整体来看，2024年AI制药在一级市场的融资呈现事件数量增长有限，融资规模大幅增加的特点，资金向部分项目集中的趋势较为明显。在这其中，AI+蛋白质设计技术成为一级市场资金关注的重点领域。
李进◆◆★：早期的AI制药公司可能更多将精力投入到了算法的开发，但是没有解决AI大模型进行深度学习的最关键问题，就是大数据◆◆★。只有通过足够量的数据训练大模型★◆★◆，才能更加有效地使用AI进行分子生成或者分子预测。前期一些公司失败与成功，或多或少都与此有关。
另一个目标就是希望可以尽早证明我们的商业模式是可行的，可以早日实现盈利。
任峰：大家都把我们定位为一家Biotech公司，但事实上我们是以算法为底层技术的Techbio公司★★■，只是目前资金和人力都十分有限，为了验证AI平台技术的有效性，最终选择了生物医药这样一个产业来进行深耕。
目前更多的应用是将AI作为试验辅助工具，在具体的小分子药物发现◆◆◆◆■◆、肽分子设计或者抗体的优化等方面进行应用，并且已经展现出非常好的效果，甚至可能会有超乎预期的影响★■◆。
褪去光环的AI制药产业前景是否还一如既往？未来究竟将如何发展，又有哪些企业能够从中脱颖而出？
从长期需求来看，由于具有靶向性强◆■■、生物活性高等优势，单抗★■、双抗、ADC、融合蛋白等基于蛋白质的药物近年来备受青睐，药企研发项目的增多使得蛋白质设计服务需求持续增长。此外★■★，一些细胞和基因疗法中所使用的工具类蛋白也需要设计和优化，AI蛋白质设计服务在这些领域有着很大的应用潜力。
看好这一潜力赛道，近年来不断有企业进入该领域，并获得不同程度的突破。到目前为止■★，AI制药共形成了AI+Biotech、AI+CRO、AI+SAAS三种主要的商业模式，此外还吸引了等科技巨头在AI制药领域进行布局★■■◆■。
与此同时，基于AI技术在蛋白质设计方面获得的巨大突破，有不少创新药企将这一技术具体应用于细胞疗法的创新探索中。
CRO企业通过为大量客户提供研发服务■■★，可以接触到更多药物合成★■、药物分析等环节的非公开数据，这是一般Biotech公司所不具备的，也为CRO公司快速推动AI技术的发展提供更好的支持◆◆■★。
任峰：目前AI制药企业的主要策略是解决现有药物研发过程中的一些核心问题。首当其冲的问题就是靶点发现，好的靶点现在越来越难找到，这也导致目前类似PD-1的一些热门靶点十分内卷。
据介绍，在创立后两年多时间内，天骛科技依托自主研发的AI蛋白质设计通用大模型AccelProtein，已成功交付了二十余款蛋白质设计项目★◆，成为了国内领先的AI蛋白质设计服务商。
◆★◆■“AI技术的出现，对整个蛋白质设计领域带来了颠覆性的影响。◆★”刘灏表示★★◆，人类对蛋白质结构预测的精准度达到了此前难以企及的高度，同时，为蛋白质设计带来了更多可能性，例如蛋白质的从头设计，又如天骛科技所使用的从★◆◆■“序列直达功能■★■◆★◆”的全新预测方式★■★★■★。
在初创公司中■◆■，晶泰科技（现名QUANTUMPH-P）是目前唯一一家实现上市的企业，而英矽智能也已经进入上市申报阶段。这两家公司此前均已获得多轮融资★★★★◆■，并在研发层面获得诸多突破，是目前国内AI制药领域最具代表性的企业。
在AI技术的助力下，人类在蛋白质设计领域仿佛◆■■“任督二脉”被打通，科学家可以直接通过蛋白质序列预测蛋白质结构并精准建模★■，从而能够更便捷地研发出廉价有效的药物◆★★★■。
不过★■★★★，从实际发展来看◆■★，AI对于药物研发的积极影响正在逐步显现，而产业端对于AI技术的定位也愈发清晰，部分领域的应用前景已得到认可。
任峰：AI制药能提高药物研发的成功率■◆，但药物研发整体成功率小于5%，就算提高三倍也还是小于15%，研发者依然面临着较高的失败风险。并且，目前还没有足够多的数据和案例可以证明，AI制药确实能大幅提高成功率。
“我们目前与医药企业的合作模式以CRO模式为主，服务内容包括为处于早期研发阶段的蛋白类药物以及生产工艺环节所使用的工具蛋白提供设计优化服务◆◆■★。”刘灏介绍称，目前为止AI蛋白质设计依然是一项比较新的技术，对有效性的验证非常重要，通过提供优化服务，为企业带来短期收益的同时■■，也不断验证平台的有效性，“成功案例越多，客户与我们合作的意愿也会更强烈◆◆，这是一个正向的循环。”
2024年，DeepMind推出了AlphaFold3，该款程序不仅可以用于预测蛋白质结构，还可以预测核酸★★■、小分子等生命分子■★■◆，并且与现有技术相比准确率提升了50%，在药物设计方面的潜力进一步凸显。
