0
从找到临床前候选化合物，到接踵而至的药企合作；从持续不断的大额融资，到斩获百亿巨额订单，AI新药研发企业的攻城掠地速度，刷新了各个药企、投资人、AI圈人的认知。
但在高速增长的同时，AI新药研发面临的质疑也在成倍放大。高频融资背后，究竟是AI新药研发行业已到成熟期，还是资本助推下的一次泡沫狂欢？
围绕AI新药研发的现状，我们近期对话了夸克资本合伙人Leo 韩涟漪、北极光创投合伙人宋高广，以及一位在跨国药企工作多年的高管赵兴（化名）等药企负责人和投资人，分享他们对于AI制药的看法。
据统计，2021年，全球AI+制药产业共发生77起融资事件，累计融资额达45.64亿美元，融资事件数和融资额共同刷新了历年融资纪录。对比2020年，2021年融资额增长率达152%。
繁华之下，是否有泡沫？在《医健AI掘金志》的对话过程中，三位受访者都对AI新药研发项目表示担忧。
这种担忧主要集中在，难以评估AI新药研发企业的未来价值。
过去两年，尽管国外先后有Schrodinger薛定谔、Exscientia、Relay多家AI制药企业完成了上市，但从目前的股价来看，多数企业都没有保持住超高市值，Exscientia市值较上市已经缩水50%。
即使有AlphaFold2这样的革命性突破，部分企业的新药分子也陆续官宣PCC（临床前候选化合物），但具体到每家企业，每个合作当中，AI制药的具体效果，依旧无法衡量。
传统的生物医药体系，自有一套价值评估的法则。
赵兴表示：“企业的价值最终还是要回归到产品和服务上，与是否用到AI关系不大。”
医药投资老将、高榕资本合伙人杨昆曾对雷峰网(公众号：雷峰网)表示：“目前很多AI研发药物处于临床前期阶段，一旦发展至临床阶段，按新药研发还是AI公司估值，会出现很大差异，甚至AI制药企业可能面临上天和落地的分化。”
如果是后者，在AI商业前景集体唱衰的背景下，他们的发展许将面临很大的质疑和不信任。
此外，生物制药作为传统行业，对于互联网观念，互联网玩法的不适应，也会影响最终对AI制药价值的评定。
而如果前者，则意味着AI制药公司的自研平台，需要更多可以在制药领域站得住脚的成果，例如高价值的创新药，足够通用的工具，这背后的难度都可想而知。
AI平台的价值，需要依靠药企的合作来证明，在《医健AI掘金志》的对话过程中，听到了不少制药行业群体对AI制药的不满。
曾在美国国家生物技术信息中心工作多年，目前担任夸克资本合伙人Leo 韩涟漪表示：“在谈AI前景前，药学家和医药从业者，会先关注AI制药企业的业务逻辑是什么，核心竞争力在哪里，最终影响哪一类赛道，无论是晶型预测，还是小分子药物筛选，AI怎样找到药物研发的服务关系才是关键。”
以药物研发企业为例，业务逻辑就是做出创新药，核心竞争力就在于管线的市场前景，以及高价值管线数量够不够多。同理，CRO就是能够提供专业的研发、生产等等外包服务。
但显然，在很多药企或投资人眼中，大部分AI新药研发企业，还不具备类似的清晰逻辑。
刘薇（化名）是一位医药行业分析师，她认为，除了宣传算法的优化能力，AI改变药物研发游戏规则，更应该谈谈怎样改变游戏规则，改变哪些规则，是作用在大分子，还是小分子领域，是可以优化化合物合成路径，还是可以实现剂型的优化。
“以AI助力药企发现小分子化合物为例。在药学家看来，那些临床前的成绩都比较虚，而且他们经常的工作需求，可能都不是找到新的可能分子，而是尽早pass掉不行的分子，干掉的越早，省的钱就越多，最后都拖到临床阶段去验证，那损失就太多了。”
所以，对于药企来说，目前很大的问题就是看不懂AI新药研发企业的业务逻辑和核心竞争力。
AI制药的创业者自己也需要思考，不能光跟着热度讲故事，不是用AI来解决问题，而是具体要解决什么问题，怎么去解决，思路必须要清晰，给甲方展示出来。
在传统医药行业，药企确实需要很多合适的工具来解决问题。但实际中，AI新药研发提供的平台，却和药企需求很不一样。
赵兴表示：“对于药企来说，我们的目标是倾向于解决问题，也就是工程化能力，不太会看重工具是来自现在的人工智能企业，还会传统公司。”
目前，在辉瑞的药物研发当中，已经有很多效果很好的工具，例如将已有科研成果和报告集成在一起的工具：
当药学家发现一种新化合物的时候，就可以快速找出所有相关的参考文章和报告，提供参考，这样的工具就会有很多人愿意去用。
在赵兴看来，目前很多AI新药研发平台，并没有达到这样的易用性，且普遍都存在工程化能力不足的现象。
