中美人工智能新藥研發產業鏈現狀對比及發展啟示

生物醫藥作為新一輪科技革命與產業變革中創新最為活躍、發展最為迅猛的戰略性新興產業，事關人類生命健康，是我國“卡脖子”技術攻關的戰略要地，更是醫藥工業邁向新型工業化的主攻方向。

一、人工智能新藥研發概述

人工智能（AI）新藥研發是指將AI技術應用于靶點發現、藥物篩選、分子優化等近十個新藥研發環節，實現降本增效，化解新藥研發“三座大山”（高投入、高風險、長時間）難題，是IT（信息技術）和BT（生物技術）的雙向奔赴，是“人工智能+”的前沿方向，是醫藥工業的新質生產力。據測算，2022年，全球AI新藥研發市場規模為10.4億美元，預計2026年將達29.9億美元。我國AI新藥研發起步稍晚，2022年市場規模為2.9億元，預計2025年將達7.7億元。

AI新藥研發產業鏈可分為：上游基礎層，主要為數據、算法、算力等AI“三要素”基礎供應商；中游技術層，主要為利用AI技術提供新藥研發服務的AI藥企，是AI新藥研發的主力軍；下游應用層，主要為傳統藥企和合同研究組織（CRO）企業。傳統藥企是AI新藥研發成果的采用方，更是醫藥工業的中堅力量。

二、中美AI新藥研發產業鏈現狀對比

（一）應用層，美國傳統藥企應用AI制藥技術領先明顯

從傳統藥企AI新藥研發布局情況看，美國默沙東是最早“擁抱”AI的藥企之一。早在2012年，默沙東就與Numerate公司合作，利用機器學習軟件開展心血管疾病研究。我國傳統藥企AI應用較晚，多發生于2020年以后。從傳統藥企應用AI開展新藥研發企業數量情況看，《全球44家頂尖藥企AI輔助藥物研發榜單（2021年）》顯示，美國以12家藥企上榜位列第一，我國僅有3家入圍，排名并列第五。從傳統藥企與AI藥企交易次數情況看，2013～2023年，美國AI并購和合作交易領跑全球，輝瑞以28筆居于首位，強生、百時美施貴寶分別以20、13筆居于前十，我國傳統藥企交易寥寥無幾，且多為“嘗鮮性”合作。

（二）技術層，美國AI藥企引領AI新藥研發發展

從AI藥企和頭部AI藥企數量情況看，AI藥企方面，截至2022年第三季度，全球AI藥企約600家，其中美國343家，超過全球總量一半，我國近80家，占比較低。頭部AI藥企方面，2020年，全球排名前30的AI藥企中，美國20家，我國僅1家。從AI藥企新藥進入臨床階段的企業和藥物數量情況看，截至2024年1月，全球共有43家AI藥企102種藥物進入臨床階段，其中美國20家AI藥企47種藥物進入臨床，占比分別為47%和46%，我國僅14家AI藥企34種藥物進入臨床。從AI藥企訂單數量和數額情況看，訂單數量方面，2021～2022年第三季度，全球訂單數量排名前十的AI藥企中，美國4家上榜，我國沒有企業入圍。單筆訂單數額方面，2022年，AI藥企訂單金額排名前十的榜單中，美國以5家保持領先，我國僅1家上榜。從IT巨頭引領AI新藥研發行業發展情況看，IT巨頭利用自身的互聯網基礎與技術平臺優勢，紛紛進軍AI制藥，是AI新藥研發的跨界新力量。美國谷歌、微軟、英偉達等科技巨頭通過自建、合作、投資等方式積極引領行業發展，其中，英偉達僅在2023年就投資AI藥企9家，投資總金額近10億美元。我國華為、百度、騰訊等企業雖也有布局，但行業引領作用相對較弱。

