现在再也不用担心这个问题了。
卫康已经Ai上了这个智能实验室系统。
同时，他也想到了一个问题。
一个初级智能系统就如此强大，那麽，在升级之後，成为真正的人工智能，发展成AI制药系统的时候，又将会是什麽样？
他忍不住进入系统，进行询问。
“能否展示AI制药的相关信息？”
“消耗100积分，可查看AI制药系统介绍。”
卫康同意之後，系统向他展示了一大段相关信息。
传统新药研发是一个昂贵，漫长而艰难的过程。
除了成本高，周期长，成功率低这些困境，药物研发面临的更大瓶颈在於创新。
在制药领域，有个知名的反摩尔定律——每隔9年，投资10亿美元产出的上市新药就减少一半，更为常见的是，首创药物占获批新药总数量不足一半。
但计算机生物学和人工智能的发展，AI能够在各个制药环节大面积搜索潜在空间，寻找过往因人为经验，实验环境等外界限制未发现的靶点/化合物/晶型等，为创新药物研发提供有力工具。
AI制药未来将由‘从0到1阶段’进入到从‘1到10阶段’，各个药企将组成大型AI制药联盟，建立药物大数据实验室，加强多学科融合，蒐集高质量研发数据，使用AI设计药物，进入临床试验。
而更大的背景是，计算生物学也将引领生物科学走向数据驱动时代。
随着高通量测序，纳米C作，生物芯片等技术不断成熟，生物信息数据不断累计，计算生物学也藉此发展起来。它通过构建算法和模型，从分子层面理解生物学现象及机制本身，推进相关研究及应用。
计算生物学不但能够通过高效JiNg准的计算推演带动上层应用，如化合物X质预测，基因点位预测等，加速AI制药，物种改造等领域的发展。
也为生命科学提供了新的研究思路——‘乾Sh结合的数据闭环’新模式。
先通过充足且丰富的定量g实验（AI模型）覆盖待搜索空间，为Sh实验室（传统生物实验）中的测试提供JiNg准假设，两者共同迭代加速。
而这，必将给医药行业带来改天换地的变化，从而彻底改变整个世界。
看完之後，卫康心cHa0起伏，激动万分。
这个AI制药系统，他势在必得。
只是不知道，升级所需要积分又是多少呢？