Inner Mongolia NVIDIA Biotechnology Co., Ltd.

2024年11月，美国知名风投公司Atlas Venture发布了年度医药投融资环境回顾视频，分为两部分：市场背景和生物科技生态分析。Atlas Venture从资本（Capital）、合作（Collaboration）、社区（Community）和文化（Culture）四个维度，深入探讨了生物科技行业的生态环境。 一、市场背景 1. 对比4大指数，生物科技板块表现最差 过去五年，科技巨头（纳斯达克100指数）上涨超过150%，标普500指数上涨超过100%，大健康板块（XLV）紧随其后。而生物科技板块（XBI）明显落后于其他主要指数。 过去三年，生物科技板块（XBI）呈现相同趋势，受新冠疫情泡沫的影响，面临下行压力。 去年，生物科技板块（XBI）整体上涨了10%，但依然未能赶上其他指数，如大健康板块和标准普尔500指数。 2. 减肥药公司股价回报表现出色 五家减肥药公司（礼来、诺和诺德、安进、Zealead、Viking）的股价回报率高达93%，是七大科技公司（苹果、微软、亚马逊、谷歌、特斯拉、Meta和英伟达）平均股价回报的两倍，且超过了标普500指数等其他主要指数的表现。 3. 减肥药重塑整个行业排名 2014年，市值前五的医药公司依次为强生、罗氏、诺华、辉瑞和默克。到2019年，这五家公司仍位居前列，尽管排名有所变动。今年，由于减肥药业务的推动，礼来和诺和诺德成功跻身前五，特别是礼来在2014年还未进入前十名。而辉瑞则直接滑落至榜单末位。 4. 礼来（Lilly）和诺和诺德（Novo）的市值涨幅使所有生物科技公司相形见绌 从2021年到2024年，礼来和诺和诺德的市值累计增加了1万亿美元。对比之下，过去25年（2000年至2024年）上市的700多家生物科技公司，其未退市的300家公司总市值为3500亿美元，再加上过去24年被收购的300家生物科技公司市值也未超过1万亿。过去三年，礼来和诺和诺德创造的市值增量已超过过去25年所有上市生物科技公司合计的市值。 5. 减肥市场很大，但是AI/ML更大 英伟达的市值为3万亿美元，接近全球前十大医药公司总市值。从营收来看，前十大医药公司年收入为5000亿美元，是英伟达的5到10倍。但从销售数量来看，前十大医药公司在美国销售了约5亿处方药，而英伟达仅售出了50万片高端GPU。 二、biotech生态环境 （一）资本 1. 整个股权市场呈现增长趋势 过去十年，股权市场经历了显著的增长。回顾2010年代初期，每个季度的股权投资（包括风投、IPO以及后续融资）大约为50亿美元。今天，这一数字已飙升至每季度150亿美元，增长幅度不容小觑。然而，这一路增长并非没有波动。2015年、2018年以及新冠疫情期间，市场曾经历过几次泡沫。尽管如此，整体来看，股权市场呈现出强劲的增长势头。 2. 后续公开发行（FOPO）：上半年创纪录 根据过去十年生物科技行业的后续融资数据，今年第一季度的融资金额已跻身历史第二高位。2024年上半年，生物科技领域的后续融资总额达到270亿美元，比2020年增长了10亿美元。这一增长背后，主要得益于管线临床数据的积极进展和研发突破，推动了投资者的信心和资金流入。 3. IPO：上半年挑战重重，下半年有望回暖 2024年的IPO市场正在逐步回升。2022年，IPO市场处于低谷，而到2024年底，预计将迎来17或18个IPO项目的“萌芽”阶段。尽管如此，每季度10至15个IPO的数量仍然接近过去10年的平均水平，市场复苏势头尚需进一步观察。 4. IPO投前估值大幅上升 根据过去10年的数据，今年IPO的投前估值已超过4.5亿美元，是2014年的三倍多。在疫情期间，投前估值的波动幅度大约在±10%之间。而今年的显著变化在于，这些高估值大多由临床后期产品的支持所驱动。因此，约60%的公司在IPO后股价出现了上涨，显示出市场对成熟产品的强烈认可。 5. IPO僵局：大量公司等待破局 根据Leerink的分析，目前有超过125家已完成后期融资或交叉融资的公司在等待上市。这些公司中的许多已经准备好提交S-1文件，但仍面临着不少选择的难题。除了继续推进IPO，不少公司正在考虑其他途径，如反向并购或寻找收购伙伴。现实情况是，很多公司可能将在接下来的1到2年内重新回到私募市场，在挑战性的估值环境下进行再融资。 6. 风投资金：传统VC仍占主导，交叉融资逐渐活跃 今年每个季度的风投资金约为60至80亿美元，是10年前的三倍左右，但仍低于疫情期间的水平。大部分资金来自传统风投机构，但交叉融资也日益活跃，尤其是主权财富基金和家族办公室等参与者的增多。此外，优先股条款逐渐向后期投资者倾斜。