0
| 本文作者： 李雨晨 | 2022-09-30 23:44 |
辭去360人工智能研究院院長一職、投身AI制藥，對于鄧亞峰來說是不是一個不后悔的決定？
2012年，AlexNet深度卷積神經(jīng)網(wǎng)絡(luò)在ImageNet分類比賽中大殺四方，深度學(xué)習(xí)革命就此發(fā)軔。
一年后，鄧亞峰加入了百度深度學(xué)習(xí)研究院，成為一名資深科學(xué)家。
2016年8月，鄧亞峰離開百度加入格靈深瞳，半年后成為CTO，職業(yè)角色從一名技術(shù)專家，轉(zhuǎn)變?yōu)橐粋€百人技術(shù)團(tuán)隊(duì)的管理者。
2020年，鄧亞峰加入360集團(tuán)。
他的近三段職業(yè)生涯，以四年為一個節(jié)點(diǎn)，但卻一直圍繞AI切換賽道和角色。
在一個偶然的機(jī)會下，鄧亞峰認(rèn)識了現(xiàn)任公司首席科學(xué)家侯廷軍，后者是浙大藥學(xué)院教授，在計(jì)算機(jī)輔助藥物設(shè)計(jì)領(lǐng)域有二十多年的積累。
當(dāng)時，鄧亞峰已經(jīng)是360集團(tuán)副總裁、人工智能研究院院長兼搜索事業(yè)部總經(jīng)理，管理著400人左右的產(chǎn)品技術(shù)團(tuán)隊(duì)。
但兩人深入交流之后，鄧亞峰毅然決定進(jìn)入AI制藥行業(yè)。
2022年自然語言處理峰會上，鄧亞峰以碳硅智慧創(chuàng)始人兼CEO身份公開亮相，并且在近日完成了5000萬人民幣天使輪融資，由聯(lián)想創(chuàng)投、聯(lián)想之星聯(lián)合領(lǐng)投。
對于鄧亞峰而言，一切重新開始。
對于自己做AI制藥，鄧亞峰給出了三個理由。
首先是，技術(shù)“遷移”的可行性。
細(xì)細(xì)算來，鄧亞峰在CV（計(jì)算機(jī)視覺）領(lǐng)域做了近20年，這是他身上的一個標(biāo)簽。
在百度深度學(xué)習(xí)研究院的三年里，鄧亞峰參與提出了第一個基于深度學(xué)習(xí)的端到端的一階段物體檢測框架DenseBox，和團(tuán)隊(duì)一起將LFW評測的準(zhǔn)確率做到了第一，成績是接近極限的99.77%；
在格靈深瞳他擔(dān)任CTO ，主要負(fù)責(zé)人臉識別、人體再識別、車輛識別等算法和軟件產(chǎn)品的研發(fā)工作。
“不過，我不想只做CV，因?yàn)槲也幌虢o自己人生設(shè)限?！?/p>
所以到了360之后，除了CV之外，鄧亞峰開始做NLP、多模態(tài)表示學(xué)習(xí)、機(jī)器人等方向。
在以深度學(xué)習(xí)為特征的AI技術(shù)躍遷下，不同研究方向的遷移、融合已經(jīng)漸成趨勢。
“2002年左右，做車牌識別和人臉識別是兩撥人，因?yàn)榇蠹业募夹g(shù)棧非常不一樣。想要轉(zhuǎn)行，得花上兩年時間學(xué)習(xí)。但是，二十年后的今天，借助CNN/Transformer等模型，CV領(lǐng)域內(nèi)部、CV和其他領(lǐng)域間，都可以比較輕松地實(shí)現(xiàn)跨界?！?/p>
和其他AI落地的領(lǐng)域一樣，藥物研發(fā)需要領(lǐng)域知識，不僅僅涉及到藥學(xué)，還包括物理、化學(xué)、生物、醫(yī)學(xué)等，這是一個非?？鐚W(xué)科的交叉領(lǐng)域。
對鄧亞峰而言，不可能在短時間內(nèi)學(xué)好所有的生物醫(yī)學(xué)知識。
但是在他看來，有了一定的領(lǐng)域知識，將具體場景的需求抽象成AI建模問題后，會非?？简?yàn)團(tuán)隊(duì)的AI算法建模能力和軟硬件產(chǎn)品開發(fā)能力。
