图片来源@视觉中国

文 | 阿尔法公社

AI+生物医药领域，DeepMind的AlphaFold是最出名的研究，它几乎完整解析了所有蛋白质结构。AlphaFold的AI系统基于Transformer架构，而Transformer论文主要的作者Jakob Uszkoreit也已投身AI+医药领域。

Jakob Uszkoreit创立的AI生物技术公司Inceptive近日获得a16z、NVIDIA的风险投资部门NVentures以及Obvious Ventures等机构投资的1亿美元A轮融资，加上此前融资的2000万美元，它的累计融资额达到1.2亿美元，估值超过3亿美元，比上一轮翻了两番。

这笔融资使Inceptive获得了NVIDIA尖端计算平台的使用权限。在目前的芯片短缺情况下，计算能力越来越成为开发复杂AI算法的限制因素。

与AlphaFold把目标放到蛋白质结构不同，Inceptive的目标是mRNA。它通过搭建一个AI软件平台，去寻找和开发mRNA分子，一旦这些分子通过了实验室的试验，则会把这些分子授权给制药公司进行临床试验，最终变成基于mRNA的疫苗。

目前它已经与一些欧洲的大型制药公司合作，将这项创新的技术落地。

Transformer论文作者与斯坦福教授用AI设计RNA分子

目前Transformer论文的8位作者都已离开Google创业，他们创立了Cohere，character.ai，AdeptAI，Essential AI以及Sakana.ai等，但是这些公司基本集中在ToC或ToB的文本处理相关的功能上，Jakob Uszkoreit的Inceptive是其中唯一跨界到生物医药，并且更偏向研究的，这是一个理想主义的创业方向。

Jakob Uszkoreit

“我们希望最大限度发挥AI在生命科学等领域的积极影响，尤其是生成式AI 在制药行业的潜力。我们创办的公司将会应用生成式AI生成生物数据，用于开发新疗法，而不是生成文本或者图像。我们想最大化这种AI的积极影响。” Jakob Uszkoreit在谈到自己的创业想法时表示。

大模型先驱+斯坦福生物教授+连续创业者

Inceptive由Jakob Uszkoreit（CEO）、Kevin Heyries（CBO）以及Rhiju Das于2021年联合创立。

Jakob Uszkoreit从2008年起就在Google工作，他主导了Google Assistant的NLP团队。而他并不是在离开Google创业时才选择了AI+生物医药方向，在共同写作《Attention is all you need》这篇论文之前，他就已经在探索将AI用于预测人类蛋白质结构。

Rhiju Das

Rhiju Das是斯坦福大学生物化学与物理学副教授，他过往的研究一直集中在通过模拟和计算设计RNA分子，他主持着EteRNA大规模开放实验室，在2020年，Das及其团队利用EteRNA实验室的资源研究开发了可常温保存的COVID-19 RNA疫苗。

Kevin Heyries

Kevin Heyries曾是AI抗体发现公司AbCellera的联合创始人，亲自参与了AbCellera从组建到运营的多个方面，他在创新、业务拓展、商业策略、公司增长等方面经验丰富。

可以看出在这个创始团队中，Jakob懂AI，Rhiju Das懂生物和RNA，Kevin Heyries既懂技术，又懂商业，形成了很好的互补。

目前，Inceptive拥有一个由超过40位不同学科的专家组成的团队，他们来自生物学、机器人和人工智能前沿专业，新一轮的融资也将帮助Inceptive继续扩展团队规模，加强研发力量。

用AI设计mRNA

Inceptive的核心是一个能设计独特mRNA序列的AI平台，这种“生物软件”技术能够在实验室中创建和测试新的分子结构。

这个平台运行的原理是通过机器学习模型针对性地设计RNA序列，大大缩短药物研发周期来降低研发成本， 它包括以下环节：

1.开发生物软件,可以将编码药物或疫苗的程序代码编译成mRNA分子序列。

2.通过机器学习模型,自动搜索和设计出优化的RNA分子序列。

3.利用RNA的高效合成制造能够表达疫苗或药物的mRNA分子。

4.构建RNA分子设计、合成、测试的自动化闭环工作流程。

5.应用该技术平台,快速开发新药和疫苗。

目前Inceptive已有310个试点项目分布在临床前到临床试验的各个阶段，也已经与一家欧洲大型制药公司达成合作，共同作开发一种新型传染病mRNA疫苗。

Inceptive希望把计算机编程这个范式转移到生物学领域，将软件的精确性和模块化引入理性设计分子中，利用AI工具合理设计出此前难以实现的新型疗法，尤其关注基于mRNA的疫苗、药物等新型药物分子。

