Exscientia Plc

//   • 2024年前三季度，跨国药企的AI相关合作交易数为21笔，总金额达到129.32亿美元； • 海外融资额超过1亿美元的AI制药企业在2024年上半年有6家； • 剂泰医药赖才达认为，国内AI制药公司的估值比较合理； • 英矽智能任峰认为，国内的AI技术基本可以比肩全球，但算法的优化和数据的积累稍显落后。 拿下诺贝尔化学奖，仅仅是对AI的众多认可之一。“未来AI会是大势所趋，这已成为制药行业的共识，用AI的公司数量会超越不用的公司，慢慢实现产业界全面拥抱AI。”英矽智能联合首席执行官兼首席科学官任峰如是评价。 事实上，跨国药企已开始拥抱AI技术。2023年，跨国药企的AI相关合作交易数仅为11笔。而2024年前三季度，这一交易数为21笔（见下图），总金额达到129.32亿美元。艾伯维更是以2.125亿美元收购了一家AI小分子公司Landos Biopharma，这也是跨国药企首次收购一家AI制药公司。 跨国药企还建立内部AI团队。在今年诺贝尔化学奖公布的前一天，礼来任命了首任首席人工智能官（CAIO）这一新的职位，领导从药物发现、临床试验至制造等多个领域的AI 项目。此前8月，辉瑞也任命了首席AI官。在更早的2023年，赛诺菲宣布了“All in”人工智能战略，首席执行官Paul Hudson透露“赛诺菲在小分子药物发现的预测准确率超过80%，通过人工智能和机器学习化合物设计的小分子项目达到75%”。 拓展阅读 投资人如何看AI在医药行业的应用 MNC强势拥抱AI的同时，海外AI制药资本市场也正掀起热潮。2024年以来，大量的风险投资流入AI。如，超10亿美元融资的Xaira Therapeutics，创下今年以来生物医药领域的最高额融资，创始人团队里就有今年获得诺贝尔化学奖的David Baker教授。 海外火热，国内呢？ 2024年上半年，海外融资额超过1亿美元的AI制药企业就有6家，其中不乏知名投资机构a16z、ARCH Venture Partners、红杉资本，以及礼来、安进、赛诺菲等MNC。 其中Formation Bio在6月完成的3.72亿美元的D轮融资，就是由a16z领投，赛诺菲、红杉资本、Thrive Capital等跟投。 正如BMS的首席数字与技术官Greg Meyers所说，“可能一些公司还没有很好的产品或技术平台契合市场，但只要GenAI（生成式人工智能）这个词出现在宣传平台中，就会融到钱。” 相比下，今年前三季度共有19家国内AI制药公司完成融资，其中披露融资额的14家企业，其总融资额约2.63亿美元。对此，剂泰医药联合创始人&CEO赖才达评论到，近期美国市场股价波动非常大，所以有一些泡沫的可能性，中国的资本市场相对冷静一些，估值也比较合理。 的确，国内整体面临资本寒冬的情况下，AI制药领域同样难免遇到困难。不过也有好消息，晶泰科技于6月登录港交所挂牌上市，英矽智能在3月再一次向港交所递交招股书，拟香港主板IPO上市，剂泰医药完成了1亿美元的C轮融资。产品开发也有积极信息传出，9月，英矽智能的首个AI创新药物ISM001-055获得了临床2a期的积极结果。 从技术端看，赖才达认为，国内外不存在太大差异，几乎是平行时间起步，可能海外的优势体现在与大药企的合作能够更快地推进内部管线和优化平台，而国内企业在出海时要花更多精力。 任峰也表示，国内的AI技术基本可以比肩全球，但算法的优化和数据的积累稍显落后。“对AI制药公司而言，这两方面是主要壁垒。其一，目前企业大多使用的是公开数据，数据如何清洗并保证质量，这需要企业通过时间的积累和人员的培养积累达到。其二，算法需要不断经过项目验证，淘汰成功率低、优化成功率高的算法，才能提高最终由算法组合搭建产品的成功率。” 例如近期刚获得A轮融资的分子之心，创始人许锦波开创的深度学习算法RaptorX-Contact启发了后来的AlphaFold，被誉为“AI预测蛋白质结构第一人”。 