晶泰控股

发言人1 00:00发言人1 00:04发言人1 00:22发言人1 00:36发言人1 00:46发言人1 01:03发言人1 01:07发言人1 01:21发言人1 01:29一个BD。发言人1 01:39发言人1 01:43会批量产出这种创新。发言人1 01:53 要有这样的一个很大的一个可能，那可能跟很多公司单体相比的话，它一个是可能是有一个未来持续产出超时可能性的这样一个逻辑所在。发言人1 02:02所以我觉得这公司从长期角度来讲是非常值我们关注的。发言人1 02:06所以今天我们也请公司来跟我们讲讲这个相关的一些逻辑，包括行业情况，包括公司近期一些进下，包括之前的一些逼的的情况我先介绍一下今天参会的几位领导，他们分别是金泰控股首席研发官杨总，金泰控股投资投资副总裁何总，还有金台控控股的公司的关系崔总。发言人1 02:31三位领导在线跟大家做交流哈那我就不多占用大家时间，我先把那个时间交给何总，由何总先跟我们宏观介绍一下，分享一下公司的一些情况，近期的一些进展，完了后面我们再开启互动问答，好吧？发言人1 02:45何总辛苦您。发言人1 02:48对，就是金泰。发言人1 02:49其实我们是一个有3个MIT当时博士后，他们当时是从事物理研究方向上的科学家们共同创立的这样的一家公司。发言人1 03:00我们这个公司总业务是说以量子物理为基础，结合的人工智能和机器人的前技术去驱动创新的一个平台型的科技企业。发言人1 03:09主要是服务于创新药和材料创新这两个具体的方向药物创新和材料创新这两个具体的方向。发言人1 03:18为什么很多人就讲说这个量子物理，人工智能和机器人在一起可能听不太明白。发言人1 03:24我们再讲一下，就是说其实人工智能今天进入到行业应用中，其实最大的遇到的瓶颈问题是这个数据的来源问题。发言人1 03:31很多人觉得说这个数据来源不应该是很充分的，这些大的药企不都应该有很好的记录留下来吗？发言人1 03:39 包括这些C超公司做了可能上牵条管线的数据应该不缺乏，但实际上这个数据还是面到面临了很大的挑战的。发言人1 03:48现在我们会看到，其实在以往的传统的这种实验的这种算式下，其实数据第一，它的记录是为了应对监管的，不是去为了构建一些核心要素和结果之间的关联关系的。发言人1 04:01所以说它的维度就是有缺失的。发言人1 04:03第二个，大家在记录的时候，对于一些阳性的或者叫正样本的数据记得是比较好的。发言人1 04:08但是对于一些负样本的数据是没有被充分记录的。发言人1 04:12比如说你做一个合成反应实验，A加B等于C记下来了，A加B等于D加E做错了，你就重来了。发言人1 04:18但是副样本其实在构建因果关系的时候，跟正样本它的这种重要性是等同的。发言人1 04:24而且副样本的样本量又很大，这是第二个。发言人1 04:26第三个就是这个数据在被记录的时候。发言人1 04:29当年有的时候在纸质记录本的时候，这个数据基本上已经不可考了。发言人1 04:34即使后来进入到电子记录本时代，它也是只是完成了一个数据记录的，我们叫电子化，而不是数字化。发言人1 04:42就像各位电脑里如果存了一万篇word文档，你也不知道里面在说什么是一样的。发言人1 04:47而且因为随着不同的年代，有不同的科学家，基于不同的科学实验仪器做出来的结果，他的这个一致性也很差。发言人1 04:56他这种结果他可能之间的差异是由于各种各样的误差形成的。 发言人1 05:00所以它用来做一些定性还可以，但定量就很差。所以说在这样的一个基础之上，就是人工智能其实在行业的具体应用中还是有很多各种各样的挑战的。发言人2 05:03所以说在这样的一个基础之上，就是人工智能其实在行业的具体应用中还是有很多各种各样的挑战的。发言人1 05:10所以说我们当时因为量子物理其实是研究的是这个微观层面的一些我说原子电子之间的一些相互动力和作用关系。