以医药领域的新药研发为例，人工智能科技的应用大大缩短了科研团队的研发周期。近期，西安交通大学第一附属医院刘冰教授团队基于人工智能大模型技术，研发出超级抗菌药。其研发过程显著突破了医药研发“双十定律”的瓶颈，将原本漫长的研发周期从数年缩短至一个月。
新药研发工作风险大、周期长、成本高，为此医药界存在着“双十定律”，即需要超过10年时间、10亿美元的成本，才有可能成功研发出一款新药。即使如此，大约只有10%新药能被批准进入临床期。
横亘在研发人员面前的关键难题之一是海量药物分子的筛选工作。科学刊物《Nature》发表的论文指出，在化学空间里面，人类可发现的药物分子个数多达10的60次方个，而太阳系里所有原子加到一起，也只有约10的54次方个。如何在海量的化学分子中快速地寻找到适合成药的分子结构，是科研人员长期以来头疼的问题。
刘冰教授引入华为云与中科院上海药物研究所共同训练的盘古药物分子大模型，这一前沿人工智能技术可大大加快药物分子的筛选过程，让先导药的研发周期从数年缩短至约一个月，研发成本降低70%左右。
“一方面，人工智能大大减少了人工对小分子化合物的筛选计算量，节约了时间和成本；另一方面，人工智能可对筛选后的小分子化合物进行定向优化，通过更科学的药物结构设计，降低新药可能的毒副作用。”华为云EIHealth医疗智能体负责人乔楠博士说。
小分子化合物的筛选，也就是先导药的设计，是药物研发的重要一环。研发团队要从上亿的小分子化合物中找到对目标靶点最有效的那一个，并且不断修改药物结构，来提高它的活性和成药性。每一次的更新都意味着合成路线、药效评估试验等一系列方案需要重新设计和验证。
乔楠博士介绍，华为云盘古药物分子大模型在无监督学习模式和业界独有的“图-序列不对称条件自编码器”深度学习网络架构下，预先学习了17亿个小分子的化学结构，接受了海量训练，能够更好地对分子结构与性质进行预测与推荐。
“盘古大模型可自动对蛋白与分子化合物结合的结果做出预测。就像汽车的研发试验，人工智能可以仿真测试车辆碰撞轨迹、碰撞结果等，并且预先演练数亿次。”乔楠博士表示，基于预训练的大模型技术，人工智能可迅速选出可能有效的分子结构供人工实验，大大减少了人力筛选的时间与成本。
同时，盘古药物分子大模型的结构优化器还能够对筛选后的先导药进行定向优化，比如，减弱对人体正常细胞可能产生的毒副作用。
基于盘古药物分子大模型，西安交大一附院刘冰教授团队的超级抗菌药研发已取得重要突破，于近期在国际范围内申请专利，正在进行支持IND（新药临床研究审批）申报的临床前研究阶段。刘冰介绍，该药或有望成为全球近四十年来首个新靶点、新类别的抗生素。
“AI技术与基础科学的结合与创新，不仅解决了研发成本高和时间周期长的痛点，更为初创型科研团队提供了施展能力的舞台。”刘冰表示，人工智能技术的应用，让更多初创团队可以参与到药物研发领域，为国产制药产业的创新做出实际贡献。
在2022世界人工智能大会上，华为轮值董事长胡厚崑同样表示，人工智能触发的产业变革正在改变每一个行业，人工智能也在越来越多的行业场景发挥重要价值。