在今年完成的融资轮次中，约50%的公司融资金额持平或有所下调，反映出当前市场环境下的谨慎态度。 7. 风投资金：集中在少数公司 回顾过去10年，生物科技领域的“Mega-round”融资数量发生了显著变化。如今，每个季度都有超过25笔金额超过1亿美元的融资交易，其中5笔融资额超过2亿美元。与10年前相比，当时的Mega-round融资量仅占市场资金的25%，交易量也不到5%。而今天，Mega-round资金量已占到约65%，交易量占比也上升至15%。 更值得注意的是，如今平均融资额与中位数之间的差距接近2800万美元，创下了过去10年来的最大差距，这进一步表明市场资金正越来越集中在少数几家公司。 8. 创业活动：健康的资金紧缩仍在持续 从初创企业的首次融资数据来看，2024年的融资总额相比过去几年有所增长，尽管这一增长受到几笔大额交易的影响。然而，融资的公司数量并未显著增加，仍与10年前持平。这反映出投资者对过早投资初创公司保持谨慎态度，资金越来越集中于少数具有高潜力的公司。 （二）合作 1. 生态合作共赢：外部创新推动研发成功 近年来，生物科技领域的创新合作日益增强。新药的研发中，来自生物科技公司的贡献比例持续上升，从2014年的35%增至2024年的72%。在全球TOP20的管线（基于预测价值）中，47%来自外部创新，这凸显了外部合作在推动研发成功中的关键作用。 如今，大多数公司都在积极寻求合作与许可交易，从大型企业到初创公司，跨公司合作和外部许可变得愈加重要，为药物研发注入了新的活力和动力。 2. 许可交易：数量下降，但交易额上升 与2020年相比，2024年的许可交易数量大幅下降，约减少了50%至60%，今年预计约有400项许可交易。然而，值得注意的是，尽管交易数量减少，交易额却比10年前有所上升，显示出市场对高价值交易的关注度不断提升。 3. 收并购：2024年交易集中于小额并购 2024年，生物科技领域的收并购活动呈现出小额交易的趋势。大药企仍然在寻找补强性收购，但相比过去几年，交易规模明显缩小。过去五年中，最大的收购交易额均超过100亿美元，而2024年最大的交易额为49亿美元，由Vertex收购Aplin Immune Sciences主导。 这种变化的背后，可能与对美国联邦贸易委员会（FTC）监管的担忧有关，企业更加谨慎地进行收购操作。 4. 私有公司收并购升温：交易额保持稳定 2024年，私有公司在收并购中的交易额保持稳定，约在100亿到120亿美元之间，共计25项交易，平均每笔交易额超过1亿美元。这表明私有公司在并购活动中依然活跃，且交易规模较为可观。 5. 大公司火力全开：2025年交易将迎高峰 大药企和大型生物科技公司拥有强大的债务能力和充足的现金流，这使得它们在收并购活动中保持高度活跃。预计到2025年，这些公司将会进行大量交易，进一步加速行业整合。 （三）社区 1. 社区：人才市场火热但降温迹象明显 2024年，美国生物科技行业的员工流动率为20.6%，其中约一半为非自愿流动。这主要源于公司裁员和业务重组，自2023年以来，超过320家生物科技公司实施了永久性裁员。同时，非自愿流动率达到过去几年的最高值，进一步反映出行业人才市场的降温趋势。 2. 各类需求下降，行业面临挑战 目前，生物科技行业的各类需求出现了明显下降。实验室需求下降了66%，GMP设施需求下降了75%。这一变化标志着行业进入了20年来最具挑战性的租户市场。此外，投行业务也受到影响，交易费用显著下降，尤其是ECM和M&A的费用整体下降超过40%。 在金融服务领域，生命科学行业的整体收入下降了25%，其中IPO数量减少，审计和财务准备项目也有所减少，反映出行业活跃度的整体下滑。 （四）文化 回归实验室：重拾面对面交流 数据显示，目前不到50%的员工在办公室工作，导致工作交流的缺乏。为了推动创新，特别是在新药研发领域，个人和团队需要回归实验室和办公室环境。虚拟工作虽然便捷，但无法替代现场互动和深度合作，这对于新药研发至关重要。 三、总结 1. VC资金集中度显著提高 今年，风险投资（VC）行业募集了大量资金，总额超过250亿美元，涉及40多个基金。资金的集中度也显著提升，这意味着越来越多的资本集中在少数顶尖基金中。这样的趋势不仅反映出投资者对市场的信心，也促使VC行业在寻找高潜力项目和创新领域时，面临更大的竞争压力。 2. 十年来biotech所占风险投资份额相同 过去十年，biotech在风险投资中的占比保持稳定，始终维持在10%至15%之间。2024年，这一比例为13%。这一趋势表明，尽管市场环境发生变化，生物科技依然是风险投资的一个重要且稳定的投资领域，吸引了大量资本的持续关注。 3. 风投回报：2021年后有所减弱，但表现出色 尽管在2021年后风投回报有所减弱，但总体表现仍然优秀。从1年期来看，所有风投基金的回报率低于XBI和Russell 2000指数；然而，从5年期的表现来看，风投基金的回报率却超过了这两个指数。值得注意的是，排名前四分之一的风投基金在1年期和5年期的回报率都明显优于XBI和Russell 2000，显示出它们在长期投资中的竞争力和出色的增长潜力。 参考资料 Atlas Venture 2024 review 药事纵横征稿启事

