劃重點
01AI制藥在資本市場中表現(xiàn)不佳，與美股牛市形成鮮明對比，其中Exscientia被Recursion以6.88億美元收購。
02盡管一級市場融資火熱，但二級市場對其評價不高，原因包括前期泡沫過大和技術(shù)變現(xiàn)能力不足。
03目前，AI制藥公司的商業(yè)化路徑主要有提供CRO服務(wù)、AI SaaS和自己做新藥研發(fā)，但真正具有競爭力的商業(yè)模式仍需探索。
04另一方面，高質(zhì)量數(shù)據(jù)缺乏和AI制藥Biotech的高風(fēng)險使得投資者對其抱有不切實際的期待。
05盡管如此，擁抱AI技術(shù)仍是醫(yī)藥領(lǐng)域未來發(fā)展的核心方向，具體的商業(yè)模式仍需時間摸索。
以上內(nèi)容由騰訊混元大模型生成，僅供參考
文 | 醫(yī)曜
AI技術(shù)再度成為“最靚的仔”。
今年的諾貝爾三大科學(xué)獎項中，兩大獎項與AI相關(guān)，先是物理學(xué)獎頒給兩位研究人工神經(jīng)網(wǎng)絡(luò)的專家，而后化學(xué)獎又被授予三位致力于用AI來預(yù)測蛋白質(zhì)結(jié)構(gòu)的科學(xué)家。
然而，與AI技術(shù)廣受關(guān)注不同，AI制藥在資本市場中卻頗受冷落。就在不久前，兩大全球AI制藥龍頭Recursion和Exscientia宣布達(dá)成最終協(xié)議合并，Recursion將以6.88億美元的價格全股票交易收購Exscientia，這也是AI制藥行業(yè)目前為止最大的一筆并購案。
要知道，Exscientia成立于2012年，算得上AI制藥的鼻祖，但如今卻被Recursion以區(qū)區(qū)6.88億美元收購。這起標(biāo)志性并購事件或意味著AI制藥領(lǐng)域大浪淘沙的開始。
01 美股的牛市，AI制藥的熊市
AI制藥曾被認(rèn)為是人工智能領(lǐng)域最具確定性的應(yīng)用場景，英偉達(dá)就曾將其視為AI領(lǐng)域布局的重點。
眾所周知，制藥界流傳著“雙十定律”，即一款創(chuàng)新藥從誕生到上市用于治療，通常需要耗費(fèi)十年的時間，數(shù)十億美元的資金。近年來，隨著人工、材料等成本的不斷提升，這個數(shù)額還在持續(xù)上升，并且新藥研發(fā)的成功率還很低。
如何降低研發(fā)費(fèi)用，提高成功率，縮短研發(fā)周期成為當(dāng)前整個制藥行業(yè)的當(dāng)務(wù)之急。AI制藥技術(shù)的出現(xiàn)和不斷成熟為創(chuàng)新藥研發(fā)“降本增效”提供了全新的解決思路，被認(rèn)為有望引領(lǐng)創(chuàng)新藥行業(yè)新的變革浪潮。麥肯錫全球研究所（MGI）預(yù)計，生成式AI每年可為制藥和醫(yī)療行業(yè)帶來600億至1100億美元的經(jīng)濟(jì)價值。
可是，這些年來AI制藥公司在二級市場中的表現(xiàn)卻與預(yù)期完全相反。
眾所周知，美股正處于一場前所未有的大牛市中，標(biāo)普500指數(shù)從3500點左右持續(xù)上漲超過60%，達(dá)到5900點左右，而本輪牛市的“發(fā)動機(jī)”正是AI熱。
過去兩年時間中，微軟市值從1.75萬億美元上漲至3.1萬億美元，蘋果市值從2.3萬億美元上漲至3.5萬億美元，英偉達(dá)市值更是從2978億美元上漲十多倍至3.3萬億美元，2015年才成立的AI初創(chuàng)公司OpenAI估值也超過萬億美元。