并购趋势初显 新生代AI制药在资本市场火热的同时，初代AI制药企业已开始报团取暖。 8月，两家AI制药龙头公司Recursion和Exscientia宣布达成最终协议合并。两家公司都诞生于2013年最初的AI制药萌芽期，且在合并前Exscientia经历了不小的动荡。 5月Exscientia宣布裁员20%至25%，其CEO在2月被解雇，去年10月停止了一项核心产品EXS-21546的1/2期研究。 Recursion在合并前虽未有失败产品，但在合并一个月后的9月8日首次公布研究数据，主要药物REC-994的2期研究疗效有限，股价下跌超过16%。 赖才达认为，AI制药行业正面临着产品进入后期阶段的瓶颈期，在资本市场中难免遇到困境，对Exscientia来说合并是当下合适的时机。不过Recursion背后有英伟达支持，并且Recursion和Exscientia的技术和管线并不重合，整合后能强强联合、优势互补。 “两家公司是生物学能力和化学能力的结合。”赖才达解释，“Recursion的强项是生物学能力，将蛋白组学、基因组学、表观组学的数据串联起来，理清靶点跟疾病的关系，Excientia强项在小分子结构设计，在知道一个靶点口袋后，设计出达到成药需求的小分子，且从药化角度解决传统制药的问题。结合后能打通制药环节的上下游，将高通量的上游细胞数据与下游的分子设计结合在一起，进一步梳理和整合两家的管线产品，节约研发与转化的成本。” 结合新生代AI企业Xaira来分析，赖才达认为利用AI技术解决研发流程中的某一关键问题、且是传统药物研发无法解决的问题，达到足够优势，成功的概率会更大一些。 “Xaira就是依托传统制药流程，在其中某一研发环节，AI能最大限度发挥作用，利用大模型解决抗体轻链端的设计，这是很大的突破点。而Excientia和Recursion在成立之初就想做全链条的AI制药研发，从而替代传统制药的流程。”赖才达说。 Xaira与Recursion、Excientia的不同选择路径，或许可以给全球AI制药行业的生物技术公司带来一些思考和借鉴。 无论融资如何火热，最终获得市场认可仍需要产品来说话。英矽智能的TNIK抑制剂近期将临床研究推进到2期，这让我们增加了对AI制药的期待。下一篇，我们将关注那些可能最早冲线的在研产品。 编辑 | 姚嘉 yao.jia@PharmaDJ.com  总第2229期 访问研发客网站，深度报道和每日新闻抢鲜看 www.PharmaDJ.com

近日，石药集团就一款临床前创新小分子脂蛋白(a) (Lp(a)) 抑制剂YS2302018，与阿斯利康签订独家授权协议。根据协议条款，石药集团将收取1亿美元的预付款，并有权收取最高3.7亿美元的潜在开发里程碑付款以及最高15.5亿美元的潜在销售里程碑付款。 从交易金额以及交易双方来看，这显然不是一款简单药物。在官方新闻稿中，石药集团就特别强调，该药物是由公司利用AI技术分析目标蛋白与现有化合物分子的结合模式，对成药性进行优化，并最终选出的高效Lp(a)抑制剂。这也就是说，AI制药领域又敲定了一笔重磅BD。 图1.AI制药部分重磅交易情况（数据来源：智药局） 事实上，这只是冰山一角，在近三个月内，包括礼来、诺华、基因泰克、吉利德等巨头，也都纷纷重金加码了AI制药领域。以基因泰克为例，9月30日，其与AI制药公司锐格医药达成最终购买协议，将获得治疗乳腺癌的下一代CDK抑制剂产品组合。根据协议条款，基因泰克将支付8.5亿美金首付款，这刷新了AI制药的首付款纪录。 而随着一笔又一笔重磅交易达成，一个确定性的答案正摆在行业面前：AI制药正在批量制造高价BD。   抱团取暖， AI制药整合大幕正式开启 2021年12月，罗氏与AI制药巨头Recursion达成了首付款1.5亿美元，总交易金额高达121.5亿美元的重磅交易，这不仅创下了全球AI制药交易金额纪录，同时也掀起了行业热潮，让引入AI开始成为制药界的风向标。 