导读 THECAPITAL 好运能不能被创造 本文5295字，约6分钟 作者 | 曹毅 来源 | 雪豹财经社 在11月13日的英伟达日本峰会上，英伟达CEO黄仁勋对台下观众爆料：“你们可能不知道，曾经有一段时间，孙正义是英伟达最大的股东。” 话音刚落， 同台的软银集团CEO孙正义立即抱住黄仁勋，假装哭泣，现场一片哄笑。 英伟达最新市值达到3.48万亿美元。如果孙正义在2019年时没有将软银所持有的近5%英伟达股份清盘出售，今天将有超过1500亿美元的账面收益。 孙正义对此也追悔莫及。“想起那些我错过的事情，真是令人沮丧......我错过了一条大鱼。” 没有人能真正说清楚，一笔成功的投资，几分靠实力，几分靠运气。 硅谷的风险投资诞生于一场“背叛”。 1957年夏天，半导体之父威廉·肖克利（William Shockley）公司的8名博士研究员由于受够了肖克利的高压领导，决定集体出走，另谋高就。 在那个推崇格雷厄姆和巴菲特价值投资理念的年代，没人愿意投资高风险的科技公司。最终，在投资家阿瑟·洛克（Arthur Rock）的牵线搭桥下，这8名博士研究员拿到了足够的启动资金，创立了仙童半导体（Fairchild Semiconductor）。 仙童半导体的成立，打破了等级、权威和“忠诚工作几十年，最终戴着金表退休”的传统职场观，使得困在等级制里的企业人才得以解放。风险投资也开始从传统银行分离出来，成为一种新的投资门类。推动仙童半导体成立的洛克则被誉为“硅谷风险投资之父”。 此后的投资生涯中，洛克也有着辉煌的战绩。据《时代》杂志，通过对仙童半导体、英特尔、苹果等公司的投资，截至1984年，洛克的个人财富至少已达到2亿美元。不过，他并不热衷于谈论自己的财富，只是以创投公司的名义做交易，在一间位于旧金山金融区的普通办公室内工作。 洛克将自己的成功归于好运：“我是全世界最幸运的人。像我所投资的那些企业的创始人，全世界加起来也许只有一百来个，我却有幸认识其中十个。这不是运气是什么？” 这究竟是强者的自谦之词，还是事实果真如此？ 慧眼识炬，还是运气加持？ 许多公司在创立初期没有完善的业务体系和商业模式，在这个阶段，风险投资人唯一能确定的只有一个因素：被投资者的潜力。 正如硅谷知名投资人科斯拉（Vinod Khosla）所言，风险投资是一场“九死一生的登月式探险”。而那些最初做到“慧眼如炬”的投资人，在获得巨大财富后也难免被认为有运气的加持。 在《原神》诞生前，没有多少人愿意相信热爱二次元的“技术宅”会拯救世界。 2011年，当二次元游戏赛道不被外界看好时，斯凯网络CEO宋涛“突然”出现，对现金流日益枯竭的米哈游来说如同一场及时雨。这一年年底，米哈游用15%的股权从宋涛那里获得了100万元天使轮融资，此轮融资也是米哈游自成立以来唯一的融资记录。 低调的宋涛没有公开透露过他当年看好米哈游的缘由，外界只知道斯凯网络原本是一家做塞班系统游戏的公司，在iOS与安卓系统崛起后，不得不找寻新机会。在一些行业人士的眼中，斯凯网络“捡漏”成功，成为他们无法释怀的痛。 据胡润研究院《2024全球独角兽榜》，米哈游估值如今达到1600亿元。在《新财富》杂志公布的2023年《新财富500富人榜》中，米哈游三位创始人蔡浩宇、刘伟、罗宇皓分别以553.5亿元、305.1亿元、288.9亿元的身家位列第54位、第114位、第119位；宋涛则以202.5亿元的身家排在第180位。 纵观风险投资的历史，类似的案例还有很多。 1976年，迈克·马库拉（Mike Markkula）在红杉资本创始人唐·瓦伦丁（Don Valentine）推荐下来到了乔布斯与沃兹尼亚克创业的车库。在目睹两人拼凑的个人计算机后，马库拉决定帮助他们，并在此后以9.1万美元的自有资本入股苹果，换取苹果26%的股份。 当时，包括英特尔、惠普在内的大公司都不看好个人计算机的发展，甚至唐·瓦伦丁等知名风险投资人也因为乔布斯所展现的“反主流文化”特质而错失先机。反而是非风险投资人出身的马库拉最先在苹果身上看到了机会，成为了“硅谷第一位天使投资人”。 在中国商业界，“风险投资”这个名词是在20世纪90年代末热起来的。随着互联网公司的崛起，风险投资找到了合适的对象。 