相比之下，AI制藥公司則是慘不忍睹。2012年成立的Exscientia是全球最早一批AI制藥公司，曾經(jīng)將全球首個由AI設(shè)計的新藥DSP-1181推進(jìn)臨床。2021年10月，Exscientia登陸美股，上市首日股價從22美元的發(fā)行價沖到超過30美元，募集資金3.047億美元，遠(yuǎn)超擬募資的1億美元。但隨后兩年的股價表現(xiàn)卻一塌糊涂，最低跌至3.8美元，較發(fā)行首日跌去近90%。
圖：Exscientia股價月線走勢，來源：雪球
收購Exscientia的Recursion日子也不好過。2013年成立的Recursion，創(chuàng)立以來不斷擴(kuò)大業(yè)務(wù)范圍，從最初聚焦于罕見病研發(fā)拓展到腫瘤學(xué)，如今正在從AI能生物技術(shù)公司向技術(shù)生物平臺型企業(yè)轉(zhuǎn)型。2021年4月，Recursion登陸美股，股價最高曾經(jīng)達(dá)到42.81美元，市值一度超過125億美元。
短暫的高光過后，Recursion也開啟下跌模式。從最高點下跌最多近90%，股價最低僅4.54美元。2023年7月，英偉達(dá)出資5000萬美元投資Recursion，但依舊難以挽回頹勢，如今市值僅為20億美元左右。
不僅是Exscientia和Recursion，AI制藥的“泡沫”幾乎全部被一個接一個戳破。
AbCellera Biologics成立于2012年，市值從2020年上市之初的超百億美元下跌至7.6億美元左右；Relay Therapeutics在基因組、實驗、計算方法三方面都有重大突破，市值從最高55億美元跌至11億美元；Schrodinger更是美股首個已經(jīng)盈利的AI制藥公司，但市值卻依舊從2021年的70億美元下跌至如今13億美元左右。
上市即巔峰，這是對于美股AI制藥公司最準(zhǔn)確的概括。美股AI制藥公司上市后就暴跌的市場表現(xiàn)，堪稱IPO“詛咒”。
02 火熱的另一面
與二級市場上的慘淡不同，AI制藥在一級融資市場又是另一番光景。
2018年2020年，全球AI制藥賽道相關(guān)的融資總事件達(dá)171起，總金額63.54億美元。2021年2023年，全球AI制藥賽道相關(guān)的融資總事件增加到了321起，總金額高達(dá)140億美元，其中2022年達(dá)到融資高峰，為144起，融資金額達(dá)62億美元。2024年上半年，AI制藥繼續(xù)火熱，半年融資69起，融資金額33.36億美元，幾乎與2022年數(shù)據(jù)相當(dāng)。
圖：2016年至今全球AI制藥融資概況
從公司類別上看，投資AI制藥賽道的公司主要有三類：科技巨頭、初創(chuàng)企業(yè)和大型藥企。
其中，英偉達(dá)是推動AI制藥投融資回暖的重要推手，2023年以來，旗下投資部門NVentures至少投資了12家AI制藥企業(yè)。谷歌是較早布局AI制藥的科技公司，谷歌DeepMind和谷歌旗下藥物發(fā)現(xiàn)子公司Isomorphic Labs的生物學(xué)預(yù)測模型AlphaFold已經(jīng)迭代至第三代。
不僅是國外，國內(nèi)的阿里巴巴、騰訊、百度、華為、字節(jié)跳動在2020年后加速布局AI制藥，紛紛成立了醫(yī)療AI部門。代表頂尖AI水平的科技巨頭入局AI制藥，不僅推動了技術(shù)發(fā)展，還促進(jìn)了AI技術(shù)在實際藥物開發(fā)中的應(yīng)用。
