英偉達與全球100多家醫療保健企業就Clara模型合作，還攜手日本三井英打造能發現藥物的AI項目Tokyo-1，百度文心一言發布首個落地醫藥行業的產品GBI-Bot，華為云盤古藥物分子大模型輔助新藥研發，梳理布局相關業務的A股上市公司名單（附圖）。

3月25日人民日報刊發《人工智能產業化應用加速》文章稱，近幾年，國內外廠商紛紛加碼巨量模型的投入與研發，讓人工智能產業落地找到了新的方向，新藥研發就受益于此。華為云盤古藥物分子大模型，是由華為云聯合中國科學院上海藥物研究所共同訓練而成的大模型，可以實現針對小分子藥物全流程的人工智能輔助藥物設計。

英偉達官網3月22日顯示，全球100多家醫療保健企業正在與NVIDIA就Clara模型合作 ，推動人工智能加速解決方案。Clara模型可以用于藥物設計，通過不同AI生成分子，來完成蛋白質生成、分子生成與對接等任務，甚至可以預測蛋白質和分子的三維相互作用，從而優化藥物在體內的作用方式。

本周的英偉達春季GTC大會上，其稱將與三井物產株式會社（Mitsui）就Tokyo-1項目展開合作，旨在通過高分辨率分子動力學模擬和用于藥物發現的生成式人工智能（AIGC）模型等技術，來提高日本制藥實力。日本的制藥公司和初創公司預計都可以參加Tokyo-1項目，三井物產子公司Xeureka將負責運營Tokyo-1，并在今年晚些時候正式上線這一項目。

另據媒體報道，百度文心一言首個落地醫藥行業的產品GBI-Bot于近日正式發布，這款醫藥垂類對話機器人，使用了百度靈醫智惠在醫療健康行業的技術積累，實現了文心一言與GBI專業數據庫的有機結合。

民生證券周超澤在2月27日研報中表示，過往的蛋白優化通常僅是對天然蛋白的“微調”，而深度學習創造的蛋白質則與天然蛋白大部分序列均不相同，OpenAI 技術有望成為蛋白藥物發現領域的“顛覆者”。

目前AI在醫藥領域的應用大致分為三個階段，第一階段是AI影像識別，運用計算機視覺、深度學習等人工智能技術，對內窺鏡、鉬靶、超聲、CT、MRI、病理、眼底照相、OCT等各類醫學影像進行學習訓練，能夠有效輔助醫生診斷和重大疾病的早期篩查等任務。

第二階段以AlphaFold為代表，使用蛋白質數據庫中接近17萬個不同的蛋白質結構，以及包含未知結構的蛋白序列數據庫對AlphaFold進行訓練。通過不斷地迭代，AlphaFold系統學習到了基于氨基酸序列，精確預測蛋白結構的能力。

第三階段以目前類“OpenAI”的語義識別系統（如ProGen），可以通過簡單指令創造出自然界未有的結構。ProGen通過學習在給定原始序列中過去的氨基酸的情況下，預測下一個氨基酸的概率來迭代優化，沒有明確的結構信息或成對協同進化假設。

隨著數據互聯互通建設的逐步完善以及認知智能技術的逐步成熟，AI醫療市場呈高增長態勢，根據艾瑞咨詢的數據，其市場規模在2025年有望達385億元，2020-2025年CAGR達46%。

具體到公司看，以人工智能醫學影像、CDSS等為主的AI輔助醫療涉及的上市公司包括，嘉和美康、鷹瞳科技、醫渡科技、中康控股、智云健康、愛爾眼科、衛寧健康、久遠銀海、科大訊飛等。

此外，涉及新藥篩選的上市公司包括藥石科技、成都先導、維亞生物等。

而在第三階段，隨著AI技術快速發展以及谷歌，Meta為代表的互聯網巨頭開始進入AI制藥領域，可大大縮短藥物研發時間、降低研發成本并提高成功率。

據財聯社梳理，國內涉及的上市公司成都先導、泓博醫藥、信立泰、藥石科技、健康元、恒瑞醫藥、藥明康德、昭衍新藥、華東醫藥、一品紅和睿智醫藥近期在互動易回復AI藥物相關進展，具體如下：

周超澤研報中指出，目前以類“OpenAI”蛋白質深度學習語言模型正逐步改變蛋白藥物早期研發過程，關注AI輔助醫療行業公司，如嘉和美康和鷹瞳科技，早期AI新藥篩選公司如藥石科技、成都先導和維亞生物。

值得注意的是，分析人士表示，首先，AI雖然能輔助制藥的各個環節，但很多過程依舊需要“人力”決策。其次，在數據和模型層面，醫療數據尚未形成統一的統計標準，有價值的數據難以獲取。同時，AI藥物研發作為人工智能與醫療行業的交叉點，也面臨著行業磨合的陣痛。AI制藥發展看似火熱，但也只是剛剛拉開了序幕。離真正吃到蛋糕，企業還有很長的路要走。