原标题：AI药物发现取得新突破，百度能否打破行业壁垒加速“飞轮效应”？
文|智能相对论（aixdlun）
作者|青月
1956年，达特茅斯会议正式提出了AI的概念。六十多年过去了，AI行业起起伏伏，历经三起三落，在今年两会期间，AI再一次成为重要议题。在AI产业热闹非凡的大背景下，随着国内生物医药领域的技术发展，AI药物发现领域正受到越来越多的关注。
（图：百度登顶OGB两项榜单第一）
作为“科技强国”政策的赋能者与实践者，近日百度飞桨凭借图学习框架(PGL)和生物计算平台螺旋桨(PaddleHelix)，登顶权威榜单OGB两项分子性质预测任务，在AI药物发现领域取得新的技术突破。OGB作为目前公认最权威的图学习相关基准测试数据集，登顶该榜单意义深远。
事实上，年初至今百度频传佳音，在北京时间2月18日，百度还交出了一份稳中有进、超出市场预期的业绩报告。百度新业务备受市场关注，又在AI药物研发领域取得重大突破，双概念叠加能否令百度的估值再上一个新台阶？
提高研发效率， AI分子性质预测对药物研发意义重大
药物的物理化学性质会间接影响药物的药代动力学特性和靶向受体，所以化合物的生物活性筛选是现代药物研发中关键的一环，其主要目的是在大量候选化合物中发现针对某种药物靶点具有活性的分子。
对比传统的活性筛选方法，百度的AI预测药物分子技术在“智能相对论”看来主要有以下优势：
该项技术可以通过AI进行药物的虚拟筛选，有望大幅降低研发成本。
据悉，传统的活性筛选方法需要合成大量化合物用以进行生物实验，整个流程的成本高、周期长、成功率低。实际上，发现和开发一种化学药物的过程可能需要10年以上，平均花费28亿美元。即便如此，90%的治疗性分子未能通过II期临床试验和监管机构的批准，这样高的成本对于任何一家制药公司而言都是不可持续的。
寻找成功新药的任务之所以被誉为是药物开发中最困难的部分，主要是因为已知的化合物空间过于巨大，据估计约为含有10^60个分子。但AI赋能下的预测药物分子技术，能够为抵消传统药物开发方法中出现的效率低下和不确定性提供机会，同时将过程中的偏见和人为干预降至最低。
更重要的是，AI预测药物分子技术对HIV等重大疾病而言具有重要意义。
公开资料显示，当前全球艾滋病感染者约有3800万人，由于艾滋病目前仍无法被治愈，也未研发出能有效预防艾滋病的疫苗，全球艾滋病患者仍然生活在极大的身心压力之下。现阶段主流的艾滋病治疗方法为多种药物混合使用的鸡尾酒疗法，但也难以克服传统药物治疗伴随的耐药问题。
HIV数据集主要关注不同化合物是否能够抑制HIV病毒在细胞内的复制。AI预测药物分子技术的出现为成功预测这类性质化合物提高了可能性，对研发有效药物具有重要意义。
综上所述，AI预测药物分子技术对于药物研发的重要性不言而喻。技术关键、行业前景可期，觊觎者自然不在少数，在这之中为何百度能率先取得技术突破？
行业发展前景可期， 百度AI打通关键环节
从前文来看，其实能够切身的体会到AI预测药物分子这项技术的重要性。
但苦于这一领域的变现模式尚未成熟，所以没有清晰的数据表明AI预测药物分子的行业前景。不过也有业内人士表明，待这项技术成熟之后将协助新的药物靶标、合理药物设计、药物再利用方面继续创新。透过现象看本质，这样一项前景可期的技术未来定将引起各方势力的争夺。
对于百度在这一领域率先取得突破这一事实，需要注意的是，OGB是由斯坦福大学图神经网络权威团队建立，面向不同的图学习任务分别提供丰富的数据集，对图神经网络研究者有极强的吸引力。而百度能够荣获ogbg-molhiv、ogbg-molpcba两项任务第一，难度可想而知。那么为什么在部分群体认知里还是一个搜索公司的百度能取得这样的佳绩？
其一，百度有着雄厚的AI底蕴。
作为为数不多能够提供全栈AI解决方案的公司，截至2020年底，百度是中国拥有AI专利最多的企业；百度AI开放平台，开放了273项AI能力，基于飞桨创建了超34万的模型，是中国最大的开放式AI平台；
（图源：灼识咨询报告）
在底层技术创新上，2020年百度AI在CVPR、ACL、ECCV、NeurIPS、INTERSPEECH等全球顶级人工智能学术会议和权威竞赛中，问鼎冠军30多次，论文收录260多篇。以顶级学术会议AAAI为例，百度以一己之力贡献了24篇优质学术论文，展示出业内领先的技术实力。
不仅如此，在与AI预测药物分子同源的AI医疗领域百度同样有所建树。据报道，在疫情期间，百度研究院推出了全球首个专门优化新冠病毒mRNA疫苗基因序列的高效算法LinearDesign，仅用16分钟即可完成对新冠病毒mRNA疫苗的序列设计，大大提升疫苗设计的稳定性和蛋白质表达水平，让病毒研究因AI而更有效。
其次， 学习平台“飞桨”与生物计算平台“螺旋桨”持续为百度赋能。