初創(chuàng)企業(yè)和大型藥企更多是看中了AI制藥在藥物研發(fā)過程中帶來的價值。目前，在新藥研發(fā)的各個環(huán)節(jié)中，藥物發(fā)現(xiàn)是AI制藥應(yīng)用最多也最成熟的環(huán)節(jié)。
傳統(tǒng)新藥的發(fā)現(xiàn)需要先確定好某疾病的靶點，研究人員根據(jù)靶點設(shè)計和篩選出最合適的分子。為了找到最合適的分子，傳統(tǒng)的藥物發(fā)現(xiàn)是要對數(shù)萬個小分子進(jìn)行測試篩選，然后進(jìn)一步合成和測試數(shù)百個分子，以便得到少數(shù)幾個適合臨床前研究的候選藥物。
這個過程困難重重，成功率極低，依賴研究人員的經(jīng)驗和運(yùn)氣，如果靶點是創(chuàng)新靶點的話，藥物發(fā)現(xiàn)環(huán)節(jié)大約需要花費(fèi)4年的時間和數(shù)千萬美元的投入。
與傳統(tǒng)藥物發(fā)現(xiàn)相比，AI技術(shù)憑借大數(shù)據(jù)和算法，可以減少新藥研發(fā)流程中近40%的臨床前研究時間。同時，AI技術(shù)平臺還能源源不斷地發(fā)現(xiàn)新藥分子，從而帶來新藥產(chǎn)品上的規(guī)模效應(yīng)。
例如英矽智能利用AI技術(shù)能夠在僅一年的時間內(nèi)提名九種臨床前候選藥物，速度遠(yuǎn)高于每約4.5年提名一種臨床前候選藥物的行業(yè)平均值。
與初創(chuàng)公司不同的是，傳統(tǒng)藥企更多采用投資合作的方式布局AI制藥，例如輝瑞公司和IBM Watson Health合作，探索AI在癌癥治療中的應(yīng)用。此外，強(qiáng)生、阿斯利康、默沙東、賽諾菲，以及國內(nèi)的恒瑞、復(fù)星等藥企也紛紛加大對AI領(lǐng)域的布局。
因此，AI制藥依然是資本看重的熱門領(lǐng)域，尤其是在一級市常但為何到了二級市場，AI制藥就不再被資本青睞呢？
03 AI制藥的困局
AI制藥在二級市場表現(xiàn)不佳，一方面是前期泡沫太大，隨著創(chuàng)新藥寒冬的持續(xù)進(jìn)入調(diào)整期，另一方面是資本開始回歸理性，更加注重技術(shù)變現(xiàn)的能力。
目前AI制藥公司的商業(yè)化路徑主要有三種：提供CRO服務(wù)；AI SaaS，提供軟件服務(wù)；自己做新藥研發(fā)。
這三種商業(yè)模式中，如果只是做軟件的授權(quán)，天花板比較低。以首家盈利的AI制藥公司Schrodinger為例，全球營收排名前20位的制藥公司幾乎都購買了Schrodinger的軟件進(jìn)行藥物研發(fā)，年費(fèi)超過50萬的客戶留存率超過98%。可即使如此，2023年Schrodinger的軟件收入僅為1.591億美元，占其總收入的36.4%，真正令其扭虧為盈的還是靠license out TYK2藥物帶來的一次性收入。
提供CRO服務(wù)則是回歸了AI制藥的本質(zhì)，就是幫助藥企提高研發(fā)效率。雖然理論上AI可以極大提升藥物發(fā)現(xiàn)的效率，但實際上并不具備不可替代性。同時，CRO行業(yè)不僅僅只有藥物發(fā)現(xiàn)這一個環(huán)節(jié)，藥物發(fā)現(xiàn)只是CRO服務(wù)中較小的一個環(huán)節(jié)，后續(xù)環(huán)節(jié)同樣關(guān)鍵，且占用藥物的研發(fā)成本比例更高，藥業(yè)更愿意與成熟的全產(chǎn)業(yè)鏈CRO公司合作而非AI初創(chuàng)公司。
