首要解决的是数据生产能力的问题。晶泰的思路是“自动化+智能化”。张佩宇认为，药物研发的过程是一个不断试错迭代的过程，其中不少环节传统上都属于劳动密集型，完全可以通过自动化来替代人类劳动，提高效率和精确度。现在他们做的很多工作就是把传统工艺转化为自动化工艺，并且以自动化的流程全程追溯高精度数据，实时反馈给AI模型。这种方式能比人类实验收集更多、更全面真实的数据，提高人效数倍的同时，赋能人类去做更多更成功的创新探索。自动化产生的数据源源不断地驱动智能化算法的开发和优化。自动化的效率越高，智能化算法的预测越精确、适用范围越广。同时，智能化还体现于把非结构化的信息转变为结构化数据。据他介绍，现在AI可以将非结构化的文献和专利中隐藏的合成路径、分子结构等信息抽取出来，转成结构化数据，提高算法的表现，再将设计的合成路径输出给自动化设备，进入化学合成测试、数据生产流程中。在这个过程中，AI还能起到调度规划的作用，高效并行地调用各种各样的工具，针对不同的应用场景完成算法预测到实验验证的闭环。“这是个值得期待的发展方向，走到最后，仅靠AI就能把设计和生产的闭环串联起来，自动地完成药物研发。”张佩宇表示。深势则提出了AI for Science的科研新范式，简单来说就是用AI去学习一系列事物底层运作的科学规律。王小佛表示，面对数据匮乏的问题，他们将AI引入更底层的科研领域后，让AI利用自身强大的函数拟合和数据分析能力，去学习科学规律和原理，得出可用模型来解决实际的科研问题，特别是辅助科学家在不同的假设条件下进行大量的验证和试错，从而大大加速科研探索的进程。目前已经能看到在效率上的提升，王小佛提到，此前在药物筛选过程中可能需要做很多次的高通量实验，现在先用AI for Science的新范式去计算，算完之后再去进行小部分验证，最近我们有试过做比过去少一个数量级的实验，就能拿到候选药物。这等于获得了一个不止10倍以上的效率提升。效率的加持带来了更底层的变化。据张佩宇介绍，现在晶泰为生物医药设计的自动化数智实验室，不仅可以用于药物研发，还可以进一步拓展到同样需要实验筛选的化工、新材料方向，底层原理是相通的。但这些领域的安全性要求、验证周期和项目复杂度显著更低。这是一个不弱于制药的巨大市场，目前他们已经和一些石油化工、储能材料等新材料研发企业达成了合作。对于未来，他有相当乐观的预期，在跨越数据生产的瓶颈之后，AI制药有机会以量变引起质变，未来的药物研发可能整个过程都是通过AI去指导实现，使难成药靶点及新的成药机制催生出新一代优质药物，创造新的药物管线及增量市场。在二三十年后，可以期待，新药研发中90%的工作都可以让AI来更加高效地完成，创新门槛降低的同时，药物研发的天花板被抬高，以更少的资源、时间和失败风险，让更多药物来到患者身边。当下，何骑认为，AI对药物研发的推动力已经到了第二曲线，Biotech公司在做创新药研发当中，都不可避免需要在计算方面做大的投入。基于这一痛点，提供了设备和算力，还有专家支持的AI制药企业，已经能得到不少客户的认可。打下商业化基础之后，企业可以以更长远的视角，探索更多AI赋能药物研发的路径。
