融资一轮又一轮的AI制药，到底有多火？
国外一笔订单，最高已经达到331亿元，靠近传统药企一整年的研发投入；
海内市场，守旧估计将达到2040亿元规模，BAT字节华为等互联网头部企业争相入资竞赛，乃至有公司一年内完成3轮大额融资……
△图源：量子位智库
从北京大学前沿交叉学科研究院、国外名校教授，到MIT博士等纷纭加入创业，乃至有拿到国外名校博士Offer的学生退学加入……
然而，与成本热形成光鲜比拟的，却是行业发展的现状——
海内AI制药公司，时至今日上市数量为0，乃至尚未有一家实现盈利；国外AI制药公司，上市后股价猖獗跳水。
目前，天下上还没有任何一支由AI研发成功的药物顺利上市，乃至于据各创企对外公开，海内只有2家，国外有8家企业的管线刚刚进入临床一期阶段。
如今行业最初的热度过去，质疑的声音也日益凸显：
AI制药行业，究竟是未来投融资瞩目的明星赛道，还是技能伪装下的PPT泡沫？
AI技能自身的数据瓶颈、及其在制药领域中所起的浸染，究竟能否真正挽救传统制药企业的利益低落颓势？
AI制药究竟什么时候才能真正落地？
在采访过数十家机构后，我们写下《AI制药深度家当报告》，试图描述出AI制药行业的国内外现状，以及这一行业所面临的困境和机遇。
AI制药“时局图”AI制药，更准确地来说应该是“用AI预测药物”。
没错，现阶段的AI并未真正冲破传统制药的研发体系，乃至从研发流程来看，AI优化的部分还不到40%。
这样的定位加剧了AI制药自身的“抵牾感”：
一方面，药物创造是全体药物研发流程的基石，也是药物创新最有希望的打破口；另一方面，药物研发60-80%的临床试验本钱，无法被AI优化。
这种抵牾感同样表示在AI制药的融资情形、技能定价和研发落地上。
仅看融资情形，会认为AI制药是一个很有“钱景”的行业。
据中银证券数据，仅2020年一年，中国AI+制药融资项目数量就翻了一倍，且同年融资总额涌现了同比约10倍的增长。
从那时开始，环球至少有11家AI制药公司得到1亿美元以上的大额融资。而且这个数据还在呈现不断上升的趋势：
△数据来源：中银证券
据动脉橙报告显示,“AI+制药”成为2021年最受成本欢迎的赛道之一，环球融资77起，金额合计45.6亿美元（约合公民币307亿），个中中国市场融资12.4亿美元。
同时，AI+制药企业的生存情形也非常乐不雅观。约53%的A轮公司进入B轮；38%的B轮公司顺利进入C轮；46%的C轮公司进入到了D轮。
再看AI公司的变现路子，彷佛也同样具有投资潜力。
参考Benevolent招股书数据，单看自研管线价格的话，AI制药公司定价的首付款和里程碑付款价均不低，尤其是二期临床后光是首付款就能达到近1亿美元。
△图源：量子位智库
但结合研发落地情形来看，就涌现了强烈的抵牾感。
例如，行业内至今仍旧没有任何一支AI预测的药物上市，乃至于市情上还没有任何一种公开进入临床二期的药物。
同时，AI制药也尚未涌现一种打破性的核心技能，能证明AI用于药物创造（AIDD）具有可靠和持续性，能替代或优化传统打算机创造药物（CADD）的流程。
根据量子位智库数据，纵然是进展最快的AI预测药物，也只是通过了动物试验，进入临床一期试验阶段。
在这些进展最快的AI预测药物中，海内只占3条管线，国外虽然已有靠近16条管线进入临床，但也全部勾留在一期阶段。
△图源：量子位智库
这样的局势，导致成本激情亲切从2021年以来逐渐涌现回冷：
目前，海内还没有任何一家AI制药公司完成上市，也没有任何一家公司实现盈利。
国外至少7、8家上市公司，如今股价险些无一例外涌现跳水。
事实上，从过往履历来看，药物研发失落败的几率本身就极大，无数新药的临床试验投入终极都是打水漂，这又再度增加了AI预测药物上市的不愿定性。
尤其目前这批药物都还没进入临床二期，其能否完成上市还根本无法保障。
