2023年《麻省理工科技评论》“35岁以下科技创新35人”中国区发布将来到上海。本次论坛我们聚焦「Infinitas 未来无限」，我们将搭建一个展现“青年人”智慧与潜力的舞台，聚集全球创新人才和资源，让更多人见证他们不懈的探索和追求，让一点火苗点燃他们无穷的创造力。让上海与我们共同见证这片广阔无垠的舞台上，追梦者们绽放出耀眼的光芒。
以下是在2024中国科技青年论坛圆桌对话精彩瞬间，由云现场整理。
付小龙：非常高兴今天有这样的机会跟业界大咖来一起交流，刚才主持人说了，我觉得这个话题蛮有挑战的，这四位都在扮演上帝，解构生命，这是一个比较有挑战的话题，生命无限，如果生命都无限了，大家都长生不老了。我记得从秦始皇开始，大家都追求这个梦想，吃一粒仙药，大家都长生不老了。生命的话题一直是人类永恒的话题，这两年大家也看到生命技术和信息技术的双料叠加，确实让这个行业出现的前所未有的变化和突破。疫情虽然已经过去了，但是疫情三年全人类在生命技术上的进步确实是突飞猛进的，今天这个行业也产生了很多变化，今天我们特别高兴请到了倪老师、潘老师、马总和子奥，我们一起来探讨这个话题，今天主要是听听各位专家的想法。
首先，请各位老师和老总们花一点时间介绍一下自己和自己所从事的领域。
倪大龙：各位老师、各位嘉宾，大家上午好！非常荣幸能参加这个圆桌讨论，我是来自瑞金医院的倪大龙，其实我的专业背景是材料化学，去医院工作也是想要实现充分的医工交叉融合，相当于在跟临床医生交流过程中发现一些临床问题，我们通过材料或者化学轴段去解决它。我主要从事的领域有三个关键字，一个是纳米医学，另外一个是器官损伤治疗，以及影像探针。
在临床上，除了肿瘤大家关注比较多，其实另外一个大的问题就是器官损伤，我们从头到脚往往都会伴随着一些损伤，有些是急性的，有些是慢性的。临床发现损伤以后，基本上没有对症治疗，只是去除诱因，比如说因为化疗或者抗生素引起的肝和肾损伤，停止用药，或者给予辅助性治疗，例如透析。我们想能不能针对器官损伤具有的普遍微生理环境，我们研发纳米的一些具有特殊功能的药物，来针对器官的微环境调控，包括调控它的氧化还原环境，或者代谢稳态以及它的免疫微环境，从而实现普适的修复，从而解决临床多科室遇到的难题，相当于打破各个科室的壁垒，我们研发一些生物应用材料去解决它，谢谢大家。
潘利强：大家好，我是来自浙江大学药学院的潘利强，我所从事的方向是抗肿瘤抗体药物研究，我们实验室做的也是从靶点发现、抗体筛选设计，把它进一步设计成像双特异性抗体或者抗体偶联药物等类型的抗体衍生物，希望从基础研究到转化应用研究，一直做到临床研究，谢谢大家。
马健：大家好，我是马健，我感觉含浙量还是挺高的，我左右两边都是浙大的，我也是浙大的，我本科到博士一直做理论物理研究，到博士后做量子通信、量子计算，十年前成立晶泰科技，也算是一个大的跨行，从物理走向了生物技术、生命科学。过去十年，晶泰一直致力于将人工智能技术、自动化机器人技术应用于小分子、大分子药物研发。在“生命无限”的下一个环节还有材料，晶泰的业务也在从药物研发拓展到材料领域研究，因为很多基本的范式，就像最后韩老师讲的AI for Science，我们觉得现在“AI+机器人”对未来的物质研发、材料研究方面将会产生越来越大的影响。
林子奥：大家好，我是林子奥，相比各位来说，我应该是现场最年轻的一位创业者。给大家介绍一下我的个人情况，我是奥明星程的创始人兼CEO，两年前从哈佛毕业，毕业后全职回国投入致力于改革我国健康公共卫生事业。奥明星程相比晶泰来说是一家比较早期的公司，目前成立不到两年的时间，我们致力于通过人工智能以及比较领先的合成生物学技术，针对各类中大复杂疾病开创一些创新型的早期发现方案，比如说针对肿瘤。十分荣幸参加今天的圆桌论坛，谢谢。