为了改变创新药行业这一现状★■，需要有一种新的技术来大大加速药物研发进程，或者可以显著提高药物研发成功率。AI技术当仁不让地成为了重要抓手◆★。凭借数据和算法优势，AI技术使药物研发过程更为标准化，最大程度避免人为经验因素的干扰。根据英伟达公开资料◆■■，使用AI技术可使药物早期发现所需时间缩短至1/3★★◆◆，成本节省至1/200。
任峰：在商业模式的探索上■■◆★■■，未来两三年应该会看到一些趋势，如果一些企业越来越倾向于跟随某种商业模式，并且做到盈利，那就意味着这种商业模式是更好的。
数据是AI制药的要素之一，也往往是制约AI制药企业发展的瓶颈。在蛋白质设计领域，数据同样是关键的资源之一◆◆■★■◆。
其中■★■■，分子之心是国内AI蛋白质设计领域的代表性企业之一，今年9月该公司宣布完成第三笔融资，融资额达到数亿元人民币。目前该公司正通过其自创的AI算法，在蛋白质发现、优化与设计领域寻求革命性变化，以加速该项技术在药物研发、工农业生产、材料设计等领域的创新应用◆■■■★◆。
对此★★◆◆■★，（688222.SH）董事长李进认为◆★，此前资本热潮带来的泡沫太大，目前的降温对于AI制药产业是一个必然的过程，但并不意味着AI制药产业没有发展前景。与资本趋于降温不同的是，产业端对于AI技术的应用反而开始增加，AI技术在药物工业实际的应用价值正在逐渐被更多企业认知◆■，也正在加快布局AI制药■◆★。
在资本市场热度逐步回落的当下，资产价值逐渐回归合理，而产业界对AI技术在药物研发领域的实际应用也已经有了更为明确的认知◆■★，因此正是其布局AI技术的重要窗口。
成都先导作为以DEL技术为核心优势的企业，积极引入AI技术正是出于能够更好发展■■★★★，避免被颠覆的目的。
作为生命的基础单位■◆★◆，蛋白质在创新药物研发过程中扮演着重要的角色。在单抗、ADC等大分子药物的研发过程中，对蛋白质进行优化调整以提高其适应工业化生产的能力，提升药物的治疗效果，是非常常见的策略。
据了解★★★■，这并不是个例★◆，国内另一家AI蛋白质设计企业分子之心◆★，也正基于其NewOrigin大模型以及在产业项目方面所积累的经验，逐渐将业务范围向材料、食品、化工■◆■★★、农业等诸多领域拓展。
英矽智能联席总裁任峰则表示■★◆，AI制药企业当前最需要做的找到能够为企业带来稳定现金流的合适的商业模式★◆◆◆，到目前为止还没有企业走到这一步。英矽智能将继续推动药物临床研究，聚焦于验证技术的可行性■◆■。如果能发现全球第一个通过AI找到的新靶点，或者通过AI找到了新分子进入临床，并且在临床上能得到安全性、有效性的验证，将有助于验证企业的商业模式，从而尽早实现盈利★■■★◆★。
一款重磅可以为药企带来丰厚的潜在回报★★，但高昂的研发成本、漫长的研发周期，以及居高不下的失败风险◆■■■■，使得创新药的投资回报率近年来不断走低。德勤的统计数据显示，2022年全球Top20药企的研发回报率已降至1.2%★★■■■◆，甚至已经低于定期存款利率，因此越来越无法引起资本的兴趣。
李进：对于人类而言★◆，生命科学领域依然充满了未知◆★，有着极高的不确定性，很多疾病的致病机理以及药物的作用机制都很不明确，这也是导致目前创新药临床试验成功率不足10%的关键原因◆◆★★★。再丰富的数据资源在这种巨大的未知和不确定性下，仍然只是沧海一粟。因此，行业内很难出现能够绝对垄断的龙头企业★■★■◆，这一点与消费市场或传统的互联网市场有着极大的区别。
研发素以长周期◆★◆■■、高风险和高投入而闻名，尤其还遵循◆■■“倒摩尔定律”，研发成本不断走高，企业投资回报率则持续降低。在此背景下，AI技术被认为有助于提高药物研发效率，提升研发成功率，有望为
任峰：我觉得他们的加入会加速技术上的突破■■◆，但是商业模式其实还是需要AI制药公司自己去探索。这其实是两个层面◆■★◆，一个是技术上是否可行■◆■，一个是商业模式是否可行，即使技术上可行◆■，商业模式不对，还是要失败的。
元星智药CEO王梅杰也认为，在蛋白质设计领域◆★，持续研发过程中积累的成功经验，尤其是不断积累的技术专利，将构成AI+企业的护城河。
技术突破的同时★■■★★◆，AI技术也促使蛋白质设计服务这一新型产业应运而生。除了药物研发★◆★◆，蛋白质设计服务也逐渐向合成生物学、酶制剂等应用领域拓展，并陆续出现成功案例◆■★◆■★。
李进：尽管因为资本市场的追捧而出现了过热，但从行业实际发展来看，AI技术在药物研发领域的应用依然有不少非常正面的信号出现。一方面★◆★■，近期部分公司在非常短的时间内，就将AI药物研发项目成功推进到了临床试验阶段，对行业而言这是非常鼓舞人心的◆★■◆。
同时还有一些系统性的积极信号■★★■◆■，业内较为知名的波士顿咨询公司近期发布了相关研究文章◆◆■★◆，针对一些由AI技术深度参与到药物研发早期甚至一期临床阶段的研发管线进行统计■★★■，其一期临床试验获得成功的概率也是非常高的■■◆。