“我們團(tuán)隊(duì)已經(jīng)有比較多藥學(xué)背景的同學(xué)，所以，我們最近一段時間花精力招人，更側(cè)重于AI算法人才。我們希望找到深度理解深度學(xué)習(xí)，并且對生命科學(xué)感興趣、有使命感的人。這些算法同學(xué)，初期需要學(xué)習(xí)一些領(lǐng)域知識，之后就可以在團(tuán)隊(duì)配合下去解決新藥發(fā)現(xiàn)各子任務(wù)的建模問題。實(shí)際上手項(xiàng)目的時間，只需要一兩個月就好?！?/p>
其次，是人生規(guī)劃的必要性。
在格靈深瞳2016年到2020年的3年半時間里，鄧亞峰是一個技術(shù)管理者，但他把內(nèi)部團(tuán)隊(duì)和業(yè)務(wù)梳理清楚之后，也對這一角色產(chǎn)生了疲態(tài)。
鄧亞峰坦言，離開格靈深瞳，是不想一直做重復(fù)的事情。
“今年格靈深瞳也上市了，我離開時還是放棄了很多的。如果我一直在格靈深瞳待下去，從財(cái)務(wù)角度會好很多，但我還是想做一件讓自己更有激情的事情?！?/p>
到了360之后，鄧亞峰已經(jīng)變成一個實(shí)際意義上的業(yè)務(wù)負(fù)責(zé)人，無論是在人工智能研究院還是搜索事業(yè)部，都要對預(yù)算負(fù)責(zé)，要考慮項(xiàng)目的投入產(chǎn)出比。
所以，選擇加入360本身就是鄧亞峰有意實(shí)現(xiàn)自我轉(zhuǎn)型、從技術(shù)管理者向業(yè)務(wù)負(fù)責(zé)人的規(guī)劃使然。
最后一個原因是，是時代給他的機(jī)遇。
這一波AI的創(chuàng)業(yè)浪潮，本質(zhì)上屬于技術(shù)者?；ヂ?lián)網(wǎng)和移動互聯(lián)網(wǎng)的創(chuàng)業(yè)草莽氛圍，決定了創(chuàng)業(yè)者本身不需要精通技術(shù)，洞悉人性、營銷裂變、花錢拉新，就能做好一個創(chuàng)業(yè)項(xiàng)目。
但這種粗放的創(chuàng)業(yè)路徑，放在當(dāng)下的創(chuàng)業(yè)環(huán)境下早已難以為繼。
所以，我們能發(fā)現(xiàn)一個趨勢：AI行業(yè)里的CEO，尤其是在創(chuàng)業(yè)初期的CEO，多是技術(shù)出身。
當(dāng)然，在一家公司成熟之后，出于商業(yè)化的考慮，技術(shù)管理者可能會讓位于銷售、渠道見長的商業(yè)人才、抑或是職業(yè)經(jīng)理人。但是，技術(shù)管理者的思維、組織框架，已經(jīng)給公司打上深深的烙印。
一個很明顯的現(xiàn)象是，無論是“深度學(xué)習(xí)預(yù)測蛋白質(zhì)結(jié)構(gòu)”第一人許錦波、亦或是華深智藥彭健、百奧幾何唐建、燧坤智能曾建陽等等一系列AI制藥公司的創(chuàng)始人，均是技術(shù)背景出身，也陸續(xù)拿到千萬級別的融資，這說明資本認(rèn)可這條賽道。
AI制藥，是一個屬于鄧亞峰這類人的機(jī)會。
AI行業(yè)的創(chuàng)業(yè)，緣起10年前。直至2016年的AlphaGo之后，醫(yī)療AI的創(chuàng)業(yè)大幕正式拉開。
早期的醫(yī)療AI以醫(yī)學(xué)影像AI為標(biāo)志，但坦白而言，醫(yī)學(xué)影像AI的前期創(chuàng)業(yè)門檻不算高：基于開源的數(shù)據(jù)庫和算法，就可以做成很好的“實(shí)驗(yàn)室”效果，輕松拿到融資。
同樣的情況，也發(fā)生在AI制藥身上。
2021年，全球AI+制藥產(chǎn)業(yè)共發(fā)生77起融資事件，累計(jì)融資額達(dá)45.64億美元，融資事件數(shù)和融資額共同刷新了歷年融資紀(jì)錄。對比2020年，2021年融資額增長率達(dá)152%。
鄧亞峰認(rèn)為，技術(shù)角度，醫(yī)學(xué)影像AI是CV的垂直應(yīng)用領(lǐng)域，有現(xiàn)有的圖像檢測、分割算法模型可以借用，技術(shù)壁壘并不高；
