融資一輪又一輪的AI制藥，到底有多火？

國外一筆訂單，最高已經達到331億元，接近傳統藥企一整年的研發投入。

國內市場，保守估計將達到2040億元規模，BAT字節華為等互聯網頭部企業爭相入資角逐，甚至有公司一年內完成3輪大額融資……

△圖源：量子位智庫

從北京大學前沿交叉學科研究院、國外名校教授，到MIT博士等紛紛加入創業，甚至有拿到國外名校博士Offer的學生退學加入……

然而，與資本熱形成鮮明對比的，卻是行業發展的現狀：

國內AI制藥公司，時至今日上市數量為0，甚至尚未有一家實現盈利；國外AI制藥公司，上市后股價瘋狂跳水。

目前，世界上還沒有任何一支由AI研發成功的藥物順利上市，甚至于據各創企對外公開消息，國內只有2家，國外有8家企業的管線剛剛進入臨床一期階段。

如今行業最初的熱度過去，質疑的聲音也日益凸顯：

AI制藥行業，究竟是未來投融資矚目的明星賽道，還是技術偽裝下的PPT泡沫？

AI技術自身的數據瓶頸、及其在制藥領域中所起的作用，究竟能否真正挽救傳統制藥企業的利益下降頹勢？

AI制藥究竟什么時候才能真正落地？

在采訪過數十家機構后，我們寫下《AI制藥深度產業報告》，試圖描繪出AI制藥行業的國內外現狀，以及這一行業所面臨的困境和機遇。

AI制藥“時局圖”

AI制藥，更準確地來說應當是“用AI預測藥物”。

沒錯，現階段的AI并未真正打破傳統制藥的研發體系，甚至從研發流程來看，AI優化的部分還不到40%。

這樣的定位加劇了AI制藥自身的“矛盾感”：

一方面，藥物發現是整個藥物研發流程的基石，也是藥物創新最有希望的突破口；另一方面，藥物研發60-80%的臨床試驗成本，無法被AI優化。

這種矛盾感同樣體現在AI制藥的融資情況、技術定價和研發落地上。

僅看融資情況，會認為AI制藥是一個很有“錢景”的行業。

據中銀證券數據，僅2020年一年，中國AI+制藥融資項目數量就翻了一倍，且同年融資總額出現了同比約10倍的增長。

從那時開始，全球至少有11家AI制藥公司獲得1億美元以上的大額融資。而且這個數據還在呈現不斷上升的趨勢：

△數據來源：中銀證券

據動脈橙報告顯示,“AI+制藥”成為2021年最受資本歡迎的賽道之一，全球融資77起，金額合計45.6億美元（約合人民幣307億），其中中國市場融資12.4億美元。

同時，AI+制藥企業的生存情況也非常樂觀。約53%的A輪公司進入B輪；38%的B輪公司順利進入C輪；46%的C輪公司進入到了D輪。

再看AI公司的變現途徑，似乎也同樣具有投資潛力。

參考Benevolent招股書數據，單看自研管線價格的話，AI制藥公司定價的首付款和里程碑付款價均不低，尤其是二期臨床后光是首付款就能達到近1億美元。

△圖源：量子位智庫

但結合研發落地情況來看，就出現了強烈的矛盾感。

例如，行業內至今仍然沒有任何一支AI預測的藥物上市，甚至于市面上還沒有任何一種公開進入臨床二期的藥物。

同時，AI制藥也尚未出現一種突破性的核心技術，能證明AI用于藥物發現（AIDD）具有可靠和持續性，能替代或優化傳統計算機發現藥物（CADD）的流程。

根據量子位智庫數據，即使是進展最快的AI預測藥物，也只是通過了動物試驗，進入臨床一期試驗階段。

在這些進展最快的AI預測藥物中，國內只占3條管線，國外雖然已有接近16條管線進入臨床，但也全部停留在一期階段。

△圖源：量子位智庫

這樣的局面，導致資本熱情從2021年以來逐漸出現回冷：

目前，國內還沒有任何一家AI制藥公司完成上市，也沒有任何一家公司實現盈利。

國外至少7、8家上市公司，如今股價幾乎無一例外出現跳水。

事實上，從過往經驗來看，藥物研發失敗的幾率本身就極大，無數新藥的臨床試驗投入最終都是打水漂，這又再度增加了AI預測藥物上市的不確定性。

尤其目前這批藥物都還沒進入臨床二期，其能否完成上市還根本無法保障。

自1961年“反應停事件”以來，能否驗證藥物有效性一直是所有新藥上市最大的門檻。如果無法提供可信的安全數據、患者明確獲益的數據等“實質性證據”，藥物極有可能在這一階段夭折。

