英伟达要治好谁的病？

今天小编分享的科技经验：英伟达要治好谁的病？，欢迎阅读。

出品 | 虎嗅医疗组

作者 | 陈广晶、王一鹏

编辑 | 王一鹏

头图 | 视觉中国

英伟达在生命科学领網域的野心藏不住了。

生成式 AI 兴起后，英伟达的 CEO 黄仁勋频繁在公开场合谈论生命科学，宣称 " 生命科学工程化 " 即将来临。事实证明，老黄不玩虚的——在刚刚落幕的英伟达 2024 年 GPU 技术（GTC ) 大会上，医疗健康和生命科学大火了一把，有业内人士统计，总共 900 多场活动中，至少有 90 场与该领網域相关。

尤其是在 GTC 开幕当天，黄仁勋一口气正式推出了 25 个医疗、生物制药相关的 " 微服务 "，覆盖医学影像、药物研发和数字健康等领網域。其目标是让 " 全球医疗企业能够在任何地点和任何云上充分利用生成式 AI 的最新进展 "。

在此之前，业界对英伟达的认知，更多集中于 " 卖卡的 "。" 算力，特别是 GPU 是训练 AI 模型必不可少的生产资料。" 百图生科首席技术官（CTO ) 宋乐告诉虎嗅。

而英伟达的布局显然超出了一个硬體供应商的 " 本分 "。从公开数据看，这家全球芯片巨头已经与超 2500 家相关企业达成合作，包括提供算法的 AI 企业，也包括医疗、制药领網域巨头。比如：与强生开发了可实时分析数据的手术机器人，与 GE 开发了可以 " 自动 " 给患者拍片的 " 天眼 CT"。

最近一年，英伟达更是通过投资等方式，将至少 10 家 AI 制药领網域头部公司纳入麾下。

这不是科技巨头第一次进军生命科学领網域，但 2024 这个时间节点，与英伟达这家企业本身，都有着某种特别的含义。

" 像英伟达这样，将在医疗领網域的布局提到战略地位，可能在业界还是第一次。" 浙江大学药学院教授谢昌谕告诉虎嗅。

医疗领網域，不相信算法

对英伟达医疗领網域布局的洞察，必须追溯到生成式 AI 的发展本身。然而看似在技术、商业层面都有无限故事可讲的生成式 AI，在医疗健康领網域，可算是踢到了铁板。

从产业的反应来看，目前 AI 在医疗健康领網域还处于起步阶段，很多企业，特别是制药企业仍然在观望。有国内知名药企相关负责人曾公开表示，该公司引入大模型的工作，至今还停留在成本核算阶段。

这种迟滞性并不是某一家公司的问题。从数据看，全球每年有超 2500 亿美元花在新药研发上，其中投向 AI 制药的只有 10 多亿美元，预计到 2026 年也不超过 30 亿美元。

另据 IDC 的一项调查显示，医疗健康和生命科学相关企业中只有 14%" 已经在生成 AI 方面进行了大量投资，并在未来 18 个月内制定了‘通过培训获取 GenAI 增强軟體和咨询服务’的支出计划 "，远低于全球整体水平（34%），且只有制造业的一半。

与医疗企业对 AI 的疏离感迥然不同的是，技术供应商一直保持着极大的热情。数据显示，全球仅 AI+ 生物医药公司就有 700 多家；在医疗健康领網域，谷歌、IBM 等巨头早就有所布局。尤其是 ChatGPT 火起来以后，仅中国就一口气涌现了近 50 个医疗大模型，从 ToB 的医生助手到 ToC 的私人健康管家几乎全品类覆盖。

医疗健康就像一个冷静的 " 冰山美人 "，" 追求者 " 很多，但极其务实。她清楚地表示，算法只是一个小伙子的 " 发展潜力 "，数据才能代表他的 " 背景与身家 "。

而这恰恰是大部分技术供应商的痛处。

有行业投资人透露，因为难以获得好的数据，80% 左右的医疗大模型没有进入第二阶段（即：投喂专业数据在某个领網域增强），进入第二阶段的 20% 中，绝大部分也没有进行针对不同的场景、任务的高水平微调。

部分创业公司对内部医疗大模型进行评估时也发现，其能力仅达到 " 助手 " 级别，还称不上 " 同伴 "。这导致 AI 在短期内无法独当一面，工作范围局限在导诊、辅助读片、写病历等。

