资源为何钟情AI制药？

对于AI从业者来说，2022年生怕不是什么好年景。

资源隆冬的说法越发高涨，商汤、涂鸦等独角兽的市值大幅缩水。二级市场的消极情绪传导到一级市场后，整个行业的融资频次断崖式下滑，曾经炙手可热的资源宠儿，正在遭遇“创新者的逆境”。

唱衰AI的声音有许多，*为常见的缘故原由有两种：一个是现阶段商业化成熟的场景太少，另一个是AI独角兽的盈利能力太弱。已往屡试不爽的“烧钱换增进”逻辑，已经很难让资源市场提起兴趣。

在外部大环境民生凋敝的时刻，AI制药成了为数不多的破例。这个2020年才走进民众视野的新兴行业，逆势站在了资源的风口，一些确立一两年的企业就拿到了亿元级其余融资，部门行业头羊甚*斩获了百亿级的订单。

为何在AI被资源“甩掉”的节骨眼上，药物研发照旧被圈内外所青睐，到底是资源吹起的新泡沫，照样AI的应许之地？理清晰这些问题，不但单可以摸清AI制药的虚实，也能为AI的应用落地找到一些启示。

01、一个自然的AI场景

AI制药的走红，着实有些讨巧的因素。

2020年举行的第14届国际卵白质结构展望竞赛上，谷歌的AlphaFold2乐成凭证基因序列展望了卵白质的三维结构。在疫情黑天鹅制造的主要气氛下，这样一个创举迅速在全天下局限内掀起热潮。

现在险些所有的药物都作用于卵白质，原理是通过药物和靶标卵白的相互作用，进而改变卵白质的功效，到达治疗的效果，就像是锁和钥匙的关系。倘若能够准确展望卵白质的三维结构，就可以精准设计对应的钥匙。

然而卵白质的形成需要DNA转录为RNA、RNA翻译成氨基酸链，再由氨基酸脱水缩合成大分子卵白质。组成卵白质的氨基酸有22种，一个卵白质包罗几十到几万个氨基酸链，而且有着庞大的三维结构，以*于许多科学家穷尽一生都无法完全剖析出某个卵白质结构，AI带来的袭击不言而喻。

正是从2020年最先，投资机构纷纷挥师AI制药。凭证斯坦福大学宣布的《人工智能指数》讲述，2020年投向AI药物研发领域的资金增*138亿美元，跨越上年同期的4.5倍以上；中银证券的数据显示，2020年中国AI 制药的融资数目翻了一倍，融资总额比前一年同比增进了10倍左右。

资源的显示不能谓不疯狂，但疯狂的背后绝非盲目，而是看到了AI制药所蕴藏的诱人“钱景”。

药物研刊行业有一个*的“双十定律”，即10年时间、10亿美元，才可能研发出一款新药。而根据Nature的统计，“双十定律”实在是一种理想业态，现实中一款新药从研发到获批上市，平均需要10到15年的时间，需要花费约26亿美元，而且临床乐成率不到10%。同时还泛起了恐怖的“反摩尔定律”，即便制药公司在已往几十年中的研发支出不停增添，但10亿美元换来的新药数目每9年就削减一半。

新药研发的长周期、高成本、低乐成率，无疑给AI留下了重大的用武之地：通过机械自主学习数据、挖掘数据，总结归纳专家履历外的药物研发纪律，继而优化药物研发流程中的各个环节，不仅可以提升药物研发效率与乐成率，另有望降低研发用度和试错成本，驱动行业走出“反摩尔定律”的阴影。

02、AI制药的落地现状

*于AI制药是否是新的泡沫，还要从落地逻辑中找谜底。

一款药物从研发到量产，中央涉及到靶点发现、化合物合成、化合物筛选、晶体展望、药理评估、临床设计、药物重定向、审批生产等十几个流程，涵盖药物发现、临床前研究、临床研究、审批与上市四个阶段。药物研发的长周期和长流程，比起其他领域为AI提供了更多的切入点。

