AI新药研发:庄家出手了,跟吗?

多客科技

作者：破壁人PBR
AI领域的专家认为，AI的终点是生命科学。作为生物医药的业内人士，听上去是不是有那么一点受宠若惊？而产业界对AI的态度，多数人还是以观望为主，不过同时也认识到，AI不再是可有可无的东西，的确会从根本上重构生命科学产业。

人工智能领域类似于“庄家”身份存在的英伟达高调入局，客观上会促进行业发展，但如果盲目跟风，allin AI可能是场灾难。因为有些问题还看不太清楚，比如距离“下一场革命”还差什么？在突破到来之前，我们应该关注什么，如何关注？投资机会最可能出现在哪里？

英伟可以高歌猛进，别人不行

生成式AI兴起后，作为如日中天的英伟达掌舵人，黄仁勋“黄教主”频繁地在公开场合声称，数字生物学称为技术领域的“下一场革命”，人人必须学会计算机的时代已经过去，“人类生物学（human biology）”才是未来。这里所谓的人类生物学听上去有点不伦不类，他所指的应该是生命科学（life sciences）。

黄教主也不止是说说而已。2015年左右，英伟达决定在医疗保健领域加大投入，最初是向制药公司宣传深度学习的潜力，以销售GPU硬件。而时至今日，医疗保健、生命科学+AI占了英伟达投资的1/3。

单是2023年，英伟达就投资了9家相关领域的公司，覆盖的药物形式也非常广泛，包括小分子药物（Terray）、大分子抗体（CHARM、Evozyne）、GPCR药物（Superluminal）、核酸药物及疫苗（Inceptive）等，投资阶段从天使轮到上市公司增发都有。



然而，生物医药是一个极度保守、封闭的领域，过去几年的发展也并不那么尽如人意。诚然，行业在2020~2021年短暂经历了一波高潮，这两年当中有超过12家海外AI制药公司上市。仅2021年，全球生物医药领域前十大融资榜单中，AI制药公司独占四席。

之后很快经历了一波剧烈的调整。虽然有宏观金融环静的因素，但市场也发现，此前对于AI制药的预期过于乐观了，AI在整个制药流程中的发挥空间还很有限。一些AI设计药物的临床失败，更是加重了人们对新技术的质疑。

那么又是为什么AI医药突然之间又重新走入大众视野？经过了这么多年，以英伟达为首的科技巨头们又开始高调唱多AI医药，究竟发生了什么？

我们必须清醒地看到，黄仁勋在AI+生物医药的高调布局有他的考虑，和一般的一级市场投资人的利益、立场并不完全一致。英伟达的这些投资，更像是服务硬件销售的产业生态布局，一如2006年凭借CUDA建立的产业生态（ComputeUnified Device Architecture）一样，帮助英伟达在芯片界奠定霸主地位。

简单来说，CUDA是基于GPU设计的软硬件结合的通用计算架构，优势体现在两个方面。一个是使用者可以直接与GPU结合操纵芯片，大大降低了GPU的使用门槛。二是为软件厂商免费提供开发工具，而这些免费开发工具又无形之中提升了替换成本，增加了客户粘性。这一次英伟达在医疗健康和生命科学领域的布局，是CUDA生态在芯片领域的重演。

除了直接下场投资，“NVIDIA 初创加速计划”已经培育了1800多家医疗健康初创公司，英伟达会为这些会员企业提供产品折扣、技术支持、市场宣传、融资对接、业务推荐等一系列服务。

退一步讲，即使这些被投企业发展不达预期，英伟达投出去的钱可以通过卖芯片、计算平台、云服务赚回来。而其他投资人就没有这样的便利了。所以对这个市场如何发展的问题，我们还是得有自己的思考。

突破到来之前，我们应该关注什么？

既然AI新药研发已经是一头“房间里的大象”，无法再假装无视它，那么在取得AlphaFold级别的重大突破前，我们重点要关注什么？

在制药领域，AI技术可以应用的场景包括靶点的发现和识别、药物从头设计、ADMET预测、临床试验等，基本涵盖了药物发现、开发和临床的全流程。DeepMind创始人Hassabis认为，距离AI参与整个药物发现过程，需要6个AlphaFold 级别的重大技术突破。算法、算力、数据，是AI技术的三大核心要素。