发言人1 05:21它的一些运动规律，它是一个客观规律，它其实不受现实环境的影响。发言人1 05:27我们基于这些客观规律就可以模拟出来很多的数据。发言人1 05:31在现实数据缺乏的情况下，作为一个额外的训练机，且基于他去提炼一些更好的特征工程和描述服务，来帮助人工智能产生更好的结果。发言人1 05:41但是这个不并不能从根本上解决问题。发言人1 05:44所以我们又从20年开始发现，必须我们要具备自己产生高质量数据的能力。发言人1 05:50所以我们就开始去新的方向，就是去如何去开发一个我们叫机器人实验室，来高通量的产生高质量数据。发言人1 05:59我们现在其实之前可能有来我们公司调研过，或者参加我们一些参与的策略会的演讲。发言人1 06:05就可以看到我们今天是通过机器人实验室的方式，在85%以上的常见的化反应中，已经实件由这个机器代替人做实验。发言人1 06:17他第一可以提成24小时的不间断工作。发言人1 06:20第二它的这种韧性是很好的，你比如说像做菜一样，你可能做到一半发现你酱油做多了，你这个菜可能就倒掉了。 发言人1 06:28你不会说这一步酱油做多了，你已经明知道他想完了，他你还会把后端的这些步骤一丝不苟的做完，那机器是可以的。发言人1 06:37然后同时它的一次性很好，他能做出来一次他就能做重可重复性也很好，他能做出一次他就可能做出来100次。发言人1 06:45同时他又可以在每个环节中把这些数据细节的记录下来。发言人1 06:49所以说这都帮助我们在建立我们的领先的数据能力方面上，变成了公司的一个核心竞争力。发言人1 06:57像基于我们现在基层实验室跟传没时间想比，我们的效率和速度能达到40倍以上。发言人1 07:03像我们去年在跟艾博维的一个内部对比中，我们发现我们一个月产生的有效数据量，大体上相当于他五年左右产生的一个有效数据总量。发言人1 07:12现在这种实验室的咱们是也越来越多的被这个世界上的无论是科研界还是媒体，还是投资人所关注。发言人1 07:22比如说像今年内ter年初发布的2025年值得关注的七大改变世界的技术方向，中排第一的其实就是机器人。发言人1 07:31他们叫转过来咱们自主实验室，或者叫翻译成自动驾驶实验室。发言人1 07:35其实本质上就是我们这个机群实验室的一个进一步的升级版。发言人1 07:40你为什么想要进一步升级版呢？发言人1 07:42就是因为我们现在的这些各个自动化的步骤，继续实验室行实验的步骤的这个路径的选择，还是由人来做出最终的选择的。发言人1 07:52但是自主实验室未来高度自主化之后，可能就是通过人工智能来做出所有的重要选择了。 发言人1 07:57所以说就从以往的人设计实验，人执行实验，变成AI设计实验集团来执行实验。发言人1 08:05即使我们今天说还没有到达他的这种程度，但是我们已经是在这个方向上探索做的最多，经验精美的最方丰富了。发言人1 08:14我们从20年开始有这方面的技术储备，五年之后才被世界所认知。发言人1 08:19因为大家越来越发现，其实在AI的各个应用中，其实最大的评定都是这个数据的来源。发言人1 08:24所以说这是我们讲的为什么我们是量子物理和机器人去与人工智能技术结合。发言人2 08:30本质上就是通过量子物理和机器人去解决数据的问题，然后让人工智能变得更聪明。发言人1 08:30本质上就是通过量子物理和机器人去解决数据的问题，然后让人工智能变得更聪明。然后我们公司现在已经开发了超过200个以上的这种AI模型，建立在超过1万平米的室实验室。发言人2 08:36然后我们公司现在已经开发了超过200个以上的这种AI模型，建立在超过1万平米的室实验室。发言人1 08:44为什么讲这两个指标呢？发言人1 08:46是因为干师实验室的同步建立，是我们公司的一个很强的能力和竞争力。发言人1 08:51因为像我们也知道有些美国公司，它可能很擅长做算法。发言人1 08:54但是他在市实验验证的部分，他还是要交给客户来做。