0
從找到臨床前候選化合物，到接踵而至的藥企合作；從持續不斷的大額融資，到斬獲百億巨額訂單，AI新藥研發企業的攻城掠地速度，刷新了各個藥企、投資人、AI圈人的認知。
但在高速增長的同時，AI新藥研發面臨的質疑也在成倍放大。高頻融資背后，究竟是AI新藥研發行業已到成熟期，還是資本助推下的一次泡沫狂歡？
圍繞AI新藥研發的現狀，我們近期對話了夸克資本合伙人Leo 韓漣漪、北極光創投合伙人宋高廣，以及一位在跨國藥企工作多年的高管趙興（化名）等藥企負責人和投資人，分享他們對于AI制藥的看法。
據統計，2021年，全球AI+制藥產業共發生77起融資事件，累計融資額達45.64億美元，融資事件數和融資額共同刷新了歷年融資紀錄。對比2020年，2021年融資額增長率達152%。
繁華之下，是否有泡沫？在《醫健AI掘金志》的對話過程中，三位受訪者都對AI新藥研發項目表示擔憂。
這種擔憂主要集中在，難以評估AI新藥研發企業的未來價值。
過去兩年，盡管國外先后有Schrodinger薛定諤、Exscientia、Relay多家AI制藥企業完成了上市，但從目前的股價來看，多數企業都沒有保持住超高市值，Exscientia市值較上市已經縮水50%。
即使有AlphaFold2這樣的革命性突破，部分企業的新藥分子也陸續官宣PCC（臨床前候選化合物），但具體到每家企業，每個合作當中，AI制藥的具體效果，依舊無法衡量。
傳統的生物醫藥體系，自有一套價值評估的法則。
趙興表示：“企業的價值最終還是要回歸到產品和服務上，與是否用到AI關系不大。”
醫藥投資老將、高榕資本合伙人楊昆曾對雷峰網(公眾號：雷峰網)表示：“目前很多AI研發藥物處于臨床前期階段，一旦發展至臨床階段，按新藥研發還是AI公司估值，會出現很大差異，甚至AI制藥企業可能面臨上天和落地的分化。”
如果是后者，在AI商業前景集體唱衰的背景下，他們的發展許將面臨很大的質疑和不信任。
此外，生物制藥作為傳統行業，對于互聯網觀念，互聯網玩法的不適應，也會影響最終對AI制藥價值的評定。
而如果前者，則意味著AI制藥公司的自研平臺，需要更多可以在制藥領域站得住腳的成果，例如高價值的創新藥，足夠通用的工具，這背后的難度都可想而知。
AI平臺的價值，需要依靠藥企的合作來證明，在《醫健AI掘金志》的對話過程中，聽到了不少制藥行業群體對AI制藥的不滿。
曾在美國國家生物技術信息中心工作多年，目前擔任夸克資本合伙人Leo 韓漣漪表示：“在談AI前景前，藥學家和醫藥從業者，會先關注AI制藥企業的業務邏輯是什么，核心競爭力在哪里，最終影響哪一類賽道，無論是晶型預測，還是小分子藥物篩選，AI怎樣找到藥物研發的服務關系才是關鍵。”
以藥物研發企業為例，業務邏輯就是做出創新藥，核心競爭力就在于管線的市場前景，以及高價值管線數量夠不夠多。同理，CRO就是能夠提供專業的研發、生產等等外包服務。
但顯然，在很多藥企或投資人眼中，大部分AI新藥研發企業，還不具備類似的清晰邏輯。
劉薇（化名）是一位醫藥行業分析師，她認為，除了宣傳算法的優化能力，AI改變藥物研發游戲規則，更應該談談怎樣改變游戲規則，改變哪些規則，是作用在大分子，還是小分子領域，是可以優化化合物合成路徑，還是可以實現劑型的優化。
“以AI助力藥企發現小分子化合物為例。在藥學家看來，那些臨床前的成績都比較虛，而且他們經常的工作需求，可能都不是找到新的可能分子，而是盡早pass掉不行的分子，干掉的越早，省的錢就越多，最后都拖到臨床階段去驗證，那損失就太多了。”
所以，對于藥企來說，目前很大的問題就是看不懂AI新藥研發企業的業務邏輯和核心競爭力。
AI制藥的創業者自己也需要思考，不能光跟著熱度講故事，不是用AI來解決問題，而是具體要解決什么問題，怎么去解決，思路必須要清晰，給甲方展示出來。
在傳統醫藥行業，藥企確實需要很多合適的工具來解決問題。但實際中，AI新藥研發提供的平臺，卻和藥企需求很不一樣。
趙興表示：“對于藥企來說，我們的目標是傾向于解決問題，也就是工程化能力，不太會看重工具是來自現在的人工智能企業，還會傳統公司。”
目前，在輝瑞的藥物研發當中，已經有很多效果很好的工具，例如將已有科研成果和報告集成在一起的工具：
當藥學家發現一種新化合物的時候，就可以快速找出所有相關的參考文章和報告，提供參考，這樣的工具就會有很多人愿意去用。
在趙興看來，目前很多AI新藥研發平臺，并沒有達到這樣的易用性，且普遍都存在工程化能力不足的現象。
以AI應用于靶點識別、分子生成為例，除了更快發現靶點和化合物，藥企會更加關心平臺背后的數據是否準確，能否準確分析出和已知靶點的關系，是否可以很簡單將這些結果呈現出來。
而背后更牽扯出，藥學家對AI新藥研發平臺數據質量的擔憂：目前AI篩選結果的背后，是否有大量優質數據做支撐，覆蓋數據是否可信？
張雷（化名）是一家跨國藥企的國內研發負責人，他也表示，AI雖然貌似輔助研發人員在進行更全面的決策。但是，使用者很難對不同AI模型給出的結果的最優性和合理性進行驗證，而任何一個模型的不可靠，會放大藥物研發后期失敗的風險。
而再往下游走，用AI預測藥代和毒理，用AI預測臨床試驗結果，從目前的結果來看，也都不大靠譜。
此外，在藥學家看來，AI新藥這種新技術也并不那么純粹。
趙興表示：“大家也許都看到像AlphaFold2這樣巨大的新成績，但AI制藥的新趨勢不是一刀切，也不是近幾年才突然出現的革命性技術。也許在藥物研發過程中，哪些是AI，哪些不是AI，連創業者也說不清楚。”
舉例來說，人工智能的定義自然包括機器學習和深度學習。
像機器學習里面的統計、線性回歸、隨機森林，神經網絡，這些在藥物研發的修飾和改造先導化合物、多肽合成、毒性預測等領域早已經應用了很多年。
2002年左右，韓漣漪在美國國家生物技術信息中心開展工作。
據他的回憶，不少數據庫和藥物研發的工作，已用到支持向量機、神經網絡來解決制藥方面的問題。但是，即便如此，這些技術也只是解決部分問題，突破并不大。
對于現在的藥企，或者醫藥出身的專家來說，他們更是覺得現在的AI DD或者是AlphaFold的出現，只是在原來的AI應用上，新增一個工具而已，甚至在許多場景下，過去的線程回歸，隨機森林也同樣在使用，甚至效果會更好。
趙興表示，“突然舉牌和投資人或藥廠講，哪一類是新的AI制藥公司，哪些公司不是，這個邏輯很通。甚至生物計算或基因組分析中的一些AI制藥成績，單純的深