制造行业可能是世界唯一一个从基本创意到市场推广，整个周期需要耗费大约十年、总投入达数十亿美元、且失败机率高达90%的高风险领域。这一切显然与IT业务截然不同——在IT领域，虽然偏执狂们更加搏人眼球，但真正负责任的高管能够规划更多长远目标、并一步步引导业务前行。因此，当深度学习支持下的人工智能革命在2013年-2014年期间携一大批辉煌成果席卷而来时，制药业的高管们开始快速关注，但却没有立即加入这股潮流。

不少制药企业确实开始在内部数据科学研发方面投入大量资金，但由于缺乏统筹协调的战略指导，这些工作更像是单一部门之内由数据科学、数字化、AI等技术人员推动的品牌重塑活动。

而且虽然部分制药企业已经开始投资AI企业，但目前为止还没有出现任何大规模的收购。与AI初创企业的大部分讨论，以“让我们看看你的第三阶段临床资产，证明你们怎么在其中确定目标并使用AI技术生成分子”，或者“你们跟其他AI初创企业有什么区别”作为开端。很明显，负责这方面工作的数据科学战略负责人才刚刚上岗，对市场的当前形势并不怎么了解。

但也有一些制药企业，设法在药物发现与开发等各个环节中，带来了令人印象深刻的AI应用结果。以阿斯利康为例，该公司从2018年开始发表合成化学文章，并在2019年拿出了几篇真正受到社区关注的重量级论文。其他几家制药企业同样建立起不错的内部探索成果——礼来公司与某家初创企业合作，打造出令人过目难忘的AI驱动型机器人实验室。

但时至今日，还没有哪家主要制药企业能够在AI研究以及临床开发层面拿出基于大数据的全面概述与成果比较。今年6月15日，论文《成长为数字化制药企业的优势》在知名行业期刊《今日药物发现》上发表。笔者收到了Google Scholar发来的相关通知，因为其中引用了我们的几篇论文。我本来打算草草浏览一下就算了，但在读到作者名单部分的时候，我看到了一大群学识渊博的学者、行业领袖与顾问：罗伊特林根大学的Alexander Schuhmacher、索尼公司的Alexander Gatto、诺华公司的Markus Hinder、普华永道的Michael Kuss以及圣加仑大学的Oliver Gassmann等等。在认真阅读之后，我发现这不是那种灌水的综述性论文，而是一项真正全面的研究，对各制药企业在研发层面的AI尝试进行了一番正面对比。

此项研究通过内部AI研发项目、与AI初创企业间的合作伙伴关系、对AI初创企业的投资以及各研发联盟/财团之间的评估，对各家制药公司的AI探索情况做出比较。此外，文章还比较了各制药企业从2014年-2019年间，在科学出版物上发表的AI相关论文数量。从下图中可以看到，诺华在市场竞争中占据着显著优势，阿斯利康的学术出版量也同样一路领先。

在这篇论文发表之前，根据业内人士定期进行的文献回顾，阿斯利康的AI相关学术成果发表量远超任何其他制药企业。单在2019年，阿斯利康的科学家们就发表了约1300篇科学论文。另外，拜耳也有多篇不错的论文。但制药巨头们的文章发表数量仍然严重不足，其中发表量最大的阿斯利康在所有细分领域的论文总量也只有65篇。作为参考，Insilico Medicine公司同期发表了约100篇论文与约30项专利，其中不包括AI会议论文。其他几家初创企业在领域中也表现良好，共同为整个行业的发展做出贡献。

笔者在自己的LinkedIn上发布了这项研究的截屏，转瞬之间，来自制药行业的同事们就给文章增加了20000次浏览量。令人惊讶的是，鲜有读者给它点赞。我怀疑很多从业者对于制药行业在长久的探索之后，仍在AI领域处于起步阶段而感到沮丧。研究表明，成长为数字化制药企业虽然优势多多，但目前还没有几家公司真正迈开步伐。

此项研究的作者当然是行业内的制药/AI研究与开发专家，而他们做出的大量研究工作只针对行业内三个相对简单的数据，更可怕的是，在此之前甚至不存在类似的研究。

为了解这项研究的更多详细信息，我写信给作者们，向他们询问了关于此项研究及其对制药行业未来前景的影响等问题：

1. 着眼于全球排名前21位的大型制药企业，分析其在数字化与AI领域的举措无疑是一项艰巨的任务。很多分析师都做出过类似的尝试，却收效甚微。贵团队花费了多长时间？又是如何实现的？

Gassmann: 确实，这是一项艰巨的任务。虽然专利与科学出版物中都有不少公开可用的内容，但总体来讲，最有价值的还是对制药业高管的采访。采访的过程不怎么耗时，但为了让对方接受采访，我们这帮人大概在业内打拼了二十多年。