一组数据可以证明其趋势。根据蛋壳研究院最新发布的《2024医疗人工智能报告》显示，2021年以前，AI主导进入临床试验阶段的创新药仅为个位数，但到2021年，这一数据就已快速增长至100多个，2022年继续维持增长态势突破200，2023年再进一步提升，管线数量迈入300大关。 之所以能够迎来爆发，很重要的一点还是在于AI能够为药物研发提供巨大应用价值。埃格林医药董事长杜涛博士曾在采访中提到，AI在临床开发上的应用基本在适应症的选择、病人的筛选及临床终点确定这三部分。具体而言，AI能够通过分析临床表型和基因组学，收集高质量数据，用数据作为临床研发的依据和基础，以此实现更好疗效的开发。简而言之，AI的介入既加速了药物开发进程，同时又大幅节省了成本。 根据权威科技媒体Tech Emergence统计数据显示，AI技术每年可为制药行业节约高达260亿美元的研发成本。波士顿咨询研究也表示，AI生成的药物分子在I期临床试验中，成功率高达80%～90%，高于50%的历史平均水平；而在II期临床试验中，成功率为40%，仍然位于历史区间上限。 不过，随着行业逐渐推进，一个无法回避的现实问题已摆在眼前，即现阶段的AI并不能完全跨越新药研发的高风险和长周期，商业化不足的问题已逐渐凸显。据动脉网观察，AI制药领域目前还尚未有一款药物成功获批上市，因此在资本市场逐渐收缩的紧张态势下，整个行业不得不开始面临“供血”难题。 今年8月，两大AI制药巨头Recursion与Exscientia宣布合并，Recursion将以6.88亿美元的价格全股票交易收购Exscientia。事实上，这是AI制药领域迄今交易金额最大的一笔并购，但行业焦点并不在此，大家更为关注的是两家老牌AI制药企业的“抱团取暖”。 据悉，Recursion与Exscientia均为上市企业，同时也是全球最早一批涉足AI制药领域的“老炮儿”。在上市初期，两家企业风光无限，吸引众多大牌押注，但好景不长，由于后续管线进展缓慢，且财务表现不佳，Recursion与Exscientia逐渐走向了下坡路：Recursion市值已从巅峰32亿美元跌至如今不到20亿；Exscientia则先后经历了管线失利、CEO被辞退、裁员等风波。这无疑为其敲响了警钟，而“抱团”成为了共同选择。 对此，某资深AI领域投资人谈道，“事实上，发展到今天，AI制药已经越过了那个以谈技术和讲概念为主的早期阶段，开始变得更加务实，更多地追求产业确定性更强的产品及管线。基于此，AI制药的商业化难题在逐渐放大，再加上IPO退出渠道收窄，以及一级市场融资体量大幅下滑，为了活下去，卖身、并购需求开始广泛蔓延，行业内的并购整合帷幕也随之拉开。” 于是，从2023年开始，不少AI制药企业开始建设或者扩大BD团队，其目的显而易见，就是加速找到更多合作伙伴转让部分内部管线，以此增加对外授权，转换现金流。   仅有AI技术卖不上价， 产品和管线成为重要筹码 2015年，一家美国生物医药公司使用英矽智能的AI系统找到了一个胚胎发育过程中决定性的蛋白变化，发现了有潜力的靶点，而这个靶点适用于癌症治疗。后来，这家公司基于这个靶点专利成立了新公司，并连同其他专利一起打包在美股上市。上市之后，这家公司市值达到了1.15亿美元，但他们在合作中最终只付给英矽智能30万美元。 这让英矽智能团队大为震惊，同时也意识到，如果只是单纯的提供软件服务或某个阶段的药物研发服务，显然很难在行业站稳脚跟，只有持续扩大药物研发能力，并将自有项目推进到临床阶段，证明AI研发药物的安全性和有效性，才能真正提升商业价值。 事实上，英矽智能的这次合作就是AI制药收并购模式的第一种，即以技术为核心，用于补充企业人工智能研发平台。根据智药局观察，当前绝大多数AI药物研发的收并购主要集中在这一种，而收购方多为AI制药企业、CDMO或者上市公司。