▌作者 柴容

▌編輯 王艷

要看AI制藥到底有多火，就看企業(yè)挖人有多狠。

2019年底，華為就開始大力招聘基因組研發(fā)算法工程師、藥物研發(fā)算法工程師，最高年薪超百萬；2020年底，字節(jié)跳動招聘生物信息工程師，月薪也開出了40k左右；而百度最狠，近日在高調(diào)官宣旗下的生命科學(xué)公司百圖生科后，用100萬美元的天價(jià)年薪挖人。

雖然近些年，諸如線上教育、社區(qū)團(tuán)購等熱門賽道，總也無法避免BAT或TMD的“插足”，但讓華為也高調(diào)入場的熱點(diǎn)也是少見。劑泰醫(yī)藥CEO賴才達(dá)就表示完全在其意料之外，創(chuàng)業(yè)之初根本沒想到這個(gè)賽道一下子“集齊”了這么多巨頭。

相比于巨頭的高薪挖人，有過之而無不及的恐怕就是投資機(jī)構(gòu)。一家知名資本2021的醫(yī)療招聘計(jì)劃中明確寫道：醫(yī)藥分析師第一年基本年薪加績效就能高達(dá)100萬美元。生物醫(yī)藥博士們幾乎成為了年度最稀缺“物種”。

一場搶人大戰(zhàn)，足以可見巨頭和資本們對AI制藥寄予厚望。但另一方面也體現(xiàn)出，生物醫(yī)藥這個(gè)傳統(tǒng)行業(yè)的復(fù)雜性，往往創(chuàng)業(yè)者和投資人之間，一個(gè)講不清楚、一個(gè)聽不明白。相比于其它垂直行業(yè)，AI制藥無論是創(chuàng)業(yè)還是投融資都面臨更大的挑戰(zhàn)。

關(guān)于AI制藥，關(guān)注者們有很多似懂非懂般的困惑。在上周小飯桌的卓見線上沙龍【AI制藥】專場直播中，參與沙龍的創(chuàng)業(yè)者和投資人們提出了以下疑問：

1.為什么AI制藥是大勢所趨？為什么爆發(fā)是現(xiàn)在？

2.到底哪些環(huán)節(jié)適合AI，如果AI不行還有哪些技術(shù)方案？

3.商業(yè)模式上，做好技術(shù)“工具”后要不要參與“淘金”？

4.早期階段，AI制藥泡沫何在？

5.AI制藥會是否是中國創(chuàng)新藥彎道超車的機(jī)會點(diǎn)？

6.巨頭跑步入場后，行業(yè)格局幾何？

為了解行業(yè)發(fā)展風(fēng)向，小飯桌結(jié)合以下6位創(chuàng)業(yè)者和2位投資人的精彩分享。

• 峰瑞資本執(zhí)行董事 馬睿

• 光速中國助理合伙人 高健凱

• 劑泰醫(yī)藥創(chuàng)始人&CEO 賴才達(dá)

• 康邁迪森創(chuàng)始人&CEO 萬小波

• 費(fèi)米子科技創(chuàng)始人&CEO 鄧代國

• 智化科技創(chuàng)始人&CEO 夏寧
  

• 億藥科技CEO 謝正偉
  

• 煥一生物創(chuàng)始人&CEO 文雯
  

試著回答以上問題，總結(jié)部分AI制藥的未來發(fā)展機(jī)遇。

制藥行業(yè)是少見的“奇葩”，其投資 10 億美元得到的上市新藥數(shù)目，每 9 年就減少一半。這種反摩爾定律的行業(yè)，幾乎很難找到第二個(gè)。

在深陷“反摩爾定律“泥潭下，新藥研發(fā)自然愈發(fā)“吃力不討好”。2017年全球前12位生物制藥巨頭在研發(fā)上的投資回報(bào)率僅有3.2%，處于8年來最低水平。而單個(gè)NME（新分子實(shí)體）的平均投入也自1995年的3億美元攀升至2020年的13億美元。

