融資一輪又一輪的AI製藥，到底有多火？
國外一筆訂單，最高已達331億元，接近傳統藥廠一整年的研發投入。
國內市場，保守估計將達到2040億元規模，BAT字節華為等互聯網頭部企業爭相入資角逐，甚至有公司一年內完成3輪大額融資…
從北京大學前沿交叉學科研究院、國外名校教授，到MIT博士等紛紛加入創業，甚至有拿到國外名校博士Offer的學生退學加入……
然而，與資本熱形成鮮明對比的，卻是行業發展的現狀：
國內AI製藥公司，時至今日上市數量為0 ，甚至尚未有一家獲利；國外AI製藥公司，上市後股價瘋狂跳水。
目前，世界上還沒有任何一支由AI研發成功的藥物順利上市，甚至於據各創企對外公開消息，國內只有2家，國外有8家企業的管線剛剛進入臨床一期階段。
如今業界最初的熱度過去，質疑的聲音也日益凸顯：
AI製藥業，究竟是未來投融資矚目的明星賽道，還是科技偽裝下的PPT泡沫？
AI技術本身的資料瓶頸、及其在製藥領域中所起的作用，究竟能否真正挽救傳統製藥企業的利益下降頹勢？
AI製藥究竟什麼時候才能真正落地？
在訪問數十家機構後，我們寫下《AI製藥深度產業報告》，試圖描繪出AI製藥業的國內外現狀，以及這一行業所面臨的困境和機遇。
AI製藥，更準確地說應是「用AI預測藥物」。
沒錯，現階段的AI並未真正打破傳統製藥的研發體系，甚至從研發流程來看，AI優化的部分還不到40%。
這樣的定位加劇了AI製藥本身的「矛盾感」：
一方面，藥物發現是整個藥物研發流程的基石，也是藥物創新最有希望的突破；另一方面，藥物研發60-80%的臨床試驗成本，無法被AI優化。
這種矛盾感同樣體現在AI製藥的融資情況、技術定價和研發落地。
只看融資狀況，會認為AI製藥是個很有「金錢景」的產業。
根據中銀證券數據，光是2020年一年，中國AI 製藥融資計畫數量就翻了一倍，且同年融資總額出現了年比約10倍的成長。
從那時開始，全球至少有11家AI製藥公司獲得1億美元以上的大額融資。而這個數據還在呈現不斷上升的趨勢：
同時，AI 製藥公司的生存情況也非常樂觀。約53%的A輪公司進入B輪；38%的B輪公司順利進入C輪；46%的C輪公司進入了D輪。
再看AI公司的變現途徑，似乎也同樣具有投資潛力。
參考Benevolent招股書數據，單看自研管線價格的話，AI製藥公司定價的首付款和里程碑付款價均不低，尤其是二期臨床後光是首付款就能達到近1億美元。
但結合研發落地情況來看，就出現了強烈的矛盾感。
例如，業界至今仍沒有任何一支AI預測的藥物上市，甚至於市面上還沒有任何一種公開進入臨床二期的藥物。
同時，AI製藥也尚未出現一種突破性的核心技術，能證明AI用於藥物發現（AIDD）具有可靠和持續性，能取代或優化傳統電腦發現藥物（CADD）的流程。
根據量子位智庫數據，即使是進展最快的AI預測藥物，也只是通過了動物試驗，進入臨床一期試驗階段。
在這些進展最快的AI預測藥物中，國內只佔3條管線，國外雖然已有接近16條管線進入臨床，但也全部停留在一期階段。
這樣的局面，導致資本熱情從2021年以來逐漸出現回冷：
目前，國內還沒有任何一家AI製藥公司完成上市，也沒有任何一家公司獲利。
國外至少7、8家上市公司，如今股價幾乎無一例外出現跳水。
事實上，從過往經驗來看，藥物研發失敗的幾率本身就極大，無數新藥的臨床試驗投入最終都是打水漂，這又再度增加了AI預測藥物上市的不確定性。
尤其目前這批藥物都還沒進入臨床二期，能否完成上市還根本無法保障。
