0
你有没有觉得，医疗AI的创业风向，似乎悄悄转向了医药？
VC机构正在以肉眼可见的速度证明这个预判。过去三个月时间，AI新药研发赛道的热钱不断。
据不完全统计，从去年年底开始，已经有多家AI企业获得新一轮融资，其中90%都是刚完成A轮融资的早期企业。
数据来源：IT桔子
而且，不仅仅是创业公司“向阳而生”，百度、华为、字节跳动等互联网大厂也暗暗布局，相继披露了自己的AI新药研发和招揽人才计划。
与其他医疗AI赛道相比，AI新药研发有“相同”，也有“不同”：
相同在于，市场需求非常明显，传统新药分子需要3-5年才能筛选出合适的先导物作为临床研究候选，而AI新药发现只需要1-2年，甚至几个月就能完成。
而不同之处也在于此，独特的作用场景、服务对象和变现方式，让其具有更高的产品价值，甚至被认为是最适合人工智能商业转化的医疗赛道。
近日，带着对AI新药研发市场的顾虑和疑问，雷锋网专访了五源资本董事总经理井绪天。
从资本角度为我们解构这一赛道的爆发原因，以及未来的发展走向。
作为国内早期布局AI新药研发的VC之一，目前五源资本已投资超过6家该领域的创业企业，最近2个月时间内又对4家企业进行了加持。
从需求角度，AI新药研发市场的出现，离不开传统医药创新的日暮和途穷。
2020年，FDA共批准53款新药上市，其中35种是小分子药物，一举成为史上新药获批数量最高的一年。
但创新药数量的暴涨，并没有给各大药企带来更高的利润增长。
根据德勤发布的《2019年医药创新回报率评价》，近十年来，创新药的销售峰值和投资回报率持续下滑。
到2019年，全球TOP12的制药公司平均投资回报率已经下滑至1.8%，相比2010年减少了80%。
德勤报告截图
这意味着现在药企每开发一款创新药，边际成本都会进一步升高。
类比于采矿业，在资源有限的背景下，每个新矿的开采难度越来越高，花费成本也随之升高，每发掘一个新矿就需要更高的开采成本。
但创新药市场并非自然资源，没有被发现的潜在分子，以及不同差异的分子数量还非常庞大。
在传统方法越来越难，成本越来越高的情况下，只能倒逼药企去探索创新，用更低成本寻找创新药。
而人工智能的崛起，正好回应了药企的这一创新需求。
一方面，深度学习可以分析数据，模拟药物临床试验过程，在分子水平创建病人生物活动网络模型，通过网络模型发现新靶点或生物标记物，为药物研发提供方向。
让药物化学家们不用整周、甚至是整月浪费在实验室，去测试那些AI认为难以成功的分子。
另一方面，算力的提升，也使更大规模的药物分子筛选成为可能。
以云计算为例，2020年3月，哈佛大学医学院研究团队通过开源药物发现平台VirtualFlow，在15小时内就完成了10亿种化合物分子的虚拟筛选，大大超过了传统方法的筛选速度。
在逐渐看到人工智能的潜力之后，包括阿斯利康、拜耳、礼来、GSK、诺华、赛诺菲等各大药企都将目光瞄向了这一领域。
而国内的AI新药研发行业，也在三个因素的推动之下，迎来了最为活跃的一年。
其中第一个因素，就是技术验证的突破。
以晶泰科技为例，在2020年已成功将AI研发的新药分子推进至 PCC (临床前候选化合物 )阶段；此外，像费米子科技和英矽智能等企业，也纷纷在炎症及代谢和特发性肺纤维化(IPF)的新药分子上，取得了突破。
“这些新药筛选成果的出现，在整个行业都是标志性事件，因为在创新药领域，不管是传统方法，还是AI筛选，只要药物分子进入PCC阶段，就是一个稳定待开发的新资产”井绪天表示。
第二个因素，则来源于医药政策。伴随着第三批、第四批等更大规模国家药品集采在2020年出现，使国内传统药企的利润大幅度减少。
在仿制药利润不断压缩的大背景下，众多国内药企纷纷转向创新药领域，使新的原研药成为稀缺资源。
最后一个因素，就是资本市场的认可和推动。
2020年，在AI制药投资领域，出现的最大轰动性事件之一，就是薛定谔(Schrodinger)和relay两家AI新药研发公司的上市。
井绪天表示：“两家公司都是通过AI和计算驱动新药研发的公司，仅有薛定谔有部分的软件收入；在管线方面，两家公司也只有几个尚在临床试验一期的药物分子，如果按照过去创新药企业在二级市场的估值，最终市值可能仅有几亿美金。”
但最终，两家公司在二级市场创造出了远超自身管线价值总和的溢价，如今市值都达到50-60多亿美金。
他们上市之后，空头机构香橼研究公司(Citron Research)甚至在发布的报告中表示，“薛定谔公司是过去五年来最重要的IPO，堪比早期的特斯拉。”
