經(jīng)濟觀察報 記者 沈怡然 “Give me aring-shaped protein”.（給我一個環(huán)形蛋白質(zhì)）

“Generate a drug for ALS”.（研制一款治療漸凍癥的藥物）

當人類在對話框輸入以上指令，機器就能在一秒內(nèi)生成一個相應(yīng)的生命物質(zhì)。現(xiàn)在，這些科幻電影中的橋段有希望成為現(xiàn)實。就像ChatGPT打開了人機對話的窗口，一批生命科學(xué)AI大模型也在開發(fā)的路上。

3月23日，生命科學(xué)平臺公司百圖生科對外發(fā)布了一款A(yù)IGP平臺，這也是一款基于其自研的AI大模型“xTri－mo”開發(fā)的、能幫助解決生命科學(xué)問題的工具。簡單說，這就像一個能生成蛋白質(zhì)的ChatGPT，根據(jù)用戶給定的參數(shù)和功能，給出各種蛋白質(zhì)、酶、細胞等的設(shè)計方案。3月30日，百圖生科CEO劉維對記者表示，設(shè)計的初衷是幫助研究者提供一些生命科學(xué)技術(shù)的基礎(chǔ)版本，讓研究者可以在基礎(chǔ)版本上進行創(chuàng)造，節(jié)約了一定的實驗時間和實驗費用。

2017年前后，大模型的概念開始在業(yè)界流行，2020年劉維做這家公司的一個重要目的，就是嘗試給昂貴又有巨大價值的大模型技術(shù)找一個應(yīng)用場景。

2021年公司做出了AI大模型“xTrimo”，這是一個多模態(tài)預(yù)訓(xùn)練模型，相當于“大腦”，后來基于改模型研發(fā)了的AIGP平臺，則是一個與用戶交互的窗口，AIGP在2022年開始內(nèi)測，直到2023年發(fā)布會上宣布了AIGP的公測，向海內(nèi)外專業(yè)用戶開放。

“但是，目前AIGP還很難像Chat－GPT一樣在一秒鐘內(nèi)給出回答，用戶給定的參數(shù)和功能是復(fù)雜和專業(yè)的，AI需要數(shù)小時內(nèi)給出答案”，劉維對記者表示，新技術(shù)還處在初期，目前能在很多問題上有初步能力，但只能在一定概率下給出正確結(jié)果，其中又只有部分能一次性給對結(jié)果。

“我們今天很像ChatGPT0.5的時代，在技術(shù)和算力資源上具備了一定基礎(chǔ)，但數(shù)據(jù)圖譜的建立、實驗?zāi)芰Φ慕⑦^程仍然是從零開始，且復(fù)雜而艱巨的”。團隊的愿景是，將AI在生命科學(xué)研究的最終價值，是幫助解碼、治愈所有的疾病、解決當下難以應(yīng)對的全球公共衛(wèi)生問題、食物能源短缺以及環(huán)境污染等人類可持續(xù)發(fā)展的問題。

理想和現(xiàn)實是有距離的，劉維表示，中間的過程非常復(fù)雜，算力、數(shù)據(jù)等資源上的支撐能力有限，還要考慮到社會融資的環(huán)境，團隊從改變傳統(tǒng)實驗中的一些細小流程切入，這也是一種革命性變化的開始。

設(shè)計的初衷

劉維表示，AI大模型可以處理大量生命科學(xué)數(shù)據(jù)，提高數(shù)據(jù)分析的效率和準確性，機器的推理和自學(xué)習(xí)能力還可以將研究結(jié)果進行反向推理和優(yōu)化。團隊最初的設(shè)計是，用AI大模型生成一個個蛋白質(zhì)、酶、細胞等的設(shè)計方案，替代生命科學(xué)研究者的瑣碎工作，并在此基礎(chǔ)上幫助解決高級問題。

