文|Alter 張賀飛

編輯|沈潔

對于AI從業者來說，2022年恐怕不是什么好年景。

資本寒冬的說法越發高漲，眾多獨角獸的市值大幅縮水。二級市場的悲觀情緒傳導到一級市場后，整個行業的融資頻次斷崖式下滑，曾經炙手可熱的資本寵兒，正在遭遇“創新者的窘境”。

唱衰AI的聲音有很多，最為常見的原因有兩種：一個是現階段商業化成熟的場景太少，另一個是AI獨角獸的盈利能力太弱。過去屢試不爽的“燒錢換增長”邏輯，已經很難讓資本市場提起興趣。

在外部大環境哀鴻遍野的時候，AI制藥成了為數不多的例外。這個2020年才走進公眾視野的新興行業，逆勢站在了資本的風口，一些成立一兩年的企業就拿到了億元級別的融資，部分行業頭羊甚至斬獲了百億級的訂單。

為何在AI被資本“拋棄”的節骨眼上，藥物研發照舊被圈內外所青睞，到底是資本吹起的新泡沫，還是AI的應許之地？理清楚這些問題，不單單可以摸清AI制藥的虛實，也能為AI的應用落地找到一些啟示。

01 一個天然的AI場景

AI制藥的走紅，著實有些討巧的因素。

2020年舉辦的第14屆國際蛋白質結構預測競賽上，谷歌的AlphaFold2成功根據基因序列預測了蛋白質的三維結構。在疫情黑天鵝制造的緊張氛圍下，這樣一個創舉迅速在全世界范圍內掀起熱潮。

目前幾乎所有的藥物都作用于蛋白質，原理是通過藥物和靶標蛋白的相互作用，進而改變蛋白質的功能，達到治療的效果，就像是鎖和鑰匙的關系。倘若能夠準確預測蛋白質的三維結構，就可以精準設計對應的鑰匙。

然而蛋白質的形成需要DNA轉錄為RNA、RNA翻譯成氨基酸鏈，再由氨基酸脫水縮合成大分子蛋白質。組成蛋白質的氨基酸有22種，一個蛋白質包含幾十到幾萬個氨基酸鏈，并且有著復雜的三維結構，以至于許多科學家窮盡一生都無法完全解析出某個蛋白質結構，AI帶來的沖擊不言而喻。

正是從2020年開始，投資機構紛紛揮師AI制藥。根據斯坦福大學發布的《人工智能指數》報告，2020年投向AI藥物研發領域的資金增至138億美元，超過上年同期的4.5倍以上；中銀證券的數據顯示，2020年中國AI+制藥的融資數量翻了一倍，融資總額比前一年同比增長了10倍左右。

資本的表現不可謂不瘋狂，但瘋狂的背后絕非盲目，而是看到了AI制藥所蘊藏的誘人“錢景”。

藥物研發行業有一個著名的“雙十定律”，即10年時間、10億美元，才可能研發出一款新藥。而按照Nature的統計，“雙十定律”其實是一種理想業態，現實中一款新藥從研發到獲批上市，平均需要10到15年的時間，需要耗費約26億美元，而且臨床成功率不到10%。同時還出現了可怕的“反摩爾定律”，即便制藥公司在過去幾十年中的研發支出不斷增加，但10億美元換來的新藥數量每9年就減少一半。

新藥研發的長周期、高成本、低成功率，無疑給AI留下了龐大的用武之地：通過機器自主學習數據、挖掘數據，總結歸納專家經驗外的藥物研發規律，繼而優化藥物研發流程中的各個環節，不僅可以提升藥物研發效率與成功率，還有望降低研發費用和試錯成本，驅動行業走出“反摩爾定律”的陰影。

02 AI制藥的落地現狀

至于AI制藥是否是新的泡沫，還要從落地邏輯中找答案。

一款藥物從研發到量產，中間涉及到靶點發現、化合物合成、化合物篩選、晶體預測、藥理評估、臨床設計、藥物重定向、審批生產等十幾個流程，涵蓋藥物發現、臨床前研究、臨床研究、審批與上市四個階段。藥物研發的長周期和長流程，比起其他領域為AI提供了更多的切入點。