自1961年“反应停事宜”以来，能否验证药物有效性一贯是所有新药上市最大的门槛。如果无法供应可信的安全数据、患者明确获益的数据等“本色性证据”，药物极有可能在这一阶段短命。
显然，在这段韶光里，大部分成本会处于不雅观望状态，直到有AI预测的药物进入并通过临床二期的试验。
与传统制药公司比较，AI制药公司的体量并不大。在临床试验风险本钱极高的情形下，这种“失落败的可能”要么被转移，要么只能由公司自行承担。
以此，AI制药公司形成了两种紧张的商业模式。
第一种是转移研发风险的CRO（Contract Research Organization，条约研发组织）模式，公司会给传统制药企业或其他公司“做外包”，用AI技能预测甲方须要的药物。
第二种是乐意自行承担研发失落败的风险的自研管线模式，公司将药物和技能专利拿在手中，一旦成功上市或达到特定变现节点（如临床前研究）就能以专利转让或收费的办法赢利。
如何决定是做CRO还是自研管线？
一个是资金情形，自研管线所需资金极高。不缺钱的公司可以直接自研管线；想自研管线但资金不敷的公司，则可以先通过CRO做外包赢利，再以赚到的钱用于自研管线。
另一个是定位差异。比较传统药企出身的公司所节制的大量制药干系理论，CRO更适宜“跨界创业”玩家，迅速打响自身AI技能招牌；自研管线对付制药履历和资源哀求更高。
事实上，目前CRO在海内更受欢迎，比较之下其盈利速率更快，变现模式更明确，且不须要承担后续临床试验的风险本钱。
此外，对手握AI药物专利没兴趣、只出售技能做事的公司也可以只做CRO。
由此还衍生出第三种商业模式——专门做技能平台的，将AI制药软件售卖给其他公司搞预测研发，但目前海内真正做到收费的公司极少。
显然，AI制药公司的定位和技能上风，很大程度上会影响其对商业模式的选择。
目前已经入局的玩家有不少，从国内外名校博士教授、到互联网巨子和传统药企、到成本再孵化，呈现出一种多样化的态势。
先是名校博士教授创业的情形。以晶泰科技为例，便是MIT量子物理博士归国创业的范例案例。由于公司的上风在AI技能上，并能借助量子物理的理论研究做到行业领先，因此晶泰科技明确表示专注于CRO模式，而不去自研管线。
也有高校教授转化研究成果的案例，如华深智药便是UIUC终生教授彭健所创立，此前在蛋白质分子预测领域已有干系成果培植，这次创业将专注于技能平台的打造和供应。
在这之后，互联网巨子和传统药企也已经纷纭入局。
前者自带算法算力上风，随意马虎借助互联网本身的影响力迅速扩大“势力范围”，如百度和腾讯已经成立百图生科和云深智药平台，利用自身积累的AI算法履历快速入局；阿里则凭借算力上风迅速建立起高下游关系等。
后者则拥有深厚的药物研发履历，在此根本上成立AI制药研发团队，如阿斯利康、默克、辉瑞和梯瓦就与亚马逊和以色列生物基金共同成立了AION Labs实验室。
末了还有成本创业、基金孵化的情形，现金流加持充足，乃至于投资人自身转型AI创业，如科因生物创始人王一恺就曾是峰瑞成本副总裁，成立公司后便得到了峰瑞成本的投资。
据量子位智库数据预估，AI制药市场规模在2025年估量将达到72亿，2035年则估量达到2040亿。
一时之间，涌入AI制药赛道的玩家浩瀚。然而从时局和玩家现状来看，并无法通过纯挚的技能实力或资金上风判断AI制药公司的发展前景。
到底谁才是个中真正的玩家、成为最有希望率先上市第一支AI新药的公司？
谁能率先上市第一支AI药物？标准和维度有很多，但业内绕不过的核心维度有4个：
01、管线数量和研发进度鉴于制药过程繁芜，失落败率高，从临床审批、研究到终极的上市是一个极其漫长的过程。对付现阶段来说，管线数量是实力最直接的表示之一。
前面提到，管线又分为自研管线、对外互助管线（CRO）。
