2023腾讯全球数字生态大会现场，就腾讯混元大模型对药物研发的巨大推动作用，腾讯集团副总裁作如下发言：

对于一款新药来说，研发投入大、周期长、失败率高，是一个向死而生的过程。药物从最初的实验研究到最终上市，平均要花费10年时间、10亿美元，这也是药物研发的，6000多个实验，才能最终得到1个新药。

数据样本不足，更是成为全世界研发新药面临的最大问题。在过去，由于样本的分散，很多机构和医药企业需要耗费大量的人力物力去收集和实验，但如今AI技术的发展，正在破解这一业界难题。

针对传染病和癌症等疾病领域面临的耐药性问题，腾讯量子实验室构建了一个海量的 MdrDB 耐药性数据库，样本量达到 10 万，是行业第二名的 100 倍。丰富的数据量，能够为 AI 进行药物的耐药性测试提供足够的训练样本，使用 MdrDB 的 AI 耐药性预测精准度提升 30%。

目前，MdrDB 已向行业和学术机构全面开放，短短一个月内，已有来自 6 个大洲的 43 个国家和地区的 3000 多名用户和机构访问和使用 MdrDB 耐药性数据库。

丰富的样本数据，一定程度上解决了医药研发前期的测试成本。在传统的药物发现流程中，全新药物分子的发现往往依赖于药化专家的经验，这种传统的药物发现方法，只能在极小的化学空间内进行探索，大大增加了药物发现流程的周期和成本，也限制了发现分子的多样性。

作为最早投身于AI药物发现的科技公司之一。腾讯基于多年积累的AI技术能力，推出了AI药物发现平台“云深iDrug”，覆盖了大、小分子药物发现中，包含药物属性预测、筛选、优化、设计等环节的全流程解决方案，以帮助药物研发团队提升效率、降低成本、提高成功率。依托腾讯云强大的算力，我们重构了 AI 虚拟筛选算法，实现百倍以上的效率提升。

在药物小分子生成方面，我们通过AI的能力，不断根据生成分子的属性，调整对生成分子的评分，提高模型对特定属性分子的生成比例 ，很好地应用于小分子药物化学成药性优化的研究中。过去传统的方式，大部分分子属性上的预测结果只有50%-60%，但现在借助AI的能力，这个数据达到90%以上的相关性，是一个跨越式的突破。