（三）基礎層，美國AI“三要素”基礎優勢突出

從數據情況看，開源數據庫方面，蛋白質數據銀行、蛋白質信息資源庫等藥物領域十余個國際NQ74+jdrcl+GYcHHcvOsG2/FAevX+gitSqZ+xL4GcMI=高質量開源數據庫均由美國建設或主導運營，我國相關企業參與較少。數據庫自建方面，美國生物科技公司Tempus通過提供優惠服務，僅用4年就建立起世界上最大的癌癥數據庫，我國企業自建數據庫發展緩慢。數據流通方面，美國安進、楊森等傳統藥企聯合AI企業、大學等共17家單位組成聯盟，利用隱私計算技術開展數據流通，率先打破“數據孤島”，我國企業共享數據較難。從算法模型能力情況看，美國算法模型能力較強，如谷歌DeepMind推出的推理部分開源模型AlphaFold，影響力遍及全球，助推科學智能邁上新臺階，我國算法模型能力相對較弱，知名模型鮮有報道。從算力資源情況看，美國擁有眾多全球主要芯片廠商，算力資源充足，其中，英偉達全球AI芯片市占率近90%，且美國啟動了國家人工智能研究資源試點項目，確保AI基礎資源有效供應，我國算力資源相對緊張，企業面臨“一卡難求”的困境。

三、制約我國AI新藥研發水平的根本因素

（一）我國傳統藥企創新驅動不足

內部動力方面，我國傳統藥企創新意識差，不愿增加AI研發投入。美國傳統藥企具有強烈的創新文化，積極擁抱AI技術，聚焦新靶點、新化合物、新作用機理等源頭創新開展研究，加快首創藥研發；我國傳統藥企思想相對保守，多傾向于創新門檻低、產生效益快的項目，更熱衷跟隨式、模仿式、引進式創新，對投資回報周期長、風險高的首創藥研發積極性差，對AI新藥研發持謹慎態度。外部激勵方面，我國現行藥品定價、醫保目錄等政策，對傳統藥企應用AI創新支持不足。美國藥品定價采取市場化策略，藥品價格由藥企和保險公司協商決定，政府干預較少；我國藥品定價受政府監管較嚴，如通過藥品價格談判、集中采購等方式限制藥價，導致創新藥無法獲得與其研發成本匹配的回報。此外，我國醫保目錄更新周期較長，部分創新藥從上市到納入醫保需要等待數年之久，此期間企業無法從醫保渠道獲得銷售回報，影響原創藥研發積極性。因此，現行政策缺少了對AI新藥研發的創新激勵。

（二）我國AI新藥研發資本環境不優

AI藥企大部分為初創企業，成立時間較短，前期研發投入巨大，資本市場融資環境和融資渠道是決定其早期生死存亡的關鍵因素。美國生物技術和AI領域金融市場非常活躍，AI藥企獲得融資較為容易，我國資本市場相對不夠成熟。投資機構方面，截至2022年第三季度，全球關注AI新藥研發的機構約1120家，其中美國593家，占比超50%，我國僅62家。融資事件方面，2023年全球AI新藥研發相關融資事件104起，其中美國48起，我國32起。融資金額方面，2023年全球AI新藥研發融資總額36億美元，其中，美國AI初創藥企吸納了絕大部分資金，占總融資額的80%，我國僅為10%。上市企業方面，全球AI新藥研發上市公司15家，其中美國9家，占比60%，我國暫無企業上市，僅晶泰科技、英矽智能2家企業向港交所提交了招股書。

（三）我國AI新藥研發技術能力不佳

AI新藥研發是AI和生物醫藥的交叉學科，有極高的技術門檻，科研能力是其高質量發展的決定性因素。科研人才方面，美國擁有世界頂尖的高等教育體系和人才成長體系，為AI新藥研發提供了豐富的人才資源。國外某機構從企業家、專家學者、投資者三方面，評選出全球100位從事AI新藥研發的領軍人才，其中美國占比高達近70%。科研成果方面，美國在AI和生物醫藥領域擁有許多頂尖研究機構和巨頭企業，具有深厚的研究能力。從論文情況看，截至2024年3月1日，全球共發表相關SCI論文6267篇，美國以2115篇對我國1216篇保持領先；發表論文前十的機構中，美國以5個對我國3個繼續保持優勢。從專利情況看，截至2024年3月，全球共申請相關專利9086項，美國5967項，占比超過65%，我國674項；全球共授權相關專利3262項，美國2451項，占比超75%，而我國僅195項。

