作者｜閆妍

【資料圖】

出品｜網(wǎng)易科技《潮頭》欄目

生命科學領域正在迎來新故事。

就像ChatGPT打開了人機對話的窗口，一批生命科學AI大模型也在開發(fā)的路上，甚至已經(jīng)有人打響了落地第一槍，或?qū)樾袠I(yè)帶來革命性的變化。

“我們在通過大模型盡量地學習生物進化規(guī)律，有點像在數(shù)字世界不斷重啟地球，希望從中找到對人類有益的新東西，填補復雜行業(yè)問題與前沿算法之間的關鍵空白地帶，為科研、環(huán)保、材料、消費等領域提供解決方案?！卑賵D生科CEO劉維告訴網(wǎng)易科技《潮頭》欄目。

簡單來說，他們在打造一個能生成蛋白質(zhì)的ChatGPT，探索人類進化過程中蛋白質(zhì)組合的各種可能性，根據(jù)用戶給定的參數(shù)和功能，以生成的方式，設計創(chuàng)新的蛋白質(zhì)（抗體、酶等）、細胞等設計方案，來回答各種生命科學問題。

2020年，百度集團創(chuàng)始人李彥宏和時任百度風投CEO的劉維，決定聯(lián)合創(chuàng)辦百圖生科。2021年，百圖生科構建了世界最大規(guī)模的免疫圖譜，并做出了千億參數(shù)規(guī)模的大模型“xTrimo”，這是全球首個、也是目前最大的生命科學領域的“超大規(guī)模多模態(tài)模型體系”。后來，基于該模型研發(fā)了用戶交互窗口AIGP平臺（AI Generated Protein，AI生成蛋白質(zhì)平臺），AIGP在2022年開始內(nèi)部使用，2023年宣布擴大內(nèi)測范圍，目前合作伙伴已超20家，今年有望擴展到50家左右。

在劉維看來，尤其在承擔著人類生命健康使命的新藥研發(fā)行業(yè)中，大模型的社會價值和行業(yè)價值極高。

核心點在于，它能夠幫助研究者節(jié)約大量的實驗時間和實驗費用?！叭蚍秶磕暌ㄙM幾千億美金在臨床試驗上，僅一輪動物實驗就要花費幾月時間、幾百萬成本，有的企業(yè)花費幾年時間圍繞著一個靶點來研發(fā)一款藥物，但到最后關頭前功盡棄，這種行業(yè)格局使得大家都在苦行僧之路上長期前行?！眲⒕S講。

在他看來，大部分的藥物研發(fā)往往只夠針對單個靶點，這是整個行業(yè)低效的源頭問題。“有很多失敗是一開始就埋下的，前期參數(shù)就存在了問題，未來在foundation model驅(qū)動下，很快就能根據(jù)已有參數(shù)涌現(xiàn)出答案，這對于從0到1的創(chuàng)新發(fā)現(xiàn)，可能提高的是很多年的效率?！?/p>

劉維告訴《潮頭》欄目，AI技術應用在生命科學領域的最終價值，是幫助解碼、治愈所有的疾病，解決當下難以應對的全球公共健康問題。

奇點將至

生物計算加速“進化樹”

《潮頭》：兩年前，百圖生科開始布局大模型“xTrimo"，當時決定要做這件事的契機是什么？

劉維：其實BioMap這個公司名字也跟大模型很有關系，當然它沒有叫“Bio大模型”，而是叫了“Map”這個名字，實際上公司創(chuàng)立之初就希望，圍繞著難成藥靶點全新蛋白等實驗篩選手段篩不出來的領域，利用大模型對于弱關聯(lián)語料的處理能力，從海量的生物數(shù)據(jù)里面提取對科研人員有意義的規(guī)律，為行業(yè)提供更好的生物地圖（BioMap）。

2020年底，我和Robin為什么決定要做這家公司？其一個核心判斷就是看到OpenAI開發(fā)了GPT-3，人類的第一個千億參數(shù)大模型出現(xiàn)，這種技術的躍升，讓我們看到了做垂類大模型更大的潛力，這也是我們決定要成立這家公司的原因之一。公司最早的時候有張計劃圖，左邊寫的就是預訓練大模型，右邊寫的是若干個任務模型。

