《科创板日报》9月6日（记者 金小莫）经过去年一轮热炒后，AI+药物研发已在业内分化出两种观点：看好的人认为，就像互联网造车颠覆传统车企，基于人工智能、量子力学的“造药新势力”也将改变新药研发既有的游戏规则。

“传统CXO更多的是业务驱动，它的规模扩大依赖于研发人员的数量，所以说，CXO吃的是工程师人口红利；而AI+药物研发的底层逻辑就是用高效的虚拟算法取代实验试错，加上巨大算力、大量数据，能跳出药物科学家个人经验的局限。”一位行业人士称。

【资料图】

反方观点也鲜明。在《科创板日报》记者的调查中，一位Biotech的相关负责人即表示，“早在20多年前，我们就已经利用计算机来辅助药物发现了。现在，又冒出来许多AI概念。AI+药物发现，在未来5-10年内，看不到希望。”

许多投资者尚未厘清的是，AI+药物发现到底基于怎样的技术逻辑，其商业价值在哪里，带着这些问题，《科创板日报》记者展开采访。

制药新势力的崛起

2021年2月，任峰博士的一则履新消息一时在业内引发热议。当时，美迪西原高级副总裁兼药物研发服务负责人任峰博士转任英矽智能首席科学官，今年6月，他被晋升为英矽智能联合首席执行官——职业履历从传统CRO跨度到造药新势力。

作为一名有机化学博士，任峰似乎在用自己的实际行动为AI投票。这是不是体现了一种行业趋势？

在接受《科创板日报》记者采访时，任峰坦言称，加入英矽智能，一方面是出于个人情怀，“我之前主要是做传统的小分子药物研发，一直有做first-in-class药物的梦想，希望凭借自己在新药研发上的经验，更好地把人工智能和新药研发结合起来，加速创新药物研发。”任峰说。

另一方面，他看到了新的技术机会。

目前，小分子创新药物研发还存在诸多痛点，比如，药物开发中新颖的靶点少、化合物生成和设计耗费高时间长且太过依赖药化学家的经验、临床试验失败率很高等等，包括任峰在内的很多人相信，人工智能为这些痛点提供可期的解决方案。

基于这一思路，在一级市场上，造药新势力们率先崛起。

据冰鉴科技研究院数据，截至今年8月，仅在国内从事AI制药的初创企业就已达40余家。从融资轮来看，晶泰科技已完成多轮高额融资，系跑得最快的一家。另有百图生科、英飞智药、云深智药等三十余家仍在A轮阶段；

从药物研发结果来看，到2022年二季度，冰洲石生物、锐格医药、英矽智能和红云生物这四家企业研发的创新药物已获得中国国家药品监督管理局药品审评中心临床试验默示许可。标志着中国AI制药进入下一个关键阶段。

“参考互联网行业来看，它经过了好几轮的泡沫，最终分别在电商、社交、搜索这几个领域沉淀出龙头企业。在AI+药物研发领域也是这样。”晶泰科技联合创始人兼董事长温书豪对《科创板日报》记者称，大家都刚刚开始，良性的竞争有利于为整个药物产业注入源头活水，而且这个领域也足够大，仍然有很多值得做的事情，容得下多家公司。

AI如何与药物研发结合？进一步来看，AI之所以能够与药物研发相结合，这是因为，在逻辑上，二者有契合之处。

据晶泰科技对《科创板日报》记者的介绍，从本质上来说，小分子化学药与大分子的生物药，都是由原子、分子排列组合而成的，他们的结构与其对疾病相关靶点的活性和其他成药性质息息相关，需要通过实验试错来找到、优化出理想的物质结构，再通过动物模型验证，最终面临临床试验的终极大考。

传统的小分子药物研发，通过实验从已知分子库中穷举探索动辄上万个类药分子，并基于科学家的经验和见解进行设计优化、再实验验证，如此反复数轮，最终找到潜力药物。

耗时费钱的实验具有局限性，与科学家的个人经验、甚至运气一起，成为提高创新效率和成功率的瓶颈；而其中的筛选试错、设计优化等步骤，完全可以借助AI算法，以超高的效率和极低的成本来完成，从而将评估范围从传统实验的数千个分子，扩大到探索百万、千万个AI针对靶点生成的类药分子，并提高设计优化与实验验证的效率、成功率。

这也是AI+药物发现的基本逻辑。

“AI不是为了替代哪些工作而生的，而是更好的赋能药物研发的一些环节。比如，英矽智能主要关注的领域是生物学、生成化学，以及临床试验结果预测。除外，AI在新药研发流程中的赋能还涉及很多方面，包括晶型/盐型预测，化合物的合成路线设计，还有制剂方面的研究等等。”任峰介绍称。

但传统药企的研发人员似乎并不买账。

早在2013年至2014年期间，AI制药产业“初出茅庐”，彼时，医药行业对AI的认可度不高，受制于多方因素，在发展早期，AI制药初创几乎都是以提供技术服务为主。从某种程度上来看，它们更像是一个软件外包公司。