顯然，在這段時間里，大部分資本會處于觀望狀態，直到有AI預測的藥物進入并通過臨床二期的試驗。

與傳統制藥公司相比，AI制藥公司的體量并不大。在臨床試驗風險成本極高的情況下，這種“失敗的可能”要么被轉移，要么只能由公司自行承擔。

以此，AI制藥公司形成了兩種主要的商業模式。

第一種是轉移研發風險的CRO（Contract Research Organization，合同研發組織）模式，公司會給傳統制藥企業或其他公司“做外包”，用AI技術預測甲方需要的藥物。

第二種是愿意自行承擔研發失敗的風險的自研管線模式，公司將藥物和技術專利拿在手中，一旦成功上市或達到特定變現節點（如臨床前研究）就能以專利轉讓或收費的方式賺錢。

如何決定是做CRO還是自研管線？

一個是資金情況，自研管線所需資金極高。不缺錢的公司可以直接自研管線；想自研管線但資金不足的公司，則可以先通過CRO做外包賺錢，再以賺到的錢用于自研管線。

另一個是定位差異。相比傳統藥企出身的公司所掌握的大量制藥相關理論，CRO更適合“跨界創業”玩家，迅速打響自身AI技術招牌；自研管線對于制藥經驗和資源要求更高。

事實上，目前CRO在國內更受歡迎，相比之下其盈利速度更快，變現模式更明確，且不需要承擔后續臨床試驗的風險成本。

此外，對手握AI藥物專利沒興趣、只出售技術服務的公司也可以只做CRO。

由此還衍生出第三種商業模式——專門做技術平臺的，將AI制藥軟件售賣給其他公司搞預測研發，但目前國內真正做到收費的公司極少。

顯然，AI制藥公司的定位和技術優勢，很大程度上會影響其對商業模式的選擇。

目前已經入局的玩家有不少，從國內外名校博士教授、到互聯網巨頭和傳統藥企、到資本再孵化，呈現出一種多樣化的態勢。

先是名校博士教授創業的情況。以晶泰科技為例，就是MIT量子物理博士歸國創業的典型案例。由于公司的優勢在AI技術上，并能借助量子物理的理論研究做到行業領先，因此晶泰科技明確表示專注于CRO模式，而不去自研管線。

也有高校教授轉化研究成果的案例，如華深智藥就是UIUC終身教授彭健所創立，此前在蛋白質分子預測領域已有相關成果建設，此次創業將專注于技術平臺的打造和提供。

在這之后，互聯網巨頭和傳統藥企也已經紛紛入局。

前者自帶算法算力優勢，容易借助互聯網本身的影響力迅速擴大“勢力范圍”，如百度和騰訊已經成立百圖生科和云深制藥平臺，利用自身積累的AI算法經驗快速入局；阿里則憑借算力優勢迅速建立起上下游關系等。