《潮頭》：大模型可以切入的方向有很多，你們?yōu)槭裁催x擇了生命科學這個場景？

劉維：我認為大模型的核心優(yōu)勢，可以從它的入口和出口去判斷，它的入口需要比較大量的弱關聯(lián)數(shù)據(jù)，出口需要找到適合大模型去做缺乏任務數(shù)據(jù)的場景。滿足入口、出口這兩個約束條件之后，大模型就在這個應用場景內(nèi)變得更有用武之地。否則，如果沒有大量前端的弱關聯(lián)數(shù)據(jù)，大模型無從訓起。或者相反，如果任務數(shù)據(jù)已經(jīng)比較豐富了，實際上也不需要大模型，用傳統(tǒng)的AI模型也能做。

我們?nèi)プ鲞@家公司，恰好配合了這么一個時間點，海量的生物數(shù)據(jù)開始出現(xiàn)，但是它還沒有被整理好，不夠高質(zhì)量，也不夠任務相關，這個時候如果誰能夠先用一種新技術把它們利用起來，誰能用一個技術平臺把它們匯聚起來，在海量的數(shù)據(jù)里找出規(guī)律，用來解決缺乏數(shù)據(jù)的特定問題，我們覺得就能夠批量化地解決很多創(chuàng)新藥物或者生命科學項目研發(fā)的挑戰(zhàn)。

《潮頭》：當時希望“xTrimo"具備怎樣的能力？目前又實現(xiàn)了多少？

劉維：大模型的核心就是生成、涌現(xiàn)，而且這種涌現(xiàn)是低成本、高泛化能力、高場景適應性的。我們當時寫下的第一個任務，是希望解決免疫領域中復雜規(guī)律的一系列小任務。但這兩年，我們發(fā)現(xiàn)大模型在泛化的蛋白和細胞任務上的表現(xiàn)比想象中更好。從免疫高性能抗體起步，到其他非免疫領域的高性能抗體，再到藥物領域中用到的其他蛋白質(zhì)，大模型對這些問題的預測、生成是有泛化能力的，已經(jīng)可以通過技術去摘取一些“果實”。

今年，我們還有一個很大的發(fā)現(xiàn)，酶作為一類蛋白質(zhì)，大模型對它們的能力也很突出，所以我們正在研究跟石油有關的酶，跟環(huán)保有關的酶等等。背后意義在于，油井里的酶可以促進有機物更好地凝固，環(huán)保場景下酶可以促進塑料更快降解，以及工業(yè)催化、釀酒等行業(yè)都需要各種各樣更好的酶，但這些酶在傳統(tǒng)自然界中還沒有進化出來，小改進也改不出來，沒有生成能力就很難做出全新的設計。

我們希望通過大模型設計全新的蛋白質(zhì)藥物、全新的酶，有點像是在加速“進化樹”，以前生物學的發(fā)現(xiàn)大多是靠在自然界去“撈”，現(xiàn)在更像是將潛在的蛋白質(zhì)構成視作一個巨大的模型，可以在數(shù)萬億倍的增量空間去探索人類進化過程中，蛋白質(zhì)組合的各種可能性，釋放更多未知領域的潛力。

《潮頭》：AI大模型需要計算資源，數(shù)據(jù)集深度學習框架，語料庫等多項能力的支撐。

但很多醫(yī)藥企業(yè)對于數(shù)據(jù)保護格外慎重，生物數(shù)據(jù)的缺乏，是否對大模型的訓練帶來挑戰(zhàn)？

劉維：如果我們只看強關聯(lián)數(shù)據(jù)，它一定是稀缺的。不僅是我們這樣的公司缺，大的藥企也缺。我們今天跟很多大藥企去合作，會發(fā)現(xiàn)其實數(shù)據(jù)沒有想象中的那么多。