对付自研管线而言，企业可以在特定节点转让管线成果，例如新型靶点、候选药物等；也可以借助CRO推进到临床阶段，一旦研发成功拿到上市专利，盈利会非常可不雅观。但自研管线的风险同样明显：付款办法不明确，和别的公司也会存在在相同的管线上竞争的情形。
因此，在关注AI制药公司的自研管线时，须要更重视其研发进度，以及所选药物方向的潜力。
比较之下，CRO模式下的互助管线数量，是更直接判断一家公司技能实力的办法。CRO指AI制药公司完成传统药企公司的某一特界说务，首付款后，根据任务进度（如药物创造-合成-完成临床研究）决定互助价格，又称里程碑付款。
据量子位智库估计，海内的管线首付款均匀为280万美元，里程碑价格则根据详细药物颠簸较大，完成后最高乃至能达到数百亿元。谁拿到的互助管线越多，解释谁的技能实力得到的药企的认可越多，也有更多的资金投入研发，进入良性循环。
参考国外Exscientia和赛诺菲在2022年年初的一次互助，首付款1亿美元，完成任务后将得到52亿美元“天价条约”，折合公民币约331亿元。
据量子位智库数据，2023-2024年将会涌现一批进入临床二期的AI预测药物，最早2026年前后会涌现首个成功上市的AI药物。
在药物上市之前，互助管线数量和自研管线研发进度，是判断AI制药公司技能实力的方向之一。
02、稳定可靠的数据来源对付AI制药行业来说，除了钱，最缺的恐怕便是数据，传统药企一样平常不愿意将作为核心资产之一的研发数据集外流。
但据量子位智库理解，目前数据对付头部AI制药企业而言并不是问题，乃至能因此在行业中得到更具竞争力的表现。
因此，如何得到稳定可靠的数据，也是判断AI药企竞争力的一个主要标准。
常日来说，有以下四种方法获取AI数据，其稳定性和可靠性也逐步提升：
1、公开/第三方数据集
这类数据对现在的AI制药行业具有重大意义，但不具备长远利益，没法帮助企业得到核心竞争力。而且，已有靶点可用数据越多，意味着探索越充分、开拓代价越稀薄。
2、虚拟数据
这种数据获取方法是通过物理建模，由AI天生演习数据，常日是基于较老的靶点如青霉素等去生产数据，短期来看没有太大代价，紧张是为预测模型供应演习数据，从而提升预测精度。
3、自主网络/对外互助数据
对付自研管线/根本定位明确的公司，可以通过自主构建团队网络干系数据，或与药厂达成数据互助关系。
在国外，成立于2015年的Tempus通过向医院、肿瘤学家、癌症中央等供应价格优惠的基因测序、数据构造化、病理图像剖析和生物建模做事，自建肿瘤基因组学+临床数据库。
它用4年就组建了天下上最大的癌症数据库之一，拥有将近1/3的美国癌症数据库。
我国的杨森制药厂就于2020年与Tempus达成互助，并公开表示，互助的紧张驱动力不是算法而是数据。
4、通过智能实验室，自主生产实验数据
这一办法紧张便是指在实验室进行的干实验之外，再直接进行湿实验自主产生数据，形成干湿闭环。
比较传统的湿数据获取速率慢，利用高通量、智能化、自动化、可掌握、 CV识别细胞形态等干系技能，可以大幅提高数据获取速率。
在生物上讲干实验便是通过打算机仿照以及生物信息学方法来进行研究。湿实验便是通过在实验室里采取分子、细胞、生理学试验方法进行研究。
干湿结合实验有助于AI制药创企在数据方面打造自己新的竞争壁垒，这一认知已在业内达成共识。
除了生物人才和打算机人才组成的交叉团队，组建这样一个平台还须要强大的硬件支持，包括实验设备以及打算资源，以及把这两种资源整合在一起的能力。
目前，海内头部AI制药企业，包括晶泰科技、英矽智能和百图生科都有这样的实验平台。
在资金充足的情形下，国外头部AI制药企业，已经涌现直吸收购带有独家数据和技能的上游公司的做法。
如薛定谔收购XTAL BioStructures以扩展自身构造生物学能力，Relay Therapeutics收购ZebiAI得到其机器学习能力和大型数据库。