甚至到2年，当《科创板日报》记者询问某传统小分子药物研发人员对AI的态度时，后者告诉记者，药物化学简直是艺术创作，它不是理性的。

他称，“你可以去我们的研发室看看，研发人员常常拿着笔在玻璃上写写画画，有时候就想到了一个点子。人脑是具有跳跃性思维的，这不是靠计算机能模拟出来的。”

持此观点的传统制药人不在少数。

另一位行业人士则对《科创板日报》记者委婉表示称，AI是一种技术和手段。它对新药的发现及生产等肯定有帮助，可以拥抱，但完全依赖于这个技术也不太可能。是否会进一步提升效率，降低成本也还有待观察。

“我们看到药企对AI制药的态度从谨慎转变到更大规模的合作。”任峰介绍称。

比如说，2020年后，晶泰科技与华东医药、正大天晴等传统药企陆续达成合作，将合作研发新一代抗肿瘤药物；英矽智能则与复星医药合作，在全球范围内共同推进多个靶点的AI药物研发。

“今年年初，我们与复星医药达成合作协议。这次合作从规模和首付款金额上看都是业内迄今最大的一次合作，可以说开创了一个先河。”任峰称，希望国内药企和AI制药公司之间的合作模式可以把步子迈得更大一些，合作方式的改变对新药研发行业来说也是很大的助力。

从算法竞争到数据竞争

很多传统药物“不合作”的态度，又成了AI+药物研发能否快速发展的一大掣肘。

一方面，AI技术发展有赖于大数据；另一方面，在药物研发领域，很多数据都为企业所私有，不对外开放。

“而且，AI可获取的数据种类也并不完全，因此很难基于此类数据迭代出有效的算法。”另一位行业人士表示称，关于药物研发的公开数据都是试验成功的数据，但要训练AI算法，也需要失败试验的数据。

对此，高榕资本合伙人杨昆曾在一场闭门会上评述陈，AI医疗商业化的数据面临合法性、规范性、持续性等问题。

“合法性上，需要政府推动医疗数据互通，商业机构与医疗机构进行数据共享，保证数据安全；持续性上，除了人工收集，也可以打通智能化的数据端口，同时必须始终关注合规性；规范性方面，需要关注行业标准、临床规范，拓展采集端口，有效进行样本处理。”杨昆称。

对此，任峰也表示认可。他称，目前AI在新药研发的某些具体环节取得了阶段性的进展，但是还没有覆盖新药研发的整个链条，其中一个主要的原因是一些应用场景的数据量不足。

“如何在这些特定的场景收集到足够量的标准化数据？是AI制药领域面临的最大挑战之一。比方说，预测PK/PD性质、预测毒理等，这些方面还没有足够的数据来训练人工智能。未来人工智能赋能新药研发的竞争，会逐渐从算法的竞争过渡到数据的竞争。”任峰称。

这造成的现象是，很多AI+药物研发的企业都必须自建大量的数据库——或自己通过实验来获取数据，或与大药企绑定分享后者的试验数据，也不乏企业购买数据库并整合公开数据，趋于雷同。

温书豪认为，AI已经是药物研发不可逆的大趋势，而自动化实验室是自然而然的下一项关键技术，两者仍需与专家经验结合，赋能研发科学家进行高效决策。

晶泰科技自2019年开始自主研发与智能算法配套的自动化实验室，在深圳、上海已有超3000平并已投入使用，可不间断地完成合成实验并自动采集、实时上传数据，支持小样本学习和算法迭代优化，弥补新靶点数据匮乏的难题。

但这又产生了一个新的问题，即如何验证经由算法所得出的结论是正确的？

算法结果较难验证

“在人工智能的其他领域，人们很容易对算法结果进行验证。例如，验证大数据推荐的搜索内容是否符合需求、AI是否生成了你想要的某类图片等等。但在药物研发上，情况就非常不同了。”另一位AI+药物研发头部企业公司的负责人介绍称，想要验证由AI开发的药物是否具有有效性、安全性，临床试验往往就需要十年。

也因此，杨昆称，药物一旦进入临床阶段，AI筛选出来的分子有多少效果？与化学家验证的分子相比，系统性优势在什么地方？这些都是AI+药物研发企业们需要回答的问题。

这也就造成了整个AI制药行业一个有趣的现象：即一直在诞生新的创业公司。

“AI还是个新事物，到目前为止没有任何一家AI制药公司可以百分之百证明它的算法是最好的，是完全正确的，所以后来者也有机会去赶超。”任峰称，暂时领先的公司需要通过不断优化自己的算法去保持竞争上的优势，而后来者如果专注于它所擅长的领域，有可能它的算法能变成某一领域最好的。

“算法更新的永远是更好的，一家独大的机会在这个领域不容易出现。”任峰表示。

当然，也有一些比较巧妙的做法。比如，头部企业晶泰科技，就首先找到了一条较为巧妙的路径入手：选择研发周期相对较短、目标明确、容易验证的药物晶型研究，在这个细分领域异军突起。