作为近年来最被看好的新型肿瘤疗法之一■◆◆，细胞免疫疗法在血液瘤领域已经获得了出色的临床数据验证★★★，但在市场规模更广阔的实体瘤领域依然面临诸多挑战。AI技术在高通量筛选、预测治疗反应◆★◆、寻找关键成功回路、筛选和设计功能细胞等诸多方面都有望发挥作用，加速细胞疗法在实体瘤治疗方面的研究。
在临床试验环节◆★，由于需要线下实操■★■◆，AI技术可应用的领域目前仅限于临床试验设计、临床试验结果预测等部分领域。基于的AI算法可以最大程度合理安排临床试验流程，避免人类经验带来的一系列干扰；而对于临床结果的预测◆■，可以为创新药企业提供重要参考。
在工业化场景下，大型制药公司为保障平稳运行◆★◆，通常都非常看重项目执行的规划性和计划性，这就要求药物研发管线从药物发现到临床试验各个环节的成功率都能够预测。目前在化合物发现阶段所使用的技术手段是高通量检测（HGS），历年下来的成功率是50%★■。而AI技术在该领域发展时间尚短■◆◆，仅仅在化合物发现阶段也尚无一家AI制药公司有足够的成功案例可以证实成功率★◆■★◆★。未来只有这一成功率数据逐渐明确，并且被证实可以超过50%，AI技术在化合物发现环节才有替代现有技术的可能。
李进：成都先导在AI技术方面的布局，依然是从维护企业现有竞争优势，扩大企业的商业价值为核心理念。公司现有的1.2万亿化合物库是我们在DEL领域所构筑的核心技术优势，未来将以此为基础，通过寻求外部合作★◆，利用AI技术能力进一步扩大公司数据资源优势。
李进★★◆：一些依靠单一技术■◆，单一业务模式★★■■★，以及较低门槛的优势而生存的CRO企业◆◆，未来在AI技术的挑战下■◆◆，其现有技术优势和业务模式可能会被完全颠覆，因此这一类企业如果不寻求引入AI或其他新技术，在未来可能会面临被淘汰的命运★◆★◆★。
最近Recursion和Excientia宣布合并是行业内的重大事件，两家都曾是红极一时的企业，尤其Excientia还是英国在AI制药方面最为领先■★◆■◆◆、规模最大成果也最明显的企业■◆，为什么如今却不得不与Recursion相抱团取暖，这被投资界解读为一个负面的消息。此外在国内，也有不少AI制药企业进入了清算阶段，对于资本而言■◆★★■◆，这意味着未来在AI制药领域的投资必须要更为谨慎◆★■◆。
由于蛋白质结构繁杂且变化多端◆■★★★◆，以往科学家要更多依赖于专家指导及湿实验验证的方法不断尝试探索◆★◆★◆★，才能实现对蛋白质功能的精确调控，不仅耗费较大人力物力，成功率和项目周期都难以把握。“蛋白质结构的复杂性以及序列空间非常大，这两点导致以往依靠专家经验理解和高通量筛选等方式进行的蛋白质设计难以获得良好效果★◆■★★。”天骛科技CTO刘灏对第一财经表示。
进入2024年，海外资本市场对于AI制药投资热情升温更为显著，而国内则相对平稳。今年前三季度，中国AI制药一级市场融资事件仅有27起，三季度更是只有5家中国企业获得融资■★◆◆◆◆，占比15%◆★■◆★，而美国企业三季度融资事件达到19家，占比超过57%■★◆★◆。
在生命科学★■◆★◆，尤其是创新药物研发领域，蛋白质设计优化是早期研发阶段非常重要的环节之一。由于蛋白质结构复杂★■■★，传统技术限制下蛋白质设计优化不仅耗时较长★◆◆◆，且成本高昂★■■◆◆◆，是创新药研发的技术难点之一。
英矽智能没有享受到英伟达的算力支持★◆，但是我们通过与微软合作，也对一些内部数据进行二次训练★★，并运用到了我们自己的平台上◆■★■。像生物医药这种垂直领域，AI模型训练过程中的数据量远不如Chat GPT这种通用型大模型，因此对于算力的要求也没有那么高。
投资方向上，资金向部分确定性更高的细分赛道集中的趋势愈发明显，诸如AI蛋白质设计等领域出现不少大额融资事件。
一直以来，全球AI制药投融资活动主要活跃在美国、中国和欧洲，其中，美国是全球AI制药的主阵地■★★★■，据Deep Pharma Intelligence统计，逾800家AI制药企业和1900家相关投资基金（截至2023年）中，超过半数在美国境内。
李进★★：AI技术用于未知靶点探索的成功率尚不明确，是其应用大规模铺开的一个障碍■■。
近日，全球AI制药龙头公司Recursion和Exscientia宣布合并■■■■◆◆。这两家企业在过去一两年时间内都经历了大规模缩减管线等负面事件■■，并且至今未有亮眼的临床数据读出。时值资本寒冬，两家头部AI制药公司选择合并■■，抱团取暖意味浓厚。
李进：资本对于新技术的嗅觉更为灵敏，能够比产业端更早关注到新的趋势■◆■，是行业发展的一个风向标。但短期期望值的爆发以及投资规模的快速增长，往往会导致预期过热，期望值的冲高回落是必然趋势◆◆。
