问AI · لماذا بدأت صناعة الأدوية المعتمدة على الذكاء الاصطناعي في إعادة تقييم قيمة المرحلة النهائية من التجارب السريرية؟

في 18 مارس، أعلنت شركة الأدوية المعتمدة على الذكاء الاصطناعي، شركة 深度智耀، عن إتمام جولة تمويل من المرحلة D بقيمة تقارب ملياري دولار، حيث أتمت عدة جولات تمويل خلال ثلاثة أشهر فقط، وجمعت بسرعة أكثر من عشرة مليارات يوان صيني، بمعدل كثافة وسرعة غير مسبوقين في الصناعة.

في سوق رأس المال الحالية، يتواجد الحماس مع العقلانية، حيث أصبحت احتمالية العائد أكثر وضوحًا، وتحل محل السرد التكنولوجي، لتصبح محور اهتمام رأس المال. ظهرت صناعة الأدوية المعتمدة على الذكاء الاصطناعي بشكل مفاجئ، حيث سبقتها شركات مثل晶泰科技 و英矽智能 المدرجة في سوق هونغ كونغ، وتلتها شركة ليللي بالتعاون مع إنفيديا لبناء “مصنع أدوية يعتمد على الذكاء الاصطناعي”، مما أشعل المنافسة في هذا المجال.

تأسست شركة 深度智耀 في 2017، وبمقارنة مع العديد من الشركات التي تبرز تحت الأضواء، حافظت على تواضعها لفترة طويلة. وكانت مجالات تخصصها من قبل تعتبر من المجالات الأقل شهرة والأصعب في صناعة الأدوية المعتمدة على الذكاء الاصطناعي، وهي تطوير التجارب السريرية وتوليد الأدلة.

يمكن تقسيم تطوير الأدوية بشكل تقريبي إلى مراحل اكتشاف الدواء، قبل السريرية، التجارب السريرية، وتقديم الطلبات للتسجيل. على مدى سنوات، ركزت أكثر السرديات شعبية على المرحلة الأولى، مثل استخدام الذكاء الاصطناعي للتنبؤ ببنى البروتين، وتصميم الجزيئات، واختيار الأهداف.

أما شركة 深度智耀، فهي تركز على المرحلة الأخيرة، وتدور حول سلسلة الأدلة من خلال التجارب السريرية، بدءًا من الاستراتيجيات السريرية، وتصميم البروتوكولات، وتنفيذ مراكز البحث، وصولاً إلى إدارة البيانات الإلكترونية، والبرمجة الإكلينيكية والإحصائية، والكتابة الطبية، والمراقبة الدوائية، ودعم التسجيل، حيث تبني تدريجيًا نظامًا متكاملاً يعتمد على الذكاء الاصطناعي، ويثبت قدرته على التسليم المستقر من خلال العديد من المشاريع الحقيقية.

ما يدعم هذا النظام ليس أداة واحدة، بل هو نظام متعدد الوكلاء يشبه الدماغ البشري. من خلال تفكيك المهام، والتعاون بين الأدوار، والتحقق من التغذية الراجعة، والتطور الذاتي المتكرر، ينظم العمل المعقد في تطوير التجارب السريرية، والذي يتسم بالتداخل بين الأقسام، والقيود الشديدة، مما يجعل من الممكن تنظيم هذا العمل المعتمد بشكل كبير على خبرة الخبراء البشر ليصبح عملية منظّمة وقابلة للإنتاج.

بالضبط، هذا النظام الذكي هو الذي جعل شركة 深度智耀 هدفًا نادرًا في سوق المنافسة، وحصل على اهتمام متأخر لكنه كبير.

بالنسبة لصناعة الأدوية المعتمدة على الذكاء الاصطناعي، فإن ذلك يعني أن التركيز قد بدأ يتحول من المرحلة الأمامية إلى المرحلة الخلفية، كما أنه يمثل خطوة كبيرة نحو تحقيق رفاهية الإنسان، وهذه الخطوة استغرقت تقريبًا عشر سنوات.

في مواجهة الريح المعاكسة

أول صدمة من الذكاء الاصطناعي على صناعة الأدوية كانت قبل ظهور Transformer، وأسبق من ذلك بكثير.

