糖心vlog发电机公司
Mou Mou Jidian Generator
客户统一服务热线
020-88888888
13988889999
020-88888888
13988889999
（图片来源：Unsplash）
新药研发是人类发展中极具风险和复杂度、耗时最漫长的技术研究领域之ー。英国《自然》（Nature）杂志有一组数据显示，新药的研发成本大约是26亿美元，耗时约10年，成功率不到十分之一。
2018年上映的《我不是药神》电影中，慢性白血病患者需要终生服用的正版格列卫，一盒整板售价高达2.35万元人民币。患者为了维持生命，每年服用格列卫成本就需要接近30万元。高额的药物研发成本，导致一些正版药物在专利期售出天价，加之一部分药物尚未被纳入医保范畴，很多患者都面临“救命药吃不起”的窘境。
但随着人工智能（AI）技术的迅猛发展，通过AI算法取代人力筛选，让AI制造出药物似乎正变为现实。数据显示，相比传统新药研发每年将近2000亿美元的费用，使用AI技术可以减少约35%的新药发现成本，周期时间也从5至10年缩短至1-2年，甚至有可能几个月内完成。
如今全球企业对AI制药技术关注度明显上升，关于AI新药研发力度逐步增强。
近日，英国调研机构Deep Pharma Intelligence发布的一份关于AI制药产业发展报告显示，截至2021年第二季度，利用AI技术实现药物发现、生物标志物开发和先进研发环境的企业，全球大约有300家，另外有880多家投资机构入局这一赛道。其中，有21家为CRO（合同研究组织）企业，31家传统药企，以及29家科技化工公司。中国AI制药企业占比达到2.5%，即大概有7-8家AI制药公司总部在中国。
市场规模方面，沙利文联合头豹研究院发布的一份报告统计显示，全球药物研发市场持续增长，2020年规模达1915亿美元（约合人民币1.24万亿元），预计2023年达2168亿美元。
其中，美国药物研发市场2020年规模占41.83%，达801亿美元；中国药物研发市场规模持续增长，2020年达270亿美元（约合人民币1745.87亿元），预计2023年达493亿美元。该报告预计，在2023年前，中国药物研发市场规模有望超过美国的一半。
在万亿级市场规模下，众多明星基金和投资人跑步入场，包括比尔·盖茨的基金会信托基金、谷歌风投、BAI资本、软银愿景基金、红杉、启明创投、五源资本、真格基金等，这些机构大多在AI制药赛道中押注了晶泰科技、英矽智能、星药科技（Galixir）等多家公司。
中国互联网科技巨头们也早已布局AI制药。去年9月，腾讯推出AI驱动药物研发平台“云深智药（iDrug）”，用于临床前的药物设计、筛选和优化；字节跳动AI Lab去年12月开始在北京、上海和美国山景城招聘药物发现科学家，开展AI驱动的药物发现和制造研究；随后华为也发布了药物研发算法工程师的招聘启事，并和中科院上海药物研究所合作，推出了基于AI开发平台ModelArts的药物联邦学习服务。更早之前，百度、阿里巴巴也都已先行落子。
毫无疑问，AI+制药，成为了当下没人敢错失的赛道。
不过，虽然众多巨头企业跑步入场，但AI制药行业存在巨大的未知数，商业前景还有待验证，迄今为止还没有一款由AI发现的新药问世糖心vlog入口。上海交通大学生命科学技术学院教授陈海峰指出，AI不是万能的，这一技术如何改变制药业，还有诸多问题仍待解答。
那么，AI 制药行业究竟是未来百亿新蓝海，还是像共享单车、社区团购一样，资本蜂拥却沦为烧钱大战？
全球AI药物研发企业不完全统计表格（来源：钛媒体App）
6月3日下午，中关村国家自主创新示范区会议中心，一场关于AI技术论坛上，一位外国演讲嘉宾吸引了在场所有人的目光。