在生物制药领網域，AI 在蛋白质结构预测、蛋白质生成，甚至抗体药生成领網域都有很好的表现，但是这些仍然是临床前阶段。在最耗时、最费钱的临床试验阶段（该阶段开销占新药总研发费用的 70% 以上），还只能做一些招募患者、做记录等简单工作。对于新药研发成功率低等痛点问题，也没有实质性改善。

以百图生科为例。他们提出的长远目标是用 AI 来模拟生命系统，比如人体免疫系统，理想状态下可以更好地预测抗体药进入人体的情况。但在现实落地却很不容易。" 要实现这个目标，就需要突破一系列多个尺度的 AI 建模问题。"

百图生科 CTO 宋乐告诉虎嗅，因为蛋白质领網域数据相对较多——已经达到十亿规模以上，所以这一领網域的进展最快，不仅能生成蛋白质，甚至可以按照多样化的设计目标来生成具有功能性的蛋白质，比如成药性较好的抗体药，催化效率比较高的酶等。

然而模拟生命系统工程中，不但涉及单个蛋白质分子的生成，还涉及到大量的蛋白质的相互作用、细胞内和细胞之间的相互作用等，但这方面的问题更复杂，相对来说数据处于稀缺状态，会需要持续的 AI 模型和实验数据获取手段的创新和突破。

" 可以想象，蛋白质的数据会呈指数性的增长，生成设计的落地案例也会快速增长。但是这只是一部分，要模拟免疫系统，就需要其他层面也有同样多的数据，以及与其匹配的 AI 模型创新和迭代，有同样快速的增长。" 宋乐说。

那么有了数据，AI 就能在医疗健康领網域畅通无阻了吗？也不尽然。

比如，医疗领網域的公开数据相对更多，获取方式更多元，AI+ 医疗在此的进展也更快。就在今年年初，谷歌推出了一款医学对话 AI —— AMIE（Articulate Medical Intelligence Explorer）。这款应用是继 Med-PaLM、Med-PaLM2 之后的又一个 "AI 医生 "，甚至通过了图灵测试，表现可谓令人惊艳。

尽管从具体表现看，这款在心血管疾病等领網域的诊断领網域，可以做得比保健医师更好，但仍然无法轻易用到真实患者身上，哈佛大学医学院专家在接受采访时直言，医疗绝不是收集信息这么简单，" 它关乎人与人的关系 "。

在其背后，伦理问题、监管问题、制度问题，以及科学研究本身的进展限制，都是难以突破的障碍。可以说，被频繁提及的研究数据，只是一个准入门槛，AI+ 医疗健康和生命科学本质上不是要解决一个技术问题，而是一个综合性的社会问题。

谢昌谕向虎嗅表示，更强的硬體和算法对加速行业发展一定是有帮助，但是并不说今天多了 1000 台 GPU，明天就可以跟你打包票说 AIDD（人工智能药物发现与设计）会有一个怎样的进展。

人工智能也被用于提高手术机器人准确性、安全性等。

图为小观众在看单孔腔镜手术机器人剥鹌鹑蛋。

来自：视觉中国

英伟达版 " 曲线救国 "

因此，像过往所有的技术服务一般，单纯由乙方独立研发，向甲方切割式地交付技术方案，是绝对不行的。医疗、医药行业专家必须参与到技术方案演进的过程中，这是 AI 企业在医疗、制药领網域摸爬滚打、屡败屡战六七十年后，最终得出的结论。

在这种合作关系中，药械企业不仅是买单方，更是数据的生产方，他们不仅解决了谁来买单的问题，也为产品迭代提供了足够的数据。今天发展最为成熟的 AI+ 医疗影像就是典型案例。

GE、西门子等巨头将 AI 与大型设备绑定，就人为地建立了数据挖掘机。CT 机、核磁共振机只要每天正常工作，就可以源源不断为 AI 提供数据养料了。同理，在药品领網域，没有谁比出资搞研发的药企更能理直气壮地收集数据，AI 企业如果能参与到药企的工作流程中，也有机会破局。

这道理大家都懂，但实际很难做到，原因也很质朴：药企不同意。

对于药企来说，这些数据太贵了。手握大量研发数据的大药企，每年研发投入都在数十亿美元的规模，默沙东、罗氏等研发传统悠久的企业，相关投入早就超过了百亿美元，且有逐年增长的趋势。这些靠重金砸出来的数据，不仅有机会成就爆款单品，在未来竞争中，也会拉开与竞争者的距离。

在医药市场竞争越来越激烈的今天，任何企业也不愿意轻易将数据贡献出来。在这种情况下，要想拿到企业、医院内部的临床数据，就只能为他们量身定制模型，让他们在 " 安全区 " 内感受大模型的威力。