背后原因很簡單，一是生物實驗的方法，本身能產(chǎn)生的數(shù)據(jù)就很有限；二是以往的藥物發(fā)現(xiàn)大多以真實物理世界篩選為主，以動物實驗作為驗證主體，實驗中常見的是只去記錄好的、良性結果的數(shù)據(jù)，而被篩出去的不成功產(chǎn)物，這些數(shù)據(jù)則沒有被記錄，不成功不一定意義等于0，可能是0.2、0.3、0.4，但很多高質(zhì)量的數(shù)據(jù)其實被丟掉了；三是藥企可能產(chǎn)生過很多數(shù)據(jù)，但是他們又積累了多少呢？因為這些數(shù)據(jù)的存儲、整理都是很高的成本。所以，藥企并沒有想象中的那么多數(shù)據(jù)，就算有一些，也遠遠不足以做大模型。

《潮頭》：那么在數(shù)據(jù)缺口問題上，你的解決辦法是什么？

劉維：我們最后在北京、蘇州兩地，各建了上萬平的高通量實驗室，原因其實就是很多行業(yè)的數(shù)據(jù)采集技術和標準，并不符合AI需求。我們自己建立實驗室，目標就是要去重新塑造這樣的流程和技術標準，并且把它反推給行業(yè)。

但是我們更核心的解決方案是更AI化的，我們希望聚合公開數(shù)據(jù)實現(xiàn)海量的語料為大模型所用。在數(shù)據(jù)話題上，其實生命科學比起其他行業(yè)有個優(yōu)勢，出于行業(yè)監(jiān)管的原因，這個領域有極為大量的科學研究數(shù)據(jù)必須公布，比如臨床數(shù)據(jù)、藥物實驗結果等等，科學論文更是非?；钴S。我們現(xiàn)在已經(jīng)構建了世界最大的一個生命科學數(shù)據(jù)集，萬億規(guī)模的數(shù)據(jù)圖譜，這也是兩年多來做出的一個比較大的投入，里面納入了來自2億篇論文，超1億篇專利，幾百萬篇類似于FDA報告的專業(yè)文檔，以及幾千個不同的數(shù)據(jù)庫的數(shù)據(jù)，這種體量的行業(yè)數(shù)據(jù)是任何一家企業(yè)遠遠無法積累到的，而這些數(shù)據(jù)的獲取，處理，數(shù)據(jù)工程又構成了非常深的護城河。

《潮頭》：在你看來，生命科學AI大模型將如何幫助行業(yè)降本增效？

劉維：一個在于降本，以往的藥物發(fā)現(xiàn)大多以動物實驗作為驗證主體，一輪動物實驗要花費幾個月的時間、幾百萬的成本，現(xiàn)在可以直接通過大模型生成預測，前面的實驗環(huán)節(jié)會大大節(jié)約（成本）。

還有一個在于提效，全球范圍每年可能要花費幾千億美金在臨床試驗里，但其實很多都是在浪費，因為后面的失敗概率很高。比如，有很多失敗是一開始就埋下的，前期參數(shù)就存在問題，越拖到后面造成的成本損耗越大。未來，在foundation model驅(qū)動下，后面明知會失敗的事情，前面這些環(huán)節(jié)就不要做了。這對于從0到1的創(chuàng)新發(fā)現(xiàn)，可能提高的是很多年的效率。

聚焦人才

組建一支真正與國際接軌的團隊

《潮頭》：中國的通用大模型整體發(fā)展落后于美國，但令人意外的是，百圖生科做出了生命科學領域最大的模型，而且是最領先的，這是為什么？

劉維：我們做得夠早，從2020年開始做這個事，在整個行業(yè)里，無論是做生命科學的foundation model，還是作為一家獨立公司做foundation model，2020年都是很早的。其次，我們還很快，這個“快”體現(xiàn)在萬億規(guī)模的數(shù)據(jù)圖譜構建，我們利用了中國非常好的工程優(yōu)勢，我覺得在中國可能比美國要快10倍。