尽管台下没有任何翻译设备，但在场所有人都聚精会神仔细看着演讲者的PPT。中国著名神经生物学家、清华大学药学院长聘教授鲁白在论坛现场形容这位嘉宾是：“他是一位学者创业，也是少见的既能发表论文，还能写书的企业家。”
这位外国嘉宾就是AI新药研发商英矽智能（Insilico Medicine）创始人兼首席执行官、计算机科学家Alex Zhavoronkov博士。
Alex毕业于加拿大皇后大学，后来在美国约翰霍普金斯大学取得生物技术硕士学位，在莫斯科国立大学获得生物物理学博士学位，拥有计算机和生物两个技术方向的求学经历。并曾在英国生物老年医学研究基金会担任首席科学官，他还是美国巴克衰老研究所的客座教授，甚至写过一本名为《跨越衰老》的书。2014年，Alex创立了英矽智能这家公司。
此次演讲中，Alex主要宣传英矽智能在今年2月底发布的一项重要成果：在不到18个月内，英矽智能利用自主研发的AI药物研发平台，完成了从概念到临床前候选化合物发现的整个过程，发现了泛纤维化的新靶点，并针对该靶点设计了治疗特发性肺纤维化（IPF）的临床前候选药物，该候选药物已被证明在临床前的体内体外实验中具有显著疗效，且成本远低于常规药物发现的投入。
事实上，药物研发是一个系统性工程。从生命科学的基础研究开始，然后到靶标（点）的发现。靶标是指和疾病进程有关的，并且可与药物分子相互作用的生物大分子，如蛋白质或核酸等。
当靶标确定以后，就可以根据靶标发掘潜在的命中化合物（Hit），然后通过数轮合成优化，最后获得临床前候选化合物。药物的临床前研发主要包括药学研究、药效学研究、药代动力学（DMPK）及安全性评价，完成临床前研发并申报临床试验（IND）获批后，方可在人体上开展临床阶段的研究。药物的临床阶段研究同样挑战重重，I期、II期、III期临床试验，每一轮都面临长耗时和高风险，完成了临床试验后药物需要提交上市申请，只有获批的药物最终才能流入市场。
中科院院士、中国科学院上海药物研究所研究员蒋华良指出，每年全球只有30-50个新药可以上市，原创新药则更少，大概在15个左右。而人类的疾病共有4500多种，90%以上的药是无药可治的，做药却又是一个复杂的过程，需要上千种技术，高风险、周期长、投资高。例如，四大神经退行性疾病之一的阿兹海默症，近20年来仅上市了一款新药。
传统的新药研发模式下，每一款新药上市动辄需要数十年，耗费数十亿美元，且90%以上的新药都没能走到终点。周期长、成本高、成功率低是新药研发面临的普遍难题。
那么，英矽智能究竟是如何做到用AI技术进行药物研发的呢？
具体来说，英矽智能团队花了近7年的时间，构建了数百个AI模型（每个模型负责一项特定任务）集成到该公司自主研发的一体化AI平台 Pharma.AI中，并通过大量的组学数据、论文库数据、临床实验数据等不断地对AI算法进行训练验证和迭代，从而开发了针对药物研发三大痛点的AI药物研发软件，它们包括：创新靶点发现引擎PandaOmics、小分子的设计和生成引擎Chemistry42、以及临床试验结果预测平台InClinico。
在创新药物研发项目中，首先，团队利用PandaOmics引擎的复杂评分机制，通过数据分析帮助靶点发现（该项研究也发表在《Science》杂志中）；其次，用经过大量数据训练和验证的小分子设计引擎Chemistry42，基于蛋白结构或者配体结构进行化合物的设计和筛选，帮助找到具有特定属性的小分子化合物，实现从苗头化合物的发现一直到临床化合物的确定；第三，利用人工智能引擎InClinico，指导正确的临床实验方案。
值得注意的是，Pharma.AI平台通过处理多模态大数据并构建复杂的疾病模型用于靶点选择，实现包括数百个模块，如生成式对抗神经网络（GAN）、自然语言处理（NLP）引擎和统计组件——所有模块均可协同工作。