这些公司为了业务转型，或者加速管线研发进度、开拓新的细分适应症等，直接买进优质AI公司的团队或技术平台。 这种收并购方式相对简单且直接，因此很难卖到高价，市场上10亿美元以上的交易，收购的主要目标仍然是产品和管线，这就是AI制药的第二种收并购模式，即以管线资产为核心，用于补充收购方在某个领域的产品能力。 对此，某资深AI领域投资人谈道，“Biotech向来最大的买家是跨国药企，但跨国药企要不已经自建AI团队，要不已手握多笔合作，对AI技术平台的并购需求其实很低。他们真正看重的还是核心的管线资产，那些疗效越好、市场越大、越后期的产品和管线，因为能够缓解跨国药企对于专利悬崖的焦虑，所以交易价值往往很高。” 以武田40亿美元首付款收购Nimbus的TYK2抑制剂为例，它是Nimbus运用大规模的自由能扰动（FEP+）进行计算评估，最终得到的高选择性的TYK2抑制剂。根据临床数据显示，其在银屑病治疗的有效性上和BMS的二期数据接近，且优于BMS的三期数据，因此具有“best-in-class”潜力，极有希望和BMS的Sotyktu对打，抢占银屑病市场。 国内同样有典型案例，比如石药与阿斯利康近期的重磅合作。据悉，授权产品Lp(a)小分子抑制剂在体外及动物模型中均具有优异的药物代谢动力学特征及更佳疗效，且无严重的安全风险，因此有潜力成为高Lp(a)人群控制心血管风险的新疗法。 而从当前来看，类似收并购事件正在增多。这意味着，中国AI制药的收并购模式正在重塑，越来越多的AI制药企业不再只停留于为药物研发提供“卖断”服务的配角，而是逐渐成为推进药物研发的主角，并跟随药物发现的生命周期一路闯关，承担风险，以此获得更大的收益。 对此，国内某AI制药企业创始人谈道，“在更高首付款的刺激下，AI制药企业已不再满足于简单的技术交易，而是更多地参与到药物研发过程中。事实上，随着行业逐渐向纵深迈进，一批AI制药企业当前也已经具备了打造重磅管线及产品的核心能力。” 图2.英矽智能管线进展（图源：英矽智能官网） 比如晶泰科技，作为“国产AI制药第一股”，其借助多款自营产品，目前已拿下辉瑞、礼来等全球排名前20药企中16家的研发订单。英矽智能也同样如此，早在2022年年底，其就开始搭建临床实验团队，目前已将多条管线推向临床一期或二期。 这是大势所趋，但挑战也非常具体，毕竟在临床阶段，越往后走，也意味着越烧钱，尤其是在当前市场寒冬下，如何平衡“烧钱”的风险以及赚取更多的现金流，已成为AI制药企业当下的共同课题。  AI制药， 仍有无限可能 在刚刚结束的诺贝尔颁奖典礼上，AI无疑成为了最大赢家，共揽获物理学奖和化学奖两大科学类奖项。而伴随这一光环，市场关于AI的讨论层出不穷，并逐渐将这一热度快速传导到AI制药领域。 图3.2023年-2024年8月英伟达投资AI制药企业（数据来源：动脉橙） 事实上，AI制药今年以来一直站在行业高点，除大额BD频发之外，投融资市场也在加速升温。今年4月，成立仅1年的AI制药企业Xaira宣布完成10亿美元种子轮融资，这创下了今年种子轮融资记录。另一边，去年一口气连投10多家AI制药企业的英伟达也在持续发力，截至今年9月，英伟达已在AI制药领域投入近10亿美元，并且当前仍在积极寻找投资标的。 种种迹象都在表面：产业界仍然坚信AI制药蕴含着巨大机会。 首先是在产品数量上。据波士顿咨询研究发现，自2015年以来，已有75个由AI发现的药物分子进入临床试验，其中67个分子截至2023年仍在临床试验中，这意味着答案只揭晓了很小一部分。此外，纵观全球进入临床的AI药物管线，绝大多数仍集中在老靶点上，还有很多创新靶点亟待挖掘。 其次是在能力优化上。随着机器学习、神经网络算法不断进行技术迭代，AI在药物研发领域的核心能力也在快速提升，后续将在患者招募、筛选、实验设计优化、数据质控、数据监控、管理不良反应等临床场景应用，并进行优化。这意味着，临床试验的效率以及成功率将大幅提升，这不仅可以提高管线的数量和质量，同时也能进一步降低研发成本。 