人工智能（AI）正成为医疗保健（Healthcare）、生命科学（Life Sciences）和电子科技（Electronics） 领域的颠覆性力量，位于德国Darmstadt的默克集团（Merck）志在引领这一潮流。该公司的首席执行官Belen Garijo表示，这场旅程才刚刚开始。本文将介绍默克当前已在哪些领域应用AI，以及该集团制定了哪些计划。

人工智能早已不再是炒作概念，而是悄无声息地渗透进了所有生活领域——我们许多人可能尚未意识到，汽车和智能手机摄像头中蕴含的AI技术就已远超想象。而自人工智能霸占媒体头条和谈话节目以来，即便是科技领域不太精通的人，也知晓了生成式AI（generative AI） 这一概念。

那么，人工智能在化工和制药行业的应用情况如何呢？至少对于德国Darmstadt的默克集团（Merck）而言，该主题的重要性在2024年12月初的一次活动中已表露无遗。活动主办方邀请了许多高层人士出席。默克集团首席执行官Belen Garijo亲临现场，阐述了AI技术对默克的战略意义。“人工智能不仅仅是炒作。它是一种变革性力量，正在改变我们工作和沟通的方式。”她表示。

默克首席执行官Belen Garijo深信人工智能的变革力量（图片来源：默克）

Part1 首席技术官Laura Matz同样投入人工智能驱动创新

首席技术官Laura Matz同样致力于通过人工智能推动创新。这位拥有分析化学博士学位的化学家于2021年7月出任新设立的首席技术官一职，自此取得了诸多成就。其中，Laura Matz负责支持集团层面的“智能制造计划”（Smart Manufacturing Program）。该计划旨在挖掘电子科技（Electronics）、医疗保健（Healthcare）和生命科学（Life Science）三大业务领域之间的协同效应，并通过自动化、数据分析、人工智能和物联网（IoT）技术，打造更高效、更灵活的生产环境。

Part2 人工智能旨在助力默克占据技术领先地位并满足客户需求

因此，默克正处于转型之中，而人工智能将扮演重要角色。这既关乎在集团内部应用人工智能，使默克能够在技术上跻身领先行列；也关乎开发人工智能驱动的工具，帮助客户解决问题。集团正采取双轨并行的策略：一方面，旨在创建生态系统（Ecosystem），在受保护的环境中，让客户、科学家、研究机构和监管机构能够交换数据，并利用人工智能进行深度分析。另一方面，默克也向市场推出人工智能赋能的软件，例如Catalexis或一款面向半导体行业的AI工具，旨在加速用于新型极紫外光刻（EUV Lithography）材料的材料开发。

Catalexis 旨在帮助开发新合成路线的客户进行催化剂筛选，将所需的实验次数从数百次减少至23次。该算法基于包含23种催化剂的测试套件数据，可为目标反应推荐20种精选催化剂。

Part3 人工智能推动默克转型进程

公司认为自身进展顺利，但仍有待完善之处。默克首席数据与人工智能官Whalid Mehanna 表示，为了充分挖掘人工智能的潜力，默克必须确立一个“数据文化愿景（Data Culture Vision）”，并为每位员工提供必要的知识与工具，以便他们能够利用数据和人工智能。Whalid Mehanna自2023年起担任默克首席数据与人工智能官，目前负责领导集团内部的数据与人工智能组织——默克数据与人工智能组织（Merck Data & AI Organization, MDAO）。该组织致力于推动集团战略，将创新与“数据与数字化”相结合。Whalid Mehanna拥有超过25年的大数据领域经验，曾任职于Mercedes Benz并领导其数据与分析团队。现在，他的目标是激发默克的63 000名员工积极采用人工智能，并在日常工作中重视数据质量。

Part4 基础设施建设正稳步推进

Whalid Mehanna 强调，这是一项重大任务，需要打下坚实的基础、做好充分的准备。他用金字塔作比喻：金字塔的顶端由尖端AI技术（State-of-the-Art-KI）所装饰，这些技术将革新业务流程和商业模式。“通过为每位员工提供利用数据和AI所需的知识与工具，我们将为可持续增长奠定基础，并为颠覆行业格局（das Spiel verändern）做好准备。”Whalid Mehanna 解释道。

具体而言，这项工具就是myGPT。这是默克自主研发的类ChatGPT应用，于2023年部署上线，至今已处理超过300万次查询请求（Prompts）。目前，该工具已具备协作、互联网浏览以及访问企业系统的功能。该系统显然颇受欢迎。在推出不到两年后，默克已拥有18 000名用户，且用户数量持续增长（Tendenz steigend）。

Part5 人工智能应用生态系统

对默克而言，人工智能并非一个崭新的探索领域。自2017年起，位于Darmstadt的默克集团（Merck）便与数据分析公司Palantir携手合作，目标是打造一个数据生态系统（Datenecosysteme）。在这段时间里，双方共同成立了两家合资企业：

Syntropy 合资公司致力于整合来自癌症研究的科学数据，并提升这些数据的使用效率。其核心理念是：科学家、研究机构、卫生监管机构等可以将原始数据集上传至数据库，供科学界访问和使用。Syntropy 集成的人工智能允许用户在数据集中进行搜索，提取、分析并可视化数据。

