技術創新上，2020年百度AI在CVPR、ACL、ECCV、NeurIPS、INTERSPEECH等全球頂級人工智能學術會議和權威競賽中，問鼎冠軍30多次，論文收錄260多篇。以頂級學術會議AAAI為例，百度以一己之力貢獻了24篇優質學術論文，展示出業內領先的技術實力。

不僅如此，在與AI預測藥物分子同源的AI醫療領域百度同樣有所建樹。據報道，在疫情期間，百度研究院推出了全球首個專門優化新冠病毒mRNA疫苗基因序列的高效算法LinearDesign，僅用16分鐘即可完成對新冠病毒mRNA疫苗的序列設計，大大提升疫苗設計的穩定性和蛋白質表達水平，讓病毒研究因AI而更有效。

其次，深度學習平臺“飛槳”與生物計算平臺“螺旋槳”持續為百度賦能。

作為中國目前具有完全自主知識產權的全功能性產業級深度學習平臺，百度飛槳為中國產業界提供了不受限制、全面支撐的深度學習平臺。目前，飛槳已經凝聚超過265萬開發者，基于飛槳訓練34萬個模型，服務10萬家企業，覆蓋眾多行業和領域。

螺旋槳PaddleHelix則是基于百度深度學習平臺飛槳的生物計算平臺。提供了包括RNA二級結構預測、大規模分子和蛋白質表示學習、藥物靶點親和力預測、ADMET成藥性預測等，在新藥研發和疫苗設計環節具有廣闊應用前景的技術能力。

最后，秉持著“工程師文化”的百度，在人才培養上盡顯科技公司的底色。

截至2020年底，百度已累計為社會培養了超過100萬AI人才，未來五年還將培養500萬AI人才。作為領先的AI生態型公司，百度未來還將繼續在AI人才培養上進行堅定的前瞻性投入與關注，攜手政產學研各界，為人工智能生態體系發展壯大持續注入活力，彰顯科技公司的底色。

目前來看，AI預測藥物分子這一領域變現模式尚未成熟。但可以確定的是，這項技術對于藥物研發、生物制藥等領域意義重大，甚至也許會帶來新一輪的變革。隨著行業日趨成熟，百度作為國內最早布局的首批玩家有望成為最大的受益者。

解決AI藥物研發“low-hanging fruit”痛點”， 二次上市的百度或將迎來價值重估？

綜合前文所提及的內容可以發現，AI預測藥物分子應該是屬于AI藥物產業鏈中的上游市場。

據“智能相對論”了解到的數據顯示，AI預測藥物分子技術的實際落地場景的商業潛力都極為可觀。在AI藥物研發領域，我國尚處在初期階段，初創企業不足20家，潛力巨大。在AI制藥市場，近日insitro宣布完成4億美元的C輪融資，成為全球AI制藥領域單筆融資金額最高的公司，這也意味著投資者們同樣看好這一行業。

之所以肯定其商業潛力，就不得不提在藥物研發中被稱為“low-hanging fruit”的理論，用中文來說就是“懸而未決的問題”。意思是常見的、易于被發現的藥物已經被發現，剩下的藥物靶標被發現的難度更大，因此研發的成本自然越來越高。

實際上，發現和開發一種藥物的費用已從2001年的8億美元增加到目前的約30億美元。而如果將那些完全失敗的研發成本也計算進來，那么每一種將要實際使用的新藥的平均成本無疑是一個極為驚人的數字。如果百度這項新技術投入到實際應用，對于AI藥物研發、藥物再利用等實際落地場景都有著重要意義。

當然，AI藥物研發、藥物再利用等實際落地場景也將進一步豐富百度的AI新基建版圖，從某些角度來看，這將使得百度的核心價值大幅提升，有助于即將赴港二次上市的百度實現價值重估。

近年來，百度在AI上的發力令很多人對其刮目相看，百度的股價也從去年年底的130美元一躍升至260美元以上，市值突破千億美元，不過業內人士大多認為百度在美股市場的估值仍然存在被低估的問題。

這是因為百度的非廣告收入雖然穩健提升，但是在美股市場，很多投資人對于百度的定位就是互聯網營銷公司，這意味著百度AI業務作為第二增長曲線的價值，沒有很好的被體現出來，AI預測藥物分子等前沿業務價值尚未釋放。

在AI新業務成為拉動百度長期增長新引擎的背景下，隨著百度近日將于港股二次上市，百度實力有望得到進一步的重估。

另一方面，即將赴港二次上市的百度也能加速AI藥物發現等新業務的商業落地。

根據百度本次招股書公布的信息顯示，本次IPO計劃募資276億港元。按照計劃，募資的50%將用于人工智能為主的創新商業化、40%用于發展移動生態、剩余用作一般營運用途，百度AI商業化生態漸入佳境。

結論：

自百度發力AI新業務以來，不僅在自動駕駛、AI云服務以及下一代操作系統方面建立了技術領導地位，而且還獲得了花旗、摩根大通、交銀國際等眾多知名投行的好評與“女版巴菲特”凱瑟琳伍德超17萬股的主動買入。

隨著AI等尖端技術在多個領域的引擎作用愈發凸顯，生物醫藥成為AI技術落地的重要場景。在藥企紛紛搭建技術堡壘的背景下，站在“金字塔”頂端的百度“科技力”格外引人注目，不僅利用新技術縮短藥物研發的時間，大大降低研發成本，更重要的是百度已經搶先實現商業模式背后的核心競爭優勢構建，在AI藥物研發、生物醫藥等領域搶下“第一城”，未來可期。

*本文圖片均來源于網絡

深挖智能這口井，同好添加vx：zhinengxiaoyan

此內容為【智能相對論】原創，

僅代表個人觀點，未經授權，任何人不得以任何方式使用，包括轉載、摘編、復制或建立鏡像。

部分圖片來自網絡，且未核實版權歸屬，不作為商業用途，如有侵犯，請作者與我們聯系。

智能相對論（微信ID:aixdlun）：

•AI產業新媒體;

•今日頭條青云計劃獲獎者TOP10;

•澎湃新聞科技榜單月度top5;

•文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

•著有《人工智能 十萬個為什么》

•【重點關注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫療、機器人、物聯網、AI+金融、AI+教育、AR/VR、云計算、開發者以及背后的芯片、算法等。

申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！