只是不同于海外藥企的超高熱情，國內目前只有藥明康德、中國生物制藥等少數藥企積極參與，市場的主角其實是科技巨頭和創業者。

前者的代表有華為、騰訊、阿里、百度等，巨頭們往往不參與藥物研發，而是聚焦于需要的算法和算力。比如騰訊的云深制藥，上線時的定位是藥物發現平臺，提供算法、數據庫、云計算等服務，目標客戶是藥企；百度的百圖生科，同樣是輸出算法模型和算力基礎，繼承了互聯網擅長的平臺模式。

后者似乎才是AI制藥的主力軍，典型的例子有英矽智能、晶泰科技等等。其中英矽智能搭建了集整合創新靶點、創新分子發現、臨床研究結果預測為一體的AI平臺，包括靶點發現和多組數據分析引擎、分子設計引擎、臨床試驗結果預測引擎等組件；晶泰科技建立了智能計算、自動化實驗、專家經驗在內的研發體系。

在巨頭和創業派的探索下，國內AI制藥并不缺少有價值的成果。譬如百度的LinearFold算法，將新冠病毒的全基因組二級結構預測從55分鐘縮短至27秒；英矽智能在2021年2月對外宣稱，僅用18個月的時間、260萬美元的投入，就研發出了特發性肺纖維化疾病新靶點，節約了大量藥物發現成本。

圖源：億歐智庫

諸如此類的成果不乏可圈可點之處，卻也難掩這樣一個事實：巨頭們的布局還處于戰略層面，大規模的落地應用仍需要時間驗證，而英矽智能等創業公司的成績，現階段主要以藥物發現為主，或許可以大幅降低藥物發現的成本和時間，可對藥物研發總成本的影響依然非常有限。

也就是說，AI制藥是一個未被完全驗證過的行業，自然語言處理、圖像識別、深度學習、認知計算等前沿技術逐步落地，但落地的深度可能遠不及安防產業。其中的原因離不開藥物研發的行業屬性，畢竟靶點確定到臨床試驗需要一步一步來，AI制藥的風口不過才兩三年的時間，但無法阻礙質疑聲的出現。

03 自成一派的商業化

最為苛刻的質疑是：現在還沒有一款AI藥物上市。

這樣的聲音夾雜著太多的主觀色彩，AI在制藥過程中扮演的終歸只是輔助角色，繞不開行業固有的流程和機制，不可能用兩三年的時間做完十年的事。卻也揭示了一個既定事實，即大部分AI制藥距離商業化還有不小的距離，藥企僅僅是對新技術進行有限度的嘗鮮，AI仍然是一個加分項。

任何悲觀信號傳導到市場端，都會影響一些人的決策，AI制藥也逃不過被唱衰的魔咒。晶泰科技據傳在赴美上市遇阻后想要轉戰港交所，最終在A股上市，市值較之前的估值縮水了近一倍；另一家AI制藥企業Schrodinger，比起2020年末60億美元的市值，已經驟降到20億美元上下。

暫時的波折還不至于讓AI制藥跌落神壇，相比于安防、質檢等應用的同質化，AI制藥由淺入深演變出了三種商業模式：

一是搭建AI技術平臺，拼的是算力、數據、算法等硬實力，主要是向藥企等客戶收取授權使用費，也是科技巨頭們主戰場；二是幫助藥企或CRO企業完成研發任務，比如根據既定靶點篩選出合適的化合物；三是自建實驗室和研發管線，需要的資金量超乎想象，并且要承擔研發失敗的風險。

技術平臺的營收路徑毋庸贅述，看點在于后兩種商業模式的可行性。由于制藥的不確定性，衍生出了首付款、里程碑價格等付款方式，目前國內管線的首付款平均為280萬美元，里程碑價格可能達到數百億元，即使AI制藥尚未進入臨床階段，也能靠合作管線拿到藥企的資金，避免“缺糧”的局面。自研管線的風險相對較大，但在此類企業的投資名單中，已經可以看到頭部藥企的身影。