这种技术型药物研发的企业在二级市场的成功，也增加了一级市场VC的投资信心，让更多投资机构开始重点关注这个赛道，并出手布局。
如今，在资本推动下，AI新药研发的热度已经不断升高，甚至让我们看到些许医学影像AI曾经的影子。
过去，随着创业风口出现，医学影像AI在极短时间就出现大量创业项目和初创企业。
但随后的同质化问题导致行业出现恶劣的竞争和价格战，甚至有企业做出“永远不收费”的口号。
在热潮之下，AI新药研发未来将呈现怎样的发展轨迹，是否会重蹈其他AI赛道的覆辙，也已成为所有观察者心中的疑问。
井绪天认为，AI新药研发的发展轨迹，可能会和过去所有的医疗AI都完全不同。
过去的AI辅助诊断主要是效率提升，在医生本身具有诊断能力的前提下，AI主要是降本增效，实现高效率的诊断。
而AI新药研发则是通过新靶点和新分子创造之前没有的供给关系，找到更适合的药物结构，攻克没有解决的疾病，创造新的药物资产和增量市场。
以心脏病在研药物mavacamten为例，作为首个解决肥厚性心肌症的创新药，它既开辟了一种新供需关系，又解决了困扰心内科的治疗难题，在临床试验完成之前，就被百时美施贵宝以131亿美元收购。
在人工智能领域，与AI新药研发的发展趋势类似，并有借鉴意义的赛道可能就只有自动驾驶。
两者同样都具有行业壁垒高、技术跨度大、产业周期长的特点。
无论是自动驾驶还是AI新药研发，这些企业在技术得到充分验证之前，很难获得大规模的收入，但同时又需要资金进行研发投入。
这意味行业的第一阶段发展，就只能出现几位拥有核心技术壁垒的玩家。
此外，VC也会依据团队背景和技术实力向头部企业高度集中，导致这些核心玩家获得赛道内最头部的资金体量和资源。
除了市场格局，AI药物研发和自动驾驶在与传统药企或主机厂的竞争上，也能找到一致点。
在自动驾驶赛道，虽然大众、福特、奔驰、宝马等主机厂早在2013年，就曾尝试人工智能和造车的结合和探索。
但经过多年发展，最终还是特斯拉、谷歌Waymo、图森未来等新兴科技玩家走在了前列。
与之类似，虽然罗氏、辉瑞、诺华、默沙东、赛诺菲等传统药企也开始试水AI和药物研发的结合，并提出了自己的AI药物研发战略。
但从已披露的消息来看，这些策略的核心技术环节依然都是与创业企业合作来完成。
对于AI新药研发企业，在2018年，依靠团队背景可以完成天使轮融资；如今，通过概念和技术的初步验证，也纷纷获得A轮融资。
但与创业理想以及技术愿景相比，进入新一轮的发展周期，意味着各个企业将迎来更加骨感的现实挑战。
首先，迄今为止，还没有任何一款与AI直接相关的新药分子获得批准。如何快速找到正确的应用的场景，将成为所有创业者面临的首个生存难题。
创新药虽然是一个很大的赛道，很多治疗方向可以发掘，但并不意味到处都是蓝海市场。
像热度很高的PD1靶点，扎堆现象已经非常严重，导致后面出现的新药商业价值严重下降，AI如果切入到这样的领域，将面临巨额投入打水漂的风险。
而且人工智能和新药研发的高投入特点，也决定创业者只有一次出牌机会，第一次出牌失败就将面临出局。
除了应用场景，AI新药研发产品的快速迭代，也是各个企业急需突破的又一难关。
微软AI事业部及全球研究院负责人沈向洋曾经表示：“发展人工智能肯定不是做出一个产品就结束了，整个周期都需要经历不断的学习、迭代。”
事实上，深耕新药研发的人工智能产品也同样如此，随着新药物分子的不断合成和筛选，AI就需要训练新的数据。
这意味着，为了构建药物研发业务真正可用的深度学习引擎，未来AI新药研发企业可能既需要快速在市场抢夺，既懂AI又懂药物研发的技术人才，增强自己的研发能力；
同时还要切入药物研发流程当中，读取所有相关数据库，完善自己的数据和技术内核。
“而且从VC角度来看，这样节点的每一个努力和动作，都将成为他们与其他AI新药研发企业竞争的筹码，进而决定谁将获得下轮融资的最高份额。”
2021年2月，“AI药物分子发现”被《麻省理工科技评论》列为2021年十大突破性技术。
作为客座评选人，比尔 · 盖茨曾表示:“这些突破性技术，会让你觉得美好的未来，值得我们为之奋斗。”
经过几年的前期积累，AI新药研发已不再是生物医药行业中的概念性技术。伴随行业的成长与爬坡，正在逐渐绽放更大的想象空间。
同时，这样的发展趋势也为无数AI创业者创造出新的逐梦战场，活跃的资本、强烈的需求，成熟的技术，更大的空间将成为他们最好的实践温床。雷锋网雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
