剛剛過去的2023年冷到透徹心扉，倒是沉寂數(shù)年的AI隨大語言模型再度崛起，貪婪汲全球創(chuàng)投資本，頗有引領(lǐng)第四次工業(yè)革命之勢。

將該技術(shù)推至臺前的Open AI一度在角逐之中占據(jù)*優(yōu)勢，爾后谷歌、微軟、百度等老牌AI巨頭相繼加入戰(zhàn)局，百模涌現(xiàn)，通用大模型的競爭局勢開始變得微妙起來。

創(chuàng)新技術(shù)的淘金能力尚未取得公認(rèn)，但沿途的賣水人早已賺得盆滿缽滿。單單一個2023年，英偉達(dá)的股價便因生成式AI引發(fā)的龐大算力需求暴漲三倍，市值破萬億美元大關(guān)，當(dāng)下更是直逼2萬億美元。

疾馳之下，英偉達(dá)的AI布局策略難得有了改變。

過去十年，深度學(xué)習(xí)、區(qū)塊鏈、Web3.0……每當(dāng)互聯(lián)網(wǎng)世界發(fā)生可能的基礎(chǔ)技術(shù)變革，這家巨頭總能憑借GPU下的算力生意到手豐厚利潤。因此，英偉達(dá)也樂于維持自己中間人的身份，只為熙熙攘攘的創(chuàng)業(yè)者們開發(fā)各式工具，鮮少親自下場。

而如今直面大模型，英偉達(dá)也選擇躬身入局，大刀闊斧地做起了投資。

為了生成式AI，

英偉達(dá)的投資數(shù)量翻了整整6倍

英國咨詢機(jī)構(gòu) Dealroom曾對英偉達(dá)2023年間的一級市場交易進(jìn)行了統(tǒng)計。一年下來，英偉達(dá)總計出手35次，約為去年的6倍，所有投資無一例外，均與AI相關(guān)。

投資過程中，英偉達(dá)似乎沒有排斥任何應(yīng)應(yīng)用場景，亦不在乎標(biāo)的的輪次與大小。無論是上游的通用大模型，中游的企業(yè)SaaS，下游的To C垂直應(yīng)用，還是大模型基礎(chǔ)設(shè)施建設(shè)中動輒百億的B、C輪項(xiàng)目，To C端不到百萬的種子輪。只要有創(chuàng)新，有產(chǎn)業(yè)智能化的可能，就有英偉達(dá)的身影。

與此同時，英偉達(dá)對投資方式與投資重心也進(jìn)行了大量調(diào)整。

在AI生態(tài)的構(gòu)建上，過去的 英偉達(dá)主打一個“穩(wěn)”字，大多數(shù)時候依靠“英偉達(dá)初創(chuàng)加速計劃”，一面提供GPU、AI開發(fā)平臺支持，降低AI研發(fā)門檻，為AI領(lǐng)域的創(chuàng)業(yè)者們提速；一面將自己的軟硬件解決方案與創(chuàng)業(yè)公司深度綁定，不斷拓寬自己的生態(tài)底盤。

而在去年，英偉達(dá)旗下風(fēng)投機(jī)構(gòu)NVentures主導(dǎo)了年內(nèi)幾乎所有的交易，且有超半數(shù)標(biāo)的為NVentures領(lǐng)投，承擔(dān)更多風(fēng)險換取行業(yè)的加速發(fā)展。

這一轉(zhuǎn)變顯然利好初創(chuàng)企業(yè)。雖然英偉達(dá)對外明確表示:進(jìn)入生態(tài)的企業(yè)也將遵循規(guī)則，不會出現(xiàn)“插隊(duì)”的情況，比生態(tài)外的用戶更早一步獲取芯片。但直截了當(dāng)?shù)默F(xiàn)金支持，與英偉達(dá)構(gòu)建更直接、更深入、更親密的關(guān)系，都將為創(chuàng)業(yè)公司的發(fā)展帶來直觀改變。