這種“反常”的現(xiàn)象讓行業(yè)開始去思考，是不是還沒有找到最科學(xué)的方法去發(fā)現(xiàn)新藥物？

簡單來講，新藥物發(fā)現(xiàn)的過程一般是，先確定好某疾病的靶點(diǎn)，而靶點(diǎn)相當(dāng)于“鎖”，我們需要在10^60個(gè)藥物分子可能性中，設(shè)計(jì)和篩選最合適的分子作為“鑰匙”去解鎖。要知道，太陽系里所有的原子數(shù)量也就10^54個(gè)，在藥物分子數(shù)量如此龐大的情況下，傳統(tǒng)的做法確實(shí)依賴科學(xué)家們“徒手”去設(shè)計(jì)、驗(yàn)證。

而類似的，在篩選好分子后，要形成真正的藥物還需要進(jìn)行有機(jī)合成和分子改進(jìn)等等過程，而這些依然依賴于科學(xué)家們的人工嘗試，因此成功的偶然性極高，且沒有規(guī)模效應(yīng)。

煥一生物創(chuàng)始人文雯提到，過去10年FDA審批成功的190多款新藥基本上都是由120多家公司所研發(fā)出來的，即使是全球Top10藥企，也依賴于收購小藥企的研發(fā)成果，“充分說明藥物研發(fā)效率極低，且未能形成規(guī)模效應(yīng)。”

本質(zhì)上，藥物發(fā)現(xiàn)過程是個(gè)數(shù)據(jù)和工程化問題。而與制藥的反摩爾定律形成鮮明對比的是“算力”，在自動駕駛多領(lǐng)域遍地開花的AI，其算力隨著投入越大，邊際成本則越低，AI等計(jì)算切入制藥幾乎是順理成章。

于是，隨著數(shù)據(jù)的積累、前沿的計(jì)算方法等多方面的深入，大概2015年前后，國內(nèi)以晶泰科技為代表的第一批AI制藥企業(yè)應(yīng)運(yùn)而生。根據(jù)不完全統(tǒng)計(jì)，目前除中國外的全球地區(qū)大概有230多家AI制藥企業(yè)，而中國至少有50家。

但是在起步的頭幾年，國內(nèi)大多數(shù)AI制藥企業(yè)還是處在一個(gè)舉步維艱的境地：故事雖美好，但驗(yàn)證周期過長，怎么說服藥企，拿不到藥企的訂單又怎么說服投資人？

“我們都知道醫(yī)藥領(lǐng)域數(shù)據(jù)特別多，用AI來做可能會革新些什么，但是制藥的周期太長，失敗率也很高，沒有任何人可以去證明AI真的能有所作為，也沒有任何人敢為結(jié)果買單?！币晃灰痪€投資機(jī)構(gòu)投資人談到起初對該賽道的遲疑。

費(fèi)米子科技創(chuàng)始人鄧代國接觸投資人的感受也是如此，一是因?yàn)閷W(xué)科交叉性強(qiáng)，創(chuàng)業(yè)者和投資人之間溝通難度比其它垂直行業(yè)大很多，很復(fù)雜；二是好的商業(yè)模型沒有完全跑出來，大家都拿不準(zhǔn)。

但時(shí)間來到2020年，多維度的標(biāo)志性事件打破了僵局。

首先是疫情之下，新冠病毒疫苗的研發(fā)速度極受矚目，這無疑將行業(yè)對藥物研發(fā)的技術(shù)提效手段的關(guān)注推向了一個(gè)高點(diǎn)。

一些全球頭部藥企對AI制藥企業(yè)也更積極擁抱。小飯桌按照公開數(shù)據(jù)統(tǒng)計(jì)（詳細(xì)見下圖），諾華、拜耳、強(qiáng)生等等企業(yè)都已經(jīng)和AI制藥企業(yè)合作，很多交易金額在上億美金以上。

上下滑動，查看更多

藥企在AI賦能下也取得了一些突破。2020年2月，英國Exscientia公司稱其已利用AI開發(fā)出首款臨床前候選化合物DSP-1181，并于同年3月開始進(jìn)入臨床試驗(yàn)階段。相比于傳統(tǒng)研發(fā)模式動輒數(shù)年，AI助力下只用了1年時(shí)間。

在AI制藥的價(jià)值被初步認(rèn)可的同時(shí)，美國一二級市場的投資熱也傳導(dǎo)到國內(nèi)。

薛定諤（Schrodinger）、Relay Therapeutics兩家AI制藥企業(yè)先后上市。兩家公司如今市值都在50-60多億美金左右，薛定諤的股價(jià)從首發(fā)價(jià)17美元，一度漲到近百美元。

