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
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。