英偉達(dá)布局重心的變化具備一定指導(dǎo)性，可能預(yù)示了AI技術(shù)最前沿的發(fā)展方向。2023年，英偉達(dá)尤其偏愛生成式AI上游的通用大模型與中游的醫(yī)療AI。

押注通用大模型的邏輯不難理解。一個區(qū)域中通用大模型的能力上限決定了該區(qū)域中大模型應(yīng)用的能力上限。自ChatGPT爆火以來，谷歌、微軟、Meta等AI巨頭均在這一環(huán)節(jié)的研發(fā)投資上不遺余力，英偉達(dá)自然不甘只做一個旁觀者，與可能的跨時代變革擦肩而過。

因此，扛著“民族人工智能”主義者們主張通用大模型“國有化”的重壓，英偉達(dá)相繼投下Infection AI、Cohere、Mistral三家通用大模型構(gòu)造企業(yè)，讓自家的通用大模型版圖橫跨歐美。又向Hugging Face、Replicate等開源大模型開發(fā)平臺注資，握緊了通用大模型價值轉(zhuǎn)化的樞紐。

具體到細(xì)分應(yīng)用場景，NVIDIA的布局有些讓人意外。統(tǒng)計表格中的30個項(xiàng)目，英偉達(dá)擅長的游戲、工業(yè)等領(lǐng)域只有1—2個項(xiàng)目獲得注資，融資金額普遍偏小。反倒是沉浮數(shù)十年的醫(yī)療AI，竟有13個項(xiàng)目獲得融資。

2023年英偉達(dá)投資布局

簡單對13個項(xiàng)目進(jìn)行分類，醫(yī)療計算機(jī)視覺、互聯(lián)網(wǎng)醫(yī)療各有2項(xiàng)，新藥研發(fā)獨(dú)得9項(xiàng)。9家新藥研發(fā)項(xiàng)目分別為Charm Therapeutics、Recursion、Inceptive、Superluminal Medicines、Genesis Therapeutics、Generate:Biomedicines、Iambic Therapeutics和Evozyne，其中*的項(xiàng)目Generate:Biomedicines以2.73億美元創(chuàng)造了去年全年的融資紀(jì)錄，最小的項(xiàng)目也不低于1億元人民幣。

一場人工智能時代的文藝復(fù)興？

什么時代了，還投新藥AI？

AI新藥研發(fā)最熱的時候是在2020-2022這三年。那時剛成立的種子輪企業(yè)便能拿到億元級融資，MNC們也忙著尋找企業(yè)試點(diǎn)數(shù)智化轉(zhuǎn)型，不少創(chuàng)業(yè)公司都從他們那里拿到了數(shù)十億元的合作協(xié)議。

但由于行業(yè)缺乏成功案例，明星產(chǎn)品DSP-1181、REC-3599等臨床試驗(yàn)相繼以失敗告終，加之美聯(lián)儲持續(xù)加息，一級市場融資成本居高不下。至2023年，全球新藥AI領(lǐng)域的融資量、同MNC的合作總金額已較峰值有所下滑。

計算機(jī)視覺與互聯(lián)網(wǎng)醫(yī)療也面臨相似的際遇。兩項(xiàng)技術(shù)都在數(shù)年的打磨中深度融入診療流程，成為醫(yī)療場景中不可或缺的一部分，但由于低效的利潤轉(zhuǎn)化率，相關(guān)企業(yè)的估值、投資機(jī)構(gòu)的投資規(guī)模均相較前些年有明顯的收縮。

如此看來，NVentures的出手時機(jī)似乎落在了半山腰，還是下山的那一邊。

進(jìn)一步看具體標(biāo)的。新融得資金的企業(yè)也紛紛謀求改變，壓低風(fēng)險。譬如在解釋資金用途時，著力臨床前研究的AI新藥企業(yè)已明顯減少，他們轉(zhuǎn)向搭建技術(shù)平臺，或是加碼商業(yè)拓展，盡可能往CXO靠了靠。