《潮頭》：怎么講？為什么能比美國快10倍？

劉維：在數(shù)據(jù)圖譜的構建過程中，其實有大量的數(shù)據(jù)工程工作，大量的工具開發(fā)工作，背后都回歸到了人的努力程度，跟人員的成本和工程的組織效率息息相關。例如，數(shù)據(jù)標記工作，我們高峰期大概有上百人的專業(yè)團隊專門在做，還有幾百人的兼職。

同樣是疫情造成進出辦公室不便，我們在國內(nèi)很多同事仍然堅持在實驗室里，而美國有的公司長期work from home直到現(xiàn)在還沒有恢復。當然，美國有它的創(chuàng)意、創(chuàng)新優(yōu)勢，但涉及到大的系統(tǒng)工程的執(zhí)行問題，這就是我們見長的方向了。這也是我們一直希望能夠發(fā)揮全球化的優(yōu)勢，即便前兩年疫情的原因，地緣政治的原因，都帶來很多的挑戰(zhàn)和代價，但我們還是堅持這么做，原因很簡單，我還是相信在前沿科技領域大家需要全球化合作，也只有合作才能把市場上各種有效要素組織起來，去做一個前沿突破型的公司。

《潮頭》：在生命科學這個領域里，國內(nèi)不管是科研能力還是論文數(shù)量，距離世界頂級水平都還存在差距。這種背景下，要如何保持技術先進性和高水平的研究能力，做到與國際頂級水平接軌？

劉維：我認為這點恰恰是我們比較有優(yōu)勢的。在公司創(chuàng)立之初，我們就希望這是一家真正國際化的企業(yè)，一開始就在硅谷和中國兩地設立了團隊進行運營。從人的角度來講，我們創(chuàng)始團隊一直真正在全球領域去做前沿投資，無論是在AI領域，還是在生物領域，我們在美國投了非常多主流的AI和生命科學項目，使得我們有人脈，能夠組建這樣一支真正與國際接軌的團隊。

正因此，我們當年開始做這家公司的時候，就找來了一些足夠全球影響力的團隊成員，和更多的像Robert·Gentleman這樣的核心科學顧問，他是R語言的發(fā)明人，現(xiàn)任哈佛醫(yī)學院計算生物醫(yī)學中心創(chuàng)始主任，這種global背景人才的團隊組合，使得我們能夠設計面向未來的架構，構建起這樣大規(guī)模的數(shù)據(jù)。

《潮頭》：2020年，你已經(jīng)在硅谷看到了OpenAI這樣公司的出現(xiàn)，但不管是大模型還是ChatGPT，這些信息傳導到中國好像慢了很大一拍，今年初不少投資人面臨大模型熱還有些措手不及。為什么會出現(xiàn)這種狀況？

劉維：我覺得這幾年慢是很明顯的，以前非常頻繁的交流和人才回流，這些年基本停下來了。以前我們做投資的時候，會發(fā)現(xiàn)很多華人在美國做到一定位置之后，他可能想要創(chuàng)業(yè)，不少人愿意回到中國看機會，自然就帶回了很多比較新的東西。

但這幾年，各種變化糾纏在一起，這種力量在減弱?，F(xiàn)在美國大模型也很熱，但不是今年才開始熱，而是過去幾年一直有熱度。今天，美國更關注的是做專業(yè)垂類的foundation model，不是在垂類里用GPT寫小作文，而是垂類里頭的foundation model或者next generation foundation model。但在中國，很多人還是在“卷”GPT的copy cat。

《潮頭》：現(xiàn)在有一股大模型扎堆創(chuàng)業(yè)的熱潮，不斷有新的挑戰(zhàn)者入局，每個大廠似乎都要去做一個自己的大模型，你怎樣看待這波創(chuàng)業(yè)潮？什么樣的團隊或產(chǎn)品才能走到最后？

