扮演AI制藥“賣水人”的英偉達市值直线飆升至萬億美金，然而AI+新藥研發的一些Biotech卻在資本寒冬下死傷無數，帶上“制藥”標籤就沒出路嗎？

7月12日，全球AI制藥明星公司Recursion Pharmaceuticals官網發布公告，獲得英偉達5000萬美元的投資，並且計劃與英偉達合作加速其生物和化學AI基礎模型的开發，利用後者的雲服務對其進行優化並分發給生物技術公司。

5000萬美元即使放在國內制藥行業也實在不算一筆大融資，但截至當天收盤，Recursion Pharmaceuticals股價上漲了78.17%，在壞消息頻傳的制藥界已經稱得上是天花板級別的好消息了。

但再回顧近幾年的AI+新藥研發領域，Recursion公司股價僅約上市時的一半，Exscientia全球首個由AI設計的分子停止研發、BenevolentAI裁員、Schrodinger急於摘掉“AI”標籤，還有不少AI+新藥研發的公司現金幾近枯竭，股價不足1美元，甚至破產。

然而，與制藥領域不同的是，全球芯片巨頭英偉達進駐AI制藥領域後，扮演“賣水人”的角色，股價直线飆升，目前市值已經突破萬億美金。

這不禁讓人懷疑，帶上“制藥”標籤的AI+新藥研發就沒有出路了？

市場更看好英偉達

時間再也回不去被Alphafold點燃的2021年。猶記當年，全球AI+藥物研發領域共發生73起融資，總額超42億美元，更是誕生了晶泰科技被50家國際機構融資競標，D輪融資高達4億美元，融資總額達7.85億美元的盛況。除了晶泰科技，來自美國的Valo Health和instro也獲得了3億美元的B輪融資和4億美元的C輪融資，即便在國內，AI+藥物研發公司的融資額也動輒幾千萬美元。

而到了2023年，ChatGPT掀起的AI熱潮也拯救不了陷於水火中的AI+新藥研發，資本寒冬的寒氣一直在2023年AI制藥領域的投融資蔓延。IT桔子數據顯示，2023年上半年共發生了42起AI+藥物研發領域的投融資事件，數量僅相當於2022年一季度，投融資總額也僅有10多億美元，不及去年一季度24億美元。從單筆投資項目來看，全球融資金額最高的是AI+基因療法公司Metagenomi獲得1億美元B＋輪融資，國內融資金額最高的騰邁醫藥獲得3500萬美元A輪融資。

值得注意的是，E藥經理人統計，今年上半年，國內醫藥行業規模TOP級的融資幾乎都流入了ADC、CGT、核藥、PROTAC等新興的生物技術領域，但即使是金額最高的AI+新藥研發融資也排不進上半年國內醫藥融資TOP10。

現如今，包裹AI+藥物研發的創新泡沫顯然已經被打破，Recursion公司單筆5000萬美元的融資，卻換來股價一天上漲78%。“春江水暖鴨先知”，是AI+藥物研發重奪市場青睞，還是作爲全球芯片巨頭的英偉達光輝普照？

如果從合作內容角度來看，市場更看好的其實是英偉達。

Recursion Pharmaceuticals在新聞稿中這樣解釋兩家公司的合作：Recursion 計劃利用其龐大的專有生物和化學數據集（超過23 PB和3萬億個可搜索基因和化合物關系）來加速NVIDIA DGX雲上基礎模型的訓練，以便在NVIDIA的雲服務BioNeMo上獲得可能的商業許可/發布。

英偉達創始人兼首席執行官黃仁勳稱Recursion正在开發世界上最大的生物分子生成AI模型。

Recursion能夠借助英偉達加速計算的能力同時還能獲得後者的5000萬美元投資，但英偉達“贏面”其實更大，左手投資AI技術公司，右手出售數據和服務，一邊賺投資收益，一邊賺服務費，“左手倒右手”，怎么都不虧。

據悉，Recursion Pharmaceuticals正在與拜耳、羅氏等MNC合作开發新藥，其本身也有腫瘤學、神經學、炎症與免疫學以及罕見疾病等十多個在研項目推進。

英偉達合作的AI+藥物研發公司不僅是Recursion Pharmaceuticals，黃仁勳還曾將目光放到日本三井物產株式會社身上，就Tokyo-1項目展开合作。安斯泰來、第一三共等日本大藥企都曾參與Tokyo-1項目，最後這些大公司和Recursion Pharmaceuticals都成了英偉達的潛在客戶。

因此，回到英偉達與Recursion的交易，市場买账的更多還是“AI+CXO”。

AI制藥真的有出路嗎？

臨牀前階段，如分子設計及優化、化合物篩選、以及晶型預測等，AI的作用已經有了較有效的驗證。MNC與AI制藥初創公司的合作是一個好的見證：近十年裏，如武田牽手Numerate，賽諾菲合作Exscientia，AZ合作BenevolentAI……營收TOP20的MNC絕大多數都有着AI業務的布局。不可否認的是，AI+新藥研發已可爲“藥物發現和臨牀前研究階段”及“臨牀研究階段”各節約50%左右的研發周期，也因此爲全球每年的新藥發現節約了30%左右的成本。