据悉，尽管许多候选药物在临床前阶段进行了广泛的优化★■★★，但从2009年到2018年，全球新药整体的临床试验失败率依旧高达85%左右。如果能够可能的试验结果，将能给企业减少不少损失。
Xaira Therapeutics于今年4月完成10亿美元种子轮融资，成为到目前为止★◆■■，2024年AI制药领域金额最大的融资事件。作为一家AI+蛋白质设计领域初创公司■◆◆■◆，其核心业务是利用AI重塑药物研发，专注的方向是研究蛋白质如何在健康和疾病中发生变化◆★★◆◆。其联合创办人之一的David Baker为2024年诺贝尔化学奖得主，也是AI+蛋白质设计领域的灵魂人物。
据智药局数据，2022年和2023年，分别有71起和48起AI制药一级市场融资事件发生于美国，占当年总数的49%和46%，获得融资金额占比分别达到77%和80%■★■★。相比之下，中国地区融资事件占比分别为29%和30%◆★★★■，获得融资金额占全球市场比为9%和10%◆★★★，为AI制药投融资活动第二大活跃地区。
一度风光无限的AI制药今年似乎在资本市场受到冷遇，头部企业抱团取暖■◆★■，部分企业面临清盘◆■★■，行业估值迅速回落。
李进：医药产业一直以来都在试图利用信息技术帮助提升药物研发效率，包括靶点的选择、药物分子的设计■★◆■、优化及评估等，但一直没有获得显著的成果◆★。目前的AI技术，尤其是、大模型、深度学习这些技术出现后，已将信息技术在药物研发领域的应用潜力推上了一个新的台阶◆■◆■★■。
在大模型技术的加持下，AI制药产业快速发展■★，尤其随着的高调介入，一时间产业前景被无限看好。
2024年★■■◆★■，市场预期仍未见明显改善，但资金对于AI药物研发的态度略有改观。1-9月，全球范围内AI制药融资事件共计102起★■★◆★，企业获得一级市场融资46.63亿美元■■◆■，已超过2023年全年◆★★■★★，基本回到了2022年时的水平。
不过，刘灏表示■★★，相对于和酶制剂等业务领域，药物研发尽管短期回报较慢，但高投入高回报的特点决定了长期发展上限更高，因此依然是十分值得看好的发展方向。
第一财经此前专访英矽智能联席CEO任峰■★■◆，探讨AI制药行业发展背后的逻辑◆★★。
作为AI制药企业，就是围绕这三个方面，通过不同路径◆★、手段去解决行业痛点。
李进：从此前一些企业的探索结果来看，原先最被看好的，将AI应用于药物靶点的选择，可能还存在较大的不确定性◆◆，后续企业继续在这个方向的投入或许会更为谨慎。
所以我认为，英伟达的做法还是很贴合实际的■★■，他并没有选择将自身业务范围拓展到这个领域。因为AI制药公司的数据和人才资源都需要很长时间的积累★◆◆◆■，如果一家科技公司转型到这一领域，这部分业务规模占到公司整体营收的比例可能不会很大，其业务优先级也将较低，这是不利于AI制药发展的。与其如此◆★■★◆■，还不如将自己的算力优势与其他企业进行合作◆◆★■，形成互补◆★◆，才是最为明智的。
药物分子生成方面★◆◆■■，AI技术对于蛋白质结构预测的速度和准确性远高于传统手段，甚至被认为和实验解析的结构具备同样高的可靠性。2024年，谷歌旗下DeepMind公司所开发的蛋白质结构预测程序AlphaFold升级到了第三代，目前该款程序不仅可以用于预测蛋白质结构◆◆◆★★■，还可以预测核酸★◆◆、小分子等生命分子，并且与现有技术相比准确率提升了50%。
其次是算法。我们做了很多项目，有成功也有失败■■◆，并且也有项目进入临床阶段，相比很多初创公司，我们的算法经历了时间的验证■★◆★。并且从目前来看★◆◆■，我们的技术的确可以提高一些内部项目的成功率★◆★，这是我们的优势。
2023年至2024年◆■■★■★，全球AI制药领域一级市场融资继续波动★★◆。据行业数据平台智药局统计■■★■★★，2023年★■★，全球与AI药物研发相关的融资事件共计104起，融资总额为36.01亿美元，分别较2022年下降了27.8%和42%■★■★。
创新药企降本增效的强烈诉求使AI制药的潜在市场需求非常可观◆★。据Precedence Research预测，未来十年★■◆◆■，AI制药市场有望持续高速增长，预计到2032年全球市场规模将超过118亿美元◆★★◆■■，从2023年至2032年复合增长率将达到近30%★◆◆◆★。
AI技术的快速发展令AI制药企业广受关注，行业融资事件和融资规模一度出现快速增长。不过，受宏观经济波动及缺乏市场验证等因素影响，近年资金对于AI制药的热情有所降温，融资规模增速逐步放缓★★。
截至2024年6月，国内从事AI+制药相关业务的公司已超过90家，其中既有泓博医药、成都先导等在AI技术领域积极布局的上市CRO公司★★◆★■■，也有云深智药、百图生科以及华为EIHealth等由互联网大厂战略投资的平台公司★■★★◆。