简单来说，英矽智能就是通过大数据模型，让AI技术实现推理创造，使得AI从量变走向质变，探索新的药物发现方法。通过AI平台的深度学习算法和大数据计算，实现从靶点发现到化合物筛选，从化合物合成到临床实验设计优化，最后走进人体临床实验全过程。
创新工场董事长兼CEO李开复表示，AI技术的自动化、规模化和可解释性优势，让它成为极具潜力的药物设计新思路。此次英矽智能的发明是一个完整的、产品化的解决方案，也标志着业界首次对AI进行科学验证，并将其用于新药研发。“第一次把整个新药研发流程打通”。
2021年6月，英矽智能完成2.55亿美元C轮融资，领投方为华平投资，跟投方包括启明创投、创新工场、CPE源峰、红杉资本中国基金、BV百度风投、礼来亚洲基金等20多家明星机构，堪称豪华。据彭博社此前报道，英矽智能正考虑筹资约3亿美元在美国IPO。
Alex告诉钛媒体App，英矽智能正在靶点发现、化合物设计、化合物合成优化等领域布局，并计划把自主研发的创新药物管线推进到临床试验阶段。据悉，英矽智能利用人工智能驱动发现的、针对IPF的候选化合物已于去年底进入临床前研究阶段，这将是全球范围内首例由人工智能发现的具有全新靶点、全新化合物的潜力药物，预计在2021年底进入临床试验阶段。
（图片来源：受访者提供）
与传统药物研发流程类似，目前AI制药产业链大体分为：新药发现（Drug discovery）——临床前研究（Pre-clinical development）——临床研究（Clinical development）——FDA审核批准（Regulatory approval）——新药上市等。而AI药物研发主要聚焦的疾病领域为癌症、精神类、心血管、肝肾肠胃、呼吸系统等。
不过现阶段，大部分企业都集中于早期化合物合成与筛选，或者更早的靶点发现阶段。
智源研究院发布的一份报告指出，在全球两百多家在AI制药赛道布局的公司中，一半以上都是在药物发现阶段，其中81家公司做新的侯选化合物的挖掘。
对此，BAI资本投资副总裁侯晓林对钛媒体App表示，“出现这样状况的一个原因是，传统新药研发要超过10年，整个AI制药企业也没有发展这么久，长的比如晶泰科技也是一家成立六年多的公司，短的也不到两三年。从药物研发到临床试验的整个过程依然需要花很多时间，AI制药企业无法跳过临床前和临床阶段大量的实验，直接成药是不太现实的。”
成立13年以来，BAI资本累计投资超200家互联网企业，实现14个IPO和40余家独角兽，主要布局中早期企业，投资领域涵盖零售、消费及服务，内容及媒介创新，产业科技及软件，前沿科技及底层技术等方面。在加入BAI之前，侯晓林毕业于清华大学，就职于软银中国资本，任投资副总监，更早在百度任职。在AI制药领域，侯晓林和BAI资本团队布局了星药科技（Galixir）、星亢原neoX生物、康迈迪森等明星公司。
侯晓林认为，AI的介入，可以减少大量的试错和返工时间，节省研发成本，缩短研发周期，这对药厂和CRO公司来说是很有意义的事情。因此，尽管目前很多公司都在产业链早期阶段，但随着AI技术的不断进步，AI制药公司有望布局整条产业链。
“早期药物发现整体可以从另一角度分为两个阶段，生物机制发现阶段和临床前研究阶段。像蛋白质结构解析、靶点发现都属于前者，而化合物发现、活性、毒理、药理优化等环节属于后者。AI可以预测超大规模的分子结构数据，更加准确高效地预测分子的属性，进行虚拟筛选，大大提升了研发的速度、降低了研发的成本。”侯晓林在接受钛媒体App专访时表示。
实际上，在药物发现领域，晶泰科技做的就是一个AI技术参与的闭环。据晶泰科技联合创始人兼CEO马健博士介绍，针对新靶点，AI可以首先针对靶点结构，生成涵盖了巨大的化学空间的化合物集，并从中初步筛选出一系列潜在有效的化合物；随后，使用AI与基于量子物理原理的算法对这些分子的活性进行筛选、排序，结合靶点和细胞层面的实验，对化合物关键的成药性质进行更精细的验证与优化，并将真实世界实验数据反馈给AI模型，用于新一轮的化合物生成、设计，行程循环。如此迭代，可依靠AI与少量有针对性的合成实验，快速、精确地锁定各方面性质理想的候选化合物。马健认为，晶泰科技自主获得高质量实验数据与模型验证的能力是算法不断完善提升、构建数字孪生的药物研发系统的关键。