据Jakob Uszkoreit预估，在未来十年，将有大约700种基于mRNA的药物。

AI在医药研发领域的拐点将在3年内发生

尽管已经累计获得1.2亿美元的融资，Inceptive仍然处于早期阶段，它的技术平台和产品保持了一定程度的低调。Jakob Uszkoreit在创业阶段与一些硅谷投资人有过深度的交流，例如a16z生物+健康板块的创始合伙人Vijay Pande，从对谈中，可以一窥Jakob Uszkoreit这位大模型先驱者对于AI+生物医药的一些洞见。

Vijay Pande：真正为生物问题明确开发AI算法是非常罕见的，因为要拥有一个既精通生物学又精通计算机科学领域的团队实在太困难了。但我很好奇听听你的看法，这个领域目前的关键挑战是什么？

Jakob Uszkoreit：我遇到的关键挑战是，在生物学领域还没有大量的数据，尽管现在的数据已经比此前的数据更多更详尽了。但是相比AI在其他领域的应用，还是太少。

例如，在文字或图片生成领域，数据可以直接从网络爬取，深度学习专家对数据进行一些清洗，就可以直接用。而生物学领域却不是这样，它的数据生产更困难，我们需要不同的试验人员在不同的地方进行很多的试验。深度学习专家无法自己获取或掌握数据。

所以在这个领域需要有更多深度学习背景的人与生物学背景的人紧密合作，这样当他们互相了解了彼此的工作，就会有新尝试和新方法诞生。

Vijay Pande: 对于药物设计、健康保健等方面，你认为现在AI处于什么阶段？还需要做什么？何时能够达到预期的目标？

Jakob Uszkoreit: 虽然预测未来总是风险很高，我还是做一个预测：如果在接下来的三年内我们没有看到机器学习和大规模深度学习在药物研发、药物设计方面产生实质性影响的话，我会非常惊讶。最初的影响可能会出现在RNA、RNA疗法和疫苗等领域，但这绝不会是唯一受到影响的领域，我认为我们确实正走向一个拐点。

Vijay Pande: RNA有什么不同之处？是什么吸引你走向RNA研究，特别是从AI或ML的视角来看？

Jakob Uszkoreit: 关于RNA有趣的一点是它具有很广泛的适用性，虽然RNA结构预测并不真的很简单，但相比蛋白质有20多种氨基酸的复杂结构，它只是一个具有四种不同基础的生物聚合物，可以相对高效地生产。

Vijay Pande: 是的，很有可能它是一个更快的反馈循环。

Jakob Uszkoreit: 是的。鉴于我们需要创建大量的数据来训练模型，RNA似乎是目前为止在结构简单性和合成可扩展性方面最好的组合，这里有巨大的未开发潜力。

Vijay Pande: 是的，我认为特别是有可能实现这种快速周期，无论是在临床前阶段还是更快地进入临床阶段，并且在临床阶段停留的时间更短。

Jakob Uszkoreit: 是的，这就是我们所期望的。我们也看到了一些初步的迹象表明这可能是事实，这让我们非常兴奋。

在高需求和数据安全的逻辑下，必然诞生一批中国的AI+医疗公司

现在人们对于生成式AI的应用方向主要集中在文生文，文生图，文生视频/3D等方向，应用的落地领域包括传媒，营销，法律，流程自动化等。这个属于生成式AI应用的第一阶段。

在下一阶段，生成式AI将向更硬核的方向出发，比如生成式AI+机器人，让机器人变得更聪明，这既能用到制造业，又能应用到ToC；又比如生成式AI+科研，将大大加快科技发展的进度，为人类整体带来福利。

具体到AI+制药，目前我们已经看到两种模式，一种是我们曾经报道过的Causaly，它的核心逻辑是帮助科学家减少dirtywork，从而加快科研的进度。而本文的Inceptive则是直接作用于RNA分子，用AI来设计RNA，再与药厂合作。

不仅是生物医药的科研，Inceptive的主要投资人a16z认为AI在医疗上也将大有发展。

AI在医疗上要解决两大问题，一个是降低前置诊断的成本（各种大模型都在刷医疗执照考试的分数），另一个是降低医疗保健系统里的人力成本。

解决的方式可能是帮助医生预诊断，看X光片，医疗机器人等等。

尽管近年来中国的医药研发在加速，但是因为研发上的后发劣势，以及研发投入规模较少（参考下图），与美国的差距仍然巨大。不过AI+医药研发却是一个可以奋起直追的机会。一方面，中国的AI与美国在技术上并没有代差，另一方面，医药研发需要大量的真实数据，为了数据安全，中国需要自己的AI药物研发系统。

图片来自惠每科技的报告

对于医疗来说，逻辑也是一样，为了数据安全（无论是哪一种行业的AI模型，都需要大量数据训练），本国的AI+医疗产品都十分重要。在需求，数据安全的逻辑下，很可能诞生一批中国本土的AI+药物研发和AI+医疗健康创业公司，十分值得期待。