“AI制藥”：全新想象力打造出的行業

隨著人工智能技術成為千行百業打造全新想象力與未來可能性的利器，生物制藥行業也正在被AI所改變。

近期，人工智能在制藥領域的應用引起了廣泛關注，“AI制藥”被認為可能會徹底改變藥物發現和開發流程，并已在資本市場引發熱潮。2024年上半年行情恢復較好，全球AI制藥融資有69起，投資額33.36億美元；中國AI制藥融資有22起，融資金額18.09億元。

當前，全球AI制藥領域吸引了谷歌、微軟和亞馬遜等科技巨頭入局，同時頭部藥企輝瑞、強生、阿斯利康、默沙東都在積極布局相關研發領域。截至目前，中國AI制藥企業也已超過百家。

巨頭青睞、資本涌動、創業火爆……AI制藥到底有何魅力？機遇何在？挑戰幾何？

AI制藥的“前世今生”

傳統制藥領域有一個非常著名的“雙十定律”，即研發費用10億美元，研發周期10年。最新數據顯示，全球范圍的創新藥平均研發成本約為26億美元，研發周期為10.5年。藥企在高投入的同時，還得面臨新藥可能在臨床試驗階段失敗的高風險。

新藥研發是一個復雜且耗時的過程，一般分為幾個主要階段。藥物發現階段包括以下步驟，一是目標確認，確定與疾病相關的生物分子或通路，作為潛在的藥物作用目標；二是高通量篩選，使用自動化技術篩選數千至數百萬種化合物，找到能夠與目標分子相互作用的候選藥物；三是先導化合物優化，對初步篩選出的化合物進行優化，提高其活性、選擇性和藥物性質。

藥物發現后，是新藥的臨床前研究、臨床研究、監管審批，以及上市后監測。AI可以參與的就是藥物發現階段，通過歸納推理優化藥物研發，利用算力加速篩選優化先導化合物。AI在后期流程也能發揮作用。

目前，AI工具在藥物發現階段已取得一些成果。例如，谷歌旗下DeepMind的AlphaFold工具，通過預測蛋白質的三維結構，顯著提高了藥物發現效率。它利用深度學習算法，在分子生物學領域帶來突破。

此外，Insilico Medicine等公司也利用AI技術生成了新的藥物分子，并成功進入臨床試驗階段。實踐表明，AI在藥物篩選和優化中確實具有潛力，可以大幅縮短藥物發現過程，通過訓練模型提高篩選成功率。

當前多家科技巨頭紛紛看多AI制藥領域，這些投資不僅推動了技術發展，還促進了AI技術在實際藥物開發中的應用。例如，輝瑞公司和IBM Watson Health合作，致力于探索AI在癌癥治療中的應用。

AI制藥賽道上主要有三類公司：科技巨頭、初創企業和大型藥企。公司業務按產業鏈劃分，主要是AI+biotech（使用AI自主研發創新藥）、AI+CRO（使用AI為客戶交付先導化合物、臨床前候選化合物）、AI+SaaS（僅提供AI工具）。

中國AI制藥已有布局

2022年1月，工業和信息化部等九部門聯合印發的《“十四五”醫藥工業發展規劃》提到，要探索人工智能、云計算、大數據等技術在研發領域的應用，通過對生物學數據挖掘分析、模擬計算，提升新靶點和新藥物的發現效率。

7月30日，上海市政府發布《上海市人民政府辦公廳關于支持生物醫藥產業全鏈條創新發展的若干意見》（以下簡稱《意見》）。其中提到，要支持人工智能技術賦能藥物研發，建立隊列研究數據開放共享機制，打造高質量語料庫和行業數據集，完善醫療醫保數據資源合作利用機制。

此次上海發布的《意見》，著重提到了要發揮人工智能技術在基礎研究、新藥研發、醫療服務等多方面的作用。

上海早在2021年10月就成立了“張江AI新藥研發聯盟”，聯盟由中科院上海藥物研究所、浙江大學上海高等研究院、美迪西、英矽智能、上海翰森等單位創始發起，包括張江集團、晶泰科技等共計15家企業共同組建。

今年6月13日，晶泰科技在港交所掛牌上市，不僅被視為“中國AI制藥第一股”，還是首家以18C規則上市的硬科技公司。2022年全球收入最高的20家生物科技企業，有16家是其客戶。

過去幾年間，國內的AI制藥投資經歷了一波過山車行情。今年上半年，該行業在融資市場起勢。但是熱鬧表象下，需要看到中國AI制藥公司仍處于發展早期階段，大部分藥企還在資本市場的早期輪次。另外，不少投資者對AI制藥領域抱有觀望心態。

AI制藥的機遇和挑戰

盡管AI制藥展現了巨大的潛力，但仍面臨著多方面挑戰。首先是數據質量和復雜性問題，藥物開發需要大量高質量數據，目前的數據質量瓶頸限制了AI進一步發揮作用。

此外，隨著AI制藥的應用日益廣泛，相關法規和倫理問題也顯得越發重要。2023年，美國食品藥品監督管理局（FDA）發布關于AI在藥物發現中的應用指南，強調了風險控制和監管標準的重要性。

與此同時，在商業模式和行業生態上，新入局的科技公司雖然資金雄厚，但是大型藥企在這個賽道依然實力強勁。不少初創企業也有亮眼表現。

盡管AI在某些方面表現出色，但技術成果轉化仍然存在障礙。截至目前，還沒有完全由AI研發的新藥物成功進入市場。一方面是因為AI技術本身還處于發展階段；另一方面還是前文所述的藥物研發極為復雜，即使完成藥物發現階段，后續步驟仍有很大不確定性。

可以預見的是，隨著技術不斷進步和資本持續投資，AI制藥或將在未來取得更多突破，但還需要面臨數據管理、商業模式適配、法規與倫理、技術限制等多方面挑戰。

AI制藥可能是“下一個未來”，但道阻且長。