1996年，王树被IDG委派到深圳找项目。他成日在深圳、珠海、中山等地的科技园碰运气。到了科技园，打开企业花名册，凡是公司名称里有“科技”两字的，都去拜访。 在他的湖南大学校友、A8音乐创始人刘晓松那里，王树得知了因没钱买服务器而快要撑不下去的腾讯，后者推出的聊天工具OICQ的注册用户数当时已超过100万，但看不到任何变现的希望。 据吴晓波在《腾讯传》一书中描述，在与马化腾的会面中，王树意识到，OICQ是一个前途未卜的项目。如果IDG不给钱，腾讯可能马上死掉；给钱的话，前景也不明朗。他一边翻着商业计划书，一边漫不经心地问马化腾：“你怎么看你们公司的未来?”马化腾沉默了好一会儿，说“我也不知道”。 很多年后，王树回忆说，正是这个回答让他对马化腾另眼相看。他由此判断出马化腾是一个很实在的领导者，值得信赖和合作。 腾讯另一位早期投资人，南非MIH中国业务部副总裁网大为（David Wallerstein）则是在无意中发现腾讯的，他每到一个城市就去当地网吧逛，看看那里的年轻人在玩什么游戏。结果，他发现几乎所有网吧的桌面上都挂着OICQ。 2001年，MIH以3400万美元投资腾讯，以32.8%的股份成为腾讯第二大股东。获得投资的腾讯从此摆脱了资金短缺的困扰。 孙正义与马云，最初相遇于1999年10月底在北京举行的一场会议上。 见到马云后，孙正义当场提出希望投资4000万美元，以换取阿里巴巴49%的股份。据孙正义回忆，他从马云的眼神里看到了领袖的魅力。 在双方不久后举行的第二次会面中，作为阿里巴巴当时的主要股东，时任高盛集团私募部门亚洲区主管的林夏如建议，软银投资2000万美元以获得阿里巴巴20%的股权，这一投资金额是林夏如和跟投者们三个月前投资额的10倍。就像投资雅虎时做的那样，孙正义没有犹豫，立刻就答应了下来。 站在终局的视角回看，孙正义实际投资阿里巴巴的时间是2000年之后。紧接着，那场发生在21世纪初的互联网泡沫破灭，曾让孙正义的身家一日之内至少蒸发98%。 如果孙正义和马云的相遇晚半年，两人就会彼此错过，孙正义也不会获得日后让他再次复出的跳板。 在2019年的东京论坛上，孙正义坦言，他不是马云的导师，马云才是他的贵人。他在第一次见到马云时，5分钟就被对方打动，并坚信阿里巴巴会成功。 幕后辅助 运气固然重要，但外行人往往忽略风险投资人对初创公司的贡献。 与在前台扮演主角的创业者不同，风险投资人一般是在幕后担当辅助，指导创始人如何前进。 1976年，决定帮助苹果的马库拉意识到，虽然沃兹尼亚克和他的计算机很棒，乔布斯也具有成为传道者的巨大潜力，但这两位年轻人永远都不会写商业计划书，要看到商业计划书的唯一办法就是自己写一份。 凭借他写的这份商业计划书和个人资产作担保，马库拉向美洲银行借到了25万美元的贷款，并将这些钱投给了苹果。 马库拉还意识到，在当时只有公司、大学和政府使用计算机的情况下，苹果如果想达到所预期的规模，就需要一位市场专家，而这份工作的最佳人选就是他本人，原因是他不仅懂营销，还知道如何在潜在客户与那些嬉皮士们敲敲打打做出来的东西之间搭起一座桥梁。 在马库拉的推动下，斯科特与卡特此后相继加入苹果。这三位曾在半导体公司担任过中层经理的中年人，构成了苹果最早的企业经营核心。 此外，马库拉提出的苹果营销哲学也深深影响着乔布斯。乔布斯曾说过，马库拉的观念与自己十分一致。“当你打开iPhone或者iPad的包装盒时，我们希望那种美妙的触觉体验可以为你在心中定下产品的基调。这是马库拉教我的。” 直到今天，马库拉当年教授乔布斯的营销三原则仍在指引着苹果：共鸣、专注与灌输。 不是每位风险投资人都能像马库拉那样，亲自参加公司运营并指导创始人如何去做。 在公司发展的关键时刻，有些投资人能站出来为公司出谋献策，也有些投资人牵线搭桥，为公司寻找宝贵的融资机会。 美团和大众点评的合并，造就了一家比Paypal 被出售给eBay时规模大10倍的公司，而这背后与风险投资人的助推密切相关。 据塞巴斯蒂安·马拉比（Sebastian Mallaby）在《风险投资史》一书中描述，作为从“千团大战”杀出来的两位赢家，美团与大众点评的创始人王兴与张涛，都从红杉中国那里获得过投资。2015年年初，双方试图开启新一轮的“烧钱大战”以干掉对方。 但到了这一年的夏天，双方都未能筹集更多资金以继续作战。美团方面，王兴拜访了沈南鹏并要求他重启合并谈判。大众点评方面，投资人们一致要求公司创始人能够接受王兴的提议。 9月19日，在沈南鹏和刘炽平等投资人的斡旋下，王兴和张涛来到了香港W酒店。午饭后，沈南鹏和刘炽平向两位创始人保证，虽然合并会是一个痛苦的决定，但这个痛苦是值得的。经过对每个细节的讨论后，当晚，王兴和张涛就合并的大致框架达成一致。 