生成式人工智能在生物醫藥自動化領域應用展望

文｜劉泊偉

生成式人工智能是一種能夠不斷生成新內容和思路的人工智能技術，它可以通過模仿人類的創造過程，將人工智能從“使能者”提升為“協作者”。據估計，到2032年，生成式人工智能市場規模將達到2,000億美元，占據人工智能支出總額的約20%。該技術在生物醫藥自動化領域會有怎樣應用呢？本文以作者視角從文字、圖片、代碼、生產預測等生態進行了展望，為行業同仁提供一些參考。

一、什么是生成式人工智能

相對于傳統人工智能中的“推理型”和“決策型”，生成式人工智能更注重于從不同的維度和角度去發掘和創造新的價值，為社會帶來更多的創新和進步。

生成式人工智能可以通過創建類似于其所訓練的數據的新穎數據來模仿人類的創造過程，將人工智能從“使能者”提升為“協作者”。Gartner估計，到2025年，超過10%的數據將是由人工智能生成的，預示著一個新時代的到來。

很多企業都意識到了這個技術的飛速發展和技術、市場前景，已開始布局該技術領域，相關機構對企業的生成式人工智能技術開發、應用的階段進行了調查：約半數企業已經開始投資創立相關公司、建設團隊，甚至已經開始構造解決方案，建立運行，另一半企業中也有相當比例的企業在學習該技術。

二、在醫藥領域的應用情況

2010年的一項研究顯示，一種藥物從研發到上市的平均成本約為18億美元，其中藥物研發成本約占三分之一，整個研發過程需要長達3至6年。生成式人工智能已被用于將各種用途的藥物設計周期縮短到幾個月，減少制藥行業的藥物研發成本和時間。據《ChatGPT 背景下的醫藥行業數字化轉型新范式研究報告》顯示，醫藥行業目前主要應用測試多體現在文獻查詢、匯總和分析能力、按照大模型的生成式預測、規范/文獻解讀、競品對比、臨床問詢/咨詢、實體識別等方面，測試結果不盡如人意，有待提升和完善。主要在以下方面進行了嘗試：藥物研發；臨床研究；醫學學術推廣與患者教育；文書撰寫、翻譯與潤色校驗；文獻智能閱讀與摘要生成能力；臨床疾病診療應用。

三、行業應用展望

醫藥行業在做生成式人工智能技術的嘗試，其他領域同樣也在做這方面的布局和探索，在一些領域稍有成果。

在醫藥自動化領域會有怎樣的發展前景呢？我想每個人都有自己的“哈姆雷特”。結合生成式人工智能模態，個人認為將來可能會在以下方面有應用前景。

（一）文字方面

專業信息收集、搜索、解讀：可以替代現有常用搜索引擎，如百度、google等，同時，可以更精準檢索到相應的專業技術資料，并且隨著生成式LLM的數據逐步完善，可以讓檢索結果越來越準確；遇到不了解、不熟悉的設備選型，可以通過生成式人工智能進行學習了解，快速獲取該設備選型應用的關鍵關注點，以提高選型準確度；行業里對于一些標準規范有不同的解讀和理解，對于不是很專業的人會有不同的理解，往往會造成一定的偏見，生成式人工智能可以幫助進行規范解讀，獲取精準的理解。

文件編輯：可以結合具體需求，提供針對性的解決方案，甚至能夠提供相關圖片，同時，可以提供一些個性化、有創意的方案、建議供參考。醫藥企業通過大模型平臺，可以將文字進行邏輯梳理和文字充實，將問題說明清晰且符合邏輯；在大模型基礎上，可以開發驗證小模型，實現輸入需求后，系統自動編輯一份合規的驗證文件模板。

聊天機器人：各搜索引擎均上線了聊天機器人，公司官網可以考慮提供人工智能機器人解答常見問題，或者設置行業專業問題技術機器人，解答工程現場/生產現場常見問題，同時也提升企業知名度、企業形象。

