布局AI+新药研发,深度智耀获红杉中国近1500万美元B轮融资

简介: 创始人兼CEO李星毕业于北大药学院,先后在辉瑞、赛诺菲、强生等跨国药企的新药研发部门就职超过12年,曾主导强生在亚太地区的首个AI项目。

10月9日消息,AI新药研发企业深度智耀(Deep Intelligent Pharma)已获得近1500万美元B轮融资,红杉中国独家投资。创始人兼CEO李星表示,本轮融资将主要用于AI+医药研发领域的产品研发及业务拓展。此前,它曾获得来自 真格基金的数百万美元Pre-A轮融资,后又获得真格基金A轮追加投资。

  李星表示,“目前制药行业还处于人海战术阶段,远远没有实现智能化管理。”据悉,在围绕“让药物研发更高效”上,公司已陆续推出了多个产品原型,在早期研发阶段,包括AI驱动的药物合成、药物设计、药物活性预测;临床研究阶段,则包括AI驱动的药物警戒系统、注册事务系统、写作翻译平台、临床数据编程系统等,覆盖了新药研发全流程上的一些关键节点。

  据李星透露,公司目前已有50多家合作客户,包括排名前十的跨国药企、国内一线药企、国内中小药企,合作方式包括SaaS服务、本地部署、外包服务、战略咨询等。她强调,与其它AI药物研发公司的商业路径不同,深度智耀是通过“市场反哺研发”——即在能满足市场需求的前提下,快速走向商用,以支持其它产品线的研发和产品迭代。

  因此,在产品的商业化上,李星介绍,目前智能化药物安全警戒系统、注册申报翻译已经市场化, 而AI驱动的早期药物发现平台及AI辅助有机合成系统(化学合成和工艺改善)将在今年11月进入商业化阶段。

  深度智耀从新药研发两端切入,用AI加速早期药物发现和药物临床研究。李星表示,未来大家的竞争要素主要在于产品质量、落地速度和价格上。从市场化进程和产品布局来看,深度智耀已是国内AI药物研发赛道的第一梯队。不过李星也强调,药物研发流程涉及约20个功能模块,即使是某个模块的专家对其它模块业务也只能了解大概,尤其“制药还是离IT和互联网非常远的行业”,这造成了AI医药研发赛道当前的最大挑战——医药专家和AI工程师的有效融合,或者说“行业+技术”跨界人才的获取。她表示,“深度智耀的人才结构已十分完备,医药专家已有部分成功转型为AI产品经理、数据挖掘,或AI教练。”

  团队方面,创始人兼CEO李星毕业于北大药学院,先后在辉瑞、赛诺菲、强生等跨国药企的新药研发部门就职超过12年,曾主导强生在亚太地区的首个AI项目——基于神经网络的注册申报资料机器翻译引擎。其它核心团队成员均具备跨国500强医药企业研发以及BAT等顶级互联网企业的背景。目前整个团队近百人,AI人才和新药研发人才各占一半。

目录
相关文章
|
15天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
73 4
|
29天前
|
人工智能
掌握歌词布局技巧:写歌词的方法与要点,妙笔生词AI智能写歌词软件
歌词创作是一门独特的艺术,掌握歌词布局技巧至关重要。开头要引人入胜,主体部分要合理有节奏,结尾则需有力收尾。无论是叙事还是抒情,合理的布局都能让作品更加动人。《妙笔生词智能写歌词软件》提供了多种AI功能,帮助创作者轻松掌握布局技巧,开启高效创作之旅。
|
29天前
|
人工智能
如何布局歌词结构:写歌词的技巧大公开,妙笔生词AI智能写歌词软件
在歌词创作中,结构布局如同建筑的骨架,决定歌词的稳固与美感。本文揭示了歌词结构布局的奥秘,从吸引人的开头、核心的中间部分到点睛的结尾,帮助你写出动人歌词。此外,推荐使用《妙笔生词智能写歌词软件》,其多种 AI 功能可助你一臂之力。
|
1月前
|
机器学习/深度学习 人工智能 算法
介绍一下AI在药物研发中的应用。
【10月更文挑战第16天】介绍一下AI在药物研发中的应用。
63 0
|
1月前
|
人工智能
|
19天前
|
人工智能 自然语言处理 测试技术
通义千问AI来提高研发效率
【10月更文挑战第21天】
|
1月前
|
机器学习/深度学习 人工智能 算法
AI在药物研发中还有哪些应用场景呢
【10月更文挑战第16天】AI在药物研发中还有哪些应用场景呢
280 0
|
1月前
|
机器学习/深度学习 存储 人工智能
2024 年 AI 辅助研发趋势
这篇文章讨论了2024年AI辅助研发的趋势,包括技术进展、行业应用案例、面临的挑战与机遇、未来趋势预测、与法规的影响以及人才培养与教育。文章强调了AI在医药、汽车和电子等行业的应用,并指出了AI辅助研发面临的技术挑战、伦理问题和数据安全问题,同时也提出了技术创新、伦理规范和数据安全技术等方面的机遇。文章还预测了AI与研发流程的深度融合、智能研发平台的崛起和AI驱动的创新模式等未来发展方向,并讨论了政府政策和法规对AI辅助研发的影响,以及教育体系如何适应这一变革,培养具备AI技能的研发人才。
60 0
|
3天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
下一篇
无影云桌面