自1961年「反應停事件」以來，能否驗證藥物有效性一直是所有新藥上市最大的門檻。如果無法提供可信的安全數據、患者明確獲益的數據等“實質證據”，則藥物極有可能在這一階段夭折。
顯然，在這段時間裡，大部分資本會處於觀望狀態，直到有AI預測的藥物進入並通過臨床二期的試驗。
與傳統製藥公司相比，AI製藥公司的體量並不大。在臨床試驗風險成本極高的情況下，這種「失敗的可能」要不是被轉移，就是只能由公司自行承擔。
以此，AI製藥公司形成了兩種主要的商業模式。
第一種是轉移研發風險的CRO（Contract Research Organization，合約研發組織）模式，公司會給傳統製藥公司或其他公司“做外包”，用AI技術預測甲方需要的藥物。
第二種是願意自行承擔研發失敗的風險的自研管線模式，公司將藥物和技術專利拿在手中，一旦成功上市或達到特定變現節點（如臨床前研究）就能以專利轉讓或收費的方式賺錢。
一個是資金狀況，自研管線所需資金極高。不缺錢的公司可以直接自研管線；想自研管線但資金不足的公司，則可以先透過CRO做外包賺錢，再以賺到的錢用於自研管線。
另一個是定位差異。相較於傳統藥廠出身的公司所掌握的大量製藥相關理論，CRO更適合「跨界創業」玩家，迅速打響自身AI技術招牌；自研管線對於製藥經驗和資源要求更高。
事實上，目前CRO在國內更受歡迎，相較之下其獲利速度更快，變現模式更明確，且不需要承擔後續臨床試驗的風險成本。
此外，對手握AI藥物專利沒興趣、只賣技術服務的公司也可以只做CRO。
由此還衍生出第三種商業模式－專門做技術平台的，將AI製藥軟體賣給其他公司搞預測研發，但目前國內真正做到收費的公司極少。
顯然，AI製藥公司的定位和技術優勢，很大程度上會影響其對商業模式的選擇。
目前已經入局的玩家有不少，從國內外名校博士教授、到網路巨頭和傳統藥企、到資本再孵化，呈現出一種多樣化的態勢。
先是名校博士教授創業的情況。以晶泰科技為例，就是MIT量子物理學博士歸國創業的典型案例。由於公司的優勢在AI技術上，並能藉助量子物理的理論研究做到業界領先，因此晶泰科技明確表示專注於CRO模式，而不去自研管線。
也有高校教授轉化研究成果的案例，如華深智藥就是UIUC終身教授彭健所創立，此前在蛋白質分子預測領域已有相關成果建設，此次創業將專注於技術平台的打造和提供。
在這之後，網路巨頭和傳統藥企也已經紛紛入局。
前者自帶演算法算力優勢，容易藉助互聯網本身的影響力迅速擴大“勢力範圍”，如百度和騰訊已經成立百圖生科和雲深製藥平台，利用自身積累的AI算法經驗快速入局；阿里則憑藉算力優勢迅速建立起上下游關係等。
後者則擁有深厚的藥物研發經驗，在此基礎上成立AI製藥研發團隊，如阿斯特捷利康、默克、輝瑞和梯瓦就與亞馬遜和以色列生物基金共同成立了AION Labs實驗室。
最後還有資本創業、基金孵化的情況，現金流加持充足，甚至於投資人自身轉型AI創業，如科因生物創始人王一愷就曾是峰瑞資本副總裁，成立公司後便獲得了峰瑞資本的投資。
根據量子位元智庫資料預估，AI製藥市場規模在2025年預計將達到72億，2035年則預計達到2040億。
一時之間，湧入AI製藥賽道的玩家眾多。然而從時局和玩家現況來看，並無法透過單純的技術實力或資金優勢來判斷AI製藥公司的發展前景。
到底誰才是其中真正的玩家、成為最有希望率先上市第一支AI新藥的公司？
標準和維度很多，但業內繞不過的核心維度有4個：