字节跳动最早的资金来自张一鸣的熟人，比如海纳亚洲投资人王琼和几位张一鸣熟识的天使投资人。 2012年10月，字节跳动旗下核心业务今日头条已拥有超过1000万用户，张一鸣希望以这个旗舰产品为核心去推进B轮融资，但过程并不容易。 作为字节跳动的A轮投资者，王琼曾保证将牵头为张一鸣的初创公司进行下一轮融资。她把张一鸣介绍给了至少20位从事风险投资的朋友。但他们全都不看好字节跳动。甚至有位投资人只谈了15分钟就离开了，后来还向王琼抱怨“光看这个年轻人的样子，就不符合我的投资风格”。 当几乎所有风险投资者都拒绝字节跳动后，“白衣骑士”来自地球的另一边。 有一天，王琼联系旧金山的华裔企业家黄共宇，问他在美国有没有熟人有兴趣投资，一个名字立刻出现在了后者的脑海里：尤里·米尔纳，原因是这位来自俄罗斯的科技投资者曾投资过自己的初创公司。 尤里·米尔纳的投资公司数码天空科技（DST）当时已在北京设立了办事处。作为DST北京办事处的合伙人，周受资在与张一鸣的会面中对他的能力表达了认可。 2013年9月，字节跳动获得由DST牵头的1000万美元B轮融资，解决了资金难题，并从民房改建的办公室搬到了正式的办公楼。 好运可以被创造 在历史的任何版本中，只有极少数赢家成为超级明星。每一次风险投资的成败似乎都取决于偶然性：投资人要么收到了随机推荐，要么偶遇有灵感的年轻人。 如果宋涛没有遇到米哈游，马库拉没有接受瓦伦丁的建议去造访苹果，孙正义在北京没有遇见马云……结果会有不同吗？ 没人知道答案，但一位名叫马修·萨尔加尼克（Matthew Salganik）的博士生做的一项实验，或许能给我们一些启示。 萨尔加尼克创建了一个网站，收录了很多不知名艺术家的歌曲。参与者被随机分配到不同的虚拟房间，再由每个房间选出各自的热门歌曲。 不同的排名组合就这样产生了。比如，一首名为《禁闭》（Lockdown）的歌曲在一个房间排名第一，但在另一个房间排名第四十。 他的研究结果为评判风险投资提供了一个参考，即引起轰动的作品在很大程度上是随机产生的。如果能模仿实验，让历史重来几次，一件作品能否成名，一项投资能否成功，其结果也会是随机的。 顶尖的风险投资人有没有可能有意识地创造属于他们的好运，并通过系统性工作，进而增加好运发生的概率？ 2010年，刚刚接过红杉资本美国分部风险投资业务的鲁洛夫·博塔（Roelof Botha）开始构建“侦察员计划”。 博塔发现，随着成长型投资的出现，企业家们从初创企业中获利的时间越来越晚，导致一些活跃的企业家的财富被捆绑在他们的公司中，因而缺乏现金进行天使投资。 于是，博塔和他的合作伙伴想出了一个解决办法：“我们给你10万美元来投资，如果成功，我们拿走一半的收益，作为侦察员的你可以保留另一半。” 这样的安排为红杉资本带来了更多的投资线索，意味着那些已经成功的顶级创业者可借此为红杉资本寻找下一批创业者中最耀眼的明星。由此，天使投资与风险投资之间的竞争，被红杉资本转变为一种加深同下一代创业者联系的机制。 在对癌症检测初创企业“健康护卫”（Guardant Health）的投资案例中，侦察员对它的投资促使红杉资本跟进A轮投资，最终为红杉资本带来了超过10亿美元的收益；在对第三方支付应用“条纹支付”（Stripe）的投资案例中，侦察员让红杉资本在对手发现它之前占得先机，促使红杉资本成为条纹支付种子轮融资的最大投资人。到2021年，条纹支付价值约为950亿美元，红杉资本的股权价值约150亿美元。 在博塔构建“侦察员计划”的同时，红杉资本另一位合伙人吉姆·戈茨（Jim Goetz）也在用自己的方式寻找着好运。 2010年至2015年，红杉资本在美国最成功的投资是聊天软件WhatsApp。在Facebook收购WhatsApp后，起初投资6000万美元的红杉资本获得了30亿美元的回报。 在这个案例中，戈茨构想了一个被称为“早起的鸟”的系统，帮助他从苹果的应用商店中寻找有用的投资线索，通过编写代码，使其可以跟踪60个国家的消费者的软件下载量。正是基于这样的数据侦察，戈茨注意到了当时在美国并不出名的WhatsApp，比竞争对手发现它之前见到了WhatsApp的开发者。 凭借连同这项投资在内的几项成功投资，戈茨连续4年占据“最佳创投者名单”的首位，直到2018年，他在红杉中国的队友沈南鹏才接过了这个位置。 如果说“人为巧合”存在的话，优秀的投资人就是在有意识地制造这种巧合。 曾为红杉中国创始人之一的张帆早年在接受采访时表示，工作中能否迅速不断提高，最重要的在于是否善于学习。“很多行业都是我们以前不了解的，但是我们要在最短时间内把住一个项目的脉，成为这个行业内有发言权的投资专家，这就需要有很强的学习能力。这种学习也可以说是一种积累，时间长了就会成为一种本能、一种眼光、一种识别能力。” 或许，你也可以学着创造属于自己的好运。 # 线索爆料 # rzcj@thecapital.com.cn 融中官方粉丝群  在这里，你可以获取丰富的股权投资行业资讯、热点报道；前沿行业报告、重点课题研究、最新业内动态。链接资本，连接市场，联结资源，共同打造创投交流新平台、合作共赢朋友圈。 END 媒体合作：010-84464881 商务合作：010-84467811 转载请点击菜单栏-联系我们