除了給一直在觀望但不知從何下手的投資人們更大的信心外，兩家上市公司的商業(yè)模型和估值邏輯也讓其有了基本的參考。

國內(nèi)先是晶泰科技拿到了輝瑞訂單，并很快獲得了軟銀的超3億美金超大額融資。這迅速鼓舞了國內(nèi)整個(gè)一級市場的投資，AI制藥創(chuàng)新企業(yè)開始頻繁融資，紅杉、經(jīng)緯、五源、啟明、高榕等主流基金幾乎扎堆出現(xiàn)，且大多押注了一個(gè)賽道的多家企業(yè)。在多方追捧下，晶泰科技的估值也到了10億美金，一些早期的企業(yè)估值也漲到了上億美金的地步。

智化科技創(chuàng)始人&CEO夏寧認(rèn)為，科創(chuàng)板對于醫(yī)療醫(yī)藥產(chǎn)業(yè)的支持，也在其中起到了一定的利好作用。

數(shù)據(jù)來源于企名片、IT橘子，歡迎補(bǔ)充指正

擅長捕捉機(jī)會的巨頭也都紛紛涌了進(jìn)來。騰訊成立云深智藥、百度成立百圖生科、阿里云與全球健康藥物研發(fā)中心合作開發(fā)AI藥物研發(fā)和大數(shù)據(jù)平臺，而華為、字節(jié)跳動也在積極布局。

從 AI 制藥領(lǐng)域融資交易率來看，中國已經(jīng)成為了除美國外最大的新興市場。近 5 年來在 AI 制藥領(lǐng)域有 50.6% 的融資交易發(fā)生在美國，中國則占據(jù)9.4% 。

全球不同國家AI制藥企業(yè)投融資分布圖

而這場AI制藥熱還將持續(xù)下去。

2020底，AlphaFold 2成功預(yù)測蛋白質(zhì)結(jié)構(gòu)，解決了科學(xué)家們半個(gè)世級未破解的難題。2021年初，英矽智能（Insilico）也宣布，其全球首次利用人工智能發(fā)現(xiàn)了一種全新機(jī)制的用于治療特發(fā)性肺纖維化(IPF)的臨床前候選化合物。

至此，AI沒有創(chuàng)造性的質(zhì)疑聲被消除。AI制藥幾乎成為了沒有人敢錯過的賽道。

AI制藥是一個(gè)挺復(fù)雜的過程。

一般一款新藥上市可大致分為藥物發(fā)現(xiàn)、臨床前研究、臨床研究、審批上市四個(gè)階段。而計(jì)算機(jī)就需要從靶點(diǎn)開始的藥物分子挖掘過程中，找到合適的環(huán)節(jié)，以及匹配該環(huán)節(jié)的技術(shù)手段，將原本全靠科學(xué)家或者其它人工的“手動化”變?yōu)椤白詣踊薄?/span>

高健凱提到，不同環(huán)節(jié)的Know-how差異很大，導(dǎo)致所需要的技術(shù)架構(gòu)幾乎完全不一樣。這也就解釋了為什么大多數(shù)AI制藥企業(yè)選擇從一兩個(gè)單點(diǎn)切入。所以到底哪些環(huán)節(jié)更有“價(jià)值”或更有商業(yè)潛力是創(chuàng)新企業(yè)首先要考慮的問題。

1.在未來潛力和商業(yè)化落地中如何平衡？

細(xì)分下來，AI等計(jì)算可應(yīng)用在靶點(diǎn)發(fā)現(xiàn)，化合物篩選、化合物合成、晶型預(yù)測、制劑研發(fā)等多個(gè)環(huán)節(jié)。

小飯桌根據(jù)公開資料統(tǒng)計(jì)了部分AI制藥企業(yè)的布局環(huán)節(jié)。從圖中不難看出，藥物發(fā)現(xiàn)階段的靶點(diǎn)發(fā)現(xiàn)和化合物篩選這兩個(gè)藥物發(fā)現(xiàn)的最核心環(huán)節(jié)，也是參與者較多的環(huán)節(jié)。