في نفس سنة فوز AlphaGo على لي سيوك، أطلقت شركة جوجل نظام GNMT (Google Neural Machine Translation) لترجمة الآلات، وكان الهدف الأصلي منه تحسين خدمات الترجمة عبر الإنترنت، لكنه حل بشكل غير متوقع مشكلة معقدة في صناعة الأدوية آنذاك، وهي ترجمة المعلومات الطبية.

في 2016، أطلقت جوجل نموذج GNMT، وحقق دقة ترجمة ملحوظة.

من بروتوكولات التجارب السريرية، والنماذج المعلوماتية، وكتيبات الباحثين، إلى تقارير الحالة، والتقارير البحثية، ومواد التقديم، فإن ترجمة كل ما يلزم لتسجيل دواء جديد يمكن أن يملأ شاحنة صغيرة. يتطلب الأمر دقة مطلقة في المصطلحات، وفهمًا حقيقيًا لتصميم الدراسة، والأهداف، والنقاط النهائية، والافتراضات الإحصائية، والسياق التنظيمي.

بالنسبة لصناعة الأدوية، فإن التحدي لم يكن فقط في ترجمة جملة بشكل صحيح، بل في مواءمة المنطق الطبي، والإحصائي، والتنفيذي، والتنظيمي على طول السلسلة. أي خطأ في مصطلح، أو نقطة نهائية، أو فرضية، أو معيار بيانات، يمكن أن يتضخم في المراحل اللاحقة، مما يؤدي إلى خسارة استثمار بمليارات الدولارات، مع معدل خطأ منخفض جدًا.

ظهور GNMT جعل الترجمة ممكنة، وجعل الذكاء الاصطناعي نقطة دخول في تطوير الأدوية.

إلى حد ما، فإن تطوير الأدوية هو صناعة تعتمد بشكل كبير على المعرفة، وتُعبر عن نتائجها بشكل أساسي عبر النصوص والبيانات. من خلال التوسع من الترجمة إلى الكتابة الطبية، وإدارة البيانات، والبرمجة الإحصائية، فإن الهدف النهائي هو حل مشكلة “اللغة” في عملية تطوير الأدوية بأكملها.

دواء جديد، من المختبر إلى التجربة السريرية، ثم إلى الموافقة، لا يُقدم للمراقبين جزيءًا واحدًا، بل مجموعة كاملة من الأدلة، تشمل بروتوكولات التجارب، وكتيبات الباحثين، ونماذج الموافقة، وخطط التحليل الإحصائي، وتقارير الدراسات، ومواد التقديم، وغيرها، وهي في جوهرها خط إنتاج يتكون من النصوص، والبيانات، وسلسلة المسؤولية.

الكثير من الأدوية الجديدة تفشل قبل يوم الإطلاق، ليس بسبب نقص القيمة السريرية، بل بسبب فشلها في “خط الإنتاج” هذا، حيث يحدث فقدان للمعلومات أو انقطاع في المنطق أثناء عملية “اللغة”، مما يمنع تحويل بيانات البحث والتطوير إلى سلسلة أدلة علمية معتمدة من الجهات التنظيمية، مما يدفن أو يسيء فهم القيمة العلمية للدواء.

كانت لدى شركة 深度智耀 قناعة مبكرة: في صناعة الأدوية، الفهم أصعب من الإنتاج، والتعاون في الإنتاج أكثر أهمية. فقط من خلال بناء فهم، والتحقق، والتعاون المستقر في بيئات عالية القيود، يمكن أن نصل إلى الإبداع واتخاذ القرارات.

لذلك، حددت الشركة منذ تأسيسها مسار التطور: البدء من الترجمة، ثم التوسع تدريجيًا إلى الكتابة الطبية، وإدارة البيانات، والبرمجة الإحصائية، والعمليات السريرية، حتى تتكامل جميعها في خط إنتاج كامل.

المنطق هنا هو أن الترجمة تمتلك نظام مرجعي واضح ومعايير للصح والخطأ، وهو “العملة الصعبة” الأكثر مباشرة للتحقق من قدرة النموذج على الفهم. من خلال ذلك، يتم بناء القدرة على التخطيط، والاستنتاج، والتنفيذ بشكل تدريجي.

عند النظر إلى الوراء، فإن هذا المسار كان ذو رؤية مستقبلية عالية، لكنه في ذلك الوقت كان بمثابة “مواجهة للريح” في ظل الريح.