发言人1 08:59尤其像我说在数据缺乏的情况下，当你的人工算法的准确性不能在第一轮的时候足够高的时候，或者你的PRE tron model在首次应用的时候相关性不足够高的时候，其实你的AI的能力往。发言人1 09:14 往往可能是会被客户所忽视或者歧视的。发言人1 09:17所以说必须自己具备一个足够强的干涉实验室的这种自己自我迭代，自我验证的这样的一个能力。发言人1 09:24才能让你在人工智能的药物发现这个领域或要材料发现的你走的足够远。发言人1 09:29所以我们这个部分是同步建立起来的那公司一共800名左右的员工，其中70%以上都是跟研发相关的，又分成了两大类。发言人1 09:40一类是我们叫科学压类型的，不是学数学的、学生物的、学物理的、学化学的、学药学的。发言人1 09:47一类是偏工程交付类的。发言人1 09:50比如说大量的AI的软件工程师、算法工程师，还有很多的硬件工程师，是去帮助我们辅助完成我们的这个机器人实验室体系的。发言人1 09:58我们说AI应用其实最高的成本是跨学科的沟通成本。发言人2 09:58我们说AI应用其实最高的成本是跨学科的沟通成本。发言人1 10:03能把这些不同领域的人，因为其实懂AI的人不懂实验，懂不懂药，或者说懂药的人不懂AI那如何把这些人能拉到一起，在一个相对来说平等公平的环境下，共同没有私心的共同努力的去解决这个问共性的问题。发言人1 10:21其实是我们觉得说非常重要的一个能力点。发言人1 10:27刚才我们基于这两方面，就是精态其实是在第一干湿实验室的能力同步建立上。发言人1 10:33第二是在我们说机型实验室和我们的AI这种软硬件能力共同建立上，一直是这个行业中走的比较靠前的那公司现在一共是有四个主要的办公厂产品，我们深圳和上海是我们的双总部，北京是我们的跟算法有关的，就跟纯AI有关的更多的这种技术开发的中心。 发言人1 10:58然后波士顿的说我们那个海外销售中心，我们从成立到现在已经累计超过300 300个行业客户。发言人1 11:06全世界前二十大药，其中的17家是公司的现有的付费的合作伙伴。发言人1 11:12公司也是经过了一个超过十年的发展，过错是不是最最2014年的时候有我刚才提到的我们3个MIT毕业的创始人，分别是我们的董事长温书豪博士，我们的CEO马建博士，以及我们的首席创新官赖力鹏赖博士。发言人1 11:29三位共同在校园期间萌生了创业的想法。发言人1 11:33然后从15年开始有了正式的公司成立。发言人1 11:36我们也在童年的去参加了博瑞办的全球精神的盲测比赛，是得到了冠军。发言人1 11:42也因此欠跟辉瑞形成了十年的战略合作伙伴关系。发言人1 11:47以此为开端，我们开始进入到了整个药物研发的行业中来。发言人1 11:52我们最早是去做晶体结构预测的，从15年到18年的时候。发言人1 11:56从18年开始，我们进入到整个的小分子药物发现的这其中到了22年之后，我们进入了大分的药物发现的领域，就是生物药的发现领域或者抗体类新药。发言人1 12:07抗体是一类这种大分药物发现的领域。发言人1 12:10所以说我们现在是全世界范围内比较少有的，或者甚至可能是仅有的既在小分子药物发现，又在大粪要发现。发言人1 12:18具备着比较强的AI的工具箱和服务能力的公司，都很强的技术领先和竞争力。发言人1 12:25 然后在这个发展的过程中，我在一开始提到了，我们从20年21年意识到了如何能去大量产生高质量的数据，是这个行业未来竞争的重中之重。发言人1 12:35所以我们又从2021年开始搭建了我们进行实验室体系。发言人1 12:40公司到了2024年，把我们以往在药物研发行业中所积攒的一些能耗和能力，也在向更多的领域去做延伸。发言人1 12:49因为这药物分子也是一种特殊的材料分子，所以我们基于这些药物分子开发过程中的这些经验，包括跟这个分子有关的，包括跟晶体有关的，结构有关的