只是差异于外洋药企的超高热情，海内现在只有药明康德、中国生物制药等少数药企积*介入，市场的主角实在是科技巨头和创业者。

前者的代表有华为、腾讯、阿里、百度等，巨头们往往不介入药物研发，而是聚焦于需要的算法和算力。好比腾讯的云深制药，上线时的定位是药物发现平台，提供算法、数据库、云盘算等服务，目的客户是药企；百度的百图生科，同样是输出算法模子和算力基础，继续了互联网善于的平台模式。

后者似乎才是AI制药的主力军，典型的例子有英矽智能、晶泰科技等等。其中英矽智能搭建了集整合创新靶点、创新分子发现、临床研究效果展望为一体的AI平台，包罗靶点发现和多组数据剖析引擎、分子设计引擎、临床试验效果展望引擎等组件；晶泰科技确立了智能盘算、自动化实验、专家履历在内的研发系统。

在巨头和创业派的探索下，海内AI制药并不缺少有价值的功效。譬如百度的LinearFold算法，将新冠病毒的全基因组二级结构展望从55分钟缩短*27秒；英矽智能在2021年2月对外宣称，仅用18个月的时间、260万美元的投入，就研发出了特发性肺纤维化疾病新靶点，节约了大量药物发现成本。

图源：亿欧智库

诸云云类的功效不乏可圈可点之处，却也难掩这样一个事实：巨头们的结构还处于战略层面，大规模的落地应用仍需要时间验证，而英矽智能等创业公司的成就，现阶段主要以药物发现为主，或允许以大幅降低药物发现的成本和时间，可对药物研发总成本的影响依然异常有限。

也就是说，AI制药是一个未被完全验证过的行业，自然语言处置、图像识别、深度学习、认知盘算等前沿手艺逐步落地，但落地的深度可能远不及安防产业。其中的缘故原由离不开药物研发的行业属性，事实靶点确定莅临床试验需要一步一步来，AI制药的风口不外才两三年的时间，但无法阻碍质疑声的泛起。

03、自成一派的商业化

*为苛刻的质疑是：现在还没有一款AI药物上市。

这样的声音夹杂着太多的主观色彩，AI在制药历程中饰演的终归只是辅助角色，绕不开行业固有的流程和机制，不能能用两三年的时间做完十年的事。却也展现了一个既定事实，即大部门AI制药距离商业化另有不小的距离，药企仅仅是对新手艺举行有限度的尝鲜，AI仍然是一个加分项。

任何消极信号传导到市场端，都市影响一些人的决议，AI制药也逃不外被唱衰的魔咒。有企业据传赴美上市遇阻后想要转战港交所，但市值较之前的估值并无太大转变；另一家AI制药企业Schrodinger，比起2020年终60亿美元的市值，已经骤降到20亿美元上下。

暂时的荆棘还不*于让AI制药跌落神坛，相比于安防、质检等应用的同质化，AI制药由浅入深演变出了三种商业模式：

一是搭建AI手艺平台，拼的是算力、数据、算法等硬实力，主要是向药企等客户收取授权使用费，也是科技巨头们主战场；二是辅助药企或CRO企业完成研发义务，好比凭证既定靶点筛选出合适的化合物；三是自建实验室和研发管线，需要的资金量超乎想象，而且要肩负研发失败的风险。

手艺平台的营收路径毋庸赘述，看点在于后两种商业模式的可行性。由于制药的不确定性，衍生出了首付款、里程碑价钱等付款方式，现在海内管线的首付款平均为280万美元，里程碑价钱可能到达数百亿元，纵然AI制药尚未进入临床阶段，也能靠互助管线拿到药企的资金，阻止“缺粮”的事态。自研管线的风险相对较大，但在此类企业的投资名单中，已经可以看到头部药企的身影。