劉維：首先說做foundation model這個角度，第一個活下去的要素是，你真的在做foundation model。我個人覺得，今天市場上還很多是在蹭熱點，有人說我在做大模型，但人家沒說是做千億參數(shù)的大模型，沒說是自己架構的基礎模型，只是一個“大”的標簽，可能還是原來的AI。說實話，去做大模型，搞大模型訓練，是很高的門檻。一個真正千億參數(shù)的大模型，至少得有幾千塊卡的資源和算法工程能力，要有萬億token的獨特語料，不然就不能訓練大模型。把各種泡沫都撇掉之后，誰是真實去做這個東西的，大家心里有數(shù)。

第二個問題是，在戰(zhàn)略上有沒有合理路徑，能付得起大模型的成本?；ヂ?lián)網(wǎng)大廠去做大模型，在算力、數(shù)據(jù)、應用場景上，有先天的優(yōu)勢。初創(chuàng)公司做這件事，如果你做的這個領域并不稀缺，或者說已經(jīng)有很多競爭了，那么你還能不能得到合作的機會？

第三個，能不能構建一個多元化的人才戰(zhàn)略。我覺得大模型真正的競爭門檻在于多元化人才，這是個很系統(tǒng)的工程，是跨模態(tài)的。比如我們有的人要懂蛋白，有的人要懂細胞，有的人要懂算法工程，有人要懂如何拿大模型的輸出去真的做藥而不只是發(fā)個論文，在這么復雜的機理里面，每一層都要找到合適的人才，能不能吸引這么一個多元化的團隊愿意一起干，這個也很重要。

商業(yè)化提速

專注“Model as a Service”

《潮頭》：目前公司的主要合作伙伴有哪些？

劉維：合作伙伴基本上兩類，但是大家目的都是一樣的，都是想做成創(chuàng)新的項目。一類是大型的藥企、大型的石油公司、大型的工業(yè)公司，這部分可能短期的付費能力更強，他們可能上來就愿意出錢，能付成百上千萬美金的費用，來調(diào)用我們的任務模型或者大模型。

另一類是研究中心、中小型公司以及高校著名的實驗室，這部分可能不涉及短期給我們付費，但大家可以共同投入，分享未來收益，這些伙伴的魅力在于，他們有非常多的前沿研究和數(shù)據(jù)。這都是我們需要的，今天任何一個合作伙伴的數(shù)據(jù)都不夠多，但數(shù)據(jù)飛輪把越來越多伙伴聯(lián)合起來，可以創(chuàng)造顯著的數(shù)據(jù)價值。

《潮頭》：在商業(yè)模式上，你們的定位是和大模型公司一樣，還是有一天也會去做垂直應用？

劉維：我們和其他大模型公司的邏輯是一樣的，我們覺得是“Model as a Service”（MaaS，模型即服務）。我們當然自己也有能力把一些項目往后推，甚至直接去做臨床等等，但是總要做一個選擇，是把所有的精力放在去做一個具體的創(chuàng)新藥上，還是這個平臺圍繞多個項目都能做出貢獻，我們選擇了后者。

原因也很簡單，每一個創(chuàng)新項目往后走，行業(yè)縱深其實都很深，而在這些行業(yè)縱深里，一定都有些公司已經(jīng)很有優(yōu)勢了，你為什么要重復他們的工作呢？從立場來看，又當裁判又當運動員，反而會錯失更多優(yōu)質(zhì)合作。我們會利用大模型和任務模型設計很多具體的分子，但是會依靠不同伙伴來推動到后期階段。

《潮頭》：大模型的調(diào)用方法有哪些？

劉維：一個是合作伙伴來調(diào)用已有的任務模型做項目，這個過程中，合作伙伴或者給數(shù)據(jù)、或者給錢、或者給到項目權益。大家共同投入，也在幫我們迭代模型。

還有一類客戶，他們有更創(chuàng)新的題目，已有任務模型無法滿足，他們可以直接調(diào)用大模型，基于xTrimo開發(fā)和調(diào)優(yōu)新的任務模型，這部分現(xiàn)在也是快速增長的需求，我們今年有幾個大型交易，都跟這個方向有關。