（二）圖片形成方面

自動生成效果圖：輸入需求，系統自動生成效果圖，供客戶快速、直接了解方案落地效果，提升用戶體驗。

三維模型：隨著大模型逐步完善，開發專業小模型，實現輸入P&ID和平面布置圖及必要文件后，系統自動生成三維模型，管道工程師僅需要在此基礎上修改完善即可，縮短三維建模周期，提升工作效率，且在售前端快速提供客戶三維效果，顯示生成的控制室三維效果圖，方便在客戶面前快速展示方案效果。

智能設計：通過學習歷史數據和規范，自動化地生成設計方案，提高設計效率和準確性。

竣工文件：類似于驗證文件模式，快速生成竣工文本、圖紙等文件。

（三）代碼編寫方面

組態軟件腳本編寫：可以嘗試、實現組態軟件的不同形式功能，如多樣的報表、復合操作習慣的個性化功能等；

新技術想法驗證：可以嘗試嵌入視頻監控、新型報表、能源分析等功能。通過輸入需求，平臺自動生成報表腳本，可以直接復制到程序中測試應用，大大提高了工作效率。

事故預測：建立模型（黑模型、白模型），通過分析工廠的歷史數據和實時數據，預測可能發生的事故，并提供相應的預防措施。

智能維護：通過分析設備的使用情況和維護記錄，預測設備的故障和維護需求，提高設備的可靠性和使用壽命。

（四）生產預測方面

建立生物數據特征/合成反應機理算法模型：通過歷史數據驗證、馴化模型，再結合實際生產批次數據，提供生產優化建議，實現自感知、自適應、自調節。

生成式人工智能+專家經驗：構建智能數字專家，提高項目、生產專業問題快速、準確解決能力。

（五）數字人

數字人在生物醫藥自動化中的應用是指利用數字人技術，將人工智能與生物醫藥自動化相結合，實現自動化生產、智能化管理。目前，數字人技術在生物醫藥自動化中的應用主要集中在以下幾個方面：數字人技術可以實現生產過程中的自動化控制，提高生產效率和質量；數字人技術可以對大量的數據進行分析和處理，提取有用信息，為生產決策提供支持；數字人技術可以實現設備的自動維護和管理，降低維護成本，延長設備使用壽命；數字人技術可以實現客戶服務的自動化，提高客戶滿意度。

四、面臨的挑戰和機會

（一）風險

生成式人工智能為醫藥企業帶來的不只有機會，還有風險，包括深度偽造、版權問題以及其他惡意使用生成式人工智能技術攻擊企業機構的風險。風險是一直存在的，合理評估風險和風險成本預估，是解決問題的合理方法。

（二）大模型-小模型

ChatGPT 的訓練和開發成本非常高，一般的醫藥企業是承受不起像 ChatGPT 這樣巨額的初始訓練成本，此外還需要考慮系統可運維和持續運維的成本可控。因此需要醫藥行業級的小模型類ChatGPT平臺，這樣醫藥企業在挖掘業務價值的同時，可有效控制初始成本和持續運維成本。而行業級的小模型類“ChatGPT”平臺要建立在大模型LLM基礎上，才能夠有足夠扎實的基礎支撐。

（三）橫向易實現、垂直需戰略布局

醫藥企業應制定清晰的技術戰略，制定垂直化解決方案的路線圖，因為這些解決方案將幫助企業從虧損領頭的模式轉變為盈利模式。

（四）提前布局

醫藥企業應積極參與合作伙伴生態系統，盡早投資跨模態和多模態解決方案，以建立先行的優勢，獲得有利價格并嘗試新解決方案。確定競爭優勢的來源，特別是專有數據，并開始為即將到來的生成式人工智能使用案例策劃這些數據。

（五）人機結合才是智能制造的未來

企業追求黑燈工廠，一方面是因為人口紅利的不復存在，另一方面是自動化設備的發展，同時相應的工業軟件的突破，智能裝備、自動化、信息化、網絡化、數字化、智能化等各層級有機集成，才可能實現黑燈工廠的目的。雖然機械化可以換人，自動化可以減人，數字化可以提高管控效率，精益管控，但是仍然有很多技術有待提高與突破，在此之前，有些操作根本無法實現無人化，尤其是間歇式生產的原料藥行業。

再加之短時間內的大模型算法無法規避所有風險，所以，人機結合才是智能制造的未來，而非機器完全取代人的工作，正如相關調查數據一樣。