《个股篇》——咋暖还寒（高精尖科技个股资讯大百科合集）

万物皆可ai么这是

哈哈，有目标了

催化：一是AI制药论文上了《Nature》子刊，公布的一期临床数据很好；二是进二期顺利，是AI制药的进度突破和旗帜；三是这款AI制药最近在我国22个城市开始患者招募，说明我国也认可了，这个比较关键。
政策支持就会有很多催化出来，盘后看到创新药的文件就说要重点开展人工智能药物发现，文件里面的内容不少。3月20日英伟达GCT大会里两场AI制药圆桌讨论未必就是兑现点，路还很长，AI制药在AI各分支里位置应该说是最低的，这么多大药企在跟进AI制药，新进展还会持续出来，应该对AI制药多一些包容。

一个趋势是，过去几年建立的生物技术从生物学人工智能（寻找新靶点）到化学人工智能（药物设计）的转变。
这并不意味着AI+生物学不重要 ，人工智能开始解决不同疗法上“更加落地的问题
”””

，例如难成药分子的结合口袋，嵌合抗原受体的优化，蛋白质亲和力优化，RNA序列设计等。

这类趋势代表着从“first-in-class”方法到“best-in-class”方法的转向，机器学有助于加速针对既定靶点和已知生物学的设计迭代。
当AI技术清楚地用于药物发现过程的特定领域，帮助企业获得具体的药物，是许多大型制药公司引入合作伙伴关系的关键：帮助开发可上市的药物，而不是一句口号。
也就是说，人工智能作为基础技术在主流公司得到了一定程度的验证。

简而言之，生物学正在迅速发展并成为一门工程学科。
业内普遍认为三大技术推动了TechBio的新发展：
1、生物学的数字化：DNA 合成、测序和传感器等技术越来越便宜，使人们能够将模拟生物学转化为数字数据，并返回到模拟合成DNA/生物学。
2、计算和机器学：使用计算工具和新兴的机器学/人工智能工具来深度理解数据。
3、机器人实验室技术：以手动为主的实验室转变为大规模进行高通量自动化，特别是机器人实验技术在化学合成领域的落地，可以批量获取更完整、更标准化的高质量数据，持续投喂给AI模型迭代。
TechBio这样更宽泛的名词，不仅包含了人工智能辅助药物研发，更指向当下行业的整体趋势：技术的深度集成。这些系统开始与iPhone的复杂性和集成性相媲美。
这些努力实际上都指向了一个背景：化学和生物数据仍然是数据驱动的药物发现方法的核心问题。
显然，AI+生物医药的竞争已经走向了数据竞争。由于AI需要投喂大规模数据，因此公司对于数据获取渠道、清洗以及使用，以及需要哪些思维方式、团队和文化来实现显得尤为珍贵。
因此，投资人的关注的重点也发生了巨大的转变：从哪家拥有最好的AI模型，转变为了哪家公司拥有最好的“闭环”机器学系统，可以从实验室生成的真实数据中实际学。

英伟达的第一大业务是传统GPU相关,包括数据中心、游戏、可视化、汽车自动驾驶，GPU业务收入体量600多亿美元，第二大业务是AI制药等医疗健康业务，收入10亿美金。2023年英伟达投资了9家制药行业中以人工智能和数据为核心的公司。2024年开年又投资了2家。

在2024 年世界政府峰会期间，英伟达 CEO 黄仁勋被阿联酋人工智能部长问及“如果站在科技的前沿，人们到底应该学什么”，他回答称，“学计算机的时代过去了，生命科学才是未来。”

黄仁勋：我的答案可能听起来和人们的印象完全相反。你可能记得在过去 10-15 年里，几乎每个在正式场合回答这个问题的人都会告诉你：学计算机科学对孩子来说至关重要，每个人都应该学如何编程。
事实上，情况几乎完全相反：我们的工作是创造计算技术，让所有人都不需要编程，现在世界上每个人都是程序员，这就是奇迹 —— 人工智能的奇迹。我们首次缩小了编程的技术鸿沟，现在正是让大家意识到技术鸿沟已经弥合的绝佳时机。
阿联酋人工智能部长继续询问黄仁勋，“若自己要选择一门攻读学位的专业，有无建议？”黄仁勋则谈到了生命科学。
若让我重新选择，我会认识到人类生物学才是科学里最复杂的领域之一。它不仅复杂如此难以理解同时也具有难以置信的影响力。
我们首次将这一领域称为“生命科学”，把医药相关学科称为“药物发现”。但在计算机科学领域，包括当今非常庞大的传统行业中，没有人说“汽车发现”“计算机 / 软件发现”，取而代之的则是“XX 工程”。
每年我们的计算机科学、软件都胜过前一年，芯片、基础设施也胜过前一年，但生命科学上的进展寥寥。如果给我一次重新选择的机会，我会意识到，将生命科学工程化的学科 —— 生命工程即将到来。将生命科学工程化的学科即将到来，它将成为一个大的工程领域，而不仅仅是一个纯粹的科学领域。