康邁迪森CEO萬小波分享到，在藥物研發(fā)相對成熟的歐美國家中，目前一些大藥企更關(guān)注的往往是復(fù)雜疾病的新的藥物靶點(diǎn)發(fā)現(xiàn)。比如AI新藥研發(fā)公司 insitro利用機(jī)器學(xué)習(xí)在至今無藥可醫(yī)的疾病當(dāng)中致力于找到一個(gè)新的可成藥的靶點(diǎn)。雖然團(tuán)隊(duì)只有30多個(gè)人，但已經(jīng)與吉利德科學(xué)和BMS都達(dá)成了合作，并于上周（2021年3月16日） 完成了4億美金超大額融資,這透露出AI在全新藥物靶點(diǎn)發(fā)現(xiàn)是非常有潛力的方向。

但靶點(diǎn)發(fā)現(xiàn)環(huán)節(jié)雖然潛力很大，也意味著難度更大，且驗(yàn)證周期會很長，一般一個(gè)創(chuàng)新的靶點(diǎn)的發(fā)現(xiàn)通常需要花費(fèi)4~5年時(shí)間和數(shù)千萬甚至數(shù)億美元的投資。

現(xiàn)階段用不成熟的技術(shù)來做最難的事情，是不是最好的選擇，值得商榷。對于一家初創(chuàng)企業(yè)而言，現(xiàn)階段需要在未來潛力和商業(yè)化落地上做出權(quán)衡。

因此很多公司在致力做靶點(diǎn)前，先選擇的是確定靶點(diǎn)后也相當(dāng)重要的其它藥物研發(fā)環(huán)節(jié)。

比如在分子設(shè)計(jì)和篩選環(huán)節(jié)，大家該如何從10^60的化學(xué)空間中，找到合適的數(shù)十種？康邁迪森和薛定諤邏輯類似，其用基于物理學(xué)原理的模型來研究蛋白質(zhì)和小分子三維相互作用關(guān)系；而費(fèi)米子科技選擇差異化的分層模型，專注于數(shù)據(jù)的爬取和數(shù)據(jù)化。

億藥科技則采用逆向思維，先發(fā)現(xiàn)功能化合物，再去發(fā)現(xiàn)靶點(diǎn)。具體來說，其通過基于藥物基因組學(xué)和深度學(xué)習(xí)的DLEPS系統(tǒng)適用于靶點(diǎn)不明確或不夠有效情況下的藥物研發(fā)，先通過基因指紋的聯(lián)系預(yù)測化合物藥效，在細(xì)胞或者動物上驗(yàn)證有效后，再通過計(jì)算、分子生物學(xué)和結(jié)構(gòu)生物學(xué)來反推其作用的詳細(xì)機(jī)制，該方案可以從源頭發(fā)現(xiàn)新靶點(diǎn)，進(jìn)而進(jìn)行first-in-class的藥物研發(fā)。

該方案目前也提交了具有護(hù)城河作用的專利。在非酒精性肝炎（NASH）和延長壽命的研發(fā)中，億藥科技既找到了有效的小分子化合物，又發(fā)現(xiàn)了新靶點(diǎn)。

拿到了篩選好的分子后需要做有機(jī)合成，這就是智化科技切入的環(huán)節(jié)。在技術(shù)路徑上，以往有兩種模式，一是依賴于完全深度學(xué)習(xí)算法，雖然自動化高，但是可解釋性較差，模型準(zhǔn)確度較難提升。二是專家規(guī)則的技術(shù)路徑，需要人工去寫大量的規(guī)則，再用機(jī)器來利用這些規(guī)則再做判斷和選擇，這樣雖然解釋性和準(zhǔn)確度提升了，但是效率變差了。因此智化中和了二者，做到既有數(shù)據(jù)又有規(guī)則。

但相對而言，分子設(shè)計(jì)的驗(yàn)證周期依然很長，到成藥基本還要兩三年。在光速中國助理合伙人高健凱看來，大家都在扎堆做小分子，所以該領(lǐng)域的競爭較為激烈，但相對來說，這其中的核心價(jià)值驗(yàn)證也挑戰(zhàn)較大，怎么評估和選擇也會是個(gè)難題，最終值得押注的可能只有頭部的小分子平臺。

所以還有一類企業(yè)選擇了離驗(yàn)證更近的臨床前研究階段。

畢竟從先導(dǎo)化合物優(yōu)化到真正成藥的過程，還要解決藥性問題。晶泰科技切入的是晶形預(yù)測。而劑泰醫(yī)藥便從制劑開發(fā)和藥物遞送切入。