付小龙：刚才各位专家也把自己的情况介绍了一下，我们虽然讨论的是生命，但是发现很多交叉学科，学计算机的、学物理的，生命科学确实是非常广泛的学科，由于它太广泛了，怎么来做这个学科的交叉？生命基本上涉及了我们所有学科的方面，刚才提到了材料、计算机，甚至是量子物理，都是跟生命相关的，怎么做学科的交叉。我们现在有两位老总都跟AI相关的，现在AI和生命的结合已经是不可避免的问题了，大家觉得我们的生命体没有自主意识，我们是基因、机器。AI到底在这里面起到什么样的作用？请各位专家分享一下。
倪大龙：我在医院工作，我们做医工交叉还是比较多的，前面田老师也提到生命是无限的，因为也是一个非常大的学科，里面也涉及到方方面面。从我个人的经验，可能还是要瞄准一个点去做，我这边更多的是集中在器官损伤。比如说我跟消化科或者呼吸科，像消化科有的疾病是炎症性肠炎，工业界关注也多。像呼吸涉及到急性肺损伤，或者肝胆科涉及到急性肝损伤，我们跟临床沟通来跨界交流，比如说临床说我碰到什么样的难题，比如说就那消化科的RBD，他说临床现在用的（）有没有可行的方案能够避免被胃酸降解以及被肠道吸收，根据他的需求，我们研发了一个超小的钼（音）纳米点，（）钼的纳米点本身具有抗氧化功能，也能调节一些炎症性的微环境。我们与呼吸科也好，与其他的感染科也好，临床医生提出问题，我们作为工科背景去解决它。
我们做材料，目前涉及AI确实不是很多，但是我们很多合作科室涉及蛮多的，像我们紧密合作的放射科，现在AI在他们的影像诊断中发挥的功能非常大。这几年大家也关注到社会上说为什么现在得肺结节的特别多，是不是因为疫苗的原因或者什么原因。我也跟他们交流，其实很大的原因就是人工智能的普及。因为以前靠临床的放射科医生，2-3微米的病灶，肉眼根本发现不了。现在你去医院做检查，本身检查的CT分辨率提高，再加上人工智能，基本上它会自动识别出你所有的肺结节，我想这也是AI在临床影像方面应用的一个小方向。
潘利强：对于您的第一个问题，学科交叉方面，因为药学是比较综合性的学科，所以涉及到的多学科交叉看似是必然的结果，像我们跟化学、生物，包括现在跟计算生物学，我们也可以叫它人工智能，各方面都交叉的蛮紧密的。就我自己的专业而言，我们做抗体设计改造的时候会蛮多的用到计算生物学的方法，如果把它进一步做改造，像我们做的抗体偶联药物，我们会跟化学进一步交叉。这方面而言，在多学科交叉方面，我们应该涉及到蛮多东西，我们希望在以后的药物设计中更倾向于把它做成多功能化的药物形式，必然会想到跟其他学科交叉的方式，实现在疾病治疗上的多功能目的。比如说我们现在也慢慢开始做核素偶联药物，我们希望跟放射学科、抗体开发结合起来。
另外一个问题是人工智能方面，前面有老师讲的报告也提到了，在蛋白质工程化改造方面，AI有很大的能量，包括在抗体领域，我们现在做的是可以把抗体序列和抗体亲和力、成药性、能源化过程结合起来，AI在这块其实给了很大的赋能。包括我们最近拿到的项目是和晶泰合作，晶泰作为其中的课题负责人参与我们的项目。我们的课题是“人工智能驱动的新型抗体药物开发及技术平台建设”，我们已经更多的把人工智能放到我们平时的研发过程中。我们相对而言跟AI还是联系的比较紧密。
马健：分享两个点，第一，大家最近都在谈AI for Science，因为我学物理很多年，大家都知道我们研究世界通常是还原论的思维，一层一层的往下看，到了量子力学、力子物理之后，再反过来建构论，就可以把世界推演和演绎出来，但是我们在过程中会遇到非常多维度爆炸的问题。哪怕我已经知道了基本原理，但是再往更大尺度发展的时候，并不像想象的那么简单和直接。我们从数据角度来挖掘更加深刻的规律，科学是基于人类可以掌握的语言和符号体系，可能我们世界很多真正的规律或复杂现象并不能够用这种符号体系表示，所以AI可能本来就应该是个黑盒子。
第二，AI对于药物研发的作用，过去这些年大家也一直非常关注，尤其它的产业化和商业化，晶泰搞了十年，其实在这块还是有很多体会的。这个行业的交叉学科很多，但是如果从分类的角度来看，它其实有两大类问题。第一类问题叫科学挑战或者生物学挑战，田老师一上来讲表型，疾病宏观的表型现象，你要建立起它跟微观基因和蛋白层面，它跨越了相当大的物质尺度。在纳米和微米量级，另外是到宏观，我们做药的流程是什么？研究对象从微观走向宏观，还要建立微观和宏观之间的联系。这个挑战来讲，有非常强的创新和偶发性特征，这是生物学挑战。
