过去一年 AI 的飞速发展让我们目不暇接,不断思考下一个突破会在哪里,以及在生物学领域能解决哪些新问题。但生物制药领域的 AI 前景既充满希望,也面临漫长的发展道路和诸多不确定性。
在今年的生物制药科技现状报告中,我们深入探究了幕后实况——企业如何实际采用 AI 以及支撑 AI 战略的相关技术。无论是大型还是小型生物制药公司,都呈现出一个正在努力提升 AI 准备度的行业图景,它们都在探索如何调整文化、技术和系统,以实现 AI 的规模化应用。到 2025 年,焦点将不再是 AI 的炒作,而是 AI 的准备度。
大型生物制药:押注 AI
尽管 AI 为药物研发全周期带来的全部益处仍在显现,但大型生物制药公司并未采取观望态度。大型生物制药公司的 AI 采用率几乎是小型公司的三倍 (67% 对 23%),在未来三年的投资优先级中,AI/ML 仅次于研发数据平台,排名第二。这种投入反映了高层管理者对 AI 变革潜力的信心:50% 的大型生物制药受访者表示有自上而下推动 AI/ML 采用的举措,而小型公司这一比例仅为 28%。
展望 2025 年,我们预计大型机构将凭借充足资源和规模优势,进一步整合 AI 以缩短里程碑时间并加速研发进程。然而,大型生物制药的规模也是一把双刃剑。在为 AI/ML 集中和构建数据的过程中,大型生物制药组织正在应对由定制软件、数据孤岛和断联系统构成的复杂环境。但他们有强烈动力解决这些数据和系统挑战,因为他们相信 AI 将对速度产生实质性影响:四分之三的大型生物制药受访者预计,如果在组织内全面部署 AI,将在 12-24 个月内对里程碑时间产生显著影响。
小型生物制药:聚焦目标,机遇涌现
虽然一些小型生物制药公司,特别是"科技生物"公司,是围绕 AI 驱动战略建立的,但大多数公司对采用使能技术采取谨慎态度。转向 AI 往往伴随着巨大成本,并可能分散核心科研目标的注意力,导致许多小公司将 AI 使用限制在试点和概念验证项目上。结构性障碍加剧了这种谨慎态度,53% 的公司提到难以招聘skilled人才,42% 指出获取高质量、结构化的数据和元数据存在挑战。
小型生物制药公司仍然认可技术在改善研发成果方面的价值和重要作用。近 70% 的受访者预期,如果在未来 12-24 个月内充分采用研发数据平台、科学软件和互联实验室仪器等使能技术,将显著提高质量并减少人为错误。然而,对较小的组织而言,解决方案的实施成本往往限制了更广泛的应用。
展望 2025 年,小型生物制药将继续采取谨慎且注重投资回报的技术采用方式。同时,开源工具和易用性 AI 框架的兴起有望平衡竞争环境,为小型公司提供新的竞争和创新机会。
跨越 AI 准备度鸿沟
AI 准备度——包括人才、数据基础设施和统一工作流程——仍是行业面临的重大障碍。仅 14% 的大型生物制药公司受访者表示已达到高级 AI 准备度水平——即其组织在所有关键维度上都已做好 AI 准备:人才、数据(即采集、处理和生成)以及统一的迭代工作流程和必要的计算能力。小型公司达到这一水平的比例更低,仅为 3%。到 2025 年,企业可能会直面这些差距:
人才招聘:大型生物制药将继续从科技等外部行业招募 AI 专才,招聘趋势显示顶尖人才来自 Nvidia、Nike 和 Google 等公司。小型公司则将强调其使命,吸引被生物科技创业公司快节奏、高影响力环境所吸引的skilled专业人士。
湿实验室和干实验室整合:大型生物制药受访者认为 AI 准备度最大的差距在于湿实验室和干实验室工作流程的统一(41% 的准备度)。到 2025 年,预计更多公司将采用集成结构,使用共享记录系统,并扩展湿实验室运营以匹配干实验室输出。这些领域的进步可以释放研发更具迭代性和混合/计算性的方法。
研发的未来:规模化 AI
2025 年将是生物制药行业专注于 AI 规模化的一年。对于走在前列的组织而言,准备度意味着转变研发流程、利用互联系统,确保湿实验室和干实验室协同运作。优先投资研发数据平台、结构化和集中的数据与元数据采集、云连接工具的公司将在 AI 准备度,进而在 AI 部署方面领先。
然而,AI 的影响超越个别公司。实现 AI 技术的普遍采用可能彻底改变行业,推动更快速、更成功的药物开发。要实现这一承诺,生物制药界必须携手合作,解决结构性挑战,实现先进工具的民主化,并建立能够支持这些进步的劳动力队伍。
生物制药的 AI 浪潮不是追逐短暂趋势,而是为持久转型奠定基础。到 2025 年底,我们预计将在 AI 准备度方面看到切实进展,领先企业将展示战略投资和组织变革如何释放 AI 的全部潜力。对生物制药而言,这不仅关乎技术进步,更关乎更快速、更经济地为患者提供更好的药物,重塑医疗保健的未来。
好文章,需要你的鼓励
OpenAI、Anthropic和Google的AI代码助手现在能够在人工监督下连续工作数小时,编写完整应用、运行测试并修复错误。但这些工具并非万能,可能会让软件项目变得复杂。AI代码助手的核心是大语言模型,通过多个LLM协作完成任务。由于存在上下文限制和"注意力预算"问题,系统采用上下文压缩和多代理架构来应对。使用时需要良好的软件开发实践,避免"氛围编程",确保代码质量和安全性。研究显示经验丰富的开发者使用AI工具可能反而效率降低。
这项研究由北京交通大学研究团队完成,系统阐述了人工智能智能体从"流水线"范式向"模型原生"范式的转变。研究表明,通过强化学习,AI可以自主学会规划、使用工具和管理记忆等核心能力,而不再依赖外部脚本。论文详细分析了这一范式转变如何重塑深度研究助手和GUI智能体等实际应用,并探讨了未来多智能体协作和自我反思等新兴能力的发展方向。
英伟达与AI芯片竞争对手Groq达成非独家授权协议,将聘请Groq创始人乔纳森·罗斯、总裁桑尼·马德拉等员工。据CNBC报道,英伟达以200亿美元收购Groq资产,但英伟达澄清这并非公司收购。Groq开发的LPU语言处理单元声称运行大语言模型速度快10倍,能耗仅为十分之一。该公司今年9月融资7.5亿美元,估值69亿美元,为超200万开发者的AI应用提供支持。
Prime Intellect团队发布开源AI训练全栈INTELLECT-3,这个106亿参数模型在数学、编程等测试中超越多个大型前沿模型。团队完全开源了包括prime-rl训练框架、环境库、代码执行系统在内的完整基础设施,为AI研究社区提供了高质量的训练工具,推动AI技术民主化发展。