2024的医疗AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式AI掠过医疗领域。过往的互联网医疗、医学影像、新药研发……一个一个场景经由新一代AI重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察场景、技术、风控、商业化等方方面面，才能做出决定。 因此，今年的人工智能报告将研究核心放在了“场景”与“产品”之上，尝试通过洞悉医院、药企、械企多方的供需逻辑，分析先驱者们的实战案例，为AI企业下一步的布局、选品、研发、商业化提供参考建议。 什么构成了医疗AI产品配置动力？ 拆解医疗AI的配置需求，大致可分为政策驱动与提效驱动两个方面。 在AI发展之初，政策驱动在医疗AI落地的过程中起主导作用。政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自2016年起便开始围绕AI出台相关政策，从宏观角度出发，推动AI技术在医疗领域的应用，提高医疗服务效率和质量，最终实现医疗行业的智能化升级。 推动医疗AI发展的核心宏观政策(资料来源：蛋壳研究院) 对于医院以外的场景，同样有部分赛道需要沿着政策的方向提前布局。以生物制药为例，“722”事件后，NMPA（当时为CFDA）相继发布了《关于开展药物临床试验数据自查核查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内EDC、RTSM市场的繁荣，太美医疗等企业在系统中植入AI，使其顺势成为药企数字化的关键要素。 如今FDA鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的进一步开展转型。以eCOA为例，美国约80%的临床研究都以eCOA的形式进行，欧洲也有60%依照这一路径，而中国只有不到5%的申办方使用了eCOA。当出海“欧美”成为大势所趋，FDA的政策也将传导至中国的药企。目前，Medidata、Veeva等企业已将AI融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。 与政策主导下的AI需求不同，早期提效主导下的AI需求没有引导、没有给定的形态。它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当AI解决这一痛点时，能够为医院带来直观的收益。 众多场景之中，影像AI是最早出现也是最为直观的例子。作为AI领域应用最为广泛的应用之一，此类AI能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。 随着AI的进一步发展及医生对于AI技术的进一步认可，许多医生、管理者开始找到AI企业主动提出需求，要求后者根据具体需求打造能够提质增效的AI解决方案。 举个例子。DRG出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医疗IT系统不能满足医院精细化管理提出的各种需求，医院管理者转向AI系统寻求助力，形成了提效主导下的AI购置动力。 诸如此类的场景还有很多，尤其是当医疗机构逐步完成政策定下的基础要求，他们开始主动需求智能化升级，提升竞争力。在没有新政策出台的前提下，提效主导下的AI购置动力将逐步取代政策主导下的AI购置动力，引导医疗AI的未来发展路径。 自我突破，医疗AI形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医疗领域中的绝大多数场景。 先谈医学影像。统计有过融资记录的人工智能初创企业与公布产线的上市公司，蛋壳研究院总计对64家企业进行梳理，调研总计436个产品，覆盖了几乎所有脏器。 许多热门脏器的人工智能已经非常成熟，能够实现高精度的多病种辅助诊断，如心脏（70）、骨骼（58个）、头颈（53个）、肺部（44）等部位。一些冷门脏器也在开发之中，如肠道（5个）、泌尿（4个）、整腹（2个），部分产品已经取得了医疗器械注册证，能够实现一定程度的商业化。 