但是市場真正質疑的是，AI制藥在挖掘有潛力的靶點，或者深探老靶點的新潛力，以及在臨牀階段的作用，究竟如何？

全球約80條AI藥物管线裏，在靶點選擇上，基於已公布的靶點來看，用AI發現新靶點的產品管线，僅僅還是個位數，幾乎仍是在老靶點和熟悉的適應證上進行探索。

而且這樣的探索，似乎是緩慢的。

前述明星公司Recursion走在中後期臨牀試驗進度的產品量，在同行業中居於靠前的位置。然而Recursion最快的產品進度僅是在臨牀II期，再放眼所有處於臨牀階段的AI藥物進度，邁入中後期的還不到1/2，即便是在2012-2015年國際AI制藥創業潮中最早成立的明星AI制藥公司，有的產品進度仍舊緩慢，更受詬病的是，貼着“首個由AI完成了靶點發現或分子設計”標籤的產品並不止一款兩款，有的甚至已經出現了問題，不得不折戟。

就在去年，號稱是第一款由AI設計、從初篩到臨牀前測試結束只用了12個月的分子DSP-1181（Exscientia與日本住友合作开發）因I期未達預期標准而被停止开發，整個I期臨牀的時間不少於兩年半。值得注意的是，在DSP-1181臨牀被暫停時，有業內人士詳細分析了Exscientia當時進入臨牀三大藥物的新穎性，DSP-1181實際沒有脫離已有的靶點特性，另兩款的新穎性也不足。如今，Exscientia曾經步入臨牀的管线已逐步消失。

不僅是Exscientia，近年來一些知名度較高的國際AI制藥公司，其步入臨牀階段的管线似乎也在悄然消失。如Recursion的REC-3599曾被被推至臨牀I期，原預計在去年啓動II期研究，但是卻被推遲2年直至停止研發。另一家名爲AI Therapeutics的公司現在有三款候選藥物處於臨牀階段，有兩款在臨牀II期，但對比去年或更早之前，其部分項目早已不能見到蹤影。

對於部分停止項目开發的公司來說，接踵而至的還有更惡劣的局面：裁員、重組。Black Diamond Therapeutics的小分子抑制劑BDTX-189曾被推進至 I/II 期，還曾獲得了 FDA 授予的“快速通道”資格，但在去年4月，Black Diamond宣布停止BDTX-189的开發，並發布了一項重組計劃，同時裁員30%。

今年4月，英國AI藥物研發上市公司BenevolentAl宣布: 其用於治療特應性皮炎的局部泛Trk抑制劑BEN-2293的lla期臨牀試驗沒有達到次要療效終點，該產品是BenevolentAI推進最快的管线，也是唯一一條臨牀管线，此前BenevolentAI稱BEN-2293具備潛在同類最佳潛力。此後，BenevolentAI宣布公司制定了新的战略計劃，包括裁員多達180人、暫停部分藥物研發項目等，以此減少支出、維持現金流，在战略重組過程中，其首席財務官也已辭職尋求其他機會。

即便是知名的國際AI制藥公司，除了與MNC的合作，通過自身开發AI藥物似乎多少都顯現出了一些難以忽視的問題。

AI制藥的挑战在哪

各大AI制藥企業不斷推出的新模式，但AI制藥能否攜高熱度走得更爲長遠，終究是要落到AI制藥本身能否給藥物研發流程帶來實際價值這上面。降本增效肯定是其中一種價值。不過，該行業中一家Biotech創始人曾表示，實現從0到1的突破，爲人所不爲，解決目前尚未解決的問題，包括現在難成藥的靶點，這或許是另一種更爲重要的價值。抑或是不一定要從難成藥的靶點入手，可以從一個比較簡單的、信息較爲豐富的一個靶點入手，用AI的方法去檢測、驗證能否用這一靶點做出別樣的東西來。而focus一個靶點的潛力與可能性，也有助於短時間正視自己的平台和管线。

然而就現階段而言，AI制藥一是沒有在新靶點、或是老靶點潛力开發上有重大突破和驗證，二是步入臨牀階段的不少AI藥物在耗費了人力物力後消失，推進到臨牀中後期的能力也還在考驗階段，這許多人不禁疑惑：AI制藥，真的有優勢嗎？到底何時能看到重大突破？

但話說回來，一項技術的發展獲得驗證和突破，是需要時間的。要承認的是，資本市場預期和實際AI產業發展階段之間有差距。新藥开發是一個非常復雜的過程，AI目前只在個別環節上起了較大的作用，但從新藥研發總體上來看，AI能幫助到多少還需要時間來進一步驗證，不僅需要實驗手段的補足，也需要補足市場教育。有業內人士曾直言，“最开始，大家並不看好AI，但現在大家比較了解AI了，但又覺得AI是萬能的，會對其產生不切實際、不太合理的期望。”在他看來，市場教育應是雙向的，一方面要讓大家知道AI是何物，另一方面還要讓大家建立起一個比較理性的預期。

另在當下，AI制藥的發展還面臨着諸多挑战。最典型的是數據問題。在數據方面，AI需要大量的、高質量的數據作爲基礎，但其實醫藥領域很多數據都是保密的，或者非常敏感、難以接觸，有些企業並不愿意公开分享。只有海量的數據加持，才能充分訓練AI模型，提升其准確性。

二是對生物學的理解。很多時候AI制藥要面臨的挑战來自於對生物學機理的認知。所謂創新藥物的創新靶點，並非是“別人不敢做的我敢做”，或者在沒有臨牀實驗數據可以佐證的情況下敢於“殺”進去，而是對於要做的這一目標靶點，對於適應證、適用人群、聯用方案等的選擇，有着比同行更爲深刻的理解。

三是跨領域融合困難，復合型人才缺乏。在文化層面上，行業的屬性造成了比較大的文化差異。進入醫藥領域之後的話，去學習怎樣跟醫藥領域人士溝通，對於原本是計算背景的人來講，是一個比較大的挑战，這需要一些成功合作案例給行業啓示。

本文作者可以追加內容哦 !