后者則擁有深厚的藥物研發經驗，在此基礎上成立AI制藥研發團隊，如阿斯利康、默克、輝瑞和梯瓦就與亞馬遜和以色列生物基金共同成立了AION Labs實驗室。

最后還有資本創業、基金孵化的情況，現金流加持充足，甚至于投資人自身轉型AI創業，如科因生物創始人王一愷就曾是峰瑞資本副總裁，成立公司后便獲得了峰瑞資本的投資。

據量子位智庫數據預估，AI制藥市場規模在2025年預計將達到72億，2035年則預計達到2040億。

一時之間，涌入AI制藥賽道的玩家眾多。然而從時局和玩家現狀來看，并無法通過單純的技術實力或資金優勢判斷AI制藥公司的發展前景。

到底誰才是其中真正的玩家、成為最有希望率先上市第一支AI新藥的公司？

誰能率先上市第一支AI藥物？

標準和維度有很多，但業內繞不過的核心維度有4個：

01、管線數量和研發進度

鑒于制藥過程復雜，失敗率高，從臨床審批、研究到最終的上市是一個極其漫長的過程。對于現階段來說，管線數量是實力最直接的體現之一。

前面提到，管線又分為自研管線、對外合作管線（CRO）。

對于自研管線而言，企業可以在特定節點轉讓管線成果，例如新型靶點、候選藥物等；也可以借助CRO推進到臨床階段，一旦研發成功拿到上市專利，盈利會非常可觀。但自研管線的風險同樣明顯：付款方式不明確，和別的公司也會存在在相同的管線上競爭的情況。

因此，在關注AI制藥公司的自研管線時，需要更重視其研發進度，以及所選藥物方向的潛力。

相比之下，CRO模式下的合作管線數量，是更直接判斷一家公司技術實力的方式。CRO指AI制藥公司完成傳統藥企公司的某一特定任務，首付款后，根據任務進度（如藥物發現-合成-完成臨床研究）決定合作價格，又稱里程碑付款。

據量子位智庫估計，國內的管線首付款平均為280萬美元，里程碑價格則根據具體藥物波動較大，完成后最高甚至能達到數百億元。誰拿到的合作管線越多，說明誰的技術實力得到的藥企的認可越多，也有更多的資金投入研發，進入良性循環。

參考國外Exscientia和賽諾菲在2022年年初的一次合作，首付款1億美元，完成任務后將獲得52億美元“天價合同”，折合人民幣約331億元。

據量子位智庫數據，2023-2024年將會出現一批進入臨床二期的AI預測藥物，最早2026年前后會出現首個成功上市的AI藥物。

在藥物上市之前，合作管線數量和自研管線研發進度，是判斷AI制藥公司技術實力的方向之一。

02、穩定可靠的數據來源

對于AI制藥行業來說，除了錢，最缺的恐怕就是數據，傳統藥企一般不愿意將作為核心資產之一的研發數據集外流。

但據量子位智庫了解，目前數據對于頭部AI制藥企業而言并不是問題，甚至能因此在行業中獲得更具競爭力的表現。

因此，如何獲得穩定可靠的數據，也是判斷AI藥企競爭力的一個重要標準。

通常來說，有以下四種方法獲取AI數據，其穩定性和可靠性也逐步提升：

（1）公開/第三方數據集

這類數據對現在的AI制藥行業具有重大意義，但不具備長遠利益，沒法幫助企業獲得核心競爭力。而且，已有靶點可用數據越多，意味著探索越充分、開發價值越稀薄。

（2）虛擬數據

這種數據獲取方法是通過物理建模，由AI生成訓練數據，通常是基于較老的靶點如青霉素等去生產數據，短期來看沒有太大價值，主要是為預測模型提供訓練數據，從而提升預測精度。

（3）自主收集/對外合作數據

對于自研管線/基礎定位明確的公司，可以通過自主構建團隊收集相關數據，或與藥廠達成數據合作關系。

在國外，成立于2015年的Tempus通過向醫院、腫瘤學家、癌癥中心等提供價格優惠的基因測序、數據結構化、病理圖像分析和生物建模服務，自建腫瘤基因組學+臨床數據庫。