（四）我國AI“三要素”基礎底座不強

數據是AI新藥研發模型的養料，模型開發完全依賴于數據學習。美國產業發展此領域發展較早，相比我國優勢明顯。公共數據層面，美國生物醫藥數據布局可追溯至20世紀七八十年代，如1971年建立蛋白質數據銀行，1984年建立蛋白質信息資源庫，1988年成立國家生物技術信息中心，負責收集存儲生物醫藥信息；直到2010年，我國才開啟生物醫藥領域相關數據庫建設。私營數據層面，美國20世紀90年代就開始探究數據經紀商體系，2014年以來，更是密集出臺多項立法提案，支持數據產業發展；我國數據相關法律政策，如《中華人民共和國數據安全法》和《中華人民共和國個人信息保護法》等法律、“數據二十條”和“數據要素×”等政策，出臺時間相對較晚。算法是AI新藥研發模型的核心，決定模型的能力和性能。美國在算法開發方面深耕多年，創新程度全球領先。從學習框架情況看，美國企業開發了PyTorch、TensorFlow等世界主流框架；從模型架構情況看，美國機構多次提出RNN、Transformer等顛覆性架構。我國算法相關研究較淺，后發劣勢明顯。算力是AI新藥研發模型的孵化器，為模型高效訓練提供支撐。我國算力“卡脖子”問題嚴重，從外部環境情況看，美國2022-2024年連續三年針對我國實施高性能芯片限令，國內先進芯片長期處于短缺狀態；從內部能力情況看，我國AI芯片性能不及國外芯片，且產能難以滿足需求。

四、我國AI新藥研發產業鏈發展啟示建議

（一）強化AI新藥研發創新實施

深化藥品定價方法、醫保政策、審批流程等體制機制改革，支持首創藥物研發，強化知識產權保護，促進科技成果轉化，保障創新者權益，激發藥企創新活力。加快落實“人工智能+”戰略，實施醫藥工業產業鏈創新發展行動計劃，加強傳統藥企與AI藥企技術對接，加速AI賦能新藥研發各流程各環節，打造新藥研發創新發展產業生態。加強AI新藥研發領域專精特新企業培育，激發中小AI藥企創新活力，帶動傳統藥企創新實施，推動傳統藥企由仿制藥、仿創藥向原創藥發展。

（二）優化AI新藥研發資金支持

加大財政資金、專項債券等對AI新藥研發的支持力度，面向企業提供財政補貼和稅收優惠，強化算力券、運力券發放，降低企業經營成本。探索發展多元化投融資模式，優化產業投資基金、引導基金功能，鼓勵創業投資、風險投資、私募股權投資等投向AI新藥研發領域，支持企業債券發行、上市融資。鼓勵各類金融機構加大對AI藥企的信貸支持力度，支持政策性貸款，加快推動知識產權質押貸款、科技成果轉化貸款等創新金融服務，優化產業鏈供應鏈金融。

（三）深化AI新藥研發技術突破

加快AI新藥研發人才隊伍建設，支持高校院所創建相關學科，強化復合型人才培育和培養，自主塑造領軍人才，加大海外高層次人才引進力度，鼓勵華裔留學生歸國發展。加大國家重大科研基金支持力度，設立AI新藥研發專項基金，支持基礎理論研究，推動AI專家和生物醫藥專家共同組成團隊，聯合開展技術攻關。構建以企業為創新主體的AI新藥研發體系，鼓勵各類藥企和高校院所聯合培養技術人員，推動開展研發鏈與產業鏈緊密銜接、產學研用深度融合的原創藥研發。

（四）強化AI新藥研發基礎建設

強化數據要素頂層設計，打造生物醫藥領域高質量數據公共服務平臺，加快公有數據庫開放，加強數據經紀商相關法律政策制定，鼓勵私有數據有償服務，推動利用安全技術實現數據流通。加強基礎算法研究，強化關鍵共性技術攻關，推動AI新藥研發相關基礎底座大模型開發及應用，促進基礎模型算法開源開放，構建開源發展生態。加大國產AI芯片自主研發投入力度，推動芯片設計、制程等全產業鏈協同創新，探索科學語言大模型專用芯片研發，前瞻性布局光芯片。