《AI制药深度产业报告》显示，2022年，国内AI制药市场规模为27亿元，到2035年，这一数字将增长到2040亿元。据动脉橙报告显示，“AI+制药”成为2021年最受资本欢迎的赛道之一。

近两年，AI算法更加精妙，尤其是算力方面，其发展已经进入到一个比较好的行业交叉点，为制药等生命科学提供更多助力。伴随话题的热度，AI技术自身的数据瓶颈及其在制药领域中所起的作用，能否真正挽救传统制药企业的盈利下滑？AI制药什么时候才能真正落地？以及关于人工智能的隐私保护、数据真实等问题的争议也日益凸显。

划定红线有序发展

4月11日，国家互联网信息办公室印发《生成式人工智能服务管理办法（征求意见稿）》（下称《办法》），面向全社会公开征求意见。《办法》为未来AI研发设置规范，并指出：生成式人工智能产品或服务应当遵守法律法规的要求，并对个人信息保护、预训练、优化训练数据要求以及处罚标准作出规定。

《办法》强调要尊重知识产权，利用训练数据集“炼制”、优化模型过程中不得侵犯他人知识产权，技术领先者不得利用算法、数据、平台等优势实施不正当竞争。北京社科院研究员王鹏认为，这些规定无疑为生成式人工智能的发展划清红线，在一定程度上改善了其无序乱状。此外，办法对可能的违法行为提前做出相关规定，为人工智能的未来研发测试提出了准则性要求。也有专家提出，无论是“喂养”人工智能的语料数据，还是模型本身的算法，都必须高度关注其政治方向、舆论导向和价值取向。

算法快速迭代

我国高度重视人工智能技术发展，将其视为一项驱动科技创新、产业升级和生产力提升的战略性新兴技术。近年来，有关部门陆续发布《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划》《关于加快场景创新 以人工智能高水平应用促进经济高质量发展的指导意见》《关于支持建设新一代人工智能示范应用场景的通知》等多个政策文件，为人工智能核心技术攻关、产品落地应用以及探索发展新模式新路径提供了重要指导。

北京大学药学院教授刘振明表示，AI的定位就像“发现一个好种子”，AI的最终目标是品种交付，因此AI更多是赋能研发过程。围绕药物发现规律，在某几个环节提升新药研发的效率，如降低单品种的研发费用、缩短研发时间、提高研发成果率等，即能很好地体现出AI的价值。

随着人工智能的不断发展，以算法、算力、数据和高通量实验迭代为基石的AI制药理念，将开启创新药研发新范式。不过，AI不是孤立、单独存在就能发挥作用的个体。面对海量数据，一方面需要不断进行基础数据的更新和挖掘，另一方面要尽量做到算法的快速迭代，让AI真正发挥作用。

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。