根据市场分析机构Deep Pharma Intelligence的统计◆■★★◆，自2016年起，AI制药领域融资规模持续高速增长，至2022年，行业整体的投融资规模已较2015年增长超过20倍◆■★。
AI技术的注入颠覆原有蛋白质设计的工作模式，大幅提升研发效率和成功率。此次诺奖化学奖获得者均凭借AI技术在蛋白质设计与结构预测领域取得了此前难以想象的成就，其中David Baker首次使用生成式AI从头设计出了全新的抗体，有望让AI从头设计蛋白进入抗体药物市场。
随着国内药企ADC■◆◆■■、单抗等大分子创新药研发项目的持续推进★■■◆◆★，国内AI蛋白质设计企业积累的经验和案例有望随之增长，从而不断打造和增强企业核心竞争力。
其中，靶点发现对于新药研发意义重大，但随着创新药研发数量的持续增加★◆■◆，好的新药靶点发现难度与日俱增。AI技术在靶点发现上有着与人类思维截然不同的方式，可以在不遵循传统认知和预先假设的前提下★★◆■，寻找到全新的可成药靶点，给药物研发带来更多新的可能■■◆◆■★，因此成为不少AI制药企业尝试突破的方向。
一款新药的生命周期也就是其专利周期是20年，如果要花15年去研发，那上市之后只有5年的回报，之后仿制药就出来了◆◆■■■◆。如果提高研发效率★◆★，10年内推动药物上市，那就等于将收入独占期拉长一倍■■★◆★。我觉得这是AI能给整个制药行业带来的影响★■◆。如果能成功，其实是可以彻底改变生物医药行业现状，让投资回报率大幅度提高。
这并不意味着AI技术对于药物研发没有实际作用，从技术原理来看，AI技术在药物发现领域的应用前景还是非常可观的◆◆★◆■，但是可能在工业应用层面要达到可靠的程度，还需要一定的时间■★★■★。
如果这两个目标实现了之后◆◆◆■，我们未来的目标就是希望能做更多的项目，把AI在药物发现上的能力赋能给更多的制药公司■◆。我们也在对外授权软件，希望我们这个AI平台能让更多企业去用，帮助他们提高效率★★■◆◆■。
李进：一方面我们紧跟最新的AI算法和技术发展趋势，有好的案例尽快将其消化◆◆★◆，用来夯实我们自身的AI技术■◆。
除此之外，在临床试验设计和临床数据解读方面◆★■★◆★，AI技术也可能会有不错的应用前景。尤其是将临床数据与组学数据进行结合后■★，相比于传统的基于经验判断所产生的数据可能更具科学基础■◆■★■★。如果最终验证可行■■◆，这一应用将具备更为可观的工业价值◆■◆■◆。
李进：目前看下来，AI技术发展最为核心的还是数据，不同数据所能够培育出来的大模型各不相同★■■◆◆■，最终所产生的预测结果也不尽相同■★◆◆◆。因此，那种能够持续不断产生高质量，涉及靶点范围、分子类型范围，生物模型范围更广的大数据企业，在AI对药物设计或药物优化等应用领域的发展可能会更具活力。
从技术方向来看◆◆■◆◆★，以AI技术为依托，主攻小分子药物、抗体等大分子药物研发的AI制药公司占多数，同时■★◆◆，随着技术逐渐获得突破，AI+蛋白质设计★◆、AI+细胞疗法为主要业务的初创公司也开始不断增多。
任峰：药物上市可以证明你的技术是可行的◆■★，并不代表你的商业模式依然可行。我认为只有证明某一种商业模式可以持续带来现金流，或者帮助企业实现盈利，才是真正可行的。但是现在■■★★★◆，所有的AI制药企业还没有走到这一步。
更令业界担忧的是，包括全球首个由AI设计的分子DSP-1181在内，已有多款AI辅助研发药物被曝因临床表现不佳而终止研究★■◆，一时间质疑频出◆■◆，甚至有观点认为■◆★“AI药物解决方案实际交付能力不足★■”，这给AI制药行业蒙上了一层阴影。
李进■■★◆■◆：与投资界对新技术的看法完全不同，产业界除了关注新技术是否具备更广泛应用空间外，更多从实际应用的角度来寻找新技术在产业中的定位，因此对于新技术带来的成功率、有效性以及可靠性等数据更加关注。
此外，成都先导目前正在建设量智能化实验室，并通过购买等方式建设了一些量的生物化学检测平台。实验室每个月可以生产近万个化合物，而通过高通量检测平台又能够筛选出生物活性、成药性评价的一致性指标等数万组数据。这些数据可以用来培训新的模型，同时建立一些新的能力，帮助公司逐渐扩大数据库规模，并推动业务能力逐渐向分子结构优化领域延伸■★■◆★◆，最终形成在多个业务领域可以稳定输出成果的AI平台。
除了技术手段的突飞猛进◆★■★■★，AI技术的引入也开创了蛋白质设计服务这一全新的产业。刘灏表示★★◆★◆■：“传统技术手段下■■，蛋白质定制化设计效率低而成本高昂，企业很难仅凭借此业务实现盈利。AI技术的出现使得企业以蛋白质设计服务为主营业务从此成为可能。”