من ناحية، كانت قدرات النماذج في ذلك الوقت غير ناضجة، حيث لا تزال GNMT تعتمد على حسابات RNN التسلسلية، مما يؤدي إلى كفاءة منخفضة. وعلى الرغم من أن Transformer حل هذه المشكلة، وأصبح النماذج المدربة مسبقًا سائدًا، إلا أن الجوهر لم يتغير، وهو أن الذكاء الاصطناعي لا يزال أداة مساعدة للبشر، ولا يمكن أن يحل محل الخبراء بشكل كامل.

من ناحية أخرى، فإن صناعة الأدوية تتطلب مخزونًا عميقًا من “المعرفة التقنية” (know-how).

على سبيل المثال، في صياغة بروتوكول التجربة السريرية الأساسية، فإن بناء الهيكل استنادًا إلى كمية هائلة من الأدبيات والبيانات هو مجرد الخطوة الأولى، تليها مشاركة فريق من الخبراء في الطب، والإحصاء، والتجارب السريرية، بشكل عميق.

خطة واحدة تمتد عبر مجالات الطب، والصيدلة السريرية، والإحصاء، والبرمجة، وإدارة البيانات، والمراقبة الدوائية، وكل تعديل دقيق يتطلب تغييرات جذرية. في المراحل المبكرة، لم تكن شركة 深度智耀 تتعامل مع “أتمتة بنقرة واحدة” كما يتصور البعض، بل كانت تتطلب عمليات تدقيق متكررة، ومراجعات متكررة في المشاريع الحقيقية.

وفي الوقت نفسه، أدت ولادة AlphaFold إلى إدراك عميق لقدرة الذكاء الاصطناعي على إحداث ثورة في صناعة الأدوية.

AlphaFold هو بنية شبكة عصبية مصممة خصيصًا لتوقع بنية البروتين، بهدف حل أصعب مشكلة في تطوير الأدوية، وهي “تحليل بنية الهدف”، حيث قلصت سنوات من العمل التجريبي المكلف إلى دقائق معدودة.

توقع AlphaFold لبنية البروتين

حتى الآن، أصبح “تصميم الجزيئات باستخدام الذكاء الاصطناعي” أحد الاتجاهات الرئيسية في تطوير التكنولوجيا في الصناعة، وتوافد العديد من شركات الأدوية والشركات الناشئة إلى هذا المجال، وأصبح اكتشاف الأدوية في المرحلة الأمامية هدفًا رئيسيًا لجذب رأس المال.

أما شركة 深度智耀، فهي تركز على التصميم الخلفي للتجارب السريرية، وتعمل بصمت، وتكرس جهودها في المشاريع الحقيقية، وتراكم “المعرفة التقنية”، وتدعم التكنولوجيا، وتؤسس لنظام أساسي جوهري يعتمد على خوارزميات متقدمة.

ثم، أدت أزمة صناعية واسعة إلى دفع شركة 深度智耀، وممثليها في تصميم التجارب السريرية، إلى الواجهة.

إعادة التقييم والقيمة

في عام 2023، تعرضت أولى الأدوية التي صممت بواسطة الذكاء الاصطناعي لضربة قوية، حيث فشلت جميعها في المرحلة السريرية.

أولاً، أعلنت شركة BenevolentAI، وهي شركة يابانية عملاقة في مجال الأدوية المعتمدة على الذكاء الاصطناعي، عن فشل خطها الرئيسي BEN-2293 في المرحلة الثانية من التجارب السريرية، مما أدى إلى هبوط كبير في سعر السهم واضطرار الشركة إلى تقليص حجمها بشكل كبير؛ تلتها شركة Exscientia، الرائدة في تصميم الجزيئات باستخدام الذكاء الاصطناعي، وأوقفت تطوير خطها المبكر لعلاج الأورام، وهو EXS-21546 (مضاد مستقبل A2A).

إعلان فشل BEN-2293 في المرحلة الثانية من التجارب السريرية

تكرار إخفاقات الشركات الرائدة، دمر أسطورة “الذكاء الاصطناعي يولد أدوية جديدة بضغطة زر”.

أدركت الصناعة ورأس المال أن الطريق من تصميم الجزيئات إلى دخول السوق طويل جدًا، ويتطلب الكثير من الخطوات.