生命科學(xué)是一個廣泛的學(xué)科，而蛋白質(zhì)和酶的研究是理解生命現(xiàn)象、促進生物技術(shù)發(fā)展和應(yīng)用的基礎(chǔ)。研究者通過研究蛋白質(zhì)和酶的結(jié)構(gòu)和功能，可以深入了解生物體內(nèi)化學(xué)反應(yīng)的原理和機制，研究酶的作用條件和抑制劑，可以優(yōu)化生物體內(nèi)的代謝途徑，提高生物體的生產(chǎn)力。

生命科學(xué)是信息的學(xué)科，研究者通常需要大量的樣本來進行統(tǒng)計分析，但許多樣本往往難以獲取或者成本較高。而生命科學(xué)數(shù)據(jù)具有復(fù)雜性，如基因序列、蛋白質(zhì)結(jié)構(gòu)、表達量等，使得數(shù)據(jù)分析變得困難。

較長的實驗時間也是痛點之一。劉維團隊所接觸到的一些生命科學(xué)研究者和相關(guān)公司，他們并非專業(yè)搞蛋白質(zhì)設(shè)計，對他們而言，要研發(fā)一個具有基本性能指標和功能的蛋白需要昂貴的時間和資金成本，“傳統(tǒng)的蛋白生成可能要做多輪動物篩選實驗，如小鼠篩選實驗?zāi)壳耙呀?jīng)非常工業(yè)化，但仍要等待動物自己起反應(yīng)，過程有時需要數(shù)月時間，而AI在虛擬空間里生成只需要數(shù)小時”，劉維表示。

劉維表示，研究者的實驗結(jié)果需要建立在過去大量實驗數(shù)據(jù)之上。而有些難成藥靶點很難找到它已有抗體的數(shù)據(jù)，AI通過推理和預(yù)測，將全新的問題預(yù)測達到八九不離十，再通過多輪迭代找到疑難問題的答案，可以幫助研究者快速切入一個沒有數(shù)據(jù)的研究難題。

研發(fā)的壁壘

AI大模型需要計算資源，數(shù)據(jù)集深度學(xué)習(xí)框架，語料庫等多項能力的支撐。劉維表示，百圖生科在研發(fā)所需的算力方案上的確是站在百度的肩膀上。

劉維表示，百圖生科的定位是李彥宏和劉維共同創(chuàng)立的一家獨立公司。根據(jù)企業(yè)工商信息資料，百圖生科（北京）智能技術(shù)有限公司中，劉維和李彥宏在股東中，分別占21.6%和1%，劉維還是企業(yè)實控人。

百度的AI大模型在技術(shù)上有一定參考借鑒之處，團隊和百度自然語言處理的團隊在一些領(lǐng)域合作研發(fā)。百圖生科基于百度云平臺的研發(fā)，在算力上也得到了百度的支持。

劉維表示，訓(xùn)練出一個千億級別參數(shù)的模型版本需要將近1000個GPU跑幾個月時間，如果要將參數(shù)兩極達到萬億級，訓(xùn)練時間則翻十倍。過程中，研發(fā)大模型和推動AIGP迭代所需資金量很大，公司在2020、2021年共獲得上億美元融資，2023年新一輪融資也在推進之中。

AI大模型需要輸入大量數(shù)據(jù)參數(shù)以增加對問題的理解度。劉維表示，生命科學(xué)作為一個及其垂直的領(lǐng)域，數(shù)據(jù)集的打造難度是很大的。團隊制作了生命科學(xué)的數(shù)據(jù)圖譜，90%來自于公開和半公開數(shù)據(jù)的整理，整理過程很復(fù)雜，很多數(shù)據(jù)散落在不同的數(shù)據(jù)集中，來自論文和專利等，甚至是非結(jié)構(gòu)化的，將一些無關(guān)聯(lián)的數(shù)據(jù)抽取出來并分類需要大量專業(yè)人員的努力。