■■◆◆“药物研发受到严格的法规约束■◆★，对产品的性能要求更高，验证周期也相对更长◆★★，因此我们需要拓展一些新的业务来提升快速变现的能力◆■。”刘灏称■◆，AccelProtein是一个通用大模型，可以应用于酶制剂、学、生物药等多个不同领域的蛋白质设计中◆■★◆■★，为企业向上述领域拓展提供技术支持。
AI技术的应用被认为有助大幅提升药物研发的成功率和效率，甚至为药物创新带来全新思路★■，近十年来AI制药领域备受资本关注◆★■。
李进◆★◆：近年来★◆■◆■■，AI技术在药物研发领域的应用前景一度受到资本的疯狂追捧，短时间内就涌现了数百家AI制药公司，并获得了不少的融资，甚至有不少头部企业在欧美市场成功上市。但从近期来看，有一些信号传出。
在现阶段，大家关注最多的其实是AI技术在药物研发过程中降本增效方面起的作用★◆。
第一财经★■◆★：AI制药行业是否会因为一些极具资源禀赋的企业介入而形成寡头格局？
任峰◆■★■★◆：我们还是将继续推动药物临床研究■■◆★■★，聚焦在验证技术的可行性上。如果能发现全球第一个通过AI找到的新靶点，或者通过AI找到了新分子进入临床◆★◆■◆，并且在临床上能得到安全性、有效性的验证，这个意义将非常重大。
成都先导所处的DEL领域（DNA编码化合物库），是更为早期的药物研发阶段，在完成了50多种不同的生物学靶点家族的数百个靶点的验证后，我们目前已十分有信心地将成功率定在75%-80%★★◆★■，也确实因此获得了持续不断的订单★■◆★◆■。
事实上，迄今为止仍未有一款由AI技术研发的药物正式上市销售★★，也没有一家AI制药企业的商业模式真正开始创造稳定的现金流，AI制药的诸多优势仍未获得市场的实际验证。光环笼罩下的AI制药产业究竟是概念炒作还是大势所趋？AI技术又能否助力传统生物制药产业重回景气巅峰★★■■？
刘灏表示，在小分子药物领域，国际大药厂数十年积累的实验数据资源是其构建AI模型的重要优势；在蛋白质设计领域■◆◆■■，企业也在纷纷构建自己的数据壁垒，天鹜科技在2.8亿条公开数据的基础上，还建立了5亿条私有数据集，以此为基础训练的大模型为公司在蛋白质设计优化服务方面带来显著优势■◆■。
任峰：其实我觉得医药行业整体的市场前景依然是确定的■★■■，此前之所以有一些调整，是因为行业泡沫太大了，现在只是挤泡沫挤过头了■◆。在美股市场◆■★★■，生物医药从2023年底开始其实就已经反弹了，A股和港股市场的节奏本身就会有些滞后，再加上一些地缘政治因素带来的不确定性，导致创新药市场表现相对较弱。但从长期来看，生物医药的需求前景依然是比较确定的◆★★，生病了就必须要吃药★★◆◆◆★，而并不受到其他一些因素影响★■★■，这与消费品有着本质的区别。
目前生物创新药最大的痛点◆★■，就是投资回报率过低。德勤的统计数据显示，2022年全球Top20药企的研发回报率已下降至1.2%◆★■★，甚至已经低于定期存款利率◆◆★★◆■，因此越来越无法引起资本对于创新药产业的兴趣■■■◆★。所以，现阶段大家都期盼一种新的技术，可以大大加速药物研发进程■■◆，提高研发成功率，从而重新提高投资回报率。一旦有这种突破性的技术出现★★◆◆，证明它确实可以为整个行业带来更高效的、颠覆性的解决方案，整个行业的景气度又会重新走高。
进入三季度，一级市场情绪有所降温，AI药物研发领域融资事件共计33起，获得一级融资额度为13◆★★★.27亿美元，环比二季度分别下降超过23%和40%★◆■。
最后就商业模式的探索，尽管仍需时间验证，但我对我们的商业模式还是有一定信心的，从公开数据来看，与全球头部AI制药公司的收入相比■◆■★★■，英矽智能也取得了比较好的成绩★◆★◆◆。
除了数据资源★◆，在产品研发方面的经验和成功案例对于AI蛋白质设计企业核心竞争力的影响也非常明显。刘灏表示，在面对下游客户时，成功交付的案例数量往往受到更多关注。
导致这一现象的主要原因是，AI SaaS业务模式尽管收入稳定★◆★◆◆，但规模过低。据了解，目前AI SaaS市场份额最高的薛定谔（80%左右）■◆，2022年上半年软件业务收入约为0◆★★■.63亿美元。有业内人士透露，一般企业软件授权费一年能达到几百万美元就已相当可观，相对于药物研发动辄千万甚至上亿美元的收入，可以说是不值一提。
其次是分子生成领域★■，尤其是小分子药物方面，很多项目根本就做不到临床就宣告失败★★。只有一个可以系统且高效生成成药性较好的分子，才能最终推进到临床阶段★★■。