晶泰科技（XtalPi）成立于2014年，是一家以数字化和智能化驱动创新的AI药物研发公司，其“底层物理计算结合AI”的模式颇受看好。2020年9月获3.188亿美元的C轮融资，称其创造了当时全球AI药物研发领域融资额的最高纪录。
马健告诉钛媒体App，目前晶泰科技的商业模式，更多是以药物研发平台进行研发合作，服务药企和客户的需求。当主要提供提供一站式药物从头发现、晶型预测在内的算法预测与实验验证相结合的研发服务。其中，与希格生科、Geode两家生物科技公司合作，针对两个尚无对症药物的癌症靶点进行AI新药发现，分别在半年左右获得首创新药(first-in-class)临床前候选化合物（PCC），目前正在准备或已经进入CMC环节。至于自有新药管线，短期内暂无计划。
另外，可以发现一个现象，包括Alex、星药创始人兼CEO李成涛博士、星亢原生物联合创始人兼CEO陈航、冰洲石科技（AccutarBio）创始人范捷等AI新药研发赛道企业创始人，均没有从事传统药企的经历，大都与AI、量子、统计、计算机、生物学有关。这说明，AI制药并非只有药企产业的资深人士才能做到。
例如，陈航是美国麻省理工学院（MIT）物理化学博士，曾在美国华尔街对冲基金千禧年担任基金经理，创始团队均毕业于浙江大学竺可桢学院；而范捷2004年获得加州伯克利大学生物统计学硕士，后来在洛克菲勒大学从事博士后研究；李成涛则是毕业于清华大学姚班，随后在麻省理工学院获得计算机博士学位，师从机器学习大牛Prof. Stefanie Jegelka and Prof. Suvrit Sra.等。
对于这一现象，侯晓林认为，跨学科是未来科学研究的发展趋势，候选化合物需要更多的解析分子结构，与AI相关的交叉学科背景的人十分有优势，因为他们对于AI+制药技术理解的更为深刻。借用BAI被投企业星亢原陈航博士的一句话来说：“一个产业不可能被自己老一代的人或是传统的人颠覆掉，自己没事颠覆自己干什么，只有新兴的力量才可能。”按照技术颠覆传统产业的思维，但可能是人工智能领域出来的人会更有动力来把新元素、新角度融合到已有行业中来碰撞出新火花。
“这个领域其实是个偏交叉学科。虽然李成涛主攻AI领域，但他博士期间的方向或是时间和精力，其实花在了理解分子之间相互作用的关系上，从而解决分子之间的作用底层原理。而且，团队也会招聘从传统药企中出来的人，并不是说创始人一定要在药企里面做过很长时间。将AI技术和医疗大健康赛道的人组合在一起，才会推进企业更快发展。”侯晓林表示。
事实上，AI+制药赛道属于计算机与生物、化学等诸多学科交叉的生命科学技术，高端复合型人才十分稀缺，商业模式尚不明确，产业也处于早期。加上AI大数据的“黑盒”，使得数据不同，各家技术路径也不相同，导致整个产业呈现“散而小”的局面。
首先是商业模式尚不明确。企业需要合理地定位角色，选择适合的商业模式。当前，AI药物研发真正意义上的产出较少，2019年4月，IBM公司因为财务业绩低迷，决定停止开发和销售药物开发工具——Watson AI套件。目前多数企业发展依赖融资，对AI+药物研发技术创新企业来说，是自己做药物研发还是CRO模式，是需要结合自身发展做出适合的选择。
以美国AI制药独角兽Schrodinger（薛定谔）为例。创立于1990年，比尔·盖茨、谷歌、启明创投等投资的薛定谔于今年2月成功在美国纳斯达克上市，股票代码为SDGR。截至9月18日，薛定谔市值已经达到44.2亿美元。
但薛定谔发布的2021财年二季度财报中显示出，AI新药发现并非该公司核心收入，而且商业模式并不清晰。