個中緣由并不復雜。和傳統的制藥巨頭相比，AI制藥企業的體量往往不大，即使存在風險成本極高的情況，“失敗的代價”也容易被行業接受。一種理想的業態是，AI制藥的早期階段被資本市場推動，前景和可行性被市場驗證后，由藥企買單進行馬拉松式的長跑，期間或許會淘汰掉一些公司，并不妨礙整個行業持續向前。

至少就目前來看，AI制藥已經在疾病機理及靶點研究、靶點藥物設計、化合物篩選、晶型預測、臨床前輔助研究等場景中表現出了良好的應用前景。藥物發現作為整個藥物研發流程的基石，也是AI制藥循序漸進的基礎。

04 進行中的范式革新

打一個比方的話，現階段的AI制藥正處于拂曉時分。

因為生物學的復雜性和臨床數據庫的缺乏，AI對藥物研發的滲透停留在了前端的藥物發現環節。除了無差別的“抨擊”，似乎還有另外一種解釋：AI的曙光已經在制藥領域照亮，所影響的不單單是效率和成本，也在重構行業的協作范式。

在傳統的藥物研發過程中，常常需要藥化專家根據經驗提出5000-10000種化合物做藥物篩選，篩選出250個左右的化合物進入臨床前研究，然后找到5-10個化合物進行臨床試驗，最終有一兩種化合物通過臨床測試，無異于“大海撈針”。

AI制藥興起的時間不算長，但不少藥企已經在試圖改造流程。比如在化合物篩選階段引入神經網絡，可以在幾天時間里篩選超過1億個化合物，根據算法模型的預測分數對化合物進行排名，羅列出幾種到幾十種最有可能的化合物。簡單來說，AI參與藥物篩選的原理就是利用歸納推理能力加速化合物的篩選，擺脫對藥化專家經驗和知識的深度依賴，在環節上越來越科學化。

同時被改變的還有藥企們對外合作的態度。

早在2019年的時候，強生、羅氏、賽諾菲、武田等10家藥企參與了著名的MELLODDY聯盟，通過區塊鏈和聯邦學習進行藥物數據共享；而后輝瑞、強生、羅氏、賽諾菲、武田、禮來、GSK參與的Accumulus Synergy在2020年成立，試圖增強全球所有地區的協作和數據共享；阿斯利康、默克、輝瑞、梯瓦、AWS則在以色列生物技術基金的倡導下成立了AI藥物研發實驗室AION Labs，合作開發AI技術并孵化新公司……

雖然MELLODDY聯盟在結束長達三年的合作后，尚未傳出是否續約的消息，但藥企巨頭試圖做出的改變已是不爭的事實：曾經被視為核心商業機密的實驗數據，已經在有限范圍內共享，而AI制藥的底層邏輯就是通過大量的數據進行模型訓練，數據量越充足，算法的預測結果越準確。

隱藏在這些現象背后的真相在于，同樣面對AI這樣的新物種，藥企巨頭們并未像很多行業的既得利益者那樣扮演“保守派”的角色，而是在積極促進AI的應用，即使現階段的落地還比較有限，但不排除AI應用于臨床試驗等核心環節的可能。

相對樂觀的市場環境，或許才是AI制藥被青睞的直接利好，并在無形中為國內AI制藥提供了可以參考的方向。

05 寫在最后

再來回答文初的問題，答案已經非常清晰。

AI制藥的崛起絕非偶然，產業本身存在著龐大的應用潛力，并且取得了立竿見影的效果；在具體的落地過程中，不同陣營的布局有些許重合，但整個行業沒有掉進內卷的陷阱，有著相對理性的分工；最重要的一點在于，AI制藥不是“少年屠殺惡龍”的故事，無論是創業派還是藥企，都在推動行業的前進。

也許現階段的AI制藥存在非理性繁榮的成分，場上的玩家有一些是投機者，依舊位于市場的起步階段，很多棘手問題無法被解決，卻也有著很多行業稀缺的品質，即AI的價值從未被盲目鼓吹，大多數參與者在努力尋找AI和制藥契合的場景，讓外界看到的是一種漸進式的進步和驚喜。