在大多数场景的AI应用中，算法都是三要素中最终要的一环，算力与数据库虽然也很重要，可大多数投资者依然更关注大模型算法的构建。

但在生物制药领域，算法并不起主导作用。与其他领相比，生物制药赛道的数据资源更加珍贵。这些数据是非开源的，是各大药企的核心资源。无论成功与否，临床试验、临床前研究都花费了海量的资金投入，获取数据的代价是及其高昂的。

因此，数据才是AI制药赛道最核心的竞争力所在。

此外还要关注的是商业模式，如何赚钱的问题。研究了数十家国内外的AI医疗企业之后，我们发现当前的AI制药的商业模式主要有三类。

一类是AI biotech，利用AI技术建立自己的药物研发管线，并以自主研发、授权合作等方式推进管线上市，超过九成企业属于此类，如Nimbus、英矽智能。第二类是AI CRO，提供药物研发服务，利用AI技术为制药公司提供药物研发的外包服务，如晶泰科技，腾迈医药、药明康德。第三类是AISaaS，这类企业主要售卖AI药物研发平台与软件服务，如薛定谔、深势科技。当然，其中也不乏以上两类甚至三类模式的混合体。

大部分AI制药创业公司的终局大概率是AIBiotech，AI作为工具，体现公司价值的是终端产品——临床管线。于是对这类公司的判断就回到了biotech的判断逻辑，回到管线价值本身。

AI SaaS模式很难做大，薛定谔是典型代表，即使做到了全球龙头，SaaS板块的销售额也没有超过2亿美元。

最后一类AI CRO模式，现在还并不清楚机会将来自于传统CRO向AI CRO的转型，还是新生代AICRO企业。无论哪种情形，企业形态本质上仍然是CRO，都将继续面临整个行业的极致内卷。

对发展趋势的判断

仔细去看一看英伟达投资的这些公司，会发现大部分都拥有生成式AI平台，大都围绕突破原有药物发现环节的痛点进行创新。

例如CHARM的蛋白质结果预测平台，Inceptive的mRNA人工智能设计平台，Generate加速靶标和治疗药物识别以及验证速度的生成式平台。这些被投企业目标都指向利用人工智能更科学地开发不可成药的药物靶点，然后提升发现、验证候选分子的效率。

英伟达基于生态体系建设的布局可能带来的结果是，行业再一次被垄断，不再需要新的AI制药平台。从2020年到2023年，英伟达的医疗保健团队从一套工具发展成为一个平台，虽然这个平台的水平还远远达不到普通药物化学家、计算化学家、或专注于信号通路分析的生物学家所期望的水平，但随着更多的合作，比如他们与Genetech公司建立的合作关系，这个平台很可能会变得更加成熟。

被投企业中至少有两家，Evozyne和Lambic，直接使用了英伟达提供的技术，如 AI 超级计算平台和 NVIDIA BioNeMo云服务，其中包括ProtT5蛋白质生成模型。

英伟达之外，微软、谷歌等科技巨头也对生物医药领域的AI技术抱有兴趣，将生物技术视为AI的下一个前沿领域。

例如谷歌DeepMind将AlphaFold模型用于开发“分子”注射器，将药物直接注射到细胞中，用于研究减少对杀虫剂依赖的农作物。此外Salesforce推出了蛋白质生成模型ProGen，微软也发布了类似的开源模型EvoDiff，亚马逊为AWS机器学习平台SageMaker发布了蛋白质折叠工具。

未来新药研发公司将能够在云端、亚马逊或本地的英伟达GPU大规模集群上使用这些工具。对于拥有一体化平台和经验证软件的AI制药公司影响不大，但很有可能会遏制初创企业的发展。

从结果上看，应用AI或计算化学实现新药获批上市是可以期待的。Nimbus（武田）的Tyk2高选择性变构抑制剂TAK-279，最终跑完全程，成功获批上市的可能性很高。这很可能会成为行业的一个标志性事件。