1.泓博医药(SZ 301230 )。公司自行搭建的PR-GPT多模态大型语言AI模型主要用于处理和生成人类语言以及化学分子描述。公司的AIDD、CADD和GPT模型都属于人工智能和机器学的范畴。它们都利用大量的数据来训练算法，以便在其各自的领域中做出预测或生成有用的输出。PR-GPT在药物设计和化学研究中的应用主要基于其强大的生成和预测能力。PR-GPT模型可以被训练来生成新的化学分子结构。通过将分子结构编码为一串类似文本的字符，PR-GPT可以生成有效的分子结构。这种方法可以用于探索新的化学空间，生成具有特定属性或活性的分子。在药物设计领域，PR-GPT可以用来预测和生成具有特定药理特性的分子，如更高的亲和力、更低的毒性或更好的药代动力学特性。它还可以用于生成针对特定生物标靶的候选药物分子，加速药物发现过程。PR-GPT还可以辅助虚拟筛选，快速评估大量分子的潜在活性，从而筛选出有前途的候选分子。同时，它还能预测分子的物理化学性质、生物活性和药代动力学特性。
2.成都先导(SH 688222 )。公司将DEL平台的“海量信息产出”能力和AI技术的“海量信息处理和学力”能力进行有机整合。公司DEL库小分子种类已突破12,000亿，是全球目前已知的化合物最多、规模最大的实体小分子化合物库。成都先导已经不局限于单纯的杂环化合物库，公司已经将库扩展到共价化合物库，蛋白降解化合物库，分子片段化合物库等应用场景更为丰富的小分子化合物库。公司通过系统化的库分子设计，增加合成分子骨架的种类超过6,000种，基本涵盖了所有当前已获批上市的小分子药物的核心骨架，以及临床在研小分子项目的大多数优势骨架，合成砌块接近40,000种。公司已经筛选超过51类靶点家族类型、几百个靶点，获得功能性的分子的成功率超70%，累积完成了71个项目的化合物知识产权（IP）转让，超过700个化合物实体，并包括很多难成药靶点，并且已经转让的化合物中85%的分子骨架和形状具有全新的分子骨架和分子形态。
3.药石科技、安必平、博济医药。

药石科技、安必平、博济医药

先导看着不错，去年有一波，先导好像也是领涨

超级会议摘要——AI制药行业发展


AI制药上市公司：成都先导、皓元医药、泓博医药、新立泰、药食科、药石科技、健康元、恒瑞医疗、药明康德。非上市公司：晶泰科技 英矽智能 燧坤智能 星药科技
专家背景：专家为某AI制药公司资深AI算法工程师，对Python、R语言、机器学、深度神经网络、统计学、基因/蛋白质组学、药学、生物学和图论等多学科具有较深入研究。熟悉国内外行业公司，目前已在AI制药领域成功申请多项专利。
观点摘要：
1.药物研发的主要两个难点为药物发现阶段和临床前阶段。新药研发面临研发周期长、研发成功率低以及研发费用高等三大困境。
2.人工智能与药物研发可以结合多组学数据快速推进靶点发现与验证，确定靶点识别并确认其生理学病理学特征是药物开发阶段极其重要的环节。
3.人工智能加药物研发,可探索更加广阔的化学空间,可以实现改进和全新的分子识别和设计。可成药的小分子的化学空间约为10的6个次方，然而现在的化物库只能占其中一小部分，而由还有更广阔的化学空间值得我们不断的去探索，在现有的化合物的空间下，传统的CAD方法 很难逃脱现有的思路，生成具有新颖的股价结构的业务分析。
4.阿斯利康采52研究策略，很好地说明了AI在其中的作用。在2016年到2020年，阿斯利康新药的 研发的成功率达到了31%，显著高于行业的平均水平。在小分子药物开发方面，阿斯利康德50%的小分子开发均使用了人工智能技术。
5.医药行业存在着反摩尔定律，从1950年起每投资10亿美元 所得到的上市新药数目，每9年减少一半。

2024年3月11日，中央政府采购网发布《关于更新中央国家机关台式计算机、便携式计算机批量集中采购配置标准的通知》，即日起全国范围内从中央到省、市、区、县、乡使用财政拨款的国家机关，在采购台式计算机、便携式计算机时都要选择满足信创要求的机器。
国产CPU、OS等需求提振。按照集中采购配置标准2024版，CPU品牌限制上，台式机为龙芯、飞腾、兆芯、华为鲲鹏、申威、海光；便携式均为入围第一批安全可靠测评结果的CPU型号；在操作系统上，台式机和便携式均要求预装麒麟、统信UOS、中科方德等符合安可测评要求的操作系统。
信创覆盖范围持续扩大。根据2023年12月安全可靠测评结果公告，“乡镇以上党政机关，以及乡镇以上党委和政府直属事业单位及部门所属为机关提供支持保障的事业单位...”，意味着区县乡级别的信创升级逐步拉开大幕，且为财政部首次就具体软硬件设备出台细则，信创持续深入。

低空估计还能炒两天

昨晚美股亿航智能又大涨，股吧也开始发酵，烟兄领先股吧一周时间啊，