劑泰醫(yī)藥賴才達(dá)提到，受限于高通量數(shù)據(jù)平臺的壁壘，該環(huán)節(jié)還沒有任何一家AI企業(yè)去突破，因此這也成為了他看到的機(jī)會點(diǎn)。劑泰醫(yī)藥打造了高通量數(shù)據(jù)平臺，讓劑泰的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大過傳統(tǒng)專家能夠產(chǎn)生的數(shù)據(jù)量，“我們一周可以產(chǎn)生到萬級的數(shù)據(jù)，傳統(tǒng)情況下可能只有百級的數(shù)據(jù)。”

在不同的應(yīng)用環(huán)節(jié)，技術(shù)路徑也具有很大的差異化。峰瑞資本執(zhí)行董事馬睿表示，是不是所有的環(huán)節(jié)都適合AI，如果AI不合適又該怎么解決，也是需要進(jìn)一步思考的核心問題。

2.是基于第一性原理用物理計(jì)算，還是基于數(shù)據(jù)用AI?

一般物理計(jì)算精度非常高，但對于算力的要求也非常高。所以，物理計(jì)算更適合確定靶點(diǎn)之后，更精準(zhǔn)地挖掘。而AI的方法則是在數(shù)據(jù)條件允許的情況下，能夠快速探索，找到更多用于后期精準(zhǔn)計(jì)算和實(shí)驗(yàn)測試的源頭。

馬睿提到，AlphaFold 2之所以能通過AI成功預(yù)測蛋白質(zhì)結(jié)構(gòu)，是因?yàn)殡m然蛋白的種類很多，但是蛋白折疊的形式也一共只有1800多種，AI足以理解這個(gè)問題。但是蛋白產(chǎn)生小分子過程中，目前已有的公開數(shù)據(jù)集只有幾萬，而化學(xué)空間則是10^60方，在他看來，分子設(shè)計(jì)和篩選環(huán)節(jié)更適合物理計(jì)算，而非AI。

但這不意味著物理計(jì)算和AI各自為營，相反是相輔相成。

比如賴才達(dá)在一次公開直播提到，微球釋放的過程在體外可以用第一性原理模擬，但微球在體內(nèi)的反應(yīng)，整個(gè)過程的復(fù)雜度非常高。這一塊IVIVC（體內(nèi)外相關(guān)性）就要透過不同的注射地點(diǎn)、輸送的途徑等等數(shù)據(jù)，來做一些預(yù)測模型，需要把AI和第一性原理結(jié)合起來。

總結(jié)來看，AI更適合存量數(shù)據(jù)多的環(huán)節(jié)、以及高通量環(huán)節(jié)。比如虛擬分子產(chǎn)生、批量的性質(zhì)預(yù)測，包括可合成性評價(jià)、自動化合成等領(lǐng)域。

3.是賣工具還是淘金？

除了切入的環(huán)節(jié)和技術(shù)路徑不同之外，AI制藥企業(yè)究竟如何定義自己的商業(yè)模式。幾乎每一個(gè)創(chuàng)業(yè)者或者投資人都會被問到這樣的問題：做完技術(shù)服務(wù)后還要不要自己做產(chǎn)品？

了解這個(gè)問題之前，我們可以先看美國薛定諤（Schr?dinger）和Relay兩家上市公司的運(yùn)營模式和對應(yīng)的估值。

無論是薛定諤（Schr?dinger）和Relay，一方面都為藥企、CRO機(jī)構(gòu)等提供SaaS類的軟件服務(wù)，另一方面也都有自主研發(fā)的管線。

但由于薛定諤自主研發(fā)的管線還在發(fā)現(xiàn)階段，而Relay自研的三款產(chǎn)品中，有兩款處于兩床階段，兩種估值上產(chǎn)生了很大的區(qū)別。前者主要還是按照SaaS企業(yè)的估值邏輯，而后者則是藥企的估值邏輯。

基本上可以判定，市場上的所有AI制藥企業(yè)的走向不是Schr?dinger就是Relay模式。

從我們采訪的幾家企業(yè)模式來看，像劑泰、億藥、費(fèi)米子都有自研管線，其中，劑泰有5-10個(gè)管線，聚焦在中樞神經(jīng)疾病、慢性腎病、慢性感染性疾病等領(lǐng)域。賴才達(dá)透露，今年劑泰就會把一個(gè)管線從零帶到臨床，預(yù)計(jì)到明年就可以進(jìn)到臨床二期，“從立項(xiàng)到進(jìn)入臨床可能只用一年時(shí)間。”