图4.2024年H1中国18家AI制药融资情况及应用领域 最后是在应用领域上。在众多行业人士看来，AI制药的下一步发展趋势关键在于如何从小分子向外扩展，而从目前来看，AI+大分子被寄予厚望，其不仅拥有单抗双抗，同时还有ADC，因此能够在核酸药物、基因治疗、细胞治疗等新型药物上开拓更多可能性。但这些新兴药物的有效成分在体内大多不稳定，因此需要复杂的递送方式，所以药物递送技术是这些新兴药物研发非常重要的一环，AI赋能药物递送研发大有可为。 但机会背后，行业挑战也逐渐清晰。事实上，随着市场逐渐回归理性，AI制药当前已经到了需要自证实力的关键阶段，正在“退烧”中进行优胜劣汰的筛选，这使得平台的起点逐步提高，技术与商业模式也在同步演化。 但无论如何改变，AI制药始终要回到药企对于AI最朴素的期望，即创新、增效和降本。因此，未来的竞争很大程度上要取决于谁能以更低成本、更高的通量拿到高质量、结构化的数据，并拥有落地市场的核心能力。 参考资料： 1.《今年的AI制药到底怎么了》——智药局； 2.《AI制药打响突围赛，一个新时代的开始》——氨基观察； 3.《英矽智能的7年进化：拿下中国AI制药“最大订单”，里程碑总额最高达12亿美元》——雷锋网。 *封面图片来源：123rf 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

“这是人类科学共识上的一个转折点”，“AI生物学时代已经到来！” 2024年的诺贝尔奖揭晓后，AI横扫物理学奖和化学奖瞬间成为舆论的最大焦点，并激起了从业者阵阵惊叹。 然而，当AI逐渐开启人类科学的新纪元，在科研和产业落地之间却仍横亘着一条巨大鸿沟。AI制药领域便是鲜明例证。曾经备受资本青睐的它，如今已在经历一场大变局。 资本市场上，国内终于在2024年迎来第一家AI制药上市公司，光环缠身的晶泰科技，上市首日市值大涨了10%；另一头部玩家英矽智能紧随其后，再次向港股IPO发起冲刺；寒冬之际，仍有AI制药企业剂泰医药完成1亿美元的C轮融资。 另一边，有些事情却在给这场繁荣，泼一盆冷水：海外两家AI制药龙头公司官宣合并，看似强强联合，却也有一丝“自救”的味道；国内一家AI制药公司走到了注销的关头，而难以为继的，并非只有它一家；晶泰科技和深势科技则在开辟新能源方向，并且前者已拿下一笔约10亿元的大订单，远超其制药带来的营收。 种种迹象，似乎都预示着AI制药企业已经在寻找制药领域之外的新增长点。 市场冰火两重天的背后，是AI制药经过数年发展走到了商业化阶段，却依旧没能很好解决商业落地的关键难题。 虽然这个行业已经给我们呈现出了两种不同的商业化解法——聚焦药物发现端所衍生出来的三种模式，以及试图从医学角度颠覆制药逻辑的模式，但它们也都或多或少面临来自市场的挑战。 某药企创始人跟一家AI制药企业谈合作时，就曾灵魂发问：“你用AI一下给我提供了100个分子，是在减少我的工作量，还是增加负担？” 中国AI制药的商业化到底该怎么走通？在市场回归理性，新技术力量涌现的今天，这或许是中国AI制药企业亟需回答的核心问题。 AI制药商业化的两种解法 A. 三大主流模式： 从技术周期、资本周期和行业周期复盘过去，预测未来的AI制药，峰瑞资本合伙人马睿用不太严谨的方式划分了当今中国AI制药的发展历程。 其中，2022年以前成立的AI制药公司（基于判别式AI），是他眼中AI制药1.0时代的叙事者，贡献了如今最为主流的3种商业路径——软件服务、CXO、开发管线。 彼时，秉持利用计算和深度学习解决药物开发贵和难的问题（10年和10亿美元），一批具有物理、计算和制药交叉背景的人走到一起，催生出了中国第一批AI制药公司。 “这些公司大都瞄准药物研发的临床前阶段，并集中在小分子药物发现领域。而用AI做小分子药物研发是挑了一个最难做的问题”马睿说道。初代AI，加上最难的问题，很大程度上决定了未来商业路径的走向。 