من تصميم التجارب السريرية إلى تنفيذها، ومن جودة البيانات إلى التفسير الإحصائي، ثم التواصل مع الجهات التنظيمية وتقديم الطلبات، فإن أي خطأ في خطوة واحدة قد يضيع كل شيء، وهو عملية “تحدي” لا مفر منها. وأخيرًا، فإن ما يُسلم للجهات التنظيمية هو مجموعة كاملة من النصوص، والبيانات، وسلسلة الأدلة القابلة للتفسير.

لم تعد الاستثمارات تقتصر على القوة الحاسوبية وعدد الجزيئات، بل بدأت تتجه نحو تقييم فعالية البيانات في المرحلة السريرية، وبهذا، تم تصحيح مسار “الجزيئات الثقيلة، والمرحلة السريرية الخفيفة” في صناعة الأدوية المعتمدة على الذكاء الاصطناعي.

وبذلك، دخلت شركات مثل 深度智耀، التي تركز على المرحلة السريرية في تطوير الأدوية، إلى دائرة اهتمام رأس المال.

وفي الوقت نفسه، تجاوزت شركة 深度智耀 فترة بناء التكنولوجيا والتحديات، وأصبحت تعتمد على ذاتها، وتحقق الاكتفاء الذاتي.

وفقًا للخطة الأصلية، قامت شركة 深度智耀 بتوسيع قدراتها من النصوص والكتابة إلى المجالات الأساسية في إدارة البيانات، والبرمجة الإحصائية، وعمليات الموقع، ودعم التسجيل، لتشكيل نظام يغطي كامل مراحل التجارب السريرية.

كما توسعت أنشطتها إلى الصين، اليابان، الولايات المتحدة، أستراليا، سنغافورة، وجنوب شرق آسيا، مع بناء شبكة قوية من الباحثين والمراكز البحثية في اليابان، مما يمنحها ميزة تنفيذ محلية.

عرضت شركة 深度智耀 على موقعها نماذج من مشاريعها

من الناحية التقنية، لم تكتفِ 深度智耀 بمواكبة أحدث النماذج، بل أعادت بناء نظامها وفقًا لخصائص صناعة الأدوية ذات القيود العالية، والأخطاء القليلة، مع التركيز على قابلية التحكم والتعاون.

في عام 2019، كانت ترقية النموذج من الإصدار 2.0 إلى 3.0 بمثابة تحول عميق.

حينها، بدأ استخدام النماذج اللغوية الكبيرة (LLM) في الانتشار، لكن شركة 深度智耀 كانت تدرك مبكرًا أن المشكلة الأكبر في LLM ليست في أن “يكتب بشكل يشبه الإنسان”، بل في أنه “يبرر بشكل منطقي كما يفعل الإنسان”.

جوهر LLM هو تدريبها على مهمة “توقع الكلمة التالية” باستخدام كميات هائلة من البيانات، ومعظمها من الخبرات السابقة، مما يجعل المحتوى الناتج يميل إلى الالتزام بالمنطق التجريبي، وليس الحقيقة المطلقة.

في صناعة الأدوية، هذا الوهم ليس مجرد مشكلة تجريبية، بل هو مسألة خطيرة.

معلومة أو بيانات وهمية قد تلوث الأساس العلمي لعملية البحث والتطوير؛ ومعلومة سلامة دوائية وهمية قد تؤدي إلى إصابة خطيرة أو وفاة للمشاركين؛ وخيال “مُغلف بشكل مثالي” قد يُفقد شركة استثمارها لعقود من الزمن، ويُعيدها إلى الصفر.

كونها واحدة من القلائل من رواد المجال، فإن شركة 深度智耀 كانت تدرك ذلك قبل أن يتفق المجتمع على ذلك بأربع إلى خمس سنوات. هذا يعني أنه لا توجد معايير صناعية ناضجة، ولا أدوات جاهزة من الخارج، بل يتعين عليها بناء الحلول من الأساس.

وفي هذه المرحلة، بدأت شركة 深度智耀 بوضوح في توجيه السؤال من “كيف نبني نموذجًا أقوى” إلى “كيف نبني نظامًا أكثر قابلية للتحكم، والتعاون، وتحمل العمل المعقد في سياقات البحث والتطوير السريرية”.

حلاً، لا تعتمد على نموذج موحد أكبر، بل على “تفكيك الدماغ” (拆脑).