億藥則有七八條重定向管線，聚焦在延長壽命、肥胖癥、高尿酸血癥、抗氧化、肌腱愈合、癌癥免疫療法增敏等領(lǐng)域，其中延長壽命的化合物可以延長小鼠壽命45%以上，相當(dāng)于延長人類壽命30年，其中有3條產(chǎn)生的化合物已達(dá)到出售要求。而費(fèi)米子科技也有聚集腫瘤、炎癥和疼痛這三個(gè)領(lǐng)域的七八條管線，“部分作為早期化合物已經(jīng)成功出售?！?/span>

基本上一個(gè)共識是，僅僅通過技術(shù)平臺來切CRO的市場份額，目前看比較難發(fā)展成超級獨(dú)角獸企業(yè)。

AI制藥企業(yè)用技術(shù)平臺來賦能藥企藥物研發(fā)的同時(shí)，還可以進(jìn)行自有藥物管線的研發(fā)。國內(nèi)最新推出的藥品上市許可持有人制度非常利于這類企業(yè)?？梢灶A(yù)測，未來國內(nèi)會出現(xiàn)越來越多的輕資產(chǎn)運(yùn)營的持有IP的創(chuàng)新藥研發(fā)企業(yè)，中試和生產(chǎn)端會向中部以及頭部CDMO企業(yè)靠攏，產(chǎn)業(yè)格局發(fā)生變化。

這也就是為什么相比于其它垂直領(lǐng)域，現(xiàn)階段AI制藥企業(yè)估值似乎相對較貴，但依然被投資人追捧。

五源資本井緒天曾在2020小飯桌青年創(chuàng)業(yè)者大會上提到，目前全球最大的兩家藥企估值都在兩千億美金左右，之所以它能做到這么大的體量，是因?yàn)樗谂R床研究和銷售端都有非常強(qiáng)的規(guī)模效應(yīng)。未來隨著藥物研發(fā)和臨床階段的規(guī)模效應(yīng)被解決，新一代的藥企的研發(fā)平臺是可以持續(xù)地產(chǎn)生新的管線，并通過自我的迭代，做出更多更好的藥，從長期的投資回報(bào)率來看，其實(shí)現(xiàn)在并不貴。

但在光速中國助理合伙人高健凱看來，無論是賣系統(tǒng)、賣IP聯(lián)合開發(fā)、或者自研管線其實(shí)都很有潛力，核心在于你專注的這一部分最后有沒有真正創(chuàng)造高價(jià)值。

峰瑞資本馬睿也是類似看法，無論是做服務(wù)還是產(chǎn)品其實(shí)都有潛力，但核心還是要看有沒有絕活，如果說對于藥企而言完全可用或不用，那你肯定賺不到大錢。

即使做某個(gè)單一環(huán)節(jié)的技術(shù)服務(wù)，也一樣可以找到新的增長曲線。比如說智化科技除了為藥企賦能之外，未來還會在化工等多領(lǐng)域橫向復(fù)制。

而煥一生物，聚焦在更復(fù)雜且極具潛力的免疫系統(tǒng)，既有靶點(diǎn)發(fā)現(xiàn)平臺，也有自己的生物標(biāo)記物發(fā)現(xiàn)平臺，會重點(diǎn)鉚定在AI精準(zhǔn)診療這一非常有潛力的方向上。

對于國內(nèi)的AI制藥企業(yè)而言，如今最大的問題依然在于如何拿到藥企的訂單，相比美國，國內(nèi)除了晶泰科技拿到了輝瑞的訂單之外，幾乎沒有企業(yè)可以拿到大藥企的訂單。

為什么在資本逐熱的同時(shí)，藥企斷依然難以推進(jìn)？有三個(gè)層面的根本原因。

一是國內(nèi)創(chuàng)新藥發(fā)展相對早期。費(fèi)米子科技CEO鄧代國提到，目前國內(nèi)藥企依然大多是做仿制藥，這和做創(chuàng)新藥是兩個(gè)邏輯，也就是說藥企對創(chuàng)新藥研發(fā)服務(wù)的訴求到底有多高很難說，藥企現(xiàn)階段雖然愿意嘗試但是付費(fèi)意愿很低，因此在合作了一些國內(nèi)藥企后，費(fèi)米子也開始和部分國外藥企合作。