以销售软件为主的SaaS服务，是其中最直接的商业化方式。全球第一家上市的AI制药企业薛定谔，便是这一路径的代表。 2024年上半年，薛定谔凭借软件售卖，拿下了超70%的营收。只是，若商业路径局限在销售软件，天花板亦肉眼可见。薛定谔自然深谙此理，2018年开始，它就积极搭建创新药项目，试图打开市场想象空间。 回看国内英矽智能和晶泰科技的招股书，同样不难发现，尽管软件售卖毛利率很高，但其营收占比很低。开发管线和做CXO无疑是三种路径中更具想象力的两种。这也是国内多数AI制药主选的商业化道路。 不过，在选择成为AI Biotech还是AI CXO，亦或是两者兼具时，国内不少AI制药公司曾有过摇摆。有投资人曾坦言，最早的那批AI制药公司，有一些在成立后的一段时间里，都没能想清楚到底是做管线，还是做平台成为CXO。 马睿所在的峰瑞资本，完整地参与了国内AI制药1.0时代的发展。2016年，这家机构投资了晶泰科技，看中的则是它量化计算+AI+机器人的技术平台。 “与其纠结做管线还是做技术平台，不如看看是否在某一价值环节上有‘人无我有’的能力，简言之，一是要有独特价值的技术平台，二是要知道怎么基于该平台实现商业变现。”马睿说道。 2024年上半年，晶泰科技发布首份半年报，其超1亿元的营收和10亿元的大订单，无疑是这一变现努力的最好证明。 行业另一知名玩家英矽智能，走的则是开发管线进而对外授权，实现自我造血的路线。近两年，英矽智能不断调整业务，将更多精力从药物发现业务放在了资产对外授权和软件业务上。2023年，其药物开发项目对外授权带来的营收占比已到达76%，超越药物发现业务成为创收主力军，软件服务也同比增长了124%。 B. AI+疾病，颠覆制药逻辑 不同于聚焦临床前的“AI+分子”制药公司，国内也有玩家选择了另辟蹊径，试图用AI改变制药原有的逻辑。在它们的探索中，也逐渐诞生了有别于上述3类的商业模式。 中科院（计算技术研究所）孵化的哲源科技，是其中之一。“当下全球制药都是先写答案后找题目。”哲源科技联合创始人赵宇援引江涛院士的话说道。而哲源科技要做的，是用AI重新定义制药，开启新范式。“我们是先定题目再找答案。”赵宇说道。 “制药的最大短板在于临床试验，这个过程耗费的时间和资金成本占到了总成本的七八成。如果对生物学机制不清楚，写完答案（做好一个分子）才不断找题目（适应症）试错，那原先在药物发现领域缩短时间，提高效率就变得无意义。” 第一批AI设计的药物进入临床后遭遇大溃败，在赵宇看来根本原因就在于此，“AI赋能药物分子发现，并无法弥补当前临床试验超90%的失败率。而后者才是创新药研发的关键痛点。 于是，在AI制药已为人熟知的今天，哲源科技早在2020年便提出了“计算医学”这一新概念。 用赵宇的话说，哲源科技是“谋定而后动”，它所采取的方式是用AI+疾病的路径，解决致病机理不清的问题，试图实现制药的工程化。基于此逻辑，哲源科技搭建了两个AI工具平台——新靶点新机制递呈平台和虚拟临床试验平台。 “计算机上试错的宽度和维度是非常广的，我可以通过一个虚拟临床试验试几万个病人。我们的胰腺癌药物，从研究疾病机制到提出靶点，只用了三个多月。”赵宇说道。目前，哲源科技胰腺癌药物管线进展最快，已在CDE正式受理。 从计算医学入手，在临床上找“题目”，再回到药物发现端寻找“答案”分子，哲源科技基于AI的赋能方式，奠定了其商业模式。“哲源科技的定位很明确，即药物的IP工厂。哲源科技会在对疾病机制不断有科学发现的时候，将成果转化成IP。这个IP并不是一个分子，而是一个解决方案，然后跟产业合作。”赵宇解释道。 同时，他进一步拆解了IP的定义： “一类IP是已有靶点的新药IP。比如该靶点已经获得验证，通过计算医学找到该靶点新的MOA，或者新的疾病下的适用人群特征，在差异化的适应症上和人群上能获得收益； 另一类是相对全新的IP，选择的靶点本身具有新颖性，通过计算医学花费更少的资金和时间推进到临床，并且在临床过程中不断地验证和反馈，优化临床入排条件，最终获得全球权益的FIC。” 