21世纪经济报道记者季媛媛 韩利明 上海报道 伴随着AI技术的发展，制药领域正在迎来“百年难得的历史性机会”。
在国内，CRO企业药明康德、美迪西、药石科技、成都先导、皓元医药、泓博医药等医药公司积极抢滩AI制药领域；放眼全球，美国制药巨头礼来公司近日也与OpenAI达成合作，将利用后者的生成式AI技术来开发新型抗菌药物。
今年上半年，市场继续对AI制药寄予厚望，不仅英伟达等科技巨头在AI制药领域动作频频，我国也迎来首家港股上市的AI制药企业晶泰科技，AI制药再次站在了聚光灯下。
但资本市场一半是海水，一半是火焰。已经入局的AI制药企业艰难度日：AI制药行业迄今还没有一款药物获批上市，老牌AI制药企业陷入裁员风波，一级市场收缩态势下AI药企面临供血难题。市场也有担忧，一方面，AI在制药领域的应用潜力，受限于高质量数据量有多大、算法有多精确；另一方面，AI药企的强项尚集中在早期药物发现阶段。
有券商分析师向21世纪经济报道记者表示，纵观整个AI制药领域，2023年在美国生物医药公司融资最多的板块是AI制药公司，进入2024年，这种高价值和大规模融资还在持续。未来，AI制药受到的关注度和热度仍然不会消退，但随着行业的发展，这个领域的泡沫会逐渐出清。
随着市场回归理性，AI制药的故事如何续写？“技术只是辅助工具，AI制药的本质还是药物研发。”也有投资人向21世纪经济报道记者表示，“技术是否过硬，要用结果证明，最后比拼的还是谁先拥有成熟产品。”
资本入冬
科技媒体TechEmergence曾发布一份追踪全行业AI的应用报告，称AI技术能够将临床新药研发的成功率从12%提高到约14%，为生物制药业节省约10亿美元的研发经费。AI在制药领域呈现的高效率，一度被认为能颠覆传统流程，AI制药赛道也曾因此受到资本热捧。
生物医药咨询机构智药局监测显示，2022年，全球AI+药物研发相关融资总事件达144起，总金额为62.02亿美元，成为生物医药最受青睐的领域之一。但2023年间，104起AI+药物研发相关融资总金额为36.01亿美元，同比下降42%。一级市场已有趋缓之势。
进入2024年，据不完全统计，全球范围内在1月份仅有5家AI制药企业完成了新一轮融资，相比前两年的融资频次也有所下降。
从投资角度看，今年6月凭借人工智能市值一度赶超微软和苹果的英伟达，在2023年先后投资了9家生物初创公司，所投金额高达21.5亿美元。而与狂热的2023年不同，公开资料显示，今年英伟达继投资了一家计算药物发现初创公司Relation Therapeutics后，仅跟进投资Vilya。但在今年3月召开的英伟达2024年GPU技术大会上，与医疗保健和生命科学相关的会议共有90场，数量在具体行业分布中排名第一，由此可见英伟达对AI制药的重视程度。
今年4月，Xaira Therapeutics获得了10亿美元的种子轮融资，成为今年AI制药行业中最大的一笔融资。但就在同一天，老牌AI制药公司BenevolentAI却由于资金吃紧，宣布削减软件产品的发布计划，再裁员30%，并关闭其美国办事处。BenevolentAI计划将节省下来的资金用于开发BEN-8744，一款用于治疗溃疡性结肠炎的PDE10抑制剂，正在推进临床1b/2a期计划。
“随着AI制药企业间的竞争加剧，行业也在经历整合浪潮。不乏AI制药企业通过裁员、聚焦管线削减成本，甚至完全退出该行业。”上述投资人补充，“另一方面，也有AI制药企业通过收购、合并来加强市场竞争力，以度过整合浪潮。由此也可以看到，在竞争中存活下来的企业获得更大的增长潜力，市场也更加成熟。”
对比国际，国内大部分AI制药企业尚在早期融资轮次。据不完全统计，在超过90家AI制药企业中，除成功上市的晶泰科技和已递交招股书的英矽智能外，进行到C轮融资的屈指可数，包括药物牧场、深势科技等6家，B+轮融资的包括红云生物和奕拓生物2家。
渴望盈利
与当年如雨后春笋般涌现的Biotech相似，在资本市场加持下，AI制药企业亟待商业化盈利，实现自我“造血”。当下AI制药企业三种主流的商业模式包括AI-SaaS、AI-CRO和AI-Biotech，即售卖软件、服务和研发药物。
其中，AI SaaS领域早已挤满了各大科技巨头。
BioNeMo是英伟达推出的AI药物研发平台，它提供了一种更加快捷的AI模型开发和部署方式，能够加速由AI助力的药物研发过程。目前，Cadence、Iambic Therapeutics等超百家企业已采用 BioNeMo来推动计算机辅助药物研发和生成式AI的发展。今年以来，英伟达宣布与安进、强生建立合作伙伴关系，分别利用人工智能用于开发新药、支持手术。
跨国MNC与科技企业的合作项目正在逐年攀升。华创证券研报显示，2023年至2024年2月，跨国制药巨头与AI药物研发或IT科技企业合作的潜在总额已高达120亿美元，单个项目的平均值达到8.4亿美元。