只不过，这种操作成本也是极高的。有业内人士向虎嗅透露，在云计算推广过程中也出现过类似的情况，最终很多公司因为亏本严重不得不叫停相关业务。大模型定制成本只会更高，他认为，協定金额很可能必须达到 10 亿美元级别才能收支平衡。

英伟达对此的策略是 " 曲线救国 "。

英伟达是建生态的一把好手，其在 10 多年前（2006 年）就凭借 CUDA（compute Unified Device Architecture，计算机统一设备体系结构）奠定了在芯片界的竞争壁垒。

简单来说，CUDA 是基于 GPU 设计的软硬體结合的通用计算构架。其优势主要有两个，一个是使用者可以直接与 GPU 结合操控芯片；二是 CUDA 架构为軟體厂商免费提供开发工具，方便軟體开发。前者大大降低了 GPU 的使用门槛，后者方便使用者的同时也悄悄挖深了 " 护城河 " ——随着 " 工具包 " 里的零件越来越多，其可替代性也大大降低。

由此形成的 CUDA 生态，将英伟达与 AI 深刻绑定，英伟达也借此逐渐甩掉竞争对手，实现了逆袭。

在进入医疗健康和生命科学领網域时，英伟达大有将 CUDA 生态的成功经验照搬过来的势头。

按照英伟达公开信息，他们此次推出的 25 个微服务，实际上是以往 " 专业版 " 基础上的更易操作版本——这些微服务套件中包含了经过优化的 NVIDIA NIM ™ AI 模型和工作流，并提供行业标准应用编程接口（API），可用于创建和部署云原生应用。

也就是说，医院、药企可以根据自己的需求点击 " 按钮 " 直接满足在医学影像、自然语言和语音识别以及数字生物学生成、预测和模拟功能等领網域的需求。

对于 AI 企业来说，英伟达的品牌背书、行业影响力等带来了更多机会。" 它是一种导流的平台。" 宋乐告诉虎嗅。百图生科于 2023 年加入了英伟达招募创业公司的 "NVIDIA 初创加速计划 "，在今年的 GTC 大会上，宋乐还作为生态合作伙伴代表百图生科分享了三年来做 AI+ 生物医药的经验。

而在另一边，英伟达也降低了大模型使用的门槛，方便传统的医院、药企使用他们提供的 " 工具包 " ——比如各种 AI 大模型等。随着工具包的逐渐丰富，以及产业合作方的习惯、依赖，形成新的难以替代的生态。

你很介意軟體企业直接参与业务流程，共享数据？OK，我把 " 傻瓜式 " 工具卖给你，你自己来做。定制模型这种高成本的事情，英伟达是不参与的，不管药企、云计算企业双方怎么折腾，只要基于我的基础设施来做，这一商业模式就是成立的。

英伟达的算盘打得很响，但需要注意的是，CUDA 过去面对的是軟體产业，这与医疗产业截然不同，如果仅是照搬 CUDA 的打法，那甚至都无法打开医疗市场。

相对互联网行业，医疗、制药非常传统和封闭，有其独特的流程。比如：在中国，想说服医院采购某种产品，不仅要经过复杂的流程，还需要找到正确的渠道。在被认为最需要 AI 的基层，很多医院的采购渠道掌握在个人或者小代理商手里，如果找不到他们，再好的产品也与之无缘了。因此，很多 AI+ 医疗企业创业近 10 年也还没能盈利。

而且科技巨头 " 攻下 " 医院、药企阵地的决心，一直以来都很坚定，导致这一市场还没发展起来，已经成了红海了。

AWS、腾讯云、百度智能云等，都在这个赛道中 " 跑马圈地 "，为了争取尽量多的合作者，甚至有国内科技公司的相关负责人公开直言 " 要将构建 AI 场景模型的权利交还给科学家 "，这几乎就是在向对方剖白，可以不惜成本，满足对方一切定制化需求了。

此外，英伟达提供的 " 工具包 " 还停留在 " 大众版 " 的层面上，医院、药企如果需要 " 专业版 " 大模型，还是需要与 AI 企业合作。这也让类似 CUDA 生态的 " 护城河 " 很难形成。

长期以来，国内面向大甲方的生意，都在买方强烈的定制化诉求，与卖方的 " 亏钱能力 " 间左右拉扯。相比之下，英伟达的方式虽然轻巧，却很难满足医疗机构、医生的需求——他们通常更习惯接受积极上门推销产品的营销方式，缺乏主动找 " 工具包 " 训练数据的动力。