其中缘由并不庞大。和传统的制药巨头相比，AI制药企业的体量往往不大，纵然存在风险成本*高的情形，“失败的价值”也容易被行业接受。一种理想的业态是，AI制药的早期阶段被资源市场推动，远景和可行性被市场验证后，由药企买单举行马拉松式的长跑，时代或许会镌汰掉一些公司，并不故障整个行业连续向前。

*少就现在来看，AI制药已经在疾病机理及靶点研究、靶点药物设计、化合物筛选、晶型展望、临床前辅助研究等场景中显示出了优越的应用远景。药物发现作为整个药物研发流程的基石，也是AI制药循序渐进的基础。

04、举行中的范式刷新

打一个譬喻的话，现阶段的AI制药正处于破晓时分。

由于生物学的庞大性和临床数据库的缺乏，AI对药物研发的渗透停留在了前端的药物发现环节。除了无差其余“抨击”，似乎另有另外一种注释：AI的曙光已经在制药领域照亮，所影响的不但单是效率和成本，也在重构行业的协作范式。

在传统的药物研发历程中，经常需要药化专家凭证履历提出5000-10000种化合物做药物筛选，筛选出250个左右的化合物进入临床前研究，然后找到5-10个化合物举行临床试验，*终有一两种化合物通过临床测试，无异于“大海捞针”。

AI制药兴起的时间不算长，但不少药企已经在试图刷新流程。好比在化合物筛选阶段引着迷经网络，可以在几天时间里筛选跨越1亿个化合物，凭证算法模子的展望分数对化合物举行排名，枚举出几种到几十种*有可能的化合物。简朴来说，AI介入药物筛选的原理就是行使归纳推理能力加速化合物的筛选，脱节对药化专家履历和知识的深度依赖，在环节上越来越科学化。

同时被改变的另有药企们对外互助的态度。

早在2019年的时刻，强生、罗氏、赛诺菲、武田等10家药企介入了*的MELLODDY同盟，通过区块链和联邦学习举行药物数据共享；尔后辉瑞、强生、罗氏、赛诺菲、武田、礼来、GSK介入的Accumulus Synergy在2020年确立，试图增强全球所有区域的协作和数据共享；阿斯利康、默克、辉瑞、梯瓦、AWS则在以色列生物手艺基金的提倡下确立了AI药物研发实验室AIONLabs，互助开发AI手艺并孵化新公司……

虽然MELLODDY同盟在竣事长达三年的互助后，尚未传出是否续约的新闻，但药企巨头试图做出的改变已是不争的事实：曾经被视为焦点商业隐秘的实验数据，已经在有限局限内共享，而AI制药的底层逻辑就是通过大量的数据举行模子训练，数据量越足够，算法的展望效果越准确。

隐藏在这些征象背后的真相在于，同样面临AI这样的新物种，药企巨头们并未像许多行业的既得利益者那样饰演“守旧派”的角色，而是在积*促进AI的应用，纵然现阶段的落地还对照有限，但不清扫AI应用于临床试验等焦点环节的可能。

相对乐观的市场环境，或许才是AI制药被青睐的直接利好，并在无形中为海内AI制药提供了可以参考的偏向。

05、写在*后

再往返覆文初的问题，谜底已经异常清晰。

AI制药的崛起绝非有时，产业自己存在着重大的应用潜力，而且取得了立竿见影的效果；在详细的落地历程中，差异阵营的结构有些许重合，但整个行业没有掉进内卷的陷阱，有着相对理性的分工；*主要的一点在于，AI制药不是“少年屠杀恶龙”的故事，无论是创业派照样药企，都在推动行业的前进。

也许现阶段的AI制药存在非理性繁荣的因素，场上的玩家有一些是投契者，依旧位于市场的起步阶段，许多棘手问题无法被解决，却也有着许多行业稀缺的品质，即AI的价值从未被盲目张扬，大多数介入者在起劲寻找AI和制药契合的场景，让外界看到的是一种渐进式的提高和惊喜。