还有一类就是工程技术的挑战，你做小分子总得合成分子，你做到CMC阶段，总得搞好的制剂、工艺放大。这方面来讲，其实工程技术具有比较强的改造确定性，我们也认为AI在药物研发落地方面，首先都是从工程技术特征的地方开始进来，比如说早期设计分子，我用机器人去合成分子，这是可以确定性的增强或者确定性提高它内部的效率。但是否这种效率提升能带来药物研发成功率的确定性提升呢？这还要依赖于我们在生物技术问题上的变革和突破。
现在AI for Science带给大家的是什么呢？从原来的演绎、推导的研究世界、研究科学的方式进入咱们所谓的第四范式数据驱动，哪些问题是AI可以发挥作用的，哪些问题还属于科学探索、科学研究创新的范畴，它可能还没有进入到产业和工业化，所以我认为未来发展还有很长的路要走。但是我们已经看到了大量的研究，包括我们跟高校、企业的合作，能够看到非常多突破性的好的进展，假以时日。
林子奥：感谢付老师提的问题，其实您提的问题是我求学过程中每天都在思考的问题，如何能把AI和生物或医学更好地结合在一起。我可以分享几点体会，刚才马总也提到，我们生物学研究在过去一个世纪以来更多的是从还原论思想下手，任何一种疾病，可能我们都需要追溯到某一个基因或者少量的位置。但是基于我个人的研究感受，特别是对于重大复杂疾病，像神经系统性疾病或者癌症，它并不是某一个基因元件所决定的。反过来说，它可能是全基因组或多重信号通路层面同时发生了一些紊乱，甚至有些时候是表观的，可能是蛋白修饰环节等等，才会演变成真正的癌症。
从人工智能或AI的角度来说，它可以帮我们人类做什么事情呢？我认为它可以拓宽我们的能力边界，因为AI是生活在高维空间里的，我们人类可能生活在三维世界，但是AI生活在高维世界，而且它可以在高维世界中区分这些复杂数据之间的共性规律，去寻找不管是新的靶点还是新的早期信号。所以我认为第一点是AI可以给我们赋能，它可以拓宽我们在医学上、疾病诊疗上的能力边界。
第二，更加与我们公司做的事情相关，因为我们致力于打造高精度普惠型的复杂疾病早筛方案。从一个技术要产业化、达到普惠，它的成本就特别重要，我认为AI在这块有很大的可能，之前我们关注的可能是AI边际拓展的能因为它是通过推演、计算，相比昂贵的生化实验来说，它非常适合用在检测领域，可能晶泰更多的是制药方面，我们比较互补，希望从检测或早期发现能够跟AI更好的结合。
付小龙：第一个话题就有点烧脑，刚才的词都快记不住了，从元素周期表到影像、范式、基因、跨尺度、还原论、系统论，刚才基本上把人类学科都跨越了。生命学科刚才各位专家都分享的特别好，它确实是综合性学科。下一个问题主要问一下两位科学家，不管用什么方法，生命的第一个问题面向的是人，还原论对我人来说，挑战蛮大的。对机器来说，我们可以去测试，在座有多少人愿意给潘老师、倪老师当小白鼠，看看吃这个药能不能挂。
我们生命面临的转化挑战还是比较大的，毕竟它是要面向人的。第一个问题，在我们生命科学转和的过程中，潘老师和倪老师觉得最大的卡点是什么？挑战是什么？怎么能够让我们科学的研究更快的推动临床？大家都觉得要快速推进，但同时人命的问题又是比较保守的问题，这个问题怎么来解决？
潘利强：从高校而言的话，从成果转化到产业化还是面临很多难关的，从实验室的成果还是处于小试的阶段，到中试、放大生产，又是面临不同的工艺挑战，我觉得这是蛮大的问题。我们这个领域而言，近几年发展快了很多，包括很多海外人才引进，包括抗体的高通量筛选，包括大规模生产制造，这块已经可以通过CMO的方式，不一定要自己建工厂或者以后建的公司具备这样的能力，可以用委托外包的方式来实现，现在通过专业分工的方式可以慢慢克服原来高校老师所不具备的技能。