2024年1-9月通过第三类医疗器械注册准入的医疗AI产品(资料来源：国家药监局官网) 再看病种，心脑血管、骨关节、肺结节、肿瘤（放疗）、眼底是当前最火热的病种，市场上的同类产品超过15种；布局肠息肉、泌尿相关等疾病的企业较少，细分赛道相对冷门。 形势背后的原因可归纳为三点： 1. 伴随标准化医疗数据获取难度的降低，市场需求全面主导影像AI的研发方向。肺癌在我国恶性肿瘤中发病率和致死率均居首位，每年死于肺癌的病人大约是65万。因此，医疗体系对于心血管AI、肺癌AI的强烈需求驱动企业围绕对应疾病进行研发。 2. 以脏器为目标的诊断取代了以单一病种为目标的诊断，驱动企业基于脏器进行全面布局。过去，影像AI的研发落地常围绕某一特定疾病进行，但影像科医生在阅读CT、X光片时，不会先入为主预设患者的患病情况，而是会逐一确认影像中的每一个细节，这种辅助模式限制了影像AI的价值。如今，影像AI企业为实现某个脏器的诊断，必须将该脏器中的热门病种逐一诊断，进而导致热门病种对应的影像AI数量激增。 3. 冷门病种虽然独立，但仍有潜力。病理、心电等场景同样存在工作量大、相关医疗资源缺乏的问题，是医疗AI落地的优质场景，但由于这类场景不属于医疗影像，主流AI公司较少跨界这一方向。此外，不少仅需二类证即可实现商业化落地，因而产品竞争相对平淡。不过，如今也有不少相关AI获批医疗器械三类证，用AI深度赋能上述细分赛道，或在未来改变这一场景的应用逻辑。 其次是医疗IT。评级仍是医院配置AI主要动力，5级以上的电子病历评级需要医院在数字化建设的基础上实现智能化部署，这意味着他们必须引入AI工具，并将其高度整合至已有的信息化体系。 2023年8月，中国医学科学院阜外医院成为国内首家获得8级电子病历评级的医院，突破了中国医疗信息化建设水平的上限。截至此时，全国总计312家医院获评高级别电子病历评级，其中1家医院获评8级，3家医院获评7级、40家医院获评6级、268家医院获评5级。 电子病历系统整体应用水平分级评价基本要求（资料来源：公开信息整理） 未来会有更多医院向电子病历高等级评级发起“冲刺”。尤其是作为高级别的入门等级，5级评级依然存在很大通过难度，未来数年内三级医院冲5望6将是主流。将为人工智能带来巨大机遇。 8级电子病历需要达成的条件（资料来源：公开信息整理） 最后谈制药AI。自2020年制药AI在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。此前，AI主导的进入临床试验阶段的创新药项目仅为个位数。2021年这一数字已迅速增长至100多个，2022年维持增势突破200，2023年进一步提升，管线数量迈入300大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等MNC相继入局AI制药，国内恒瑞医药、石药集团等制药龙头也通过战略合作、股权投资等方式积极布局AI，试图通过创新技术找到研发药物的新途径。 不过，2024年的制药AI发展步伐明显放慢。 蛋壳研究院选取了39家主流制药AI公司的管线进行了调研。2023年10月31日统计数据，上述企业共有95条进入临床研究的管线，截至2024年9月1日，仅5条产线更新了最新的临床情况，进入新的阶段。 2023年10月31日—2024年9月1日更新了临床情况的管线 （资料来源：蛋壳研究院、、动脉橙产业智库） 剩下的管线中，总计有15条管线/适应症被企业从官网撤下或宣告停止。其中，临床Ⅰ期管线总计3条，占比20%，临床Ⅱ期管线总计9条，占比60%；临床Ⅰ/Ⅱ期管线总计3条，占比20%。 39家主流制药AI公司停止或被撤下的管线 （资料来源：蛋壳研究院、动脉橙产业智库） 同时，上述企业新增16条管线/适应症，与停止或被撤下的管线数量持平。这些管线中，有近一半管线来自于中国持股的AI制药企业，英矽智能、埃格林医药、冰洲石生物、剂泰医药（晶泰科技持股）占据了其中的7席。  39家主流制药AI公司新增管线/适应症 （资料来源：蛋壳研究院、动脉橙产业智库） 但放眼全球，AI制药依然充满生机。其中，英伟达近两年在该赛道频繁出手“疯狂扫货”成为AI制药回暖的重要推手。据Pitchbook、Crunchbase及动脉橙产业智库数据，英伟达在2023年及2024年（截至2024年9月5日）共参与投资超过70起，所有投资无一例外，均与AI相关，而其中至少投注AI制药企业14家，医疗其他领域企业8家。 2023年—2024年8月英伟达投资的AI制药企业 （资料来源：Pitchbook、Crunchbase、动脉橙产业智库） 此外，近两年MNC与AI新药研发及AI驱动的相关医药企业之间的合作交易也增幅显著。J.P.Morgan数据，生物制药行业交易的预付款份额自2020年来呈下降趋势，其中2024年上半年的预付款比例仅为6%。