商業(yè)角度，醫(yī)療影像服務(wù)，一直都沒有找到一個合理地從消費(fèi)者身上額外收費(fèi)的模式，同時，也難以處理與醫(yī)生的倫理關(guān)系，即最終還需要醫(yī)生簽字，無法真正代替醫(yī)生。
所以，最終醫(yī)療影像算法變成了醫(yī)療器械的附屬，難以創(chuàng)造非常高的商業(yè)價值。
相比而言，AI制藥有著與醫(yī)學(xué)影像AI不同的處境。
從AI制藥的痛點(diǎn)而言，目前的新藥研發(fā)效率很低，失敗率很高。鄧亞峰透露了一組數(shù)字：“目前手工試驗(yàn)是非常低效的，一個博士5年期間只能合成約100種化合物，效率并不高?！?。
在新藥發(fā)現(xiàn)的各個環(huán)節(jié)中，都有AI算法發(fā)揮的空間，AI是解決新藥研發(fā)領(lǐng)域痛點(diǎn)的鑰匙。誰掌握了基于AI平臺開發(fā)新藥的能力，誰就會脫穎而出。而藥品市場是一個十萬億市場，具有非常大的想象空間。
另一方面，AI制藥領(lǐng)域的技術(shù)門檻非常高，沒有如計(jì)算機(jī)視覺、自然語言理解領(lǐng)域那樣成熟的框架和模型可以直接使用，現(xiàn)有的算法需要持續(xù)打磨才能產(chǎn)生價值，這就需要團(tuán)隊(duì)有非常強(qiáng)的算法建模能力。
新藥發(fā)現(xiàn)領(lǐng)域的AI技術(shù)分為兩個層次：
第一個層次，從微觀、底層的角度進(jìn)行建模，例如圍繞分子和靶點(diǎn)的相互作用或分子的性質(zhì)預(yù)測，基于Transformer或者圖神經(jīng)網(wǎng)絡(luò)對底層物理化學(xué)規(guī)律進(jìn)行建模；
第二個層次，就是從宏觀層面對化合物、蛋白、基因、疾病之間的數(shù)據(jù)關(guān)聯(lián)性進(jìn)行建模，這里會用到多模態(tài)預(yù)訓(xùn)練、知識圖譜等技術(shù)。
“在生命科學(xué)領(lǐng)域，必須要有原創(chuàng)的模型和方法，去真正解決掉研發(fā)環(huán)節(jié)中的某個具體問題，目標(biāo)客戶才會付費(fèi)。而且，AI制藥的目標(biāo)客戶不同于醫(yī)院，少了很多政策、倫理上的掣肘?！?/p>
如其他“AI+”賽道，AI制藥的核心在于制藥，需要具備深厚藥學(xué)背景的人才，這就要提到碳硅智慧的另一位聯(lián)合創(chuàng)始人侯廷軍教授。
侯廷軍教授本碩博均從北京大學(xué)畢業(yè)，作為國家“萬人計(jì)劃”科技創(chuàng)新領(lǐng)軍人才，曾獲得Elsevier中國高被引學(xué)者、藥明康德生命化學(xué)研究獎、英國皇家化學(xué)會"Top 1%"高被引中國作者，SCI學(xué)術(shù)論文400余篇，ESI高引和擴(kuò)展ESI高引論文30篇，總引次數(shù) (google)> 20000 次，H因子70，軟件著作權(quán)19項(xiàng)，發(fā)明專利43項(xiàng)，并已授權(quán)23項(xiàng)。
作為浙江大學(xué)藥學(xué)院特聘教授，侯廷軍擁有長達(dá)20余年的藥物設(shè)計(jì)方法學(xué)和應(yīng)用研究經(jīng)驗(yàn)，在2022年剛剛發(fā)布的全球?qū)W者學(xué)術(shù)影響力排行榜上，他位列國內(nèi)藥學(xué)學(xué)科領(lǐng)軍人物榜單第三位。
他所帶領(lǐng)的研究團(tuán)隊(duì)也是國內(nèi)人工智能輔助藥物設(shè)計(jì)領(lǐng)域最好的團(tuán)隊(duì)之一。
兩人的分工則是：鄧亞峰作為董事長兼CEO，負(fù)責(zé)公司的戰(zhàn)略規(guī)劃、運(yùn)營管理以及人工智能軟硬件產(chǎn)品研發(fā)；侯廷軍作為首席科學(xué)家，專注公司在藥學(xué)領(lǐng)域的研發(fā)和布局，以及前沿方向探索。