作为中国目前具有完全自主知识产权的全功能性产业级 学习平台，百度飞桨为中国产业界提供了不受限制、全面支撑的 学习平台。目前，飞桨已经凝聚超过265万开发者，基于飞桨训练34万个模型，服务10万家企业，覆盖众多行业和领域。
螺旋桨PaddleHelix则是基于百度 学习平台飞桨的生物计算平台。提供了包括RNA二级结构预测、大规模分子和蛋白质表示学习、药物靶点亲和力预测、ADMET成药性预测等，在新药研发和疫苗设计环节具有广阔应用前景的技术能力。
最后，秉持着“工程师文化”的百度，在人才培养上尽显科技公司的底色。
截至2020年底，百度已累计为社会培养了超过100万AI人才，未来五年还将培养500万AI人才。作为领先的AI生态型公司，百度未来还将继续在AI人才培养上进行坚定的前瞻性投入与关注，携手政产学研各界，为人工智能生态体系发展壮大持续注入活力，彰显科技公司的底色。
目前来看，AI预测药物分子这一领域变现模式尚未成熟。但可以确定的是，这项技术对于药物研发、生物制药等领域意义重大，甚至也许会带来新一轮的变革。随着行业日趋成熟，百度作为国内最早布局的首批玩家有望成为最大的受益者。
解决AI药物研发“low-hanging fruit”痛点”， 二次上市的百度或将迎来价值重估？
综合前文所提及的内容可以发现，AI预测药物分子应该是属于AI药物产业链中的上游市场。
据“智能相对论”了解到的数据显示，AI预测药物分子技术的实际落地场景的商业潜力都极为可观。在AI药物研发领域，我国尚处在初期阶段，初创企业不足20家，潜力巨大。在AI制药市场，近日insitro宣布完成4亿美元的C轮融资，成为全球AI制药领域单笔融资金额最高的公司，这也意味着投资者们同样看好这一行业。
之所以肯定其商业潜力，就不得不提在药物研发中被称为“low-hanging fruit”的理论，用中文来说就是“悬而未决的问题”。意思是常见的、易于被发现的药物已经被发现，剩下的药物靶标被发现的难度更大，因此研发的成本自然越来越高。
实际上，发现和开发一种药物的费用已从2001年的8亿美元增加到目前的约30亿美元。而如果将那些完全失败的研发成本也计算进来，那么每一种将要实际使用的新药的平均成本无疑是一个极为惊人的数字。如果百度这项新技术投入到实际应用，对于AI药物研发、药物再利用等实际落地场景都有着重要意义。
当然，AI药物研发、药物再利用等实际落地场景也将进一步丰富百度的AI新基建版图，从某些角度来看，这将使得百度的核心价值大幅提升，有助于即将赴港二次上市的百度实现价值重估。
近年来，百度在AI上的发力令很多人对其刮目相看，百度的股价也从去年年底的130美元一跃升至260美元以上，市值突破千亿美元，不过业内人士大多认为百度在美股市场的估值仍然存在被低估的问题。
这是因为百度的非广告收入虽然稳健提升，但是在美股市场，很多投资人对于百度的定位就是互联网营销公司，这意味着百度AI业务作为第二增长曲线的价值，没有很好的被体现出来，AI预测药物分子等前沿业务价值尚未释放。
在AI新业务成为拉动百度长期增长新引擎的背景下，随着百度近日将于港股二次上市，百度实力有望得到进一步的重估。
另一方面，即将赴港二次上市的百度也能加速AI药物发现等新业务的商业落地。
根据百度本次招股书公布的信息显示，本次IPO计划募资276亿港元。按照计划，募资的50%将用于人工智能为主的创新商业化、40%用于发展移动生态、剩余用作一般营运用途，百度AI商业化生态渐入佳境。
结论：
自百度发力AI新业务以来，不仅在自动驾驶、AI云服务以及下一代操作系统方面建立了技术领导地位，而且还获得了花旗、摩根大通、交银国际等众多知名投行的好评与“女版巴菲特”凯瑟琳伍德超17万股的主动买入。
随着AI等尖端技术在多个领域的引擎作用愈发凸显，生物医药成为AI技术落地的重要场景。在药企纷纷搭建技术堡垒的背景下，站在“金字塔”顶端的百度“科技力”格外引人注目，不仅利用新技术缩短药物研发的时间，大大降低研发成本，更重要的是百度已经抢先实现商业模式背后的核心竞争优势构建，在AI药物研发、生物医药等领域抢下“第一城”，未来可期。
*本文图片均来源于网络
深挖智能这口井，同好添加vx：zhinengxiaoyan
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
智能相对论（微信ID:aixdlun）：
•AI产业新媒体;
•今日头条青云计划获奖者TOP10;
•澎湃新闻科技榜单月度top5;
•文章长期“霸占”钛媒体热门文章排行榜TOP10;
•著有《人工智能 十万个为什么》
•【重点关注领域】智能家电（含白电、黑电、智能手机、无人机等AIoT设备）、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