财报显示，薛定谔Q2收入为2980万美元，同比增长29%，整个上半年收入为6191.1万美元。其中，Q2软件收入2410万美元，同比增长15%，新药发现业务收入570万美元，同比增长161%。软件和新药发现为薛定谔的两大业务领域，前者为向药企销售AI制药相关软件，后者为开发自有新药。
与此同时，财报显示薛定谔收入中相当一部分并非来自其核心业务，也就是投资所得收益。比如，2021财年Q1由于公允价格的调整，薛定谔持有的Morphic Therapeutics的股份为其带来2480万美元非现金收入。Q2则包含收购与药物发现计划相关的知识产权，以及薛定谔与百时美施贵宝合作的收入等。最终导致薛定谔第二季度净亏损达到3497万美元，相比同期的406.6万美元大幅增长。
AI制药公司Schrodinger于2月在美国纳斯达克上市（来源：Nasdaq官网）
不过，侯晓林却认为，尽管从时间上看，国内大数据和AI制药行业起步略晚，但这个行业自身就比较新颖，从临床I&II&III期到FDA/CFDA审核，整个过程尚需一段时间，但AI制药公司阶段性管线成果仍可通过“license out”模式商业变现。
Alex指出，英矽智能拥有三种收入来源的商业模式，但目前依然处于早期商业化。
首先，通过自研的人工智能药物发现平台推进超过40个内部在研项目，一旦这些内部管线取得进展，公司将寻求项目授权合作或自主推进到临床阶段，继而实现商业化；糖心vlog
第二，项目开发合作。对于拥有临床管线的公司，如果想要布局创新的临床前管道，它们会选择与这个领域最前沿的公司，也就是英矽智能等企业合作，从新靶点发现一直到临床前候选化合物研究，并随着项目合作的展开进行里程碑付款；
第三，软件授权合作。英矽智能会把AI软件授权给制药公司，当这些软件被布局在制药公司内部，使用者们可以从英矽智能多年的研究中受益，利用软件加速药物发现。Alex认为，软件收入可能没有项目合作收入那么重要，但将有助于整个生态圈的发展。
“我们想成为生态圈的重要的一份子，向全世界提供英矽智能的药物发现能力，”Alex说。
“我们的目标不是迅速实现盈利，而是通过满足广大患者的需求，来赢得具有潜力的市场。我认为，要实现真正令人惊叹的财务回报需要数年时间，不仅对英矽智能而言如此，对其他公司也是如此，但这不会在一夜之间发生。另外，为了计算风险和回报，投资者理解生物技术商业模式是非常重要的。因为生物技术是一个非常有风险的行业，它通常不仅关于研发成本而且关于成功的概率。”Alex对钛媒体App表示，自2014年成立以来，英矽智能已与包括约翰霍普金斯大学、哥本哈根大学、诺华、强生、辉瑞、勃林格殷格翰、安斯泰来等顶尖院校及跨国制药企业达成合作。
另外，药企巨头们也在不断入局AI药物研发中，未来可能会通过大笔资金、人才的投入，或取代AI新药研发初创企业。
目前在全球药企中，诺华、阿斯利康、杨森、辉瑞、默克、拜耳等在AI药物研发上行动积极。其中，诺华使用机器学习算法监控和管理临床试验，辉瑞、赛诺菲、百时美施贵宝使用AI开发和分析药物真实世界数据，拜耳则借助AI功能套件，从药物警戒数据库中自动提取药物不良反应记录。
二是高端复合型人才缺失。AI药物研发兼具信息科技和医药双重属性，既需要AI的人才也需要懂药物研发的人才，需要培养一批具备交叉学科的复合型人才队伍。
根据全球顶级期刊《科学》（Science）发布的报道显示，常见药物发现所需要的学科主要包括生物学、化学、AI计算等相关科学技术。
1、生物学：检测开发；细胞生物学；电生理学；基因组学和分子生物学；药物；（行为）药理学；生理；蛋白质生化、表达和合成；蛋白质工程和生物制药；蛋白质组学；结构生物学和晶体学；兽医服务；
2、化学：分析化学；药物和合成化学；合理化合物设计；计算化学；计算机设计；高通量筛选；