《科创板日报》记者了解到，晶型研究是药物开发的重要一环，它对药物的稳定性、溶出度、生物利用度及后续的开发、生产有着很大的影响，也是药物专利的重要组成部分。

传统的实验研究相对简单直接，但存在完备性、可靠性、效率等方面的明确痛点。药企往往需要完成大量、较长时间的实验研究，但仍不能完全保证无纰漏。准确的晶型预测在学术界仍然具有挑战性，而准确的预测结果可以快速与实验匹配，指导研发决策，为药企节省大量的时间，降低研发风险。

“创业之初，我们就凭借自己的晶型算法在辉瑞公司组织的一次全球范围内的盲测中脱颖而出，以100%的预测准确率赢得了我们的第一个大药企客户，也证明了我们底层算法的准确性和先进性。”晶泰科技表示，也恰是得益于此，让晶泰科技率先打开了欧美药企的市场，并在与药企的合作中逐渐站稳了脚跟，参与到包括辉瑞新冠口服药Paxlovid等关键创新药的研发中。

商业模式：是新型CXO还是新药研发公司？

就AI药物研发商业模式来说，摆在AI+药物研发公司企业面前的选择又有两种：一是以AI算法驱动，做新药研发；二是建立自身的算法产业体系，成为新型CXO。

“做一家产品公司还是服务公司？这就决定了企业未来的估值。”杨昆称，如果是新药研发公司，那么，对企业未来的估值就以产品依据；如果是CXO公司，则考虑公司能否连续输出创新。

嘉定创投总经理吉少岭曾对《科创板日报》记者进一步解释称，如果相关企业走的是向CRO企业或药企“卖软件算法”的模式，其估值有限；但若能依靠AI最终开发出新药则投资价值不可同日而语。后者也是行业投资人所看重的投资标的，但目前来看，可验证的标的数量还寥寥无几。

也有业内投资人认为，走自主新药研发路线的AI企业将估值押注在有限的几个管线项目上，即便进入临床试验仍面临极大的失败风险；而AI平台型的“CXO 2.0”可以通过广泛合作，以规模化效益抵抗研发风险，除了里程碑付款，还能参与到成功上市药品的销售分成中，具有更大的想象空间。

在调查中，记者了解到，目前晶泰科技走的是大平台模式，且其自身具备一定的投资孵化功能。

企业认为，基于其技术平台，晶泰科技能更早发现真正掌握前沿技术和潜力靶点的创新生物医药团队，并帮助他们快速获得阶段性成果，以较低成本达成研发与融资里程碑。

公开资料显示，目前晶泰科技已孵化投资了剂泰医药、希格生科、PhoreMost、莱芒生物、默达生物等多家拥有自主管线的创新企业, 进展较快的希格生科已经在晶泰的加速下进入IND-enabling阶段。

与此同时，晶泰科技建立了自己的自动化合成、生物、冷冻电镜等实验室，整合进其一站式研发服务中，向药企交付经AI设计、已获得实验验证的临床候选，并在预测与实验的闭环中不断优化算法。

“我们希望把药物行业的数字化新基建做起来，做到标准化、规模化，然后把药物研发的门槛进一步降低，催生更多的初创公司与创新管线，给人类带来更多优质高效的药物。我一直在想人工智能的本质到底是什么？它可能是一种分享和链接——分享海量数据，链接数百万核的云端超算资源。”温书豪介绍称，如果把药物研发的门槛进一步降低，我们可以为创新管线打开源头，让更多的想法可以在晶泰的平台，以一个更低的试错成本去尝试、去成果转化，让药企以同样的资源和时间获得更高的创新回报。

目前，晶泰科技已有超过150家来自全球的药企客户，其从量子物理学的底层逻辑出发的创新算法具有良好的迁移性，可以向新材料、新能源等多个领域去迁徙。

英矽智能则采取了自研管线验证的模式。

据悉，2021年，利用AI发现特发性肺纤维化全新靶点和临床前候选化合物后，英矽智能便以2.55亿美元的C轮融资震动医药界；8月，英矽智能又宣布利用其自主研发的人工智能药物发现平台，获得了针对肾纤维化的全新临床前候选化合物。

“我们与全球超过80家CRO合作，开发自有或合作管线。自2021年以来，我们已建立超过30条内部研发管线，覆盖癌症、纤维化、免疫和神经退行性疾病等多个领域。其中，7个自研项目已进入IND-Enabling阶段。”任峰表示，未来，英矽智能希望有机会或者自研、或者同合作伙伴一起，将创新药推到市场，真正惠及广大未被满足的临床需求。

但是由于药物验证需要较长时间，距离真正靠市场认可AI制药还有不短的路程。对此，英矽智能整合多种商业模式，包括人工智能药物发现软件授权服务、一体化新药研发项目合作、以及多元化内部自研管线开发。

“目前公司约有90%的营收来自项目合作，10%来自软件授权。”英矽智能方面表示。

实际上，2018年后，国内AI制药已实现了一个质的飞跃——完成了前期技术积累的AI制药企业们，在卖软件或服务的同时，也开始探索更高附加值、可持续的发展模式，越来越多的初创开始自研管线。

整体来看，杨昆认为，目前，AI+医疗的生态已经初步建立，未来，还需要各类参与方一同搭建产业生态，共同面向未被满足的临床和产业需求。

标签：