制造行业可能是世界唯一一个从基本创意到市场推广，整个周期需要耗费大约十年、总投入达数十亿美元、且失败机率高达90%的高风险领域。这一切显然与IT业务截然不同——在IT领域，虽然偏执狂们更加搏人眼球，但真正负责任的高管能够规划更多长远目标、并一步步引导业务前行。因此，当深度学习支持下的人工智能革命在2013年-2014年期间携一大批辉煌成果席卷而来时，制药业的高管们开始快速关注，但却没有立即加入这股潮流。

不少制药企业确实开始在内部数据科学研发方面投入大量资金，但由于缺乏统筹协调的战略指导，这些工作更像是单一部门之内由数据科学、数字化、AI等技术人员推动的品牌重塑活动。

而且虽然部分制药企业已经开始投资AI企业，但目前为止还没有出现任何大规模的收购。与AI初创企业的大部分讨论，以“让我们看看你的第三阶段临床资产，证明你们怎么在其中确定目标并使用AI技术生成分子”，或者“你们跟其他AI初创企业有什么区别”作为开端。很明显，负责这方面工作的数据科学战略负责人才刚刚上岗，对市场的当前形势并不怎么了解。

但也有一些制药企业，设法在药物发现与开发等各个环节中，带来了令人印象深刻的AI应用结果。以阿斯利康为例，该公司从2018年开始发表合成化学文章，并在2019年拿出了几篇真正受到社区关注的重量级论文。其他几家制药企业同样建立起不错的内部探索成果——礼来公司与某家初创企业合作，打造出令人过目难忘的AI驱动型机器人实验室。

但时至今日，还没有哪家主要制药企业能够在AI研究以及临床开发层面拿出基于大数据的全面概述与成果比较。今年6月15日，论文《成长为数字化制药企业的优势（The upside of being a digital pharma player）》在知名行业期刊《今日药物发现》上发表。笔者收到了Google Scholar发来的相关通知，因为其中引用了我们的几篇论文。我本来打算草草浏览一下就算了，但在读到作者名单部分的时候，我看到了一大群学识渊博的学者、行业领袖与顾问：罗伊特林根大学的Alexander Schuhmacher、索尼公司的Alexander Gatto、诺华公司的Markus Hinder、普华永道的Michael Kuss以及圣加仑大学的Oliver Gassmann等等。在认真阅读之后，我发现这不是那种灌水的综述性论文，而是一项真正全面的研究，对各制药企业在研发层面的AI尝试进行了一番正面对比。

此项研究通过内部AI研发项目、与AI初创企业间的合作伙伴关系、对AI初创企业的投资以及各研发联盟/财团之间的评估，对各家制药公司的AI探索情况做出比较。此外，文章还比较了各制药企业从2014年-2019年间，在科学出版物上发表的AI相关论文数量。从下图中可以看到，诺华在市场竞争中占据着显著优势，阿斯利康的学术出版量也同样一路领先。

▲ 图：各大制药巨头企业2014-2018年AI相关活动概述，摘自Schuhmacher等人在《今日药物发现》上发表的《成长为数字化制药企业的优势》论文。

在这篇论文发表之前，根据业内人士定期进行的文献回顾，阿斯利康的AI相关学术成果发表量远超任何其他制药企业。单在2019年，阿斯利康的科学家们就发表了约1300篇科学论文。另外，拜耳也有多篇不错的论文。但制药巨头们的文章发表数量仍然严重不足，其中发表量最大的阿斯利康在所有细分领域的论文总量也只有65篇。作为参考，Insilico Medicine公司同期发表了约100篇论文与约30项专利，其中不包括AI会议论文。其他几家初创企业在领域中也表现良好，共同为整个行业的发展做出贡献。

▲ 图：2014年-2019年期间，各大制药企业在AI领域发表的科学论文数量，摘自Schuhmacher等人在《今日药物发现》上发表的《成长为数字化制药企业的优势》论文。

笔者在自己的LinkedIn上发布了这项研究的截屏，转瞬之间，来自制药行业的同事们就给文章增加了20000次浏览量。令人惊讶的是，鲜有读者给它点赞。我怀疑很多从业者对于制药行业在长久的探索之后，仍在AI领域处于起步阶段而感到沮丧。研究表明，成长为数字化制药企业虽然优势多多，但目前还没有几家公司真正迈开步伐。

此项研究的作者当然是行业内的制药/AI研究与开发专家，而他们做出的大量研究工作只针对行业内三个相对简单的数据，更可怕的是，在此之前甚至不存在类似的研究。

为了解这项研究的更多详细信息，我写信给作者们，向他们询问了关于此项研究及其对制药行业未来前景的影响等问题：

1. 着眼于全球排名前21位的大型制药企业，分析其在数字化与AI领域的举措无疑是一项艰巨的任务。很多分析师都做出过类似的尝试，却收效甚微。贵团队花费了多长时间？又是如何实现的？