英矽智能从2023年开始把在研的生物药项目对外授权★★◆■，转让给合作伙伴◆★■。在此之前，其他的AI制药公司很少往这个方向去做。从获取现金流的方式来看★■★，软件销售的收入天花板比较低，而对外提供服务的合作模式则必须承担较大的失败风险。我们想要做是把项目推到PCC(临床前候选化合物)，或者临床1期就把它转让出去，让合作伙伴利用他们在临床或者市场化方面的优势继续推动项目，而我们可以借此得到首付款、里程碑付款以及后续的销售分成◆■★◆◆。目前来看我们认为这个商业模式是最理想的，但是也得等待时间验证。
至少对于成都先导在内的CRO企业，以及一些大型的制药公司而言■■，在当前市场环境下并不会选择放弃AI技术◆■★◆◆★，甚至会在预算范围内进一步增加投入。
AI技术在药物研发领域的应用主要分为临床前和临床试验领域◆■★■■■。在临床前阶段的疾病机理研究、靶点发现、化合物筛选■★■◆◆◆、ADMET预测等多个环节，AI技术的应用对于提升研发效率都有显著作用，市场空间相对更为明显。
蛋白质在生命科学领域扮演着重要的角色，通过AI技术对蛋白质进行测序，可以显著缩短蛋白质研究的周期并降低成本。目前AI蛋白质结构设计领域也已实现了一系列重大突破■■◆■◆，生成超越自然界的新型蛋白质成为可能。除了药物研发■◆，AI蛋白质设计在■◆★◆、酶制剂等诸多领域的应用前景也十分广阔。因此，近年来AI蛋白质设计一直是AI制药领域最受关注的细分赛道之一。据不完全统计★◆，2022年1月至2024年6月的两年半间◆◆，该赛道已发生不下100起融资事件，总融资额超60亿美元◆■★★★★。
据悉，由于行业的独特性，AI蛋白质设计企业可以从目前已公开的2.8亿条蛋白质序列数据中获利，但线亿条数据。
不过，尽管国内外AI制药企业先后取得了不同程度的进展◆★■■◆★，但到目前为止，还未有一款经AI技术研发的药物成功获批上市，无论是AI技术企业自行研发的新药，还是帮助客户进行的药物研发。换句话说，AI制药技术究竟能否带来实际的经济效益，尚未得到实践验证。
任峰：首先是数据。虽然我们绝大部分数据都是公开来源★■★，但这一类数据必须经过清洗筛选★◆，并统一格式才能最终用于大模型的训练。我们从2014年开始就有一个50人左右的数据团队专注于数据清洗工作，因此，在数据方面有了长时间的积累■★◆◆■。凭借我们在数据方面独到的理解，以及根据我们的理解所收集来的已经清洗过的◆◆■■■、整理成所需格式的数据■★，构筑了英矽智能在数据方面的优势。
■■■◆■★“在酶制剂或合成生物学领域，客户对产品的性能要求相对单一，实验流程模块化程度较高★◆，从产品交付到中试放大生产再到产品上市，整个周期相对药物研发是很短的。”刘灏表示，由于验证周期短，公司本身也会提供中试工艺开发等延伸服务◆★★，从而进一步帮助客户缩短产品开发周期■■★◆■★。
天鹜科技于今年4月完成了数千万元的Pre-A轮融资，所募资金将主要用于加速蛋白质工程通用大模型的行业应用。据了解，该公司依托自主研发的AI蛋白质设计通用大模型AccelProtein，已成功交付了二十余款蛋白质设计项目◆■，并逐渐将合作范围从生物药向酶制剂★◆★◆■、合成生物领域拓展■■★■★。
基于理论上的巨大优势，AI制药的概念一出现就获得了资本市场的高度关注■■★。根据Deep Pharma Intelligence 官网数据★◆★，自2012年至2023年，全球AI制药公司获得的投资额大幅增加，2019年，AI制药领域投融资额首次突破100亿美元■■◆■，并在2022年达到了141.8亿美元的阶段峰值■◆★。此后由于全球投融资市场快速降温，创新药尤其是AI制药领域的投融资规模也迅速下滑，但AI制药领域累计获得的投资额在2023年一季度时已经达到了602亿美元，较2012年增长超过170倍◆■★★。
瑞典当地时间10月9日，2024年诺贝尔化学奖正式揭晓，David Baker因其在计算蛋白质设计方面的成就获得一半奖金◆■，另一半则被分别授予了Alpha Fold2的开发者Demis Hassabis和John Jumper■◆◆■■。
现阶段AI制药的商业模式主要有AI+SaaS、AI+以及AI+Biotech三种，大家都在探索不同的商业模式，看哪个能给AI制药带来真正的机会，但是到目前还没有一种商业模式被证明比其他的商业模式都好。
得益于蛋白设计能力的提升，近年来mRNA疫苗、肿瘤药物、材料以及酶制剂等诸多赛道均实现了重大技术突破。
不过★■，由于创新药行业目前整体仍处于景气低位■★★★■◆，对于AI蛋白质设计服务企业而言，如何拓展业务空间，实现稳定增长是当下需面临的问题◆◆◆。
海外市场上除了Xaira Therapeutic，EvolutionaryScale、Nabla Bio、RevolKa等AI蛋白质设计领域的初创公司也分别在2024年宣布完成数额不等的早期融资。国内企业中，分子之心、天鹜科技■■★■★◆、途深智合等也在年内先后获得从数亿元到数百万元不等的融资。