煥一生物也進(jìn)一步解釋道，“國內(nèi)外的風(fēng)險(xiǎn)偏好可以說是兩個(gè)極端，國外偏好高風(fēng)險(xiǎn)高回報(bào)，支持顛覆性創(chuàng)新，而國內(nèi)偏好低風(fēng)險(xiǎn)，偏保守，希望等到更完善驗(yàn)證后再出手。所以，AI制藥企業(yè)想要在比較早期有商業(yè)化成果，還是要立足于全球市場?！?/span>

二是和藥企合作中到底如何推進(jìn)是個(gè)難題。AI制藥企業(yè)本質(zhì)上和藥企的研發(fā)部門是競合關(guān)系，億藥科技CEO謝正偉提到，如果直接接觸到BD部門，對方要求企業(yè)做到一二期臨床可能才接受，而一旦接觸到研發(fā)部門更難推進(jìn)，對方更關(guān)心你的技術(shù)手段這樣的商業(yè)秘密。找到可以協(xié)同推進(jìn)的合作伙伴也成為了AI制藥企業(yè)一個(gè)具有挑戰(zhàn)的環(huán)節(jié)。

康邁迪森萬小波也有同感，一方面你既需要和大藥企合作，推廣自己的新技術(shù)，但同時(shí)又擔(dān)心對方掌握新技術(shù)后自己獨(dú)立研發(fā)，如何與合作者建立相互信賴，共同發(fā)展其實(shí)是初創(chuàng)企業(yè)面對大藥企面臨的考驗(yàn)。

除了這兩個(gè)外部環(huán)境的桎梏之外，本質(zhì)上問題還在于AI制藥企業(yè)技術(shù)能力還不夠。夏寧認(rèn)為，整體來看，AI制藥還處在非常早期的階段，如果用百米賽跑作比喻，大家大概跑了五米。

一方面是數(shù)據(jù)的局限性，費(fèi)米子科技提到，中國藥企其實(shí)沒什么有價(jià)值的數(shù)據(jù)，創(chuàng)新藥研發(fā)力度不足，數(shù)據(jù)庫基礎(chǔ)，也不全面。同時(shí)在數(shù)據(jù)采集上，公開數(shù)據(jù)昂貴，藥企也不會貿(mào)然給，自己依賴于少量數(shù)據(jù)如何持續(xù)喂數(shù)據(jù)，自產(chǎn)數(shù)據(jù)，是大家需要不斷更新迭代的問題。

另一方面是算法等交叉技術(shù)的現(xiàn)有瓶頸，人工智能的黑箱模型如何和化工等的白箱模型結(jié)合起來，真正把科學(xué)家們的經(jīng)驗(yàn)通過AI等技術(shù)做到復(fù)制，還有很長的路要走。

尤其是中國的教育體制下，交叉學(xué)科人才、系統(tǒng)性的人才目前較為缺失。謝正偉提到，計(jì)算和實(shí)驗(yàn)的結(jié)合有非常高的壁壘，藥化團(tuán)隊(duì)、藥理團(tuán)隊(duì)和深度學(xué)習(xí)專家之間需要長時(shí)間磨合，最好的解決方案可能是培養(yǎng)同時(shí)掌握多個(gè)重要方向技術(shù)的復(fù)合人才。

這也就不難解釋，為何AI制藥領(lǐng)域會有搶人大戰(zhàn)，以及團(tuán)隊(duì)上有很多跨國際人才的加入。比如說煥一生物引入了海外的科學(xué)家和首席戰(zhàn)略官來補(bǔ)足技術(shù)和開拓國際市場，劑泰也有波士頓分部。

相比于其它垂直行業(yè)，醫(yī)藥行業(yè)投資人考察項(xiàng)目過程中，創(chuàng)業(yè)公司的團(tuán)隊(duì)背景的權(quán)重相對更大。

總結(jié)來看，AI制藥企業(yè)的問題各有不同：比如不懂藥物化學(xué)、缺乏做AI的數(shù)據(jù)、所需的藥物研發(fā)的人才不夠；以及其技術(shù)成熟度和藥企的要求匹配度不高等等，都是需要創(chuàng)業(yè)者和投資人深入辨別。

