AI在艾普司韦的研发集中介入在三个环节。

第一环是DEL筛选。

新药研发要找到具有成药潜力的分子，西湖制药团队借助AI计算为DEL（DNA编码化合物库）筛选试验确定分子对照条件。借助这项技术，仅用两个月时间，从海量的490亿个分子中筛选出了100多个“潜力股”。

第二环是AI虚拟筛选压缩成本和时间。

西湖制药发挥AI的迁移学习和预训练模型，攻克了DEL筛选的高假阳性率，虚拟筛选将目标从100个聚焦至9个。相比之下，传统的真实合成实验中，每个化合物的合成成本1万元至2万元，昂贵又耗时。

第三环是AI辅助药物优化。

药物分子与靶蛋白的结合是发挥功能的核心步骤。传统药物优化平均耗时三年，西湖制药的AI WAND平台与湿实验结合，将这一环节时间压缩至不到一年。

值得一提的是，AI WAND是西湖制药的人工智能新药研发平台，通过将受物理启发的人工智能技术与结构生物学、药物化学、生物化学相结合，推动药物研发范式升级。此外，西湖制药2021年曾与英矽智能达成合作，加速冠状病毒创新药物研发。

事实上，就艾普司韦而言，AI的角色更多是“辅助”，覆盖了靶点发现、分子生成和优化环节，西湖制药团队将其定位为“全球首例源自DEL技术的原创小分子药物”。

这也是当下AI制药领域最大的疑问，即"AI跑通全流程"的价值何以实现，这种价值不只在于速度，更在于打开人类认知难以迅速触及的新靶点和新分子空间。

但不可否认的是，艾普司韦提供了一个优秀案例，一个关于“AI+DEL”能否真正缩短新药研发周期的案例。而对这个问题的回答，直接关系到AI制药行业的未来。

艾普司韦获批的同一天，另一则新闻在科技圈刷屏——谷歌旗下的人工智能研究实验室‌解散了其开发的人工智能系统核心研发团队。

该团队开发了一系列用于蛋白质结构预测的人工智能系统。2024年，该实验室CEO哈萨比斯和另一位科学家曾凭借其站上诺贝尔化学奖领奖台。

如今，核心团队在获奖不到两年后散场。最初参与此项论文的全职作者中，已有近四分之一离开公司。

一个由诺奖得主领衔、十数年积累的核心团队，在最巅峰时刻分崩离析。谷歌的解释是：“策略发生了变化”。换句话说，与其养一个专门做蛋白质结构预测的团队，不如让大模型什么都能干。

宏大叙事与未知前景，火热的市场与骨感的财报，耀眼的诺奖与变幻的风向，AI制药行业的“里子”究竟如何？请您明天接着收听。