而NVentures手中的醫(yī)療AI企業(yè)大都集中在臨床前研究。簡單對這些項(xiàng)目進(jìn)行盤點(diǎn):CHARM Therapeutics擁有基于3D深度學(xué)習(xí)的蛋白質(zhì)-配體共折疊技術(shù)DragonFold，做的是頗具風(fēng)險的針對癌癥和其他治療領(lǐng)域以前難以靶向的小分子治療藥物開發(fā)；Superluminal Medicines專注于高價值的G蛋白偶聯(lián)受體 靶點(diǎn)，在盡可能短的時間內(nèi)生產(chǎn)相關(guān)的實(shí)驗(yàn)候選藥物，同樣無人在前引路。

也就是說，在標(biāo)的的選擇上，英偉達(dá)同樣背離趨勢，直面風(fēng)險。

盡管時機(jī)與標(biāo)的的選擇均未順應(yīng)大勢，英偉達(dá)的做法也有自己的道理。首先，行業(yè)融資的節(jié)奏并不一定等同于技術(shù)發(fā)展的節(jié)奏，關(guān)鍵技術(shù)的突破總是在多年耕耘之后出現(xiàn)；其次，顛覆式技術(shù)的出現(xiàn)可能對整個行業(yè)進(jìn)行重構(gòu)，重新定位其中每一家企業(yè)的價值。

此外，NVIDIA還握有“算力”這一決定性的要素。深度學(xué)習(xí)時代，算法與數(shù)據(jù)左右了模型的能力，而進(jìn)入大模型時代，算力或許能比算法與數(shù)據(jù)更有力地左右模型的能力。

因此，對于生成式AI及其相關(guān)技術(shù)，握有算力優(yōu)勢的英偉達(dá)比任何一家投資機(jī)構(gòu)更加堅信它的顛覆性，比任何一家企業(yè)更有可能實(shí)現(xiàn)它的顛覆性，進(jìn)而破除現(xiàn)有AI面臨的頑疾，左右診療、制藥新時代的格局。

賺AIDD賺不到的錢

具體到實(shí)際場景中，生成式AI等技術(shù)對于醫(yī)療各場景的賦能作用大多處于改良階段，只在一些前沿研究中，發(fā)現(xiàn)了其顛覆場景本身的可能。

英偉達(dá)投資最多的AI新藥研發(fā)領(lǐng)域便是這樣一個典型的可能被生成式AI顛覆的場景。簡單拆分計算機(jī)輔助藥物研發(fā)的發(fā)展歷程，大致可分為無計算機(jī)輔助研發(fā)、計算機(jī)輔助藥物研發(fā)、人工智能輔助藥物研發(fā)(AIDD)三個階段。

CADD能夠模擬、計算和預(yù)算藥物與受體生物大分子之間的關(guān)系，設(shè)計和優(yōu)化先導(dǎo)化合物，一定程度降低藥物研發(fā)的成本。但CADD的活性預(yù)測命中率低，且沒有分子生成的功能，在現(xiàn)有化合物空間下，傳統(tǒng)的CADD很難跳脫現(xiàn)有思路生成具有新穎骨架結(jié)構(gòu)的藥物分子。

AIDD彌補(bǔ)了CADD的部分缺陷。借助遞歸神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等模型通過訓(xùn)練數(shù)據(jù)集學(xué)習(xí)化學(xué)分子的結(jié)構(gòu)特征和規(guī)則，AIDD能充分探索化學(xué)空間生成大量超越藥研專家經(jīng)驗(yàn)范疇的全新結(jié)構(gòu)，能從頭開始生成具有特定屬性的分子，還能做出一些基礎(chǔ)判斷和決策。

數(shù)年的實(shí)踐中，AIDD降低新藥研發(fā)成本的效用仍然存疑。這是因?yàn)锳IDD的訓(xùn)練數(shù)據(jù)由過往的上市藥物數(shù)據(jù)、已發(fā)布論文等數(shù)據(jù)構(gòu)成，但這些知識中的絕大部分已在藥物研發(fā)的迭代過程中被自然淘汰，因而很難做出first-in-class的藥物。

