不管季节如何变换，种子最好的做法总是使劲向下生长根须、向上孕育果实。
——欧米锐评人 青石
别把AI制药当灵丹妙药，也别唱衰
文 | 廖丽君
编辑 | 陈桐
来源 | 公众号职场Bonus
这两年，AI制药的火热程度，堪称生物医药领域的“元宇宙”。
在新药研发平均花费26.3亿美元，耗时十年起步，失败率却高达92%的背景下，AI制药通过数据交叉比对、加速筛选、从头生成等方式，更快、更便宜地发现药物，被视为创新药的突破口，2020“全球十大突破性技术”（《麻省理工科技评论》评选）。
AI制药创业公司层出不穷，融资一轮又一轮。
有的企业甚至给药物研发算法工程师开出最高超百万年薪。
大药企们在将信将疑中，也建立起AI制药团队，赛诺菲甚至与AI制药企业Exscientia达成了高达52亿美元的合作。
这样的AI制药不得不让人产生“起飞”的想象。
“AI+制药”这对在21世纪看起来最有前景的专业组合，真的最有前景吗？今天的AI制药从业者们享受到红利了吗？现在入局AI制药是不是一个好选择？
♦ 科学家等待突破，工程师边缘挣扎
截至当前，全球范围内，还没有一支AI研发药物顺利上市，而在国内，基础的分子生成和平台开发也还磕磕绊绊。
“很多AI制药的小公司我们都合作过，其实都挺差的。”一名内资药企AI制药工程师直言不讳地表示：一家成立较早的创业团队给他们生成的分子完全没有活性；另一家乙方公司的项目周期漫长到他们自己的内部团队已经走得更超前；好不容易看到一家专业性做得不错的AI制药服务平台，用了半个小时就不想再用下去了。“平台上没有使用指引，药化专家们甚至不知道下一步该点哪，非常用户不友好。”
某团队的AI制药科学家李先生表示：“AI制药不是灵丹妙药，而是计算机辅助制药在当前技术条件下的又一次迭代。此前，计算机辅助制药已经发展了30年，药物设计过程、实验手段和技术都经历了多番迭代，AI制药还很新，需要时间才能实现技术的积累和突破。”
进一步说，当前的AI制药还处于“科学研究”阶段。在实际的AI/CADD（计算机辅助制药）方法研究工作上，必须兼顾科研方法本身的基础研究与实际业务应用的应用研究。“只有两者能够被整合成为端到端的流程，计算方法才算是在药物开发的管线中真正落地。”
因此，作为AI制药科学家的李先生，日常工作中，除了写代码，还要阅读大量的学术文献，并发表文章。
创业者刘雨松也认为，AI只是药物设计的辅助，核心作用是帮助药化科学家实现专业上的突破。所以他没有像大多数AI背景出身的AI制药创业者一样，让AI技术团队主导研发，而是走“药化科学家主导，AI技术人员辅助”的路线。
目前，AI制药科学家的薪酬已经远高于同级别单一背景的专家了。应届博士或刚工作一年的博士后年薪能达到70多万，而一般化学出身的应届博士，薪酬大概在30万~40万。
但对于AI技术人员来说，打辅助也意味着“边缘化”。
从AI深度学习模型的角度出发，要出研究成果，最关键的环节之一就是数据。数据量是否够多，数据质量是否够好，都决定了AI模型的效果。
但数据在每家公司都是绝密的，非常难获取。在大药企里，只有极少数药化专家能够理解AI模型的成长需要数据训练，大部分药化专家至今都不相信AI制药能有用，拒绝尝试。少数愿意尝试的专家试过以后发现“不能100%预测准确”，也会“粉转黑”。
陈颖所在内资药企的AI制药工程师甚至被要求搭建数据库和做网页前端开发（这和AI制药不是一个技术路线，AI制药工程师在这方面相当于外行），做完以后还因为不够完善受到批评。最后，陈颖的工程师同事因为无法忍受离职了，陈颖自己也常常感到压抑。
与此同时，陈颖的薪资还比外企和创业公司的AI制药同行低30%。
他也想过进大厂和创业公司。但大厂AI制药部门不是找不到招聘信息，就是所在的城市不一致。如果进创业公司，“可能现在就得找下家了，我一直关注的那家明星初创公司今年融资困难，不知道什么时候就撑不下去了。”