《潮頭》：過去很多云廠商想要撬動央國企，但發(fā)現(xiàn)想要讓這些企業(yè)數(shù)據(jù)上云并不是件容易的事情，大家都很擔心數(shù)據(jù)的安全性。國內(nèi)這些大型藥企會愿意把數(shù)據(jù)喂到你的大模型里嗎？

劉維：這是挺好的話題，我覺得這里面核心有幾層，一是生命科學行業(yè)整體上的開放程度要高得多，尤其在discovery（創(chuàng)新）階段，因為這個階段其實絕大部分數(shù)據(jù)來自于自然觀測，他不是把成功的、值錢的數(shù)據(jù)給到我，而是把他們歷史上不夠成功的數(shù)據(jù)給我，但這些數(shù)據(jù)也很有價值，這些不夠成功的數(shù)據(jù)留在他們自己手里，其實也做不出來什么，就沒有價值了，所以整體上大家愿意做研發(fā)合作。你也要有實力去證明，能夠利用他們這些有價值但不夠完美的數(shù)據(jù)，真的把東西做出來。

其次，要感謝我們的技術實力，從技術角度講，很多企業(yè)基于我們的大模型做的任務模型，不一定要把數(shù)據(jù)給到我，實際可以把數(shù)據(jù)放在他們自己的隔離域里，我們也提供了這樣一種方案，方便他們調(diào)動大模型。因為這樣的技術可行性，也使得他們并不是一定要把數(shù)據(jù)的所有權轉移給我，但是我的模型也能得到這些數(shù)據(jù)的幫助。

《潮頭》：比如電商平臺判斷產(chǎn)品成不成功，可以看GMV、營收、用戶數(shù)據(jù)等都很直觀。但大模型產(chǎn)業(yè)目前還處在非常早期的階段，你對所推出的產(chǎn)品和服務，成與不成的判斷標準是什么？

劉維：我們現(xiàn)在整體架構大概分為四層，第一層基座是AI大模型“xTrimo”；第二層是任務模型，我們基于大模型研發(fā)的多種任務模型構成的AIGP平臺；第三層是利用任務模型針對行業(yè)/領域不同的項目，調(diào)用模型進行的分子設計項目，也就是真正的商業(yè)化；此外在大模型下其實還有一層是數(shù)據(jù)圖譜，這四層是一個嵌套的關系，設計項目對任務模型，任務模型對大模型，大模型對數(shù)據(jù)，一層層的反饋和牽引提升。

這其實是一套工程體系，每一層環(huán)節(jié)我們都會定義不同的評測指標，企業(yè)的判斷標準也隨著發(fā)展階段在變。兩年前我們會在意數(shù)據(jù)圖譜的規(guī)模指標，一年前是大模型的參數(shù)和性能，半年前任務模型的多個指標是沖刺目標，現(xiàn)在對于項目的完成度和商業(yè)化的總用戶數(shù)、總收入和項目價值開始爬坡，一步步向前迭代。

《潮頭》：兩年前采訪時，你講到商業(yè)化并不是百圖生科現(xiàn)階段最核心的任務，主要還是專注于技術突破。現(xiàn)在再聊這個話題，今年你給公司制定商業(yè)化的目標了嗎？

劉維：兩年前我說先把數(shù)據(jù)做了，一年半前我們在解決大模型的技術突破，半年前我們在確保一些項目能夠基于任務模型有一些進展，這個塔逐漸地往上，一層一層嵌套走到今天，今年我們開始爬這個塔尖，也就是商業(yè)化。

今年，我們提出了AIGP概念，也是吹響了商業(yè)化元年的號角。在此之前，我們其實有少量幾家試驗型的客戶，現(xiàn)在則開始正式進入到客戶拓展的周期。今年，我們實際上給自己有一個商業(yè)化的目標，但并不是絕對以收入為核心，它永遠是一個平衡的事情，收入，項目價值，用戶數(shù)量，領域分布，這個綜合指標背后映射著當前的市場認可和未來的想象空間，對于一家大模型公司而言都必不可少。

關鍵詞：