ما المقصود بـ"تفكيك الدماغ"؟ ليس مجرد تقسيم نموذج واحد إلى وحدات وظيفية، بل تفكيك المهام المعقدة إلى العديد من الوكلاء الذكيين ذوي الحدود الواضحة للقدرات، بحيث يتولون بشكل مستقل اتخاذ القرارات، والتخطيط، والبحث، والكتابة، والبرمجة، والمراجعة، والتحقق، ثم يتواصلون عبر حلقات اتصال وردود تشبه الشبكات العصبية، للتحقق من بعضهم البعض، وموازنة الأدوار.

جوهر هذا الهيكل ليس فقط التعاون بين الأدوار، بل هو أسلوب عمل يشبه الدماغ البشري. فكما في الشبكة العصبية للدماغ، لا يُعطي النظام إجابة خطية، بل يراجع ويصحح ويعيد تنظيم المهام أثناء التنفيذ. إذا لم تستوفِ خطوة معينة القيود، يُطلق النظام عملية استنتاج جديدة، ويقوم بالتحقق حتى يقترب الناتج من الحل المناسب.

بمعنى آخر، يمتلك هذا النظام قدرات ليست فقط على التوليد، بل على التفكير التكراري، وتصحيح الأخطاء بشكل متكرر، والتطور الذاتي المستمر. هو ليس مجرد “إجابة لمرة واحدة”، بل نظام عمل يكرر التفكير، ويصحح، ويقرب الحلول المثلى باستمرار.

اليوم، يبدو أن هذا النهج يتشابه بشكل مذهل مع مفهوم “الوكيل” (Agent) الذي يهيمن على النقاشات الحالية.

في 2023، دعت شركة مايكروسوفت شركة 深度智耀 للمشاركة في مؤتمر المطورين الخاص، حيث قدمت إطار عمل الوكيل (Agent).

بالنسبة لشركة 深度智耀، كان ذلك بمثابة “تسمية خارجية”: حيث تطور نظام التعاون بين النماذج الصغيرة داخل الشركة تدريجيًا ليصبح نظامًا حقيقيًا متعدد الوكلاء.

وبذلك، تشكل نظام الوكلاء متعدد الذكاء المشابه للدماغ البشري لدى 深度智耀 تدريجيًا. هو ليس مجرد محرك سير عمل يربط المهام، بل هو “دماغ مستنسخ” يتكون من العديد من الوكلاء الدقيقين، قادر على تنظيم العمل حول الأهداف، وأيضًا على التفكير المستمر، والتحقق، والتطور الذاتي أثناء التنفيذ.

نظام التعاون متعدد الوكلاء (Multi-Agent) لدى 深度智耀

وبذلك، تظهر ملامح تميز شركة 深度智耀 بشكل واضح.

مكانة الإنسان تتعالى

في عام 2025، أدت شراكة مع شركة Immunorock اليابانية الرائدة في الأدوية المبتكرة إلى دفع 深度智耀 إلى دائرة الضوء.

باعتبارها واحدة من أكبر ثلاث أسواق للأدوية في العالم، تشتهر اليابان ليس فقط بقدراتها في تطوير الأدوية، بل أيضًا بمعاييرها الصارمة جدًا التي تفرضها هيئة الرقابة الدوائية اليابانية (PMDA). وقد نجحت شركة 深度智耀 في دعم خطة التجارب السريرية لشركة Immunorock، حيث حققت “صفر تصحيحات” ومرورًا واحدًا عبر موافقة PMDA.

في هذه الشراكة، شارك نظام الوكلاء متعدد الذكاء المشابه للدماغ البشري لدى 深度智耀 في جميع مراحل العمل، من دمج المعلومات، وتخطيط المسارات، إلى محاكاة التوأم الرقمي. حيث قام وكلاء مختلفون بتحليل معايير النهاية، ومعايير الإدراج، وحجم العينة، ومسارات التنفيذ، وهياكل البيانات، والمتطلبات التنظيمية، ثم قاموا عبر حلقات التحقق المتكررة بمراجعة النتائج بشكل متبادل.

وفي إطار هذا التكرار، تمكن النظام من التعرف مسبقًا على عيوب التصميم التي قد تؤدي إلى ارتفاع معدل الانسحاب، مما ساعد الفريق على إجراء التعديلات قبل اعتماد الخطة النهائية. لم يغير ذلك سرعة الكتابة فحسب، بل نقل العديد من المشكلات التي كانت ستظهر أثناء التنفيذ الميداني إلى مرحلة التصميم، ليتم حلها مسبقًا.

