作者/星空下的卤煮
编辑/菠菜的星空
排版/星空下的蛋黄酥
2024年是人工智能（AI）热度陡升的一年，诺贝尔奖不但把物理奖给了AI，连化学奖也一道颁给了利用AI技术做蛋白质结构研究的三位科学家。这既是对AI现有成果的奖励，也是对这一领域巨大潜力的肯定。
过去这一年其实也是国内AI制药行业加速演进的一年，不但信立泰（002294）、皓元医药（688131）等药企纷纷入局，正宗概念股晶泰科技（02228）也头顶“AI制药第一股”光环顺利登陆港交所，也是首家以18C规则实现上市的H股公司。而另一家明星企业英矽智能在本年初刚刚宣布获得了超过1亿美元的E轮融资。接连的好消息下，这个尚显稚嫩的赛道似乎一片欣欣向荣。
但其实在医药融资寒冬之下，大量AI制药初创企业其实面临融资困难的窘境。可谓头部公司是热的像火焰，余下的都浸在刺骨的海水里。
一、AI解决研发痛点
众所周知，药物从研发到上市是一个周期很长，耗资甚巨的行为。光是药物发现环节动辄就要耗时7年左右，同时需要6到8亿美元的投入。而在研发过程中，其实包含着很多可以引入AI辅助的环节。
比如在药物发现阶段，AI可以非常高效地进行虚拟筛选，大大提高筛选效率。有研究人员表示，AI模型可以在几天之内完成对数十亿种化合物的虚拟筛选，这速度对于传统手段来说简直难以想象。
此外，基于AI的小分子生成模型已经证实在创造复杂分子结构等方面也有巨大优势。生成式AI可以针对指定靶点来重新设计蛋白质或者小分子化合物，这给日后精准诊疗的发展提供了基础。尤其是蛋白质设计领域，不少AI制药公司都趴在这个赛道上，先驱者Nabla Bio公司已经和阿斯利康等巨头药企达成合作。
当然，AI还可以通过筛选最佳应答的受试者以提高临床试验效率等手段介入到药物研发流程的方方面面，笔者在此不再赘述。总之，人工智能的引入对生物医药产业来讲不吝于一场革命。
药物研发的成本和周期
正是基于这些优势，AI在药物研发领域的实际应用近年来出现了爆发式的增长，在2010年-2021年期间，全球AI驱动的药物研发项目从6个激增到158个。而且AI药物发现质量很高，波士顿咨询的数据显示，AI能把药物发现的整体成功率从5-10%推高到9-18%。截至2023年底，全球AI制药公司已有近九百家之多。
二、中国公司身影频现
中国也是AI制药的热土。
受益于前几年医药创投基金的活跃，不但很多大药企投身其中，一大批初创企业也雨后春笋般的涌现出来。截至目前，国内较为“纯正”的AI制药相关企业有100家左右。2024年底，卫健委等三门还印发了《卫生健康行业人工智能应用场景参考指引》，进一步明确了AI在制药等医疗健康领域的具体应用场景。
2016-2021年中国AI制药初创企业融资金额 来源：头豹研究院
具体到上市公司来说，其实不少咱们耳熟能详的企业已经有所布局。
比如一哥恒瑞医药（600276）2021年引进了AI药物设计软件Makya，还搭建了被称为“恒瑞-灵枢”的研发平台，可以支持靶点发现等研发场景。信立泰去年宣称已经建立了AIDD团队和研发平台，并已交付了4个先导化合物。皓元医药在今年初投资者调研活动中，表示和德睿智药、英矽智能等AI制药企业建立了战略合作关系。当然，华东医药（000963）等公司也纷纷表示搭建起了人工智能辅助研发平台。
可以看出，很多中国药企都不愿意错过AI这场盛宴，但对现阶段的AI又信任/投入有限。大家异口同声地表示布局了投入了搭建了，但似乎还应用不多，毕竟国内药企手里的管线都已经不少了。
相对于这些已经上市的规模药企而言，血统纯正的AI制药初创企业往往是通过对外授权管线来实现商业变现。
比如英矽智能在2023年9月把USP1抑制剂ISM3091的全球权益授予Exelixis，获得了对方0.8亿美元的预付款；今年1月又披露与美纳里尼达成了总额5.5亿美元的授权许可。国内药企也在和AI初创企业合作，像健康元（600380）2023年拿下了费米子科技旗下镇痛新药FZ008-145的独家权益，百济神州（688235）引进了Ensem Therapeutics的差异化CDK2抑制剂ETX-197。根据研究机构的统计，中国AI制药企业2024年直接参与的管线交易多达5起。
国内AI+新药企业商业模式统计情况 来源：智药局、蛋壳研究院
三、数据孤岛亟需打破
就在这些头部公司业务有序铺开的同时，其实更多的AI制药初创企业挣扎在生死边缘。根据业内统计，除了个别公司走到C轮往后之外，国内绝大多数AI制药企业仍然处在A轮甚至天使轮、种子轮。在2022年以来生物制药领域投融资金额明显收缩的背景下，能顺利获得下一轮融资的公司恐怕并不多。
这和这个细分赛道的痛点有关，比如数据。医药领域的数据是高度保密的，尤其是研发阶段的数据不可能大量公开，所以相较于通用的AI模型而言，制药领域可利用的数据非常有限，而且数据质量也不甚理想，往往存在缺失和误差等情况。但AI模型如果想实现更多的功能，那就必须通过“投喂”大量数据去做训练和迭代。
可以说，特殊的行业背景直接制约了AI制药的发展。其实现有业务上对此也有所反映，目前国内AI驱动的管线往往集中在成熟靶点，这些靶点更可能有数据支持。而对于鲜有涉足的靶点，现阶段AI能做的还相对有限。
在人工智能风起云涌之际，AI对于生物医药而言早已迈过了萌芽期，成长为驱动药物研发每个核心环节的新动能。但在这个门槛极高的产业中，对AI的要求也会相应地提高。所以笔者认为，在这个融资热潮已过的环境中，只有真正建立领先优势的头部企业才能存活下来。而且纯正的AI制药公司受到融资环境倒逼，恐怕比应用AI的传统药企更能实现跨越式的裂变。
注：本文不构成任何投资建议。股市有风险，入市需谨慎。没有买卖就没有伤害。