它用4年就組建了世界上最大的癌癥數據庫之一，擁有將近1/3的美國癌癥數據庫。

我國的楊森制藥廠就于2020年與Tempus達成合作，并公開表示，合作的主要驅動力不是算法而是數據。

（4）通過智能實驗室，自主生產實驗數據

這一方式主要就是指在實驗室進行的干實驗之外，再直接進行濕實驗自主產生數據，形成干濕閉環。

相比傳統的濕數據獲取速度慢，利用高通量、智能化、自動化、可控制、 CV識別細胞形態等相關技術，可以大幅提高數據獲取速度。

在生物上講干實驗就是通過計算機模擬以及生物信息學方法來進行研究。濕實驗就是通過在實驗室里采用分子、細胞、生理學試驗方法進行研究。

干濕結合實驗有助于AI制藥創企在數據方面打造自己新的競爭壁壘，這一認知已在業內達成共識。

除了生物人才和計算機人才組成的交叉團隊，組建這樣一個平臺還需要強大的硬件支持，包括實驗設備以及計算資源，以及把這兩種資源整合在一起的能力。

目前，國內頭部AI制藥企業，包括百度生圖、晶泰科技和英矽智能都有這樣的實驗平臺。

在資金充足的情況下，國外頭部AI制藥企業，已經出現直接收購帶有獨家數據和技術的上游公司的做法。

如薛定諤收購XTAL BioStructures以擴展自身結構生物學能力，Relay Therapeutics收購ZebiAI獲得其機器學習能力和大型數據庫。

因此，正如量子位智庫分析，傳統制藥企業整體具有數據方面的優勢，但并非來源于過往沉淀的數據，而是其具備的完整的實驗平臺。對于資金充足的AI制藥創企而言，這一壁壘并不高，可以較快更新至同步水平。

03、合作藥廠認可度

隨著傳統藥廠智能團隊的搭建，算法未必能夠成為AI藥企長期的競爭優勢。

前面提到，AI制藥并未打破傳統制藥行業的研發流程，除了搭建自己的實驗室平臺“悶頭搞”，AI制藥公司與藥企的合作同樣重要。

因此，合作藥廠的數量和這些藥廠的行業地位同樣成為一個直觀的評價標準。

目前，頭部AI制藥創企在傳統藥廠的合作上逐漸呈現出壟斷態勢。國外以Exscientia為例，就已披露了和羅氏、拜耳、賽諾菲、GSK、日本住友、Evotec在內的頂級制藥公司的合作。

當然，傳統藥企和AI藥企之間的合作是雙向的：藥廠提供數據庫、專業知識，反過來也需要AI藥企提供技術。

因此，與傳統藥廠進行業務合作，也成為AI制藥公司最常采用的模式之一。

據Deep Pharma Intelligence，截止2020年，在44家世界頭部傳統藥企中，已有93%藥企完成合作布局。特別是在羅氏、諾華、輝瑞等全球TOP 10藥企中，與AI制藥企業的合作平均達到6次以上。

除了合作藥廠的地位及數量認可度，AI制藥公司選擇的CRO公司也是參考來源之一。

在傳統制藥行業中，CRO就具備特殊地位，這一特點在AI制藥行業中也會延續。

AI制藥公司可以成為傳統藥廠的CRO，但反過來說，AI制藥公司也需要自身的CRO，包括數據合作伙伴、用于化驗和實驗的供應商等，以此完成申請審批、數據收集、臨床試驗等任務。

對AI制藥企業而言，對CRO的選擇會在很大程度上影響其臨床項目和商業化進程。

04、突破“AI提效”單一特性

眾所周知，AI制藥目前應用場景之一是提升化合物篩選效率，但這往往是在已有的靶點和化合物數據庫基礎上進行的。

但隨著藥廠內部AI團隊的搭建，新的AI制藥創企的進入門檻正在持續升高，加上目前整個行業的重疊度比較高，大多公司的管線也都已經是基于成熟的靶點進行開發。

換而言之，用AI提升藥物發現效率，在這個行業已經不新鮮了，目前頭部AI制藥企業已經衍生出用AI探索“制藥無人區”的創新能力。

因此，對于新創企業來說，在業務場景或技術上有自己的獨特切入點非常重要。

這可能需要AI制藥企業從底層理論出發，包括對醫藥問題重新定義，創造性地使用物理、化學等多學科視角，重新定義藥物研發中的場景和問題，以多原理彌補AI模型自帶的誤差和不確定性，并提高其效率。

最后，在這四種評判標準下，究竟哪些玩家能率先拔得頭籌？

根據量子位智庫的全球AI制藥格局圖，目前最前端的頭部玩家中，雖然大部分是國外企業，但也能看見像晶泰科技和英矽智能這樣國內玩家的身影：

AI制藥賽道火爆后，不少國外名校博士教授攜項目、理論回國創業，也在快速彌補國內制藥行業技術創新能力不足的情況。

這次，在新技術驅動的制藥創新浪潮中，中國會不會誕生世界級的藥廠？

有趨勢，更有潛力。