ومن المهم التأكيد على أن جميع التسليمات الرئيسية، استنادًا إلى معايير تنظيم تطوير الأدوية، والأخلاقيات الطبية، والمسؤولية القانونية، تظل مراجعة وتوقيع وتفويض من قبل خبراء مختصين.

تعد شركة Immunorock واحدة من العديد من الحالات التي أثبتت أن العمل الذي كان يُنظر إليه سابقًا على أنه يعتمد بشكل كبير على الخبرة والتعاون البشري، بدأ يكتسب إمكانية التنظيم المنهجي، والتحقق التكراري، والتسليم على نطاق واسع.

وفي جوهره، فإن البحث والتطوير التقليدي للأدوية هو نوع من الحرب البشرية عالية التكلفة، حيث يتم إعداد مسودات من قبل قسم، ثم يتم تعديلها من قبل قسم آخر، ثم يتم تصحيح الافتراضات الإحصائية، وإضافة البيانات، والتحقق من الامتثال للوائح، مع تكرار النسخ بين الفرق المختلفة. وتُستهلك هذه العمليات الكثير من الوقت في التواصل، والتعديلات، والتأكيدات المتكررة.

لكن، بمجرد أن يتمكن الذكاء الاصطناعي من أداء تفكيك المهام، وتوليد المحتوى، وإجراء عمليات التحقق المتعددة، والتأكد من الالتزام بالقيود بشكل مستقر، فإن هذا النظام سيتحول من “عمل يدوي بمساعدة الآلة” إلى “توليد آلي، والتحقق المنهجي، وتوقيع الخبراء”.

دور الذكاء الاصطناعي لن يقتصر على التنبؤ أو التصنيف، بل سيصبح نظامًا ينظم العمل حول الأهداف.

قيمته ليست في إنتاج إجابة واحدة، بل في قدرته على تفكيك المهام، وتخطيط المسارات، واقتراح الافتراضات، والتحقق من التنفيذ، وتلخيص النتائج، وتكوين حلقة مغلقة، وتحسينها بشكل تكراري مستمر.

في الماضي، كان الإنسان يضع الخطوات، والنظام ينفذها؛ أما الآن، فبواسطة تحديد الأهداف بوضوح، يقوم النظام بتوزيع الأدوار، واستدعاء الأدوات، والتحقق من القيود، ثم يعرض النتائج للمراجعة.

ودور الإنسان هو أن يرفع مكانته، وليس أن يُستبدل، ليتمكن من خلق قيمة بشكل أكثر كفاءة واستدامة.

وفي نظام الوكلاء (Agent)، يكون دور الإنسان هو أن يعلو ويصبح أكثر تأثيرًا.

لا تزال صناعة الأدوية تتطلب توقيع خبراء، وتحمل مسؤولية النتائج، وتخضع لمعايير الاعتماد والرقابة. يظل خبراء الطب، والإحصاء، والمراقبة الدوائية، وإدارة البيانات هم الحراس النهائيون. لكن، مع تدخل الذكاء الاصطناعي، يمكن للخبراء أن يبتعدوا عن الأعمال الروتينية المتكررة، ويكرسوا وقتهم للحكم الحاسم، وتحديد الحدود، وتحمل المسؤولية النهائية.

وبمجرد أن يُنشىء هذا الإطار “الهدف—الإنشاء—التحقق—التطور التكراري”، فإن قدرته على الحل تتجاوز التجارب السريرية، وتصبح أساسًا لفتح مجالات جديدة في “العلوم المادية”.

إذا عُممَت المشكلة على مستوى أعمق، ستكتشف أن مجالات مثل الأدوية، والمبيدات، ومواد أشباه الموصلات، ومواد البطاريات، والفولاذ الخاص، على الرغم من تنوعها، تتشارك في مهمة واحدة، وهي: تحديد الحل الأمثل ضمن مجموعة من القيود، والسعي لتحقيق ذلك عبر التحقق المستمر، مع الاختلاف في مجموعة القيود وطرق التحقق.