以AI应用于靶点识别、分子生成为例，除了更快发现靶点和化合物，药企会更加关心平台背后的数据是否准确，能否准确分析出和已知靶点的关系，是否可以很简单将这些结果呈现出来。
而背后更牵扯出，药学家对AI新药研发平台数据质量的担忧：目前AI筛选结果的背后，是否有大量优质数据做支撑，覆盖数据是否可信？
张雷（化名）是一家跨国药企的国内研发负责人，他也表示，AI虽然貌似辅助研发人员在进行更全面的决策。但是，使用者很难对不同AI模型给出的结果的最优性和合理性进行验证，而任何一个模型的不可靠，会放大药物研发后期失败的风险。
而再往下游走，用AI预测药代和毒理，用AI预测临床试验结果，从目前的结果来看，也都不大靠谱。
此外，在药学家看来，AI新药这种新技术也并不那么纯粹。
赵兴表示：“大家也许都看到像AlphaFold2这样巨大的新成绩，但AI制药的新趋势不是一刀切，也不是近几年才突然出现的革命性技术。也许在药物研发过程中，哪些是AI，哪些不是AI，连创业者也说不清楚。”
举例来说，人工智能的定义自然包括机器学习和深度学习。
像机器学习里面的统计、线性回归、随机森林，神经网络，这些在药物研发的修饰和改造先导化合物、多肽合成、毒性预测等领域早已经应用了很多年。
2002年左右，韩涟漪在美国国家生物技术信息中心开展工作。
据他的回忆，不少数据库和药物研发的工作，已用到支持向量机、神经网络来解决制药方面的问题。但是，即便如此，这些技术也只是解决部分问题，突破并不大。
对于现在的药企，或者医药出身的专家来说，他们更是觉得现在的AI DD或者是AlphaFold的出现，只是在原来的AI应用上，新增一个工具而已，甚至在许多场景下，过去的线程回归，随机森林也同样在使用，甚至效果会更好。
赵兴表示，“突然举牌和投资人或药厂讲，哪一类是新的AI制药公司，哪些公司不是，这个逻辑很通。甚至生物计算或基因组分析中的一些AI制药成绩，单纯的深度学习能占多大比重，产生多大意义，还有待深究。”
在AI制药风口，不同投资人的看法上，同样也存在冲突。
尽管在2021年，AI+制药产业的融资事件数和融资额刷新了融资纪录；但在这些融资后面VC的种类也很有特点。
据统计，参与5次交易以上的机构共有8家，他们分别是红杉资本、五源资本、峰瑞资本、高榕资本、源码资本、百度、真格基金、BAI资本。
因此，许多医药行业投资人都认为，该领域热度热度攀升和像互联网巨头的加持，和互联网资本大量涌入，存在直接关系。
北极光创投合伙人宋高广表示：“目前互联网资本在AI制药方面无论是数量，还是额度都是最多的，而且更加抱团，更乐观。但做药的投资人，和互联网或TMT背景投资人，对这一赛道的理解，有很大不同。”
对于在专注医药的投资人来说，AI在许多场景的商业化落地，还远远没有达到之后的高预期；他们在医药投资中，更愿意看的也是底层逻辑，而不是上面舞枪弄棒，搞出来一大堆花里胡哨不实用的东西，技术的先进最终应该赋能在产品上。
宋高广表示：“在专注投药的VC和投资经理看来，拿不出候选药或者没有管线在手，AI新药研发企业的价值很难体现。”
出于这种考虑，医药VC们几乎都在观望和尝试，投药依然是他们的主旋律，并非是AI。
他们对AI新药研发这样的发展趋势也并不看好。
一位来自药企风险基金的投资人表示：“背后的资本会决定，AI新药研发企业的发展目标和衡量指标，会更加趋近于互联网思维：唯数据论，上规模、拼增长，快速追求高估值，这样的趋势会不会导致重走其他医疗AI赛道的老路，还很难说。”
任何一种辅助或者赋能的工具，能够获得行业内的认可，事关生死存亡。
根据Drug Discovery Today期刊、易凯资本的报告显示，AI新药研发经过前几年的积累，特别是在2022年，肉眼可见的融资整体正在向中后期转移。
即使现在依然有新创业者在下场，但更多基金和VC都表示，未来一年资金的中心都在看向AI新药研发的中后期。
尽管资本投的是未来，是想象空间，与传统背道而驰的故事以及故事支撑起的估值；但从业务实际角度来看，目前AI新药研发拿到的结果，显然还并没有得到药企和医药圈的满意。
或许，从今年开始，在融资和行业发展角度，已经需要AI新药研发企业和创业者，拿出的不仅仅是口号和学术突破，而是改变。 雷峰网雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