最靠譜的商業(yè)模式還是回歸產(chǎn)品孵化，也就是目前大多數(shù)AI制藥公司的商業(yè)模式，即AI+Biotech。通過AI快速產(chǎn)生臨床前管線，然后推進(jìn)至臨床階段，再對外授權(quán)轉(zhuǎn)讓，從而獲得首付款、里程碑付款和銷售分成。以國內(nèi)的英矽智能為例，其絕大部分收入是來自管線的授權(quán)和里程碑付款，其中既包括新的管線授權(quán)，也有已有授權(quán)管線的里程碑付款等。
其中的關(guān)鍵點仍然是管線，只有療效好、市場大、臨床進(jìn)度快的管線才會被MNC看上，才能賣上一個好價格，但目前來看，AI還沒能產(chǎn)生一款突破傳統(tǒng)的重磅產(chǎn)品。主要原因是AI制藥與傳統(tǒng)制藥技術(shù)不同，非常依賴大數(shù)據(jù)，所有的AI技術(shù)都需要基于大量的數(shù)據(jù)來訓(xùn)練和學(xué)習(xí)，沒有大數(shù)據(jù)訓(xùn)練的AI就是個智障。
但目前最大的困難與挑戰(zhàn)就是高質(zhì)量的數(shù)據(jù)缺乏。不同于AI在圖像識別領(lǐng)域的應(yīng)用，圖像數(shù)據(jù)量大且獲取相對簡單，AI制藥所需要的數(shù)據(jù)總量較少，且藥企出于保密的目的，大多不愿意分享數(shù)據(jù)，這直接導(dǎo)致了數(shù)據(jù)獲取成本大幅提高。即使有了大量的數(shù)據(jù)，隨著數(shù)據(jù)量的增加，AI模型的訓(xùn)練成本也幾何倍地攀升，導(dǎo)致AI模型的成本難以控制。
另一方面，AI制藥的Biotech還需要面臨新藥可能在臨床試驗階段失敗的高風(fēng)險。隨著第一代AI設(shè)計的藥物逐步推進(jìn)臨床，在臨床上顯示出令人失望的結(jié)果，大量AI藥物管線被暫�；蚪K止研發(fā)。例如Exscientia就在2023年停止了兩條臨床管線，其中就包括“首款進(jìn)入臨床的AI設(shè)計藥物”DSP-1181。
事實上，AI制藥最大的問題就是人們對它的期待太高了。人們預(yù)想中的AI可以提升90%的醫(yī)藥研發(fā)效率，但實際上作為新藥研發(fā)的一種工具它目前只能提升6%7%的效率，剩余的大部分還是需要依賴傳統(tǒng)新藥研發(fā)的方式，這就使得AI制藥Biotech與其他Biotech沒有本質(zhì)上的區(qū)別。
AI技術(shù)的不斷發(fā)展，AI制藥公司隨之涌現(xiàn)，為創(chuàng)新藥研發(fā)領(lǐng)域注入新活力。但以當(dāng)前的技術(shù)水平，AI制藥還處于起步階段，更多的只是作為創(chuàng)新藥研發(fā)的一種工具，人們不應(yīng)對其抱有不切實際的期待，也不要因為AI制藥技術(shù)遭遇的一時失利，就完全擯棄。
毫無疑問，擁抱AI技術(shù)極有可能是醫(yī)藥領(lǐng)域未來發(fā)展的核心方向，但具體的商業(yè)模式仍需耗費(fèi)更多的時間進(jìn)行摸索，這或許才是美股AI制藥不受追捧的本質(zhì)原因。如今中國“AI制藥第一股”晶泰科技借助18C上市，不知道其能夠打破美股AI制藥的IPO“詛咒”？
更多精彩內(nèi)容，關(guān)注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App