想象中，AI工程师即便跳出AI制药也有很多选择。然而事实是，不同行业、领域的技术栈不同，AI工程师也很难随便跳。AI制药用到的深度学习算法更多是GCN、GAT等图神经网络模型，而其他领域如计算机视觉、NLP等用到的更多是YOLO、BERT、GPT等算法模型。一次转行的面试中，HR问陈颖：“你都没有做过目标追踪，干嘛要来做软件算法？你原来的行业不是挺好的？”
相较之下，陈颖觉得自己在AI制药领域是有经验优势的，在其他领域“年龄、学历、经验都竞争不过”。他想在AI制药领域长期发展，但也做好了AI制药回冷，没有工作机会，随时转行的准备。
♦ 谁能点燃创新药的火种？
♦ 需要耐心，也需要失败
AI制药从红得发紫到走入寒冬的拐点，恐怕已经在眼前了。
2021年下半年以来，投资人对AI制药的态度谨慎了许多，曾经的明星公司也面临着融不到钱，撑不下去的境况，已经在裁员中。
“一个行业总有泡沫和低谷，泡沫肯定会破，破了之后，市场会恢复冷静。”一位从业者表示，“AI制药一定是一直需要的，它不是灵丹妙药，但能够实实在在地帮药化专家解决一些问题。”
比如，分子检测价格昂贵、时间周期长，一直是药企的痛点。实验获得体内清除率数据，单个化合物的花费就可能高达2-3万元，预计耗时半个月。海外药企如果一周生成20个新分子，也只能挑几个送检，国内药企则可能整个项目周期也只能检测十来个。
靠谱的AI模型能够帮药化专家预测分子属性，若准确率达到90%以上，就能给药化专家提供很好的参考。不仅不用发愁高昂的检测费用，还能在短得多的时间内获得参考结果。结合自身经验，专家就能更有信心地拍板决定是否推进实验，以及推进哪几个分子。
“今天火了，明天不火了，其实都不重要。”AI制药科学家李来向职场Bonus表示，“科学发展到这个阶段，很多简单问题都已经被解决了。剩下的问题除了创新，更需要不断在基础方法上的积累，并且实现计算方法的流程整合与药化实验反馈迭代的正向协作。AI制药就是一个很长期的领域，需要花大量时间和精力去进行技术的累积，才能期待它有一天实现突破。”
他们也说不准这个有一天是什么时候，但“急也急不来，只能踏踏实实地研究，摸着石头过河。”所以，进入这个行业创业或工作，“需要一点耐心、一点乐观，和一点真的喜欢”。
关于时机，作为猎头的王梓合觉得“没有最好的时机，当下就是很好的时机。如果所有人都观望，没有人来，那这个行业就发展不起来。总要有人去做那个‘巨人’，才能让后来的人站在‘巨人’的肩膀上。”况且，失败的经验和成功的经验，都非常宝贵，这个领域需要更资深的人。
受访的科学家和从业者都觉得这个领域值得他们花十年甚至更长时间，慢慢去做，只是期待市场能够真正地了解AI制药，别把它当灵丹妙药，也别因为短期内没有成果就一片唱衰。
问：当前企业最需要的人才画像？
AI制药猎头：需求会随着市场情况有所变化。目前，中国企业对具有计算机和药物研发交叉背景的人才需求比较大，如计算化学、CADD（计算机辅助药物设计）、生物信息等专业出身的人才，或者学过医药，又自学过深度学习算法等的专业人才。
问：当前AI制药领域还没有标杆企业出现，如何找到合适的发展平台？
AI制药猎头：我觉得当前入行最应该关注的是个人的职业成长和积累，薪酬其次。只要坚定下来，做得越久越有价值的，越有竞争力。
对企业的判断可以从以下几点着眼：
4. 公司的商业计划和文化如何。公司是否真心想要做出成果，还是只想追风口。
AI制药科学家李来：建议实际感受公司团队氛围与具体待遇，这个领域本身还在前期的累积阶段，很多公司为了在资本市场上生存，采取的做法是CRO模式，研发人员还是必须更注重在自身的能力提升上，不管是科研技术方面或是药化知识的理解，研发团队人员必须具备比公司更能够穿越周期的能力，才能够在大浪淘沙中不断提升自己的竞争力。长期坚定地乐观、务实、努力实现技术上的突破与实际场景的应用，是我们的基本素养。