不过到目前为止★■★◆★■，尚未有一款AI技术研发的新药上市，现有商业模式的可行性也并未最终得到验证★★◆★◆◆，产业发展面临诸多不确定性。随着资本热情降温，AI制药产业的发展前景如何？企业又该如何寻求突破？
不过在经历了几年的高速发展之后，AI制药领域始终没有一款产品推进到商业化销售阶段。缺乏市场验证，叠加新冠疫情以及全球资本市场趋冷的影响，一级市场对于AI制药的热情开始降温。2022年AI制药领域融资规模同比增幅仅为3★◆.65%★★◆◆，增速较前几年显著放缓。
任峰◆★：资金和强大算力的注入对于整个AI制药行业都将构成促进作用。尤其是一些企业可以借机利用通用大模型结合自身数据，训练出针对生物医药领域的垂直模型，可能会在诸如靶点预测、分子生成等方面更具优势。
事实上我们的AI技术也可以应用于其他领域■◆★◆，目前我们在农药研发、环保等领域都在探索一些获得现金流的方法，虽然不是我们的主营业务◆★◆◆★★，但也可能是未来的拓展方向之一。未来英矽智能很可能会成为一家覆盖生物医药★■◆◆★、石油化工◆◆■、绿色化学、农药等多个业务领域的集团公司，想象空间还是很大的。
美国细胞免疫疗法研发企业ArsenalBio于今年9月4日完成了C轮融资，获得了软银愿景基金二期◆◆◆■■★、再生元、英伟达风投基金等多家机构共计3.25亿美元的投资◆◆◆■◆，成为今年细胞治疗领域最大规模的私募融资事件。据了解，该公司致力于将CRISPR基因编辑技术、合成生物学以及逻辑门控回路技术相结合，对CAR-T细胞进行重新编程，以解决目前行业发展所面临的一系列挑战。
第一财经：过去一年中★★◆■，包括英矽智能在内，AI制药行业继续迎来较快发展，行业的商业模式有哪些变化？是否变得更清晰？
AI+Biotech★◆、AI+CRO以及AI+SaaS是目前国内AI制药公司的主要商业模式，其中前两种模式盈利能力相对较强，因此更受青睐■◆◆■。不过■◆★◆★■，由于目前为止仍未有AI药物获批上市，行业整体上商业模式并不十分清晰，有不少公司同时在两种甚至三种商业模式中展开探索。
目前来看，三种商业模式各有独特优势■◆◆，兼容两种及以上的企业最多。据药智局及蛋壳研究院统计，2022年国内AI制药公司中■★★，31%的公司选择兼容其中两种商业模式，只有8%的公司选择仅AI SaaS的商业模式◆■◆■。
其中，4月份AI+蛋白质设计领域初创公司Xaira Therapeutics罕见地在种子轮就获得了超过10亿美元的融资。受此影响，上半年，全球AI制药领域一级市场融资规模达到33★◆■★.36亿美元◆◆★★★■，较上年同期增长超过200%。
另一方面★■，则是希望利用AI技术实现业务范围向小分子结构的发现和优化等领域进行延伸拓展■★■。尤其是分子结构的优化，单项目订单价值较现有业务更高，约有5-10倍左右，是一个很好的拓展方向。
在此之前，另一家致力于利用AI技术驱动的蛋白质设计来编辑免疫细胞的创新药企业—Outpace Bio完成了1.44亿美元的B轮融资。
近年来AI技术突飞猛进，推动一些细分领域不断取得突破。2020年末，谷歌旗下DeepMind推出的第二代用于蛋白质三维结构预测的人工智能系统AlphaFold2◆■◆◆，一举破解了困扰生物学界50多年的“蛋白质折叠”难题，引发轰动◆★◆■。
进入2024年，一级市场对于AI制药前景预期回稳，海外市场的投融资活跃度有所回升。相比之下，中国市场对于AI制药的态度更为冷静，尤其在三季度，相关融资事件及融资规模较此前继续回落。
同时，AI技术可能带来的颠覆性效果，也让一些企业认清现实★■★■，并加速拥抱新技术，以寻求可持续发展◆★★。
结合近几年的数据来看，AI制药领域的融资规模高增长或已暂告一段落◆■，在真正获得市场验证之前★★，资本对于行业的预期或将保持相对平稳。而不同地区资本对于AI制药的态度也出现分化的趋势■◆■★★★。
事实上，成功率的问题本质就是一个数字游戏，只要不断尝试新的分子结构■★★，总能获得一次成功。药企在引入AI技术后，通过降本增效，原来仅够一个药物研发项目的资金和时间◆■◆，可以投入到十个甚至更多的项目中，这其实也能够促进研发成功率的提升。
任峰■★：我觉得英伟达在AI制药的布局还是结合了他们自身的优势。作为一家科技巨头，他们可以提供强大的算力，但是缺乏在生物医药领域的专业数据和算法。通过投资一些AI制药公司，可以结合两者在算力和数据、算法方面的专业优势，这就相当于强强联合。以此为基础所训练的垂直领域大模型■★★◆，将有助于解决生物医药领域遇到的一些问题。
第三个就是临床试验方案的设计，如何设计最好的临床试验方案■◆■★◆★，让研发项目尽可能获得成功◆◆★★■★，也是研究人员最为头疼的。