2022年9月，侯廷軍團(tuán)隊(duì)、浙江大學(xué)謝昌諭團(tuán)隊(duì)、武漢大學(xué)陳曦團(tuán)隊(duì)、中南大學(xué)曹東升團(tuán)隊(duì)及碳硅智慧團(tuán)隊(duì)聯(lián)合在《藥物化學(xué)雜志》（Journal of Medicinal Chemistry）發(fā)表了論文。
藥物發(fā)現(xiàn)中的一個問題是，如何有效地尋找具有所需特性的新分子，例如生物活性、成藥性和安全性一直以來都是藥物發(fā)現(xiàn)中亟待解決的難題。
一個主要困難是類藥物化學(xué)空間中分子的估計(jì)數(shù)量在10的三十次方到六十次方之間。如何從如此龐大的集合中智能地生成或識別有用的分子結(jié)構(gòu)一直是從頭藥物設(shè)計(jì)的長期障礙。
基于遺傳算法（GA）的分子生成方法不需要模擬訓(xùn)練數(shù)據(jù)集的分布(因?yàn)樗鼈兏静恍枰?xùn)練)，因此它們表現(xiàn)出更高的探索能力。
因此，上述5個團(tuán)隊(duì)聯(lián)合提出了兩種分子生成算法ChemistGA。模型在單靶點(diǎn)（DRD2）與多靶點(diǎn)（GSK3β與JNK3）分子生成任務(wù)中，對比現(xiàn)有的傳統(tǒng)GA與DL分子生成模型，ChemistGA 不僅保留了傳統(tǒng)GA分子生成算法的優(yōu)點(diǎn)，而且大大提高了具有所需特性的生成分子的可合成率以及生成效率。
這樣的案例也表明，碳硅智慧在AI制藥的原創(chuàng)研究道路上，已經(jīng)正式起步。
僅有AI制藥的模型和算法策略并不夠，還需要形成一個完整的流程。
藥物設(shè)計(jì)需要一個像芯片設(shè)計(jì)領(lǐng)域的EDA工具，幫助藥物設(shè)計(jì)專家看到藥物設(shè)計(jì)全貌，且能形成數(shù)據(jù)和模型閉環(huán)迭代的設(shè)計(jì)平臺。
近期，不少AI制藥團(tuán)隊(duì)都陸續(xù)提出類似概念，例如智峪生科、天壤智能等。
據(jù)鄧亞峰介紹，目前，碳硅智慧已建立了業(yè)內(nèi)領(lǐng)先且完全擁有自主知識產(chǎn)權(quán)的一站式新藥發(fā)現(xiàn)平臺 DrugFlow，包括靶標(biāo)評估、虛擬篩選、先導(dǎo)化合物優(yōu)化、成藥性預(yù)測等模塊，可以幫助藥化專家更高效、便捷地找到潛在成藥分子。
這類似于芯片設(shè)計(jì)領(lǐng)域的EDA軟件，幫助專家更好地決策和判斷。其中的成藥性預(yù)測、分子生成優(yōu)化、AI打分等模塊都是行業(yè)里面其他軟件不具備的獨(dú)特功能。
除此之外，碳硅智慧內(nèi)部的藥化及計(jì)算專家，基于DrugFlow平臺，總結(jié)出基于AI計(jì)算的最佳藥物設(shè)計(jì)實(shí)踐，并對外提供藥物分子設(shè)計(jì)服務(wù)。
在美國國家生物技術(shù)信息中心工作多年，目前擔(dān)任夸克資本合伙人Leo 韓漣漪曾向雷峰網(wǎng)(公眾號：雷峰網(wǎng))《醫(yī)健AI掘金志》表示：“在談AI前景前，藥學(xué)家和醫(yī)藥從業(yè)者，會先關(guān)注AI制藥企業(yè)的業(yè)務(wù)邏輯是什么，核心競爭力在哪里，最終影響哪一類賽道，無論是晶型預(yù)測，還是小分子藥物篩選，AI怎樣找到藥物研發(fā)的服務(wù)關(guān)系才是關(guān)鍵。”
鄧亞峰表示，碳硅智慧沒有將自己定位成一家Biotech公司，而是想做行業(yè)AI基礎(chǔ)設(shè)施和服務(wù)賦能者，通過構(gòu)建基于AI和物理計(jì)算模型、數(shù)據(jù)驅(qū)動、干濕實(shí)驗(yàn)閉環(huán)的藥物設(shè)計(jì)平臺和設(shè)計(jì)服務(wù)，最終讓客戶自己決定是使用軟硬件設(shè)計(jì)產(chǎn)品，還是直接使用碳硅智慧的藥物設(shè)計(jì)服務(wù)。
