AI对制药有什么影响?

经常被问AI对制药有什么影响？我们自己有些观点，但听完一场医药健康产业交流会后，还是觉得此前观点浅薄了。

我们原本的观点是：创新中最具价值的部分在两端。

第一端是 “提出问题、确定方向”——最好是那种被主流群体普遍嘲笑，但最终能证明正确的方向，这种价值最为突出，但这恰好触及 AI 的短板：若 AI 的学习基于主流认知，如何能找到反主流的机会？这如同拎着自己的头发无法将自己举起，是个悖论；因此，在创新药研发中价值最高的“找到与众不同且正确的潜在爆款靶点/思路”上，AI能集成众多专家意见的优势，反而成为难以逾越的信息包袱。

另一端是临床环节，AI 同样无法替代。人体系统极为复杂，涉及的体内生化反应极其浩渺，相比之下，当前已知的科学信息太过简陋，AI不可能有多深刻的认知；因此，在创新药研发中耗时最久、成本最高的临床试验环节，AI还太过低幼，远未达到可以模拟极其庞杂的体内生化环境，不可能跑个程序就能知道某个分子结构到底能让阿尔茨海默病进展速度降低多少的比例。剔除最有价值的前端和最耗钱耗时的后端，AI 能发挥显著作用的主要是中间的筛药环节，在这个环节AI确实能大幅提高效率，但在整个创新药研发过程中，AI仍然只是辅助性的工具角色。

当然，后来我们也慢慢意识到此前观点的片面性。

比如跟踪行业时发现，AI在筛药环节并非仅能简单提效，更让一些原本难以实现的目标变得可及。例如抗体药物，因为可以借助VDJ 重排提供的强大多样性，可以用噬菌体展示或人源化小鼠或免疫后测序筛选等方法，对任一抗原靶点都筛出具备一定亲和力的结合性抗体。但多肽药物就没类似的“多样性库”的机制，若脱离天然存在的多肽，给定一个没有相似的已知配体或受体的蛋白靶点，都不知道该如何下手去设计分子；而AI的出现，可以极大扩展多肽药物设计的边界：AI借助物理学规律，对原子相互作用的“暴力穷举”，原则上为任何已知序列的蛋白靶点设计具备一定亲和力的多肽，这一革命性突破极大提升了环肽、口服多肽等多肽药物的设计边界。这表明AI带来的不仅是节省成本、缩短时间、优化效果的效率提升，也能让环肽等药物的研发在可行性和可及性上实现显著跃迁。

而前几天中金的会议让我们进一步认识到，AI的影响不止于此。

在AI+创新药的panel讨论中，杏泽资本的强静（也是信诺维创始人）有个观点令人印象非常深刻：短期来看，AI 的核心作用是提效；但长期看，影响更大的是对组织架构和工作流程的改变。

短期看，AI在创新药研发的各个环节都可以是辅助性的加分项：比如确定靶点环节，虽然AI帮我确定哪个是最具价值的靶点，但它能帮我们收集和梳理文献信息；在临床验证环节，虽然AI不能替代人体临床，但 AI 可协助整理数据、优化信息化反馈；在筛药环节，自然也是提效，短期来看，这些都是辅助性的加分项。

但长期看，AI更重要的是会改变新药研发中的组织架构与工作流程，会引发生态环境与优势物种谱的改变。就像panel 中另一位分享者说的：电商并非仅搭建网站、提供配送服务，否则沃尔玛早该成为全球最大电商。互联网不仅带来新的信息交流通道，也会带来组织架构与工作流的变革，并带来思维理念的变迁；比如互联网公司极度强调“迭代与试错”，这是传统企业难以实现的。

AI 的出现可能也会有类似影响，并非只是“AI 为公司服务”的简单模式，当 AI 发展到一定阶段，会引发理念层面的改变——当前虽未能完全明晰这种理念变革的具体内容，但底层运行模式的改变，必然会推动组织架构与工作流的底层重构。这种重构将催生一批新公司，它们由具备AI思维的新人创立，将组织架构与工作流建立在AI基础之上，如同当年带着互联网思维的创业者一般，带来行业的重大改变。

未来10-20年，或将崛起一批构建于AI底座与AI思维构建的创新药新秀企业，同样也会涌现一些凭借对AI时代的更快适应而获得更优秀回报的医药投资人。AI能极大改变我们对信息的收集与处理，因此，对创新药研发和创新药投资都带来重大重塑效应。

当AI的时代大潮汹涌而来，我们该怎么做？该如何找到和投资能分享时代动能的“浪上企业”，如何识别和回避那些生活在逐渐被边缘化甚至淘汰威胁中的“浪下企业”？我们自己又该如何更好适应未来的新生态与新环境？

这是个非常重要的问题，我们还处在刚刚开始思考、还是满脸问号的阶段，下面是对其中工作流程改变的一点初步思考：

传统制造业企业等组织，多采用金字塔型架构，自上而下层层管理：一把手之下设四五个副总，副总分管多个 BU，层级分明。互联网企业等组织，由于信息传递方式、迭代频率与响应速度的要求均发生变化，促使组织架构向扁平化转型；基层员工可通过多种渠道直接与决策层沟通，层级被大幅压缩，以实现更高频的迭代、更高效的信息沟通，确保一线信息能快速传递并得到反馈。

那么 AI 时代会是什么样？我们的想法是，AI时代的组织架构会在“从金字塔型结构向扁平型结构”转变的基础上，“进一步从扁平型结构向同心圆型结构”转变。为什么？因为AI 对信息处理效率的提升，会让更多环节实现高强度标准化、从而降低对其投入资源的需求，但逻辑上说，AI并不能提供真正有价值的独特洞见。而且，由于“同质化的共识”更容易被传播和被落地实现，使得企业更难凭借信息优势、效率优势、资源优势来构筑所谓的深度壁垒，反而会进一步衬托“与众不同且正确的洞见” 的重要性。比如fast-follow型创新药，由于信息的更快扩散和后发企业更迅速的分子筛选，“快抄型企业”的信息与效率优势可能会被更多竞品更快涌入而摊薄，导致其商业模式吸引力下降；但能够不断推出高价值原始创新的药企，AI提效带来的获益提升会超过后发追赶难度下降，整体反而是受益的。

投资中也是，看图分析K线在信息部对称时期，也曾具备较高的获益空间，但AI基金正以更快的速度和越来越大的体量去抢占这类机会，这些投资人可能越来越多被AI量化基金所摊薄而显著受损，但真正基于洞见的投资人反而可能受益于先发洞见被更快传播与兑现而进入更有利状态。因此，不管是创新药企或创新药投资人，未来的工作流与组织架构可能都需要向 “如何更好地产生、落地并快速放大这种洞见” 倾斜。

我们高度认同强静的观点：AI短期是提效，长期将改变行业生态，催生基于 AI思维的新事物、新物种。

这种新物种的诞生，与组织架构的演进密切相关：传统制造业的金字塔结构迭代频率低，对创新的需求与前沿渗透的要求不高；互联网时代强调毛细血管式的前沿渗透，迭代需求激增，扁平化组织架构为高效的信息迭代与收集提供了支撑；AI 时代，各环节效率进一步提升，资源投入需求被摊薄，“与众不同且正确的洞见” 的重要性愈发凸显 —— 因为与众相同且正确的价值会被 AI 快速覆盖。

未来，市场将更需要 “与众不同且正确的洞见”，需要找到他人未发现且切实有效的规律。这种需求的上升，将推动组织架构与工作流向 “激发洞见、加速落地、放大社会效应” 的方向持续优化。