AI制藥熱最先從美國發(fā)散，這也讓很多關(guān)注者對于中美差距有多大存有疑問。

億藥科技謝正偉認(rèn)為，綜合規(guī)模和產(chǎn)業(yè)成熟度等宏觀環(huán)境來看，基本上有個(gè)10-20年的差距。

但是從微觀上來講，具體到某個(gè)實(shí)驗(yàn)室，中國并不比美國差，本質(zhì)上大家都在同步做前沿的、前所未有的東西，而這些方面的成功具有很大的偶然性，不一定誰更快得到突破性進(jìn)展。比如億藥科技的基于深度學(xué)習(xí)的藥效預(yù)測系統(tǒng)DLEPS有望成為一個(gè)范例。

而在藥物遞送環(huán)節(jié)，前文提到，AI在該環(huán)節(jié)的賦能上，目前劑泰在全世界范圍都是領(lǐng)先在做；智化的逆合成技術(shù)，在開拓國外市場時(shí)基本上也是首批經(jīng)受了頭部客戶的檢驗(yàn)。

在劑泰看來，國內(nèi)創(chuàng)新藥起步比歐美晚，或許是一個(gè)“電商式”的機(jī)遇。中國零售業(yè)的不夠成熟給了中國電商成為全世界范例的機(jī)會，同理，在國內(nèi)創(chuàng)新藥不夠成熟的階段，AI+賦能下的中國創(chuàng)新藥，或許迎來了彎道超車的機(jī)會。一是國內(nèi)藥企在新藥獲取上會動力足，二是其沒有歷史包袱，對于新技術(shù)的嘗試會更迫切。三是，中國人口基數(shù)決定了數(shù)據(jù)會最多，會為未來的計(jì)算提供更大的便利。

而峰瑞資本馬睿認(rèn)為，未來的AI制藥無外乎有三個(gè)層面的機(jī)會點(diǎn)。

一是計(jì)算的迭代。在算力、算法上的迭代，比如說如何用新的算法或者語言，讓電腦和AI更好的理解分子和蛋白，甚至是計(jì)算基礎(chǔ)設(shè)施的迭代，比如美國現(xiàn)在已經(jīng)有公司在做基于量子計(jì)算機(jī)驅(qū)動的藥物。

二是交叉技術(shù)加速數(shù)據(jù)化。例如AlphaFold2能夠測出來很多蛋白的結(jié)構(gòu)，增加了可成藥的靶點(diǎn)，會利好下游的計(jì)算。峰瑞資本非常看好新的數(shù)據(jù)化方法，比如電鏡、質(zhì)譜，或者單細(xì)胞、表型測試、基因編輯、自動化或者高通量平臺和藥物研發(fā)的交叉，來更快更好地產(chǎn)生數(shù)據(jù)做計(jì)算。

三是應(yīng)用場景的變化。目前大多數(shù)公司切入的是藥物研發(fā)的臨床前階段，但其實(shí)最大的數(shù)據(jù)斷層還在進(jìn)入人體前后，一些藥物分子在猴子身上有效但很有可能在人身上無效。最有價(jià)值的公司可能會是在前面的基礎(chǔ)上，能夠再往后走一點(diǎn)，比如能預(yù)測臨床的結(jié)果。未來分布式的組織臨床實(shí)驗(yàn)可能還會出現(xiàn)更多的公司，這也是一個(gè)值得關(guān)注的方向。

在競爭上，巨頭高調(diào)進(jìn)入對于行業(yè)發(fā)展有一定的催化作用。同時(shí)，大多數(shù)創(chuàng)業(yè)者或投資人認(rèn)為，巨頭雖然在一些行為數(shù)據(jù)和計(jì)算上有一些優(yōu)勢，但局限性也很大：一是人才的瓶頸，畢竟最頂尖的人才都自己創(chuàng)業(yè)，二是醫(yī)藥行業(yè)體系復(fù)雜，巨頭到底能沉下去多深沉多久還待驗(yàn)證。

而初創(chuàng)企業(yè)的成長或許會比想象中更快。光速中國高健凱預(yù)判，2023-2024年，一批公司將可能完成臨床二期。一般在得到基礎(chǔ)驗(yàn)證后，企業(yè)基本上能達(dá)到上市標(biāo)準(zhǔn)，屆時(shí)市場格局會愈發(fā)清晰，一定會出現(xiàn)三五個(gè)獨(dú)角獸或上市公司。