3、相关科学：工程；数学；统计数据；生物和化学信息学；IT、硬件和软件设计等。
对此，马健在接受钛媒体App独家采访时指出，很少有定位于交叉学科的专业，所以大部分人才在进入晶泰科技这个团队后才开始涉猎、补充其他领域的知识。在晶泰科技的招聘过程中，也不强调“一专多能”，而是由许多在各自专业技术领域深耕多年的专家，组成一个密切合作的跨学科的研发团队。只有科学研究、工程问题、算法、算力整体获得不断的优化和发展，达到一个技术临界点，才能解决复杂的AI新药研发问题。
三是数据制约。AI训练模型需要优质的数据，新药研发领域的数据基本掌握在药企手里，公开的数据比较有限，所以如何获取优质的数据，建立研发数据标准体系完善数据都是AI+药物研发初创公司面临的难题。
对AI制药企业而言，数据壁垒必须破除，但这并非易事。多位业内人数指出，药物研发中最核心的数据往往掌握在药企手中。由于涉及核心知识产权，药企并无意愿将核心数据分享。而公开的数据质量参差不齐，限制了AI发挥更大价值。
短期内，AI无法颠覆制药工业的既有生态。不同项目中的AI模型差异巨大，如何训练完全依赖研究者自身的判断。因此，制药业积累经验和知识依然有重要价值。
此外，AI制药对于患者的高风险也是不可忽视的。让人类吞下由AI技术制造出的药物，风险十分之高，机器可以死机重启，人无法通过科技形成“复活甲”。
总的来说，AI主要是神经网络的算法，而神经网络来自于神经科学。但相比人脑中百亿个神经元，以及和神经细胞组成的复杂的网络，现在AI的模型结构太简单了。现阶段，整体技术依然处于弱AI阶段，没有大量的算力、算法和大数据，很难通过AI实现所有的新药发现，诸多技术、商业、产业难题仍待解决。
“我们今天其实只走了第一步。”李开复在谈及AI制药时认为，尽管AI制药取得了突破，且潜力巨大，但仍处在发展的极早期，仍需着力打通靶点发现和药物分子发现等环节。
启明创投主管合伙人梁颕宇则认为，若以1到10分来评判AI制药的成熟程度，现阶段大概是1分左右，“现在说AI 对医疗领域的潜在影响还过早”。
一位AI制药从业人士指出，长期以来，中国制药行业被指源头创新能力不足，对新靶点、新成药机制的发现几为空白，且成果转化环节仍需打通。在将科学发现转化为新药的经验依旧欠缺的现状下，除了要面对AI技术和欧美企业的差距，如何利用AI发挥最大价值，仍是中国制药业面对的真问题。
蒋华良院士强调，药物研发加上AI这样的一个技术前景是美好的，但是道路肯定是不平坦的。在药物研发领域，AI永远代替不了人。但如果做药的人不掌握AI技术的话，也永远做不过新药研发企业。
2019年，Alex做出了一个意外的举动——将英矽智能总部从约翰霍普金斯大学所在地美国马里兰州移到中国香港。
实际上，全球50%以上的AI制药企业都位于美国。对此他解释称，中国正在创造绝佳的环境，所以他认为公司总部搬到中国香港，有利于英矽智能未来发展。
“我把全副身家押在了中国生物技术的未来上。”Alex在接受钛媒体App独家采访时表示，中国生物技术产业过去更专注于更成熟和保守的靶点和靶标。然而如今，中国正在加大对创新药的投入，考虑到这样一个辛勤耕耘的环境和各攸关方做出重要努力，他预测未来5年内，中国创新药赛道将迎来一场大爆发，会站在世界的医药创新中心。
在Alex看来，尽管AI制药赛道这不会在一夜之间爆发，可能需要10年或15年以上，但中国并不会在AI制药技术中处于劣势。
事实上，顶层政策设计方面，大数据和AI药物设计已成为中国生命健康领域的战略前沿方向。
早在2018年4月，卫健委《全国医药信息化建设标准与规范(试行)》 指出，利用AI技术对疾病风险进行预测，实现医学影像辅助诊断、临床辅助诊疗、智能健康管理等；十四五规划和2035年远景目标纲要中，下一代AI技术和新药研发都已列为关键创新技术之一开展攻关研究；科技部、中科院十四五战略规划调研中，都将AI新药列为生命健康领域的前沿部署方向。