鑑於製藥過程複雜，失敗率高，從臨床審批、研究到最終的上市是一個極為漫長的過程。對現階段來說，管線數量是實力最直接的展現之一。
前面提到，管線又分為自研管線、對外合作管線（CRO）。
對於自研管線而言，企業可以在特定節點轉讓管線成果，例如新型標靶、候選藥物等；也可以藉助CRO推進到臨床階段，一旦研發成功拿到上市專利，獲利會非常可觀。但自研管線的風險同樣明顯：付款方式不明確，和別的公司也會存在在相同的管線上競爭的情況。
因此，在關注AI製藥公司的自研管線時，需要更重視其研發進度，以及所選藥物方向的潛力。
相較之下，CRO模式下的合作管線數量，是更直接判斷一家公司技術實力的方式。 CRO指AI製藥公司完成傳統藥廠公司的某一特定任務，首付款後，根據任務進度（如藥物發現-合成-完成臨床研究）決定合作價格，又稱里程碑付款。
根據量子位智庫估計，國內的管線首付款平均為280萬美元，里程碑價格則根據具體藥物波動較大，完成後最高甚至能達到數百億元。誰拿到的合作管線越多，說明誰的技術實力得到的藥廠的認可越多，也有更多的資金投入研發，進入良性循環。
參考國外Exscientia和賽諾菲在2022年年初的一次合作，首付款1億美元，完成任務後將獲得52億美元“天價合約”，折合人民幣約331億元。
根據量子位智庫數據，2023-2024年將會出現一批進入臨床二期的AI預測藥物，最早2026年前後會出現首個成功上市的AI藥物。
在藥物上市前，合作管線數量和自研管線研發進度，是判斷AI製藥公司技術實力的方向之一。
對於AI製藥業來說，除了錢，最缺的恐怕就是數據，傳統藥企一般不願意將作為核心資產之一的研發資料集外流。
但據量子位元智庫了解，目前數據對頭部AI製藥企業而言並不是問題，甚至能因此在產業中獲得更具競爭力的表現。
因此，如何獲得穩定可靠的數據，也是判斷AI藥廠競爭力的重要標準。
通常來說，有以下四種方法來取得AI數據，其穩定性和可靠性也逐步提升：
這類數據對現在的AI製藥產業有重大意義，但不具備長遠利益，沒辦法幫助企業獲得核心競爭力。而且，已有標靶可用資料越多，代表探索越充分、開發價值越稀薄。
這種數據獲取方法是透過物理建模，由AI產生訓練數據，通常是基於較老的靶點如青黴素等去生產數據，短期來看沒有太大價值，主要是為預測模型提供訓練數據，進而提升預測精度。
對於自研管線/基礎定位明確的公司，可以透過自主建構團隊收集相關數據，或與藥廠達成數據合作關係。
在國外，成立於2015年的Tempus透過向醫院、腫瘤學家、癌症中心等提供價格優惠的基因定序、資料結構化、病理影像分析和生物建模服務，自建腫瘤基因組學臨床資料庫。
它花了4年就組成世界上最大的癌症資料庫之一，擁有將近1/3的美國癌症資料庫。
我國的楊森製藥廠就於2020年與Tempus達成合作，並公開表示，合作的主要驅動力不是演算法而是數據。
這一方式主要是指在實驗室進行的乾實驗之外，再直接進行濕實驗自主產生數據，形成乾濕閉環。
比較傳統的濕數據擷取速度慢，利用高通量、智慧化、自動化、可控制、 CV辨識細胞形態等相關技術，可以大幅提高資料擷取速度。
在生物上講乾實驗就是透過電腦模擬以及生物資訊學方法來進行研究。濕實驗就是透過在實驗室裡採用分子、細胞、生理試驗方法來研究。
乾濕結合實驗有助於AI製藥創企在數據方面打造自己新的競爭壁壘，這一認知已在業界達成共識。
除了生物人才和電腦人才組成的交叉團隊，組成這樣一個平台還需要強大的硬體支持，包括實驗設備以及計算資源，以及把這兩種資源整合在一起的能力。
