①即將開幕的英偉達GTC大會上，有90場活動與健康/生命科學相關，數(shù)目居所有行業(yè)之首。 ②黃仁勛指出，“當數(shù)據(jù)科學、人工智能和自動化的結(jié)合時，生物學會呈指數(shù)級改進，成為下一個黃金賽道。” ③微軟、谷歌等全球最強大的科技巨頭們，也正在將生物技術視為AI的下一個前沿領域。
《科創(chuàng)板日報》3月17日訊 “有人說，我們是英偉達下一個數(shù)十億美元級業(yè)務，”英偉達醫(yī)療保健副總裁Kimberly Powell日前在一次采訪中如是表示。她表示，英偉達的目標是為更多生物技術公司提供芯片、云基礎設施與其他工具。
對于英偉達而言，醫(yī)療保健并非是其最為亮眼的業(yè)務，但這不意味著它不重視這一領域。
若按照英偉達自家官網(wǎng)的行業(yè)分類，即將于18日開幕的英偉達GTC大會上，有90場活動與醫(yī)療保健/生命科學相關——數(shù)目位居所有行業(yè)之首，超過了汽車、云服務、硬件/半導體等一眾熱門領域。
其中，由Kimberly Powell主持的“AIGC在現(xiàn)代醫(yī)學中的作用”活動，更匯集了著名基金經(jīng)理“木頭姐”Cathie Wood、微軟研究院院長Peter Lee等多位大咖，探討“（AIGC如何）重新定義醫(yī)療服務、發(fā)現(xiàn)新藥和提高患者療效的關鍵驅(qū)動力”。
作為英偉達的掌舵人，黃仁勛已經(jīng)一次又一次地將數(shù)字生物學稱為技術領域中“下一場驚人的革命”，他還在近期舉行的一場會議中放言，人人都必須學會計算機的時代過去了，人類生物學才是未來。
在這個AIGC與醫(yī)藥的交匯點上，AI寫的不是風花雪月，畫的不是山光水色，根據(jù)一個個提示詞生成的，或?qū)⑹窍乱粋€“神藥”。
▌為什么是現(xiàn)在？
在大多數(shù)情況下，當人們談到英偉達時，都會將它定義為一家芯片公司；始于2022年的這一場AI熱潮，更是進一步加深了這一印象。
但黃仁勛對此并不贊成。在2008年的一次采訪中，這個總是以黑色皮衣示人的英偉達掌門人就坦承，
“表面上，我們確實是生產(chǎn)芯片的，但在我的眼里，我們從來都不是一家芯片公司，而是一家?guī)椭蛻艚鉀Q復雜視覺計算問題的公司?！?/p>
“如果英偉達把自己限定為生產(chǎn)芯片的公司，我們就會自動地認為電影和我們沒有關系，游戲和我們也沒有關系，醫(yī)院和我們也沒有關系。事實上，這些都已經(jīng)成為我們重要的業(yè)務，因為它們背后有一個同樣的問題，即復雜的視覺計算問題，這些問題沒有一個屬于對手，全部屬于客戶?！?/p>
可以看到，彼時的英偉達，已將醫(yī)療納入了自家版圖之中。的確，將AI應用于藥物發(fā)現(xiàn)并不是什么新鮮事。那么為什么經(jīng)過了這么多年，以英偉達為首的科技巨頭又開始為AI醫(yī)藥奔走呼喊？為什么是現(xiàn)在？
“（當下）是一個突破性的時刻。”——這是DeepMind與英偉達的高管給出的共同答案，行業(yè)首次同時集齊了“大量訓練數(shù)據(jù)、計算資源的爆炸式增長、AI算法的進步”三個要素，“這在五年前是不可能實現(xiàn)的?！?/strong>
▌AI+醫(yī)藥=下一個黃金賽道？
一舉將英偉達捧上“算力之王”寶座的是GPU，但過去兩年以來，其風投部門很大一部分投資都流向了藥物研發(fā)——單是2023年，英偉達就投資了8家藥物發(fā)現(xiàn)初創(chuàng)公司。
圖|英偉達2023年風投分布（來源：S&P Global）
得益于AI熱潮，英偉達市值飛速上升。“既然計算機輔助設計行業(yè)捧出了第一家2萬億美元市值的芯片公司，同樣，計算機輔助藥物發(fā)現(xiàn)行業(yè)為什么不能打造下一個價值萬億美元的藥物公司呢？”談及英偉達在生命科學領域的投資時，英偉達醫(yī)療保健副總裁Kimberly Powell這樣解釋。
而在AI醫(yī)藥這條路上，英偉達并非是踽踽獨行者——可以說，科技巨頭們都對生物醫(yī)藥領域的AI技術抱有興趣，微軟、谷歌等全球最強大的科技巨頭們，也正在將生物技術視為AI的下一個前沿領域。
例如谷歌DeepMind的研究人員們將AlphaFold模型（一種預測蛋白質(zhì)結(jié)構(gòu)的突破性工具）用于開發(fā)一種“分子”注射器，以將藥物直接注射到細胞中，并用于研究減少對殺蟲劑依賴的農(nóng)作；
Salesforce去年推出了蛋白質(zhì)生成模型ProGen；
微軟也發(fā)布了類似的開源模型EvoDiff；
亞馬遜為其AWS機器學習平臺SageMaker發(fā)布了蛋白質(zhì)折疊工具……
以DeepMind的AlphaFold研究項目為例：人體中的蛋白質(zhì)管理著各種功能，所有這些功能都依賴于蛋白質(zhì)的三維形狀。每個蛋白質(zhì)由一系列氨基酸組成，氨基酸與外部環(huán)境之間的相互作用決定了蛋白質(zhì)的“折疊”，這決定了其最終的形狀。
對于生物技術公司來說，能夠根據(jù)其氨基酸序列預測蛋白質(zhì)形狀非常重要，這些公司可以利用這些預測來設計新藥、改良作物、可生物降解塑料等各種產(chǎn)品。
這正是深度學習的用武之地：在數(shù)以億計的不同蛋白質(zhì)序列及其底層結(jié)構(gòu)上訓練人工智能模型，讓這些模型發(fā)現(xiàn)生物學規(guī)律，無需真正分子動力學模擬所需的昂貴計算。而完全模擬蛋白質(zhì)需要高強度的計算資源，因此一些機構(gòu)還專門設計和建造了超級計算機來處理這類問題。
毋庸置疑，AI在生物技術領域擁有著巨大潛力。
在15年前就將目光投向醫(yī)療的黃仁勛曾驚嘆，計算機輔助藥物發(fā)現(xiàn)“確實是奇跡”。用與計算機輔助芯片設計相同的方法，在藥物發(fā)現(xiàn)領域中，人們可以從計算機輔助藥物發(fā)現(xiàn)轉(zhuǎn)向計算機輔助藥物設計?！叭绻覀儗⑵浞糯笫畠|倍，我們就可以模擬生物學?！?/p>
“未來生命科學會像傳統(tǒng)行業(yè)那樣高度工程化。當數(shù)據(jù)科學、人工智能和自動化的結(jié)合時，生物學會呈指數(shù)級改進，從而成為下一個黃金賽道。”