公开资料显示，赛诺菲已明确表示，其目标是成为第一家大规模由人工智能驱动的制药公司。今年5月，赛诺菲、Formation Bio和OpenAI宣布正在合作构建AI驱动的软件，汇集数据、软件和经过调整的模型，开发贯穿药物开发生命周期的定制解决方案。据悉，这是制药和生命科学行业的首次此类合作。
CIC灼识咨询合伙人王文华对21世纪经济报道记者表示，AI+医疗这一模式的市场参与者进入市场的两个途径，一类是从严肃医疗企业叠加AI的要素，另外一类就是科技巨头公司，拓展其技术在下游应用的领域到医疗行业。
“科技巨头布局医疗赛道的优势在于其前沿的人工智能技术，在算法以及算力等方面的优势是高于传统的医疗企业，但重点和挑战来自于如何获得高质量的大量的底层数据，以及对于医疗场景的深层理解，如何把算法跟算力跟医疗行业的know-how结合起来。这个需要来自医疗行业背景的自身专家和资源，将二者有一个比较好的结合。”王文华说。
“尽管在AI技术加持下，全球进展最快的AI制药的项目都是在临床2期，以此推断AI制药要得到概念性的验证大概也需要至少3年的时间。在激烈的市场竞争中，AI制药企业也需要通过探索更多元化的商业模式来补充现金流。”上述券商分析师也指出，AI Biotech正在成为AI制药企业重要的营收来源。
作为国内最早的AI药企之一，在达成首个AI药物对外授权项目之前，英矽智能的营收主要由AI-CRO和AI-SaaS两部分构成。而在2023年，AI-biotech业务开始造血，实现3900万美元的收入，占当年总营收比重达76.2%。
英矽智能招股书显示，制药行业IRR（内部收益率）下降的趋势导致制药公司转向AIDD（AI药物发现及开发）公司以提高其药物发现及开发效率。顶级制药MNC目前正争夺AI药物发现及开发专业知识、人才及合作伙伴关系。这体现在大型制药公司与AIDD公司的合作伙伴数量不断增加，由2017年的18份新合作协议增加至2022年的66份新合作协议，复合年增长率为29.7%。
打破桎梏
新药研发历来难以打破“双十定律”的桎梏，高失败率是它的另一标签。但就在5月上旬，波士顿咨询首次对超百家AI制药企业的临床管线进行定量分析，数据表明AI发现的药物分子的整体成功概率从5%～10%增加到约9%～18%，实现了翻倍的提升，尤其是临床试验I期成功率高达80%～90%。
晶泰科技方面向21世纪经济报道记者表示，药物研发的困难在于跨越不同研究维度，使得很难建立明确的因果规律。同时，AI在药物开发中具有很大的潜力，但还无法通过简单模型成功预测新药，也没有足够多的高质量数据可以训练AI。
数据之困是AI制药企业需要直面的挑战。“目前我国的数据管制比较严格，企业想要利用数据还面临相当大的挑战。”上述券商分析师解释，“目前我国医院的数据不仅不对企业开放，每个医院之间数据也不是互通的，而这些数据又涉及很多问题，包括数据的归属权和使用权属于医院还是病人等。”
此外，一款新药的诞生除去解决科研问题，还有很多流程，AI无法“施展拳脚”，例如在实验室中做好质量、成本控制等。行业也正努力把AI的应用拓展到更后期阶段，包括临床试验设计、数据解读等。
“从当前的进展来看，AI制药企业的强项还是在前端，即在早期药物发现阶段，就是从靶点发现一直到临床候选化合物提名。”该分析师认为，在后端，尤其进入临床之后，目前AI制药所能赋能的或者显著加速的领域其实并不多，当下还是要按照传统的药物研发的方式做临床试验。
在上述分析师看来，整个AI制药行业需要一个真正的在临床上能够完成概念性验证的项目来提振整个行业的信心，“因为现在AI制药进入临床的项目越来越多，但是能拿到临床完成概念性验证的项目还没有，行业在等一个拿到临床概念性验证的结果，让AI制药踏上新台阶。”
王文华也指出，医疗是一个非常大的一个赛道，涵盖了从新药研发，临床诊断、治疗以及健康人群的健康管理的各个不同环节。AI能够在医疗领域不同环节的结合中产生新的机会甚至新赛道。仅以AI为例，在AI制药领域，科技巨头和传统的头部制药企业的合作更能够为AI制药带来更多的颠覆，AI辅助药物研发能够缩短新药研发的长周期，提升新药研发的效率和降低成本。
“无论如何，人工智能和医疗行业的相结合，是未来发展的一个大方向。星星之火的阶段是人工智能嵌入到医疗行业不同的场景下从而解决具体的问题，未来一定是会带动整个行业的人工智能化深度从而带来整个行业的巨大改变。”王文华说。
这也意味着，眼下，AI制药行业，到了自证实力的阶段。
本文链接：渴望成药一锤定音，AI制药背水一战http://www.sushuapos.com/show-9-12355-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。