另外一块内容是药物研发的不可预测性，很多时候我们在小鼠模型或者更大的模型里做实验，很难去完全复制到人里，就像您刚才说的问题，我们不可能把下面的观众作为模型去测试，这必然会导致一个问题，可能我们前期发现了一些研究成果，在临床上会出现完全不一样的情况，对药物而言，抗体药物临床前可能需要5000万左右，如果更复杂的ADC可能需要五千万到一亿的投入，如果这时候只有一个生产线可以推到临床阶段，一旦做不成功，那我可能就一无所有。如果我们的目标是希望给更多病人带来更多治疗选择，我们愿意做这样的事情，耗费我们的时间、精力，包括有一些都是人的帮助，我们一起去做，但是这方面付出的时间精力还是非常大的。我们在学校里还要承担其他的教学科研任务，所以这块是我们个人而言在精力分配上比较难的一些点。
新药研发需要大量的金钱投入，所以在资本上的助力非常重要，这块会受到很多因素的影响，包括大环境政策因素的影响，包括现在市场环境怎么样退出的机制，这些都会影响投资人是否要投一个新药、一个项目的判断，所以并不是说学校里一些项目非常好就可以拿到钱，更多的逻辑可能是需要投人，他们要选择两个陌生人怎么建立非常密切的信任度，他愿意投我们的人、投我们的项目，沟通成本上，包括轮次的投资募资过程中去支持我们的项目推进，我觉得现阶段这反而是最难的挑战。
倪大龙：我们这个领域也遇到同样的问题，这个生物医药材料中试的技术参数是一个大的挑战。另外是我们材料应用到人体，前期的安全性评估也是非常重要的，包括你的致癌性，甚至对生殖系统、免疫系统是否有毒性、有没有影响，这块评估也是非常长的周期。你发起临床试验，医院伦理这一关，包括你将来走到临床，国家药监局拿到注册症等等，政策上的很多因素也是比较大的卡点，我们提前做转化的时候要充分预估到这方面，比如说药物的设计，要考虑到这方面，怎么样通过国家药监局的批准。
付小龙：感谢两位老师的分享，这就是我们生命面临的很大问题，拿小鼠做实验和人的差别比较大，国家监管又管得比较严，所以这些挑战都比较大。下一个问题比较关键，要问到马总了，最近AI比较火，但是挑战也比较大，质疑声也比较大。一方面，大家觉得AI制药是很大的方向。另一方面，质疑比较多，每天都是唱衰的。最近我们看到晶泰火的一塌糊涂，因为号称中国AI制药的第一股，第一股有第一股的好处，第一股有第一股的压力。希望马总分享一下，晶泰是怎么做到第一股的？有什么好的经验？
马健：谢谢付老师。确实就像您说的，压力和挑战是并存的。生物医药行业，我觉得冰火两重天，尤其是里面存量、增量的问题。去年到今年我去美国五次，波士顿也有我们的公司。从资本市场看，2024年初纳斯达克生物科技方面中小企业已经下来了，生物医药大环境上讲，国内还是在存量方面来讲特别卷，增量的话，我觉得要看下一波生物技术在中国有些新机会。从小分子抗体到CAR-T基因疗法，现在大家也在追求各种意见，像IAT（音）应该怎么监管之类的。我觉得生物医药行业就看海外发展的一波一波，都是生物技术催生的一波，然后就起来了。国内的话，一开始可能有滞后5-10年、1-2年。像昨天的TR35，就处于新浪潮的开始，我觉得对未来的生物医药发展还是非常有信心的，得靠人上来。
2018年最开始香港有18A，大陆是2019年的科创板第五条，今天上午大家分享的时候有提到2016年是Alphago，但是2026年中国生物医药企业有一个上市企业叫贝达（音），他走了十几年，他营收有利润才上市的。晶泰上市的板块叫18C，相当于香港的一个专精特新或者香港科创板的概念，所以它并不是以制药作为其中的特点，而是融合了非常多交叉学科的科学和技术。像晶泰具有药物发现，同时也有机器人板块、材料研发板块，我们有非常多的客户，像中石化这种做材料研究、催化剂等等，这也是晶泰作为共性技术平台能够获得18C认可的特点。
今年国内IPO是比较堵塞的，未来一两年，可能港股18C会成为很多中国科技公司在当前中国经济形势的情况下和国际地缘政治的挑战之下的一个资本出口。
付小龙：感谢马总的分享，刚才马总有两个比较重要的信息，第一个是选好板块，第二是讲好故事。其实我们很多的生命技术具有非常强的通用性，像晶泰用AI去发现，它当然可以做制剂，但是材料上也有很多广阔的应用空间，所以给了创业者很多启示。下面的问题就问到子奥了，年轻人有无数的光环，但是这种光环一般都跑到科研院所了，但是子奥依然投身于创业，而且现在生物医药的大行当也比较艰难，请子奥给我们分享一下为什么当时选择去创业而不是留在学校。