在雷峰網(wǎng)此前的報道中，據(jù)2020年6月發(fā)表于Drug Discovery Today雜志的文章顯示，21家頭部跨國藥企在2014-2019年共發(fā)表398篇與“AI藥物研發(fā)”相關(guān)的論文，同時啟動了73項(xiàng)內(nèi)部AI研發(fā)項(xiàng)目、61項(xiàng)與外部AI公司合作的項(xiàng)目、以及11項(xiàng)投資/收購初創(chuàng)AI企業(yè)。
這里涉及到一個核心問題：既然AI技術(shù)對藥企而言很重要，那么藥企不能通過自建團(tuán)隊(duì)來實(shí)現(xiàn)？
類似的事情是，安防公司海康威在攝像頭業(yè)務(wù)之外，專門設(shè)立AI事業(yè)部，做邊端算法；或者飛利浦、西門子等器械廠商去做掃描環(huán)節(jié)的圖像重建、增強(qiáng)等AI算法。如此而言，AI制藥團(tuán)隊(duì)就會面臨不小的挑戰(zhàn)。
“我覺得（藥企自建AI團(tuán)隊(duì)）很難做起來。AI制藥不同于AI安防，安防本質(zhì)上是一個硬件生意，考驗(yàn)的是供應(yīng)鏈以及售后體系的構(gòu)建?！?/p>
鄧亞峰給出了自己的觀點(diǎn)：“傳統(tǒng)藥學(xué)專家亦或是內(nèi)部的IT工程師，對于AI的理解是不一樣的。生命科學(xué)領(lǐng)域的AI，不是拿一個開源軟件就可以做起來的，有很高的門檻，需要頂尖的團(tuán)隊(duì)才能真正做好。而成熟企業(yè)，想建立這樣的團(tuán)隊(duì)，目前看并不容易，核心原因是頂尖的AI人才不會選擇特別傳統(tǒng)的平臺，兩種團(tuán)隊(duì)的文化氛圍差別很大。即使建立了AI團(tuán)隊(duì)，在巨大投入下，AI的價值也很難評估，團(tuán)隊(duì)會面臨巨大的壓力?！?/p>
除此之外，企業(yè)內(nèi)部的關(guān)鍵決策人，其思路和視角仍不可避免地聚焦在傳統(tǒng)業(yè)務(wù)的“價值鏈”上，新業(yè)務(wù)的投入產(chǎn)出比也會屢受內(nèi)部爭議。
因此，鄧亞峰認(rèn)為，對于藥企來說，借助外部團(tuán)隊(duì)的AI能力，對自身而言是一個最具備“性價比”的選擇，也是不可或缺的補(bǔ)充劑。
從6月18日離職到正式運(yùn)營碳硅智慧，鄧亞峰只花了三個月的時間。目前，公司已經(jīng)建立起近60人的團(tuán)隊(duì)。
而碳硅智能的第一要務(wù)，是基于AI和物理計(jì)算模型以及軟件流程和硬件自動化，去搭建一個真正提高藥物發(fā)現(xiàn)效率的設(shè)計(jì)平臺。無論是賣軟硬件產(chǎn)品，還是做藥物設(shè)計(jì)服務(wù)，抑或是與戰(zhàn)略合作伙伴聯(lián)合做藥，都可以基于效率去談價值實(shí)現(xiàn)。
過去兩年，國外先后有Schrodinger薛定諤、Exscientia、Relay多家AI制藥企業(yè)完成了上市。從找到臨床前候選化合物，到接踵而至的藥企合作；從持續(xù)不斷的大額融資，到斬獲百億巨額訂單。
AI新藥研發(fā)企業(yè)的攻城掠地速度，刷新了各個藥企、投資人、AI圈人的認(rèn)知。
“AI對新藥研發(fā)領(lǐng)域的價值毋庸置疑，但是能否成長為一個千億規(guī)模的大平臺，還有待驗(yàn)證。關(guān)鍵在于，你相不相信制藥的固有模式會被AI改變。只要你創(chuàng)造了價值，就會有獲得回報的方式?！?nbsp;
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