而无论哪类IP，在“低垂的果实”已几乎摘完，追求原研创新的时代，这一路径无疑有望开辟新的富矿。 AI制药能获得市场拥抱吗？ 但当下市场真的拥抱AI带来的变革吗？ “我们作为一个深度交叉的新技术，在行业里还是面临一定挑战。”赵宇并不避讳在市场上碰到的困境，他认为归根究底是新思维与传统思维的碰撞。“以前都是从循证医学的角度，理解生命的复杂度，定义疾病的分类等，但哲源科技是用工程化的概念制药，一旦跟产业落地结合，还是不免受到原来思维，尤其是仿制药思维的束缚。” 这挑战并非哲源科技一家独有。一方面，技术的革新往往快于公众的认知步伐。四年前，当哲源科技对外表示已构建了超脑大模型，“造概念”的质疑声便不少。 2022年底ChatGPT横空出世，引发了大语言模型的浪潮。2023年，马睿敏感的看到AI的变化会外溢到AI制药，他也在不少场合重点提到GPT在Biotech中的应用，当时正是AI制药投资的低潮期，生成式AI并没有激起AI制药投资人的兴奋点。 另一方面，过去的AI制药公司大都在技术尚未完全具备时，就瞄准了一个特别难的问题，以致于在商业落地上难以服众，打击了市场信心。 好比当年AI影像企业刚起步时就想要完全替代医生，但直至今天都未能实现。原因在于当时的数据量、算法和算力都不足以支撑它的商业模式。 这与过去瞄准小分子药物发现的AI制药企业，境况同样相似。即便是在今天，AI药物设计领域也尚未实现革命性突破，成功率仍旧不高。 由此带来的一个问题，便是很多AI制药企业只能做跟随式创新，FIC产品开发不足。在追求创新的时代，这也导致了一定的商业化阻力。 因此，当热潮褪去，寒冬袭来，矛盾便更为凸显。马睿直言：“1.0时期的AI制药企业手握初代工具，技术并不完全成熟。上一个资本周期流动性是充足的，但是巨额的资金集中向头部公司，这从晶泰科技和英矽智能过往的融资情况便可窥一斑——前者IPO前累计融资额高达7.32亿美元，后者则累计超过4亿美元。而80%的公司，可能都会因融不到足够的资金而倒下。” 当涌现更多AI工具，商业模式走向何方？ 时间来到2020-2024年，马睿看到了AI技术本身以及生物行业的（大）模型快速迭代，有了很大变化——2020年12月Alphafold2横空出世，解决了蛋白结构预测的问题；2023年7月发明RF Diffusion，蛋白设计从物理计算转向AI；2024年5月Alphafold3可以预测所有生物分子的相互作用，6月统一的基石模型ESM3能够实现生物分子的设计…… 如此种种，都让他感叹：“现在AI制药企业手上的工具更多了，粗略估计1.0时代的底层技术的能力也就相当于今天的1/5-1/10，而且技术还在快速迭代，这让人对未来10年非常激动。” 而他去年提到的，2.0时代GPT对制药的变革，如今已有一些团队在做这方面尝试。从某种程度上来说，这与哲源科技从生物医学角度入手，寻找创新的想法是有所契合的。 马睿将GPT在Biotech中的应用，分为了三个层次： “一是GPT驱动的NLP的进步，直接应用于生物医疗知识的提取。我们有非常多生物和药物研发相关的知识，通过GPT再学习，能不能发觉以前人脑没法发现的隐含知识和联系？ 二是聚焦在生物大分子本身，序列-结构-功能，能不能去做计算？Alphafold2已经基本解决了单体蛋白质结构的预测。而对于给定功能或结构去设计序列，则是现在迭代很快的一个领域，基本是以月为单位在进化。 三是生物分子相互作用的计算，Alphafold3就在解决这个问题。” 4个月前，峰瑞资本的天使轮项目剂泰医药，完成了1亿美元的C轮融资。该公司成立于2020年，聚焦药物递送环节。 目前，剂泰医药基于AI药物递送平台, 结合迅猛发展的大模型和生成式AI技术，已建立世界首个METiSLipidLM脂质语言模型和PhatGPT脂质生成模型, 打造了百万级脂质库，并成功突破国际专利壁垒。 