林子奥：感谢付老师的问题，这也是我过去几年每天晚上都会问自己的问题。我认为创业其实就是两个点，一个是做这个事情是否真的有需求，第二是我们的团队是否具有这样的资源禀赋去解决这样的问题。因为我选择的赛道更多的是针对重大复杂疾病的早期发现。当时综合评估了一下，包括我国现在老龄化程度蛮严重的，截止2022年底，60岁及以上的人口数达到了2.67亿，占中国人口总数的19%左右，这个数字到2030年预计可能到25%。随着人均寿命的延长，特别是老龄化所引发的重大复杂疾病的需求，一定是刚需。即使现在的大环境并不是特别好，但它既然是刚需，那它就一定会有存在的必然性，这也是激励我投身创业的一个重要因素，因为我还是想着能切身解决人类社会的这样一个很重要的问题。
我本身在美国求学多年，在国际顶尖的基因组学实验室进行了多年的深造，在这个过程中我意识到我国和欧美之间对基因组数据的解读还是存在很大的gap，我希望基于这样的机会，应该承担更大的责任或者使命，从学校毕业之后我也是希望能把我学到的东西，包括我们掌握的技术能力，落地国内，解决这样一个很重要的医学问题。
具体再简单延伸一下，我认为对于我们这种重大复杂疾病的攻克有点像18世纪末牛痘和天花的关系，对癌症来说，它对我国的医保或者公共卫生层面的压力是特别大的，但是因为癌症本身的复杂性，所以如果我们人类要攻克癌症的话，必须从早期诊断和早期发现、早干预、早预防的渠道切入，既然我们有这样的资源能力，我们就要勇敢去做这样的事情。
付小龙：谢谢子奥，刚才各位老师都分享的特别好，因为想解决生命的问题都是大家所关心的，一方面需要倪老师、潘老师这样的科学家深耕实验室，把基础问题搞清楚。另一方面又需要马总、子奥这样的创业家，把这些变成产品获取到，我觉得这是一个永恒的话题。最后请各位专家简短的分析一下，确实我们感觉这个行业变化非常快，大家觉得五年、十年以后这个行业会有什么重大的变化？
倪大龙：谢谢付老师的问题，因为我跟临床贴合比较紧，临床现在很多患者以及家属，他们在抗癌的路上苦苦支撑，他们唯一的希望就是学术界也好、产业界也好，我们能尽快推出针对他们癌种的创新药物、靶向药物，来达到治疗的目的。我希望未来5-10年，学术界和产业界多多合作，希望未来能出一些新的靶向药给癌症患者，或者给器官损伤带来一些福音。特别是在现在的AI技术下，能不能快速筛查一些靶点，针对性的研发药物，快速推动它的临床转化。
潘利强：未来5-10年，至少从我们方向的发展上，我觉得应该是更精准的医疗方案，精准医疗虽然已经提出很多年了，接下来的5-10年可能会再往前迈很大一步，根据人群特征达到更细致的细分，不会出现一个药对这些人有用、对哪些人没用，细分之后治疗会更加精准一些。从研发阶段而言，晶泰、子奥他们的公司给我们赋能以后，可能我们在业务研发上会更加便捷。最终实现比如抗体筛选就不用筛了，可以非常精准的靶向到我们前期发现的一些肿瘤标志物，更好的治疗肿瘤或者其他的重大恶性疾病，我觉得这是未来5-10年可能实现的事情。
马健：我觉得未来三五年应该在垂直领域会有非常多新的AI和垂类模型的发展，而且这个发展应该会有一些前提条件，在垂类方面的数据收集和数据产生能力。正好借这个机会，我们是MIT科技评论嘛，MIT的校训是手脑并用。以后AI大脑和机器人双手可以帮助我们探索更多新的药物、新的物质，我觉得这对于我们的科学研究范式来讲，也将会产生非常深刻的影响。
林子奥：我的感觉和前面几位老师蛮相似的，我认为未来5-10年随着AI的模型以及现在的算力，包括我们对数据积累的意识和方式，以及它的速度。比如我们今天没办法攻克的绝症疾病，也许未来5-10年它会变成慢性病，或者说有新的药物出来。我认为AI在生命无限的环节可能会是整个历史的拐点。
付小龙：今天时间有限，非常感谢各位老师的分享，这个环节到此结束，谢谢各位老师！