منطق تطوير المواد لدى 深度智耀

في مارس من هذا العام، أبرمت شركة 深度智耀 شراكة استراتيجية مع شركة تايهو، عملاق المبيدات الزراعية الخضراء، بهدف تسريع تطوير المبيدات الزراعية المبتكرة، باستخدام بنية الدماغ الاصطناعي متعددة الوكلاء، ونظام التطور الذاتي التكراري.

سواء كانت أدوية مبتكرة أو مبيدات زراعية جديدة، فإن الهدف هو في النهاية البحث عن أفضل تركيبة في الفضاء الكيميائي.

يستطيع وكلاء الذكاء الاصطناعي في 深度智耀، ضمن مساحة كيميائية هائلة، أن يخططوا ويبحثوا ويحققوا بشكل مستقل، ويكتشفوا هياكل جزيئية جديدة وآليات عمل لم تكن ممكنة في الطرق التقليدية. هذه القدرة، التي ثبتت فعاليتها في صناعة الأدوية، تُنقل إلى مجال المبيدات، وتُعد تطبيقًا “مخفض الأبعاد” في المجال.

هذه القدرة على النقل، توسع بشكل كبير من قيمة 深度智耀، وتُعد أحد الأسباب التي دفعت رأس المال للتدفق إليها.

من خلال استعراض استثماراتها في جولات التمويل الأخيرة، يتضح أن المستثمرين، بالإضافة إلى شركات مثل Sequoia China وNew Ding Capital، هم أيضًا شركات مثل Dinghui Bafu، وXincheng Capital، وJinyi Capital، وKaitai Capital، مع وجود صناديق استثمارية أمريكية رائدة، بالإضافة إلى مؤسسات ذات موارد صناعية قوية، مما يعكس حضورًا استثماريًا فخمًا.

التركيز الاستثماري يعكس اتجاهًا: السوق بدأ يعيد تقييم القدرات الحقيقية التي تميز شركات الأدوية المعتمدة على الذكاء الاصطناعي، ليس فقط في سرد القصص التكنولوجية، بل في القدرة على تسليم الأعمال المعقدة بشكل مستقر.

إلى حد ما، فإن 深度智耀 ليست شركة عقود تصنيع تقليدية (CRO)، وليست نسخة من وكيل المستهلكين (Agent) ذات الطابع الصناعي.

أهم ميزة تنافسية لها ليست أداة واحدة، ولا مجرد نتائج تدريب على البيانات، بل هو المنهجية، والمعرفة التقنية، ونظام الوكلاء متعدد الذكاء، الذي يدمج استراتيجيات التجارب السريرية، وتنفيذ المواقع، وإدارة البيانات، والبرمجة الإحصائية، والكتابة الطبية، وتقديم الطلبات، بشكل متكامل.

هذه هي الأصول والميزة التنافسية التي يصعب تقليدها لدى 深度智耀.

ختامًا

في عام 2024، يُمنح جائزة نوبل في الكيمياء لنصفها إلى “العراب” في تصميم البروتينات، ديفيد بيكر، والنصف الآخر يُمنح لمطوري AlphaFold، ديميس هاسابيس وجون جامبر.

ديفيد بيكر (يسار)، ديميس هاسابيس (وسط)، جون جامبر (يمين)

حصلت الجوائز على اعتراف عالمي، وتُفسر على أنها “تحول تاريخي” في علم الحاسوب في مجال العلوم الحياتية — إذ لم تعد أدوات مساعدة فحسب، بل أصبحت المحرك الرئيسي لتطور الصناعة.

هذه القدرة على التطور، الآن، تتسرب من المرحلة الأولى، وهي اكتشاف الأدوية، إلى كامل عملية البحث والتطوير.

بالنسبة لصناعة الأدوية، فإن المرحلة القادمة من التميز لن تقتصر على القدرة على “إيجاد إجابة”، بل على القدرة على إتمام مهمة كاملة، وتقديم مجموعة الأدلة بشكل كامل.

من جعل الآلة تتعلم رؤية الجزيئات، إلى تنظيم التجارب السريرية بشكل يشبه الدماغ، وربط التنفيذ الميداني، وإدارة البيانات، والبرمجة السريرية، وعمليات التقديم، فإن قيمة الذكاء الاصطناعي تتغير بشكل جذري.

وفي هذا المسار الذي كان في السابق مسارًا وحيدًا، تتقدم شركة 深度智耀 في المقدمة.