药物研发的高风险高投入属性，小额预付款无疑降低了交易的经济风险，该现象也反映了MNC在BD交易时日趋谨慎的态度。在此背景下，MNC资金更多流向AI医疗领域更是“用脚投票”，肯定了AI制药的价值。 大模型之下，生成式AI何以颠覆医疗？ 一如当年深度学习的火热，新兴的大模型正以肉眼可见的速度席卷医疗行业。不到两年时间，市面上的医疗垂直模型数量已逾百个，甚至有不少头部医院要求主动上线相关平台，自发开启人工智能次世代的探寻。 不过，科技医疗要想在医疗领域站稳脚跟，不仅需要技术本身具备充分创新，还需要相应产品高度适配于场景本身，融入医疗体系已有的流程。换句话说，属于大模型的历练，才刚刚开始。 在资本支持、市场需求推动下，医疗大模型发展迅速，不到两年时间，市面上发布的医疗垂直模型数量已逾百个。据蛋壳研究院不完全统计，2024年截至9月10日，收集到新发布的医疗大模型39个。 按蛋壳研究院《2023年医疗人工智能报告》中的九大大模型应用领域分类，近30%的大模型适用于2个及以上分类中的应用场景。其中，“辅助决策”“质控”“患者服务”应用场景依然是大模型最为集中的细分领域，其次是“中医”与“新药研发”，而“科学研究”及“治疗方案生成”领域的大模型相对稀缺，暂无“公共卫生”应用场景的新大模型发布。 尽管应用数量已成规模，但涉及的场景有些分散、未成体系、深度也有待提高，企业通过它们能够触及的市场规模总额有限，还不足以证明这项技术已经跑通了商业化之路。因此，要推动大模型的规模商业化，企业还需解决以下问题。 一、基础设施建设问题。目前完成大模型落地的医院绝大多数都是排名靠前的三甲医院，这些医院有资金、有条件进行大模型的部署。而那些排名靠后的医院乃至基层医疗机构，他们距离大模型还有一段距离。 现阶段大部分医院现有资源环境基本是面向通用计算的CPU，很少有医院有面向图形处理和并行计算的GPU资源。缺乏大模型的部署环境，医院需要在购置应用的同时配备GPU运营大模型应用，并保证足够的存储和高速的网络连接，才能保证大模型的稳定运行。 对于大多数医院而言这都是笔不小的成本。按照一个普遍科室一张RTX 4090进行估计，要供给一个院区的算力，大致需要医院投入百万元级的成本进行芯片的配置。虽然头部医院在部署大模型方面表现出极大的热情，愿意进行本地化部署，但大量医院会对这笔费用敬而远之。 二、数据整合问题。因为医院信息化系统复杂，涉及众多系统和厂商，整合患者全生命周期数据面临巨大挑战。对于众多医疗大模型公司而言，必须进一步强化大模型对于多模态数据的处理能力。 理想状态下的多模态大模型，不应只是对各类医疗数据进行分类处理，更能提取各模态数据的关键之处，给出综合性的建议。 三、应用局限性问题目前基于大模型构建的智能应用仍然没有脱离传统医疗 IT 应用的范畴，更像是互联网医疗的Plus版，虽有价值，但并非不可替代。未来，企业需要围绕医院需求构造“杀手级”应用，唤起医院购置大模型的需求，进而实现大模型的规模化落地。 以上为报告主要内容节选，扫描二维码，即可免费下载报告全文。 第一章 什么构成了医疗AI的配置动力？ 1.1 政策主导下的AI购置动力 1.2 提效主导下的AI购置动力 1.3 部分主体对于医疗AI的购置态度 第二章 自我突破，医疗AI形态异变 2.1 医学影像AI：拓宽视野，影像AI脱离影像科 2.2 信息学AI：曾经被动的管理者们，如今主动迎接医疗IT 2.3 制药AI：下行时期，在变化之中寻找新的机遇 2.4 讨论：颇具规模的AI产品矩阵，能够破解商业化难题吗？ 第三章 融资寒冬，医疗AI尽力改善现金流 3.1 一级市场融资整体回落，制药AI相对强势 3.2 交表企业普遍亏损收窄，降本创收已成AI企业经营核心 3.3 讨论：逆市之下，人工智能如何自救 第四章 大模型之下，生成式AI何以颠覆医疗？ 4.1 前沿技术：从判别式AI到生成式AI 4.2 讨论：规模商业化，大模型还要迈几步？ 第五章 医疗人工智能标杆案例 5.1 深睿医疗：自研多模态AI引擎，数智化助力医院数据资产管理 5.2 医渡科技：“双中台”助力全线产品升级，盈利能力大幅提升 5.3 埃格林医药：“自研管线+AI服务”双引擎战略，引领国内AI制药 5.4 柏视医疗：兼具AI MDT放疗与手术双产品线，领跑国内市场 *封面图片来源：神笔pro 如果您认同文章中的观点、信息，或想进一步讨论，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。 近 期 推 荐 声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。 动脉网，未来医疗服务平台