目前，國內頭AI製藥企業，包括百度生圖、晶泰科技和英矽智慧都有這樣的實驗平台。
在資金充足的情況下，國外頭部AI製藥企業，已經出現直接收購帶有獨家數據和技術的上游公司的做法。
如薛丁格收購XTAL BioStructures以擴展自身結構生物學能力，Relay Therapeutics收購ZebiAI獲得其機器學習能力和大型資料庫。
因此，正如量子位智庫分析，傳統製藥企業整體具有數據方面的優勢，但並非來自過往沉澱的數據，而是其具備的完整的實驗平台。對於資金充足的AI製藥創企而言，這一障礙並不高，可以較快更新至同步水準。
隨著傳統藥廠智慧團隊的搭建，演算法未必能成為AI藥廠長期的競爭優勢。
前面提到，AI製藥並未打破傳統製藥業的研發流程，除了搭建自己的實驗室平台“悶頭搞”，AI製藥公司與藥企的合作同樣重要。
因此，合作藥廠的數量和這些藥廠的產業地位同樣成為一個直觀的評價標準。
目前，頭部AI製藥創企在傳統藥廠的合作上逐漸呈現出壟斷態勢。國外以Exscientia為例，就已揭露了和羅氏、拜耳、賽諾菲、GSK、日本住友、Evotec在內的頂尖製藥公司的合作。
當然，傳統藥廠和AI藥廠之間的合作是雙向的：藥廠提供資料庫、專業知識，反過來也需要AI藥企提供技術。
因此，與傳統藥廠進行業務合作，也成為AI製藥公司最常採用的模式之一。
根據Deep Pharma Intelligence，截止2020年，在44家世界頭部傳統藥廠中，已有93%藥廠完成合作佈局。特別是在羅氏、諾華、輝瑞等全球TOP 10藥企中，與AI製藥業者的合作平均達到6次以上。
除了合作藥廠的地位及數量認可度，AI製藥公司選擇的CRO公司也是參考來源之一。
在傳統製藥業中，CRO就具備特殊地位，這項特質在AI製藥業也會延續。
AI製藥公司可以成為傳統藥廠的CRO，但反過來說，AI製藥公司也需要自身的CRO，包括數據合作夥伴、用於化驗和實驗的供應商等，以此完成申請審批、資料收集、臨床試驗等任務。
對AI製藥企業而言，對CRO的選擇會在很大程度上影響其臨床項目和商業化進程。
眾所周知，AI製藥目前應用場景之一是提升化合物篩選效率，但這往往是在已有的靶點和化合物資料庫基礎上進行的。
但隨著藥廠內部AI團隊的搭建，新的AI製藥創企的進入門檻正在持續升高，加上目前整個產業的重疊度比較高，多數公司的管線也都已經是基於成熟的標靶進行開發。
換而言之，用AI提升藥物發現效率，在這個行業已經不新鮮了，目前頭部AI製藥企業已經衍生出用AI探索「製藥無人區」的創新能力。
因此，對於新創公司來說，在業務場景或技術上有自己的獨特切入點非常重要。
這可能需要AI製藥企業從底層理論出發，包括對醫藥問題重新定義，創造性地使用物理、化學等多學科視角，重新定義藥物研發中的場景和問題，以多原理彌補AI模型自帶的誤差和不確定性，並提高其效率。
最後，在這四種評判標準下，究竟哪些玩家能率先拔得頭籌？
根據量子位元智庫的全球AI製藥格局圖，目前最前端的頭部玩家中，雖然大部分是國外企業，但也能看見像晶泰科技和英矽智能這樣國內玩家的身影：
AI製藥賽道火熱後，不少國外名校博士教授攜帶計畫、理論回國創業，也快速彌補國內製藥業技術創新能力不足的情況。
這次，在新科技驅動的製藥創新浪潮中，中國會不會誕生世界級的藥廠？
有趨勢，更有潛力。
以上是一文看懂AI製藥全貌：年吸金300億，三大梯隊分明的詳細內容。更多資訊請關注PHP中文網其他相關文章！