马睿表示：“一家公司如果能用AI解决药物研发链条上最核心的矛盾，想象空间和市值往往会更大。” 眼下，尽管中国市场现在尚处于跟随的阶段，从通用大模型到生物制药领域的渗透速度没有美国市场快，但马睿认为，在AI制药发展处于大变化的时刻，新的机遇已经浮现，且必须紧紧抓住了。 现在是进场AI制药的好时机 “我曾在不同的场合反复讲，未来10年要抓住生物科技加AI带来的机会。”过去一段时间，马睿依旧马不停蹄地在看AI项目，未敢松懈，他透露：“今年看的AI for science的项目应该比去年多了。” 从AI生物大模型到AI材料计算，种种新兴领域，他都希望能有机会筛选出好的标的。“假如2.0时代有100家公司，我们也希望投到前五名。” 在当下投资者都趋于谨慎，对AI制药有所怀疑的时候，马睿及其所在的峰瑞资本的坚定并不多见。这家陪伴中国AI制药产业从1.0时代步入2.0时代的机构，对于当下市场的水温，并非全然不知，“行业正处于偏冷静期，也是对AI制药信仰不够强烈的时候。”马睿坦言。 从发展阶段看，中国AI制药产业在2020年左右时也曾有过信仰低潮期。医药魔方MedAlpha新药投融资数据库显示，截至2020年年底，一级市场上入场该领域的资金已超9亿美元，但市场却未能看到一个特别的革命性产品出现。 即便时间走到今天，在回应市场关心的商业化和盈利问题时，AI制药公司呈现出来的两种解法能否最终跑通，也因各自的挑战，暂时无法给出确切答案。 但另一边，新的技术力量GPT、Alphafold3和大模型已经在不断迭代。也正因如此，“现在是投资下一批AI制药公司的好时机。”马睿强调，“现在不管出来什么新技术，对市场的刺激都没以前强，这个时候进场非共识领域，会有希望找到一些非常好的公司。” 马睿对AI制药的前景是理性且乐观的。同样，赵宇也在带领团队拓展市场，不断跟行业交流。 8月底，美国FDA宣布成立AI委员会，率先开始整合AI药物开发监管流程，一度在市场中引发热议。赵宇表示，中国的监管机构对AI制药的态度，远比市场想象的要开放，关键问题在于原先的仿制药思维未能完全转变。 好在，这几年里，这一思维已经逐渐在向追求原研创新靠拢。这是赵宇感受最深的一点。而对原研的追求，势必将带来对新技术的理解宽容，直至接纳。 上个月，海外两家AI制药龙头企业一场看似“自救”的合并，也一定程度上验证了赵宇的信心。 合并前，专注于AI药物设计的Exscientia在管线上接连失误，引发股价一泻千里，Recursion同样经历了大涨大跌，即便有英伟达的注资和罗氏的合作背书，但管线上无重大进展，还是让市场信心受损。最终，Recursion以股票交易形式合并了Exscientia。 “市场上大多都感觉突然。”但赵宇并不这么认为，“两家公司，一家致力于对生物学机制的理解，提供靶点识别，另一家则聚焦药物设计，它们的合并是合理且相得益彰的。”而这样的结合，可以在哲源科技身上看到影子。 “虽然短时间内，市场可能不一定会拥抱我们这个团队，但以后大家一定会拥抱计算医学。”赵宇坚信，AI+疾病路线有望颠覆制药的逻辑，带来真正的变革。 “人们总是会高估5年之内的变化，低估10年的变化。”马睿的这番话，何尝不是AI制药当前境遇的真实写照。 但“我对AI制药的未来还是很乐观的，随着算力进化，算法不断进步，生物数据越来越多，AI带来的产品也将更符合市场需求，实现商业化落地。”从这一点上看，“未来5年出现的公司，非常值得让人期待。”马睿说道。 推荐阅读 AI制药领域最大一笔并购诞生！ 中国AI制药第一股市值180亿港元，3名麻省理工博士后今敲锣 Copyright © 2024 PHARMCUBE. All Rights Reserved. 欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。 免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。