数据分析平台Athinia的基本理念与Syntropy类似，但该平台专注于半导体制造（Halbleiterfertigung）所需的材料数据。Athinia 的目标是让半导体制造商和材料供应商能够交换、汇总及分析数据，以深化对半导体生产设备中材料与工艺之间相互作用（Wechselwirkungen zwischen Materialien und Prozessen）的理解。首席技术官Laura Matz 亲自领导这项合作，并兼任 Athinia 的首席执行官（CEO）。

Part6 更快速、更精准地开发药物活性成分

由Ashwini Ghogare主导开发的这项技术，承诺将在活性成分研发领域掀起一场真正的革命。这位化学博士是默克公司“人工智能与自动化药物发现负责人（Head of AI and Automation for Drug Discovery）”，也是“AIDISSON”（人工智能赋能药物发现解决方案，AI-enabled Drug Discovery Solution）背后的推动力量。AIDISSON 是一个基于人工智能的建模平台，用于药物活性成分研究，旨在更快速、更精准地识别用于新药研发的潜力分子。“百发百中。”Ashwini Ghogare形象地阐释了AIDISSON 的目标。而这将节省大量的时间和金钱。毕竟，在药物从研发到上市的生命周期中，活性成分设计（Wirkstoffdesign）就占据了40%的时间，并耗费超过20亿美元。

这项开发的关键在于海量的实验数据被输入到建模中。Ashwini Ghogare解释道，该软件融入了默克30年的药物研发数据和经验。特别引人关注的是：那些未能达到预期的分子信息也被纳入其中。Ashwini Ghogare强调，这些阴性数据（negative Daten）在构建生成式AI模型（generative KI-Modelle）时尤为重要，可以防止人工智能日后出现幻觉现象（Halluzinationen）和提供错误的模型。

Part7 虚拟分子模型与合成路径

这些生成式AI模型不仅能够进行优化，还能从头设计（de-novo）具有所需化学特性的虚拟分子模型。新分子的生成考虑了新颖性（Neuigkeit）、类药性（Arzneimittelähnlichkeit）（即评估化合物作为药物适用性的定性指标）以及与化学靶点结构（chemischen Zielstruktur）的相似性。它们还会对生成分子的可合成性（Synthesierbarkeit）进行评估。Ashwini Ghogare强调，这是一个重要的进步。因为许多有潜力的活性成分之所以失败，正是因为缺乏合成路径或仅存在极其复杂的合成方法。

名为Synthia的软件，使化学家能够为其候选活性成分确定最合适的合成路径（Syntheseweg），并同时生成一份所需关键组分和试剂（Reagenzien）的清单，用于活性成分的制造。

此外，默克目前也已将这一原内部工具（ursprünglich interne Tool）在全球范围内推广销售给外部制药公司。默克公司表示，尤其是那些较少有机会访问大型内部数据库（wenig Zugang zu umfangreichen internen Datenbanken haben）以构建自身模型的小型团队（kleinere Teams），可以从Aidisson中受益。

Part8 并非万能药，却是重要的辅助工具

实际上，人工智能（AI）正逐渐成为药物研究领域中不可或缺的重要工具。默克公司的专家们与业界同行对此持有相同观点。目前，没有一家制药企业不重视人工智能的作用，并期望它能提升研发效率、节约宝贵时间。但同样显而易见的是：单纯依赖人工智能并非万全之策。即便算法再精妙，没有人类的参与，也无法独立发现完美的分子。

然而，借助人工智能进行分子设计，可以对分子进行优化，从而大幅减少“设计-制造-测试”（Design-Make-Test）循环的次数。默克医疗保健的临床测量科学负责人（Head of Clinical Measurement Sciences）Stu Bailey预计，这将使研发效率提升25%～50%，同时减少所需的材料和实验室测试的数量。

在默克的一个案例中，研究人员利用人工智能评估了46 000个理论分子，并从中合成了35个，其中超过一半被证明是有效命中分子（gute Treffer）。Stu Bailey强调，与传统的实验驱动发现过程相比，这是一个显著的进步，后者通常的命中率（Trefferquote）不足1%。

Part9 默克借助人工智能的力量推进药物研发

作为一家业务多元化的中型制药企业，默克的业务范围广泛，包括疫苗（Impfstoffe）、治疗性蛋白（therapeutische Proteine）、抗体药物偶联物（Antikörper-Wirkstoff-Konjugate, ADCs）、单克隆抗体（Monoklonale Antikörper），以及针对“神经学与免疫学”（Neurologie & Immunologie）、“肿瘤学”（Onkologie）、“生殖”（Fertilität）和“心血管、代谢及内分泌疾病”（Herz-Kreislauf-, Stoffwechsel- & endokrine Erkrankungen）适应症的小分子药物。

着眼于人工智能在药物开发中的应用，默克集团奉行一种“不依赖特定模式的研究策略”（modalitätsagnostische Forschungsstrategie）。通过这一策略，默克致力于整合各类活性成分的知识，以实现生物制剂（Biologika）、抗体药物偶联物（ADCs）和小分子药物研发的相互促进（gegenseitige Befruchtung）。具体而言，研究人员利用预测模型AlphaFold进行人工智能辅助的蛋白质设计与建模（Proteindesign und -modellierung）。该开源软件基于线性氨基酸链来预测蛋白质的三维结构（3D-Struktur）。

默克的实践证明，人工智能并非昙花一现（Eintagsfliege）。作为经过深思熟虑后采用的工具，它能够解决复杂问题，并将海量数据分析提升至新的高度。