Gassmann: 确实，这是一项艰巨的任务。虽然专利与科学出版物中都有不少公开可用的内容，但总体来讲，最有价值的还是对制药业高管的采访。采访的过程不怎么耗时，但为了让对方接受采访，我们这帮人大概在业内打拼了二十多年。

Gatto: 另外，获得成功的另一项关键因素，在于几位作者拥有丰富的跨学科教育背景，包括药学策略、研发与AI能力等。

2. 研究结果是否令各位作者感到惊讶？

Kuss: 倒是没什么可惊讶的。真正需要注意的是，整个行业似乎难以找到将AI技术引入药物研发体系的初步成熟方法。

Schuhmacher: AI应用程序的成本越来越低，再配合速度更快且更廉价的硬件，整个制药研发领域都将踏上数字化转型的道路。技术普及终归要由需求驱动，行业对于研发效率的追求，终将令AI技术在制药行业中获得全面成功。

3. 研究过程中，您是否看到过某些结论性的案例，其中AI技术的表现远超人类，或者说在某些情况下AI足以取代实际药物实验？

Gatto: 我们已经确定了几种场景，其中AI技术有望取代实际实验或者表现出超越人类的潜力。最重要的就是最近发表在《自然：生物技术》杂志上的“从零开始设计小分子”的文章，其中强调了人工智能在药物发现中的无穷可能性。

4. 我敢肯定，现在不少制药企业的CEO、CFO以及其他高管已经读过了您的论文。他们对此有何评价？他们的初步反应又是什么？

Schuhmacher: 我们还没有收到什么直接反馈，毕竟论文才刚刚发表不久。总体来讲，我们注意到，制药企业的研发主管开始对我们近期在「虚拟制药研发」方面的工作表现出兴趣。

Gassmann: 另外，我们还观察到，制药行业正沿着「医疗保健的数字化」方向缓慢发展。十年前，相当一部分制药企业的经理还无法相信，基于数据的公司能够在医疗保健价值链中占据相当的比例。但如今，软件已经吞噬整个世界，数据改变了制药行业，这些都成为不争的事实。

5.  我注意到，您甚至对2014年-2019年期间的科学出版物进行了比较。在此期间，我所在的公司发表了100多篇论文，大型制药企业中发文的最多的也不过65篇，有几家甚至一篇都没发。对我来说，这样的数量实在太可怜了。您觉得为什么会这样？

Schuhmacher: 看起来，仍有不少领先制药企业没有把AI技术视为核心战略的组成部分。另外，他们仍然过度依赖于封闭式的创新模式：论文发表并不属于其收入与研发模型中的固有环节。但这一切可能发生改变：制药企业需要吸引更多数据科学家与其他技术专家，并通过学术成果数量，表现自身卓越的技术能力与竞争优势。

6. 在药物研发当中，AI技术面临的一大重要挑战在于知识产权，目前广泛使用的多种方法都阻碍着知识产权的发展。我认为，DeepMind当初被谷歌收购的一大原因，就在于其掌握着强大的IP组合。您是否看到过这些大型制药企业提交与AI相关的专利？

Gatto: 单从AI相关专利的数量来看，制药企业确实无法与谷歌等IT巨头相提并论。但是，随着时间的推移，制药企业可能会转变自身研发模式以及对AI相关知识产权的运用方式，届时情况可能出现巨大变化。

7. 在您看来，未来一两年内制药行业中的AI应用会出现哪些新趋势？

Gassmann: 对于制药行业来说，一两年时间实在太短了，但AI技术本身一定会继续发展。苹果等消费电子产品公司，以及谷歌等数据业务公司，已经开始在美国药监局注册可穿戴设备。虽然目前这类设备的可靠性还很差，但相信其性能将快速提高。未来一两年中，老年痴呆症、糖尿病或者癌症等慢性疾病，将成为数字化健康方案的理想切入点。由此收集到的垂直数据将提供巨大价值。与之对应，制药企业需要重新考虑自身创新方式，并将创新手段与现有生态系统统一起来。

Kuss: 在我看来，将「药物研发」转化为「众包式生态系统」将成为制药业未来成功的关键所在。到那时，药物研发不再局限于内部价值创造，而是真正将来自内部与外部的思维、技术（包括AI）以及资源整合成统一而强大的网络。

8. 您明年会更新这份报告吗？到时会不会在名单中纳入更多制药企业？

Gassmann: 这项研究应该只是个开始。在未来几年中，我们计划建立一处关于药物创新研究的合作中心，希望在人工智能及其他新兴技术的背景之下，推动行业对于药物及生物技术研发管理的深刻理解。

9. 您能谈谈自己下一阶段的研究方向吗？

Schuhmacher: AI技术必将对未来的研发模式以及制药研发生态系统产生巨大影响。这一切，加上相关的战略与技术变革，将成为我们未来几个月研究议程中的重点内容。

Kuss: 基于分布式分类账技术的智能合约，也将在这场变革当中发挥关键作用。