不管季节如何变换，种子最好的做法总是使劲向下生长根须、向上孕育果实。
——欧米锐评人 青石
别把AI制药当灵丹妙药，也别唱衰
文 | 廖丽君
编辑 | 陈桐
来源 | 公众号职场Bonus
这两年，AI制药的火热程度，堪称生物医药领域的“元宇宙”。
在新药研发平均花费26.3亿美元，耗时十年起步，失败率却高达92%的背景下，AI制药通过数据交叉比对、加速筛选、从头生成等方式，更快、更便宜地发现药物，被视为创新药的突破口，2020“全球十大突破性技术”（《麻省理工科技评论》评选）。
AI制药创业公司层出不穷，融资一轮又一轮。
有的企业甚至给药物研发算法工程师开出最高超百万年薪。
大药企们在将信将疑中，也建立起AI制药团队，赛诺菲甚至与AI制药企业Exscientia达成了高达52亿美元的合作。
这样的AI制药不得不让人产生“起飞”的想象。
“AI+制药”这对在21世纪看起来最有前景的专业组合，真的最有前景吗？今天的AI制药从业者们享受到红利了吗？现在入局AI制药是不是一个好选择？
♦ 科学家等待突破，工程师边缘挣扎
截至当前，全球范围内，还没有一支AI研发药物顺利上市，而在国内，基础的分子生成和平台开发也还磕磕绊绊。
“很多AI制药的小公司我们都合作过，其实都挺差的。”一名内资药企AI制药工程师直言不讳地表示：一家成立较早的创业团队给他们生成的分子完全没有活性；另一家乙方公司的项目周期漫长到他们自己的内部团队已经走得更超前；好不容易看到一家专业性做得不错的AI制药服务平台，用了半个小时就不想再用下去了。“平台上没有使用指引，药化专家们甚至不知道下一步该点哪，非常用户不友好。”
某团队的AI制药科学家李先生表示：“AI制药不是灵丹妙药，而是计算机辅助制药在当前技术条件下的又一次迭代。此前，计算机辅助制药已经发展了30年，药物设计过程、实验手段和技术都经历了多番迭代，AI制药还很新，需要时间才能实现技术的积累和突破。”
进一步说，当前的AI制药还处于“科学研究”阶段。在实际的AI/CADD（计算机辅助制药）方法研究工作上，必须兼顾科研方法本身的基础研究与实际业务应用的应用研究。“只有两者能够被整合成为端到端的流程，计算方法才算是在药物开发的管线中真正落地。”
因此，作为AI制药科学家的李先生，日常工作中，除了写代码，还要阅读大量的学术文献，并发表文章。
创业者刘雨松也认为，AI只是药物设计的辅助，核心作用是帮助药化科学家实现专业上的突破。所以他没有像大多数AI背景出身的AI制药创业者一样，让AI技术团队主导研发，而是走“药化科学家主导，AI技术人员辅助”的路线。
目前，AI制药科学家的薪酬已经远高于同级别单一背景的专家了。应届博士或刚工作一年的博士后年薪能达到70多万，而一般化学出身的应届博士，薪酬大概在30万~40万。
但对于AI技术人员来说，打辅助也意味着“边缘化”。
从AI深度学习模型的角度出发，要出研究成果，最关键的环节之一就是数据。数据量是否够多，数据质量是否够好，都决定了AI模型的效果。
但数据在每家公司都是绝密的，非常难获取。在大药企里，只有极少数药化专家能够理解AI模型的成长需要数据训练，大部分药化专家至今都不相信AI制药能有用，拒绝尝试。少数愿意尝试的专家试过以后发现“不能100%预测准确”，也会“粉转黑”。
陈颖所在内资药企的AI制药工程师甚至被要求搭建数据库和做网页前端开发（这和AI制药不是一个技术路线，AI制药工程师在这方面相当于外行），做完以后还因为不够完善受到批评。最后，陈颖的工程师同事因为无法忍受离职了，陈颖自己也常常感到压抑。
与此同时，陈颖的薪资还比外企和创业公司的AI制药同行低30%。
他也想过进大厂和创业公司。但大厂AI制药部门不是找不到招聘信息，就是所在的城市不一致。如果进创业公司，“可能现在就得找下家了，我一直关注的那家明星初创公司今年融资困难，不知道什么时候就撑不下去了。”