其次，即使AI生成的化合物在體外試驗(yàn)中取得了相當(dāng)不錯的效果，但在體內(nèi)試驗(yàn)時也很難滿足預(yù)期。因而到目前為止全球100多款A(yù)I生成的新藥進(jìn)入臨床試驗(yàn)，還沒有哪個項(xiàng)目跑完整個流程，絕大多數(shù)留在了臨床I期與臨床II期。

那么生成式AI能夠彌補(bǔ)AIDD缺乏創(chuàng)造性與缺乏體內(nèi)試驗(yàn)效用的致命缺陷嗎？這是一個懸而未決的問題。

2023年3月，英偉達(dá)在GTC上推出一整套用于自定義AI基礎(chǔ)模型的生成式AI云服務(wù)BioNeMo，提供算法與算力服務(wù)，理論上能對體內(nèi)試驗(yàn)效用這一問題進(jìn)行處理。

據(jù)英偉達(dá)表示:BioNeMo提供了一種創(chuàng)新的計算方法，使科學(xué)家能夠在低代碼、用戶友好的環(huán)境進(jìn)行生成式 AI 研究，從而減少實(shí)驗(yàn)，甚至在某些情況下可以完全取代實(shí)驗(yàn)。

其醫(yī)療業(yè)務(wù)副總裁Kimberly Powell認(rèn)為:生成式AI的革命性力量為生命科學(xué)和制藥行業(yè)開辟了巨大的前景。英偉達(dá)的BioNeMo云服務(wù)現(xiàn)在已經(jīng)被當(dāng)作一個AI藥物研發(fā)實(shí)驗(yàn)室，它可提供預(yù)訓(xùn)練模型，并使用專有數(shù)據(jù)自定義服務(wù)于藥物研發(fā)流程各階段的模型。這能夠幫助研究人員識別正確的靶向目標(biāo)、設(shè)計分子和蛋白質(zhì)并預(yù)測它們在人體內(nèi)的相互作用，從而研發(fā)出*的候選藥物。

公開資料方面，NVIDIA并未提供數(shù)據(jù)佐證生成式AI的能力，但AI制藥頭部企業(yè)晶泰科技的研究顯示，其噬菌體展示平臺XpeedPlay能夠利用大模型超高速生成苗頭抗體，為生成式AI的效率提升提供了數(shù)據(jù)證明。

具體而言，在研究VHH抗體結(jié)構(gòu)時，該平臺通過同時優(yōu)化多種藥物特性，幫助晶泰科技一舉獲得了1000億個最有前景的新VHH抗體序列。同時，人工智能生成序列的平均表達(dá)量為59.6 mg/L，大幅超過陽性對照組37.1 mg/L的平均表達(dá)量。隨機(jī)選取了26個序列進(jìn)行測試，研究人員發(fā)現(xiàn)25個序列能在體外重組中成功表達(dá)，表達(dá)成功率高達(dá)96.1%，遠(yuǎn)高于行業(yè)平均水平。

臨床試驗(yàn)外，英偉達(dá)在2023年投資的眾多著力臨床前研究的AI企業(yè)，并將這些企業(yè)的研發(fā)搬到BioNeMo平臺上，看上去是要解決缺乏創(chuàng)新性這一問題。

如今的BioNeMo不僅擁有其他平臺難以企及的算力，還搭建了十多個生成式AI模型，包括小分子建模工具、OpenFold 蛋白質(zhì)預(yù)測模型，以及與Recursion開發(fā)的用于靶點(diǎn)和藥物發(fā)現(xiàn)的Phenom-Beta模型等，基本上做全了臨床前研究所需的主流工具。