僅依靠公開數(shù)據(jù)無法支撐xTrimo的需求，團隊還自建實驗室自研AI/biotech技術(shù)以產(chǎn)生私域數(shù)據(jù)，大模型中10%的數(shù)據(jù)來自于此。

劉維表示，因為生命體的高度復(fù)雜度，目前數(shù)據(jù)量很大，但仍然是有限的。隨著生命科學(xué)領(lǐng)域觀測手段和技術(shù)的發(fā)展，吸收更多的數(shù)據(jù)尤其是垂直類數(shù)據(jù)，將使我們能夠更加精細精準地理解進化，理解生命。這意味著，要實現(xiàn)這一目標公司需要不斷吸納新合作伙伴，特別是在體外模擬體系、超精度觀測和特殊驗證體系等方面具有豐富知識和技術(shù)的生命科學(xué)家。

面對質(zhì)疑

AI大模型的概念在2017、2018年左右在業(yè)界流行。海外研究機構(gòu)和公司開始很對一些專業(yè)領(lǐng)域開發(fā)AI大模型，Google母公司 Alphabet旗下的DeepMind開發(fā)了一種基于自然語言處理的工具，用于預(yù)測蛋白質(zhì)結(jié)構(gòu)和藥物設(shè)計；IBMResearch也在人工智能和機器學(xué)習(xí)的基礎(chǔ)上，與多家生命科學(xué)企業(yè)合作，開發(fā)了一些基于人工智能的應(yīng)用程序，例如用于藥物篩選和基因組測序的軟件。

在創(chuàng)辦百圖生科之前，劉維曾做18年早期技術(shù)投資，在10年前以投資人的身份關(guān)注和布局了生命體的數(shù)字化技術(shù)。劉維發(fā)現(xiàn)，在這樣的技術(shù)換代時期，一個新的、有能力打造平臺級技術(shù)底座、有決心長期投入做前沿創(chuàng)新藥物的公司，是市場所需要的。“2020年我們做這家公司的一個重要目的，是給昂貴又有巨大價值的大模型技術(shù)找一個應(yīng)用場景”，劉維表示，當時主流互聯(lián)網(wǎng)公司已經(jīng)在自然語言處理方面有一定的語料、技術(shù)積累，作為一個初創(chuàng)公司很難在這個領(lǐng)域競爭，需要在新問題、新模態(tài)上尋找答案，和主流的AI大模型互補，所以要選擇一個專業(yè)領(lǐng)域，而生命科學(xué)是很有價值的場景。

公司開放AI大模型后，正積極尋求合作伙伴，而劉維發(fā)現(xiàn)，對一種新技術(shù)往往有不同的態(tài)度，有的人更相信，有的人更質(zhì)疑。

對此，劉維表示，技術(shù)在初期的確非常不完美，目前還需要技術(shù)再迭代升級，不斷提高準確和可靠。目前公司所選擇的賽道也充滿技術(shù)挑戰(zhàn)，需要傳感器、AI、生物、數(shù)據(jù)等，AI大模型、高通量實驗系統(tǒng)等技術(shù)門檻都很高，小公司完成起來難度較大；另一方面AI大模型會對傳統(tǒng)生命科學(xué)的項目制研究模式構(gòu)成挑戰(zhàn)，這使得一些大型藥企難以全面擁抱它。

劉維表示，即便目前項目還不成熟，也希望開放給業(yè)內(nèi)共同合作創(chuàng)新。因為這涉及到路線選擇的問題，如果AIGP的目標定在設(shè)計一些不那么挑戰(zhàn)的蛋白質(zhì)，一些利用行業(yè)現(xiàn)有方法、軟件、實驗技術(shù)就能發(fā)現(xiàn)的蛋白，那么當前的準確性、可靠性要高得多，因為問題簡單、數(shù)據(jù)充沛。總之，既然要做底層技術(shù)創(chuàng)新，還是應(yīng)該瞄準足夠有意義的高難度問題。