融资方面，AI药物研发受资本追捧，2021年来，亦有数家中国AI制药企业获得大额融资，中国企业和投资人均瞄准这一领域。
对于侯晓林来说，近两个月内，她在AI制药赛道布局的上述三个项目均公布了新的融资消息。
动脉网统计显示，2010年至2020年10月，海内外有超过50家AI+新药企业获得了融资，合计融资总额超过45亿美元。这其中，超过20亿美元的融资发生在2019年至2020年。CB Insights数据显示，仅2020年前三季度，行业投资事件数量达到289起。根据Deep Pharma数据显示，AI药物研发相关领域融资总额从2014年2.2亿美元，增长至2020年的18.39亿美元。
目前在未挂牌上市、利用AI推动药物发现的企业中，已有五家估值超10亿美元，包括英矽智能、Benevolent AI、Exscientia（递表即将上市）、Insitro、以及中国企业晶泰科技。
当然，除了开头的互联网企业、以及AI科技企业布局AI制药之外，大型药企、CRO的入局也需要密切关注。
国内CRO企业中，药明康德积极布局AI制药。2018年06月，其与英矽智能合作尝试利用生成对抗网络(GAN)和强化学习(RL)等新型算法，针对全新的以及具有挑战性的靶点，为客户开发理想的临床前药物候选分子。自2016年至今，药明康德布局6家Al药物研发企业投资，其中包括英矽智能、Engine Biosciences, Verge Genomics, Strateos、Insitro和薛定谔6家Al公司，其中薛定谔已上市。
清华大学交叉研究院副教授曾坚阳认为，通过新技术对数据所有权的争夺，或将成为AI制药的下一个热点。
今年7月，谷歌公司旗下DeepMind团队自研AI系统AlphaFold 2已经能够预测人类98.5%的蛋白结构组（人类基因组编码的所有蛋白质的集合）研究成果，使得其海量蛋白质三维结构数据库有望在药物发现领域应用，让中国AI新药研发企业找到了新蓝海。
有数位行业资深人士对钛媒体App表示，由于DeepMind这一研究成果的想象空间，导致很多投资人十分看好现在国内AI制药行业发展。
“DeepMind的研究对于AI制药产业来说是一个很大的启发，对于整个AI制药行业也是一个里程碑。它让更多人关注到AI制药行业，以及源头环节下游的瓶颈问题。”马健博士近日在接受钛媒体App独家采访时表示，DeepMind的这一成果如同打开了药物创新的源头活水，让更多因为结构不清晰而难以成药的靶点变得可望可及，而清晰的靶点蛋白结构意味着AI算法有更好的施展空间，可以应用的靶点与应运而生的药物管线数量也会显著增加，这对于整个AI制药是一个重要利好。
实际上，随着AI技术在医疗领域的全链条应用，正不断加速生物医药行业的范式转变。但这无疑将耗时长久，短期内，业界期盼的AI助力中国制药业“弯道超车”几无发生的可能。这主要由于制药行业本身动辄十几、二十年的超长研发周期。
曾坚阳指出，AI在药物研发中扮演的仍然是一种辅助性角色，核心仍是制药乃至生物和化学专家的专业知识。制药业积累的研发经验，是AI在制药业发挥价值的前提。
大药企积累的经验和数据，也促进了AI本身的优化。马健坦言，通过与欧美药企合作，晶泰自身的平台与技术也得到了打磨和验证。目前晶泰科技通过结合智能药物研发平台与实验技术、以及药物研发团队丰富的行业经验，就此建立起一套较成熟的AI药物发现流程与全新研发范式。
侯晓林认为，新药研发是需要大量的资金、人才和技术投入，加之用药安全性考虑，AI制药赛道道路且长，还需要扎实的基础科学研究和充分的临床实验。
侯晓林强调，“没有那么多弯道可以超，踏踏实实做事还是少不了的。”
（本文首发钛媒体App，作者｜林志佳）
手机网站
微信