想象中，AI工程师即便跳出AI制药也有很多选择。然而事实是，不同行业、领域的技术栈不同，AI工程师也很难随便跳。AI制药用到的深度学习算法更多是GCN、GAT等图神经网络模型，而其他领域如计算机视觉、NLP等用到的更多是YOLO、BERT、GPT等算法模型。一次转行的面试中，HR问陈颖：“你都没有做过目标追踪，干嘛要来做软件算法？你原来的行业不是挺好的？”
相较之下，陈颖觉得自己在AI制药领域是有经验优势的，在其他领域“年龄、学历、经验都竞争不过”。他想在AI制药领域长期发展，但也做好了AI制药回冷，没有工作机会，随时转行的准备。
♦ 谁能点燃创新药的火种？
♦ 需要耐心，也需要失败
AI制药从红得发紫到走入寒冬的拐点，恐怕已经在眼前了。
2021年下半年以来，投资人对AI制药的态度谨慎了许多，曾经的明星公司也面临着融不到钱，撑不下去的境况，已经在裁员中。
“一个行业总有泡沫和低谷，泡沫肯定会破，破了之后，市场会恢复冷静。”一位从业者表示，“AI制药一定是一直需要的，它不是灵丹妙药，但能够实实在在地帮药化专家解决一些问题。”
比如，分子检测价格昂贵、时间周期长，一直是药企的痛点。实验获得体内清除率数据，单个化合物的花费就可能高达2-3万元，预计耗时半个月。海外药企如果一周生成20个新分子，也只能挑几个送检，国内药企则可能整个项目周期也只能检测十来个。
靠谱的AI模型能够帮药化专家预测分子属性，若准确率达到90%以上，就能给药化专家提供很好的参考。不仅不用发愁高昂的检测费用，还能在短得多的时间内获得参考结果。结合自身经验，专家就能更有信心地拍板决定是否推进实验，以及推进哪几个分子。
“今天火了，明天不火了，其实都不重要。”AI制药科学家李来向职场Bonus表示，“科学发展到这个阶段，很多简单问题都已经被解决了。剩下的问题除了创新，更需要不断在基础方法上的积累，并且实现计算方法的流程整合与药化实验反馈迭代的正向协作。AI制药就是一个很长期的领域，需要花大量时间和精力去进行技术的累积，才能期待它有一天实现突破。”
他们也说不准这个有一天是什么时候，但“急也急不来，只能踏踏实实地研究，摸着石头过河。”所以，进入这个行业创业或工作，“需要一点耐心、一点乐观，和一点真的喜欢”。
关于时机，作为猎头的王梓合觉得“没有最好的时机，当下就是很好的时机。如果所有人都观望，没有人来，那这个行业就发展不起来。总要有人去做那个‘巨人’，才能让后来的人站在‘巨人’的肩膀上。”况且，失败的经验和成功的经验，都非常宝贵，这个领域需要更资深的人。
受访的科学家和从业者都觉得这个领域值得他们花十年甚至更长时间，慢慢去做，只是期待市场能够真正地了解AI制药，别把它当灵丹妙药，也别因为短期内没有成果就一片唱衰。
问：当前企业最需要的人才画像？
AI制药猎头：需求会随着市场情况有所变化。目前，中国企业对具有计算机和药物研发交叉背景的人才需求比较大，如计算化学、CADD（计算机辅助药物设计）、生物信息等专业出身的人才，或者学过医药，又自学过深度学习算法等的专业人才。
问：当前AI制药领域还没有标杆企业出现，如何找到合适的发展平台？
AI制药猎头：我觉得当前入行最应该关注的是个人的职业成长和积累，薪酬其次。只要坚定下来，做得越久越有价值的，越有竞争力。
对企业的判断可以从以下几点着眼：
4. 公司的商业计划和文化如何。公司是否真心想要做出成果，还是只想追风口。
AI制药科学家李来：建议实际感受公司团队氛围与具体待遇，这个领域本身还在前期的累积阶段，很多公司为了在资本市场上生存，采取的做法是CRO模式，研发人员还是必须更注重在自身的能力提升上，不管是科研技术方面或是药化知识的理解，研发团队人员必须具备比公司更能够穿越周期的能力，才能够在大浪淘沙中不断提升自己的竞争力。长期坚定地乐观、务实、努力实现技术上的突破与实际场景的应用，是我们的基本素养。