因此，正如量子位智库剖析，传统制药企业整体具有数据方面的上风，但并非来源于过往沉淀的数据，而是其具备的完全的实验平台。对付资金充足的AI制药创企而言，这一壁垒并不高，可以较快更新至同步水平。
03、互助药厂认可度随着传统药厂智能团队的搭建，算法未必能够成为AI药企长期的竞争上风。
前面提到，AI制药并未冲破传统制药行业的研发流程，除了搭建自己的实验室平台“闷头搞”，AI制药公司与药企的互助同样主要。
因此，互助药厂的数量和这些药厂的行业地位同样成为一个直不雅观的评价标准。
目前，头部AI制药创企在传统药厂的互助上逐渐呈现出垄断态势。国外以Exscientia为例，就已表露了和罗氏、拜耳、赛诺菲、GSK、日本住友、Evotec在内的顶级制药公司的互助。
当然，传统药企和AI药企之间的互助是双向的：药厂供应数据库、专业知识，反过来也须要AI药企供应技能。
因此，与传统药厂进行业务互助，也成为AI制药公司最常采取的模式之一。
据Deep Pharma Intelligence，截止2020年，在44家世界头部传统药企中，已有93%药企完成互助布局。特殊是在罗氏、诺华、辉瑞等环球TOP 10药企中，与AI制药企业的互助均匀达到6次以上。
除了互助药厂的地位及数量认可度，AI制药公司选择的CRO公司也是参考来源之一。
在传统制药行业中，CRO就具备分外地位，这一特点在AI制药行业中也会延续。
AI制药公司可以成为传统药厂的CRO，但反过来说，AI制药公司也须要自身的CRO，包括数据互助伙伴、用于化验和实验的供应商等，以此完成申请审批、数据网络、临床试验等任务。
对AI制药企业而言，对CRO的选择会在很大程度上影响其临床项目和商业化进程。
04、打破“AI提效”单一特性众所周知，AI制药目前运用处景之一是提升化合物筛选效率，但这每每是在已有的靶点和化合物数据库根本上进行的。
但随着药厂内部AI团队的搭建，新的AI制药创企的进入门槛正在持续升高，加上目前全体行业的重叠度比较高，大多公司的管线也都已经是基于成熟的靶点进行开拓。
换而言之，用AI提升药物创造效率，在这个行业已经不新鲜了，目前头部AI制药企业已经衍生出用AI探索“制药无人区”的创新能力。
因此，对付新创企业来说，在业务场景或技能上有自己的独特切入点非常主要。
这可能须要AI制药企业从底层理论出发，包括对医药问题重新定义，创造性地利用物理、化学等多学科视角，重新定义药物研发中的场景和问题，以多事理填补AI模型自带的偏差和不愿定性，并提高其效率。
末了，在这四种评判标准下，究竟哪些玩家能率先拔得头筹？
根据量子位智库的环球AI制药格局图，目前最前真个头部玩家中，虽然大部分是国外企业，但也能瞥见像晶泰科技和英矽智能这样海内玩家的身影：
AI制药赛道火爆后，不少国外名校博士教授携项目、理论返国创业，也在快速填补海内制药行业技能创新能力不敷的情形。
这次，在新技能驱动的制药创新浪潮中，中国会不会出身天下级的药厂？
有趋势，更有潜力。
One More Thing不才一期专题中，我们将详细解读这份报告中的AI制药行业七大核心趋势：
关于量子位智库：
量子位旗下科技创新家当链接平台。致力于供应前沿科技和技能创新领域产学研体系化研究。面向前沿AI&打算机、生物打算、量子技能及康健医疗等领域最新技能创新进展，供应系统化报告和认知。通过媒体、社群和线下活动，帮助决策者更早节制创新风向。
特殊感谢：百图生科、答魔数据、段宏亮教授（浙江工业大学）、黄晶教授（西湖大学）、剂泰医药、晶泰科技、望石聪慧、星亢原、西湖云谷智药、 英矽智能、星药科技、亿药科技（按首字母排序）。
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态