借助英偉達(dá)與生命科學(xué)企業(yè)的合作能夠側(cè)面了解這些工具的價值。目前，已與諾華、基因泰克、安進(jìn)等MNC就生成式AI達(dá)成合作協(xié)議。逆投資趨勢而行，英偉達(dá)或能憑借生成式AI重構(gòu)技術(shù)格局，在新藥研發(fā)中找到AI的真正價值。

跟風(fēng)入“新版本”的影像AI

新藥AI的萬億市場固然誘人，英偉達(dá)也不曾放棄醫(yī)療計算機(jī)視覺、互聯(lián)網(wǎng)醫(yī)療等“傳統(tǒng)”醫(yī)療AI應(yīng)用領(lǐng)域。

2018年英偉達(dá)曾推出Clara平臺，為影像學(xué)AI研究者提供一個醫(yī)學(xué)影像的軟件開發(fā)工具，以標(biāo)準(zhǔn)化影像數(shù)據(jù)，并提升AI訓(xùn)練速度，國內(nèi)的數(shù)家頭部影像AI企業(yè)均是該平臺的客戶。

往后數(shù)年，英偉達(dá)Clara一直在不斷對其進(jìn)行優(yōu)化和拓展，使其不斷觸及計算機(jī)視覺作用于醫(yī)療的方方面面，足以看出英偉達(dá)對于相關(guān)業(yè)務(wù)的重視。

與新藥AI不同，計算機(jī)視覺相關(guān)的AI，尤其是影像AI，長期處于一種“按醫(yī)療器械研發(fā)，按醫(yī)療IT銷售”的狀態(tài)，銷售整體偏弱，營收難以覆蓋前期成本。

因此，這類企業(yè)亟需生成式AI等合理的工具，要么降低前期的研發(fā)時間與研發(fā)成本，要么提升算法的泛化性，在銷售過程中報出更高客單價。

目前尚無案例能證明生成式AI可以直接提高算法的泛化性，但NVIDIA Clara平臺已經(jīng)在降低研發(fā)時間與研發(fā)成本方面發(fā)揮了顯著的價值。2023年間，NVentures拿下頭部醫(yī)學(xué)影像平臺Flywheel，或進(jìn)一步提升NVIDIA的平臺能力。

此外，當(dāng)國內(nèi)輔助導(dǎo)航類手術(shù)機(jī)器人批量獲批，影像AI由輔助診療駛?cè)胼o助治療的時間窗口時，英偉達(dá)也在國際市場中以投資的方式拿下了腹腔鏡手術(shù)機(jī)器人公司Moon Surgical與牙科領(lǐng)域首家手術(shù)機(jī)器人公司Neocis。

2021—2023年國內(nèi)醫(yī)療AI不同賽道融資情況，包含手術(shù)機(jī)器人在內(nèi)的AI影像部分發(fā)展迅速

這是一塊比藥物研發(fā)更新的領(lǐng)域。若能在手術(shù)環(huán)節(jié)植入AI，英偉達(dá)將在一個新的千億級醫(yī)療細(xì)分市場中率先規(guī)模布局。

跟著英偉達(dá)做投資？

由于NVentures在醫(yī)療領(lǐng)域中的投資均偏向早期，因而我們或許需要數(shù)年時間才能判斷其投資邏輯的正確與否。

但可以肯定的是，AI技術(shù)對于全行業(yè)的滲透不可逆轉(zhuǎn)。就如CDSS已經(jīng)成為基層醫(yī)療的標(biāo)配，影像AI已經(jīng)生根等級醫(yī)院一般，AI也將潛移默化融入醫(yī)藥與醫(yī)械之中，成為必需品。

因此，即便大語言模型還沒有在醫(yī)療領(lǐng)域中充分證明它的價值，緊跟英偉達(dá)的步伐投資生成式AI是一種不錯的選擇。

畢竟在這個嶄新的AI時代，算力或許能夠發(fā)揮遠(yuǎn)超我們想象之外的價值。

鄭重聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關(guān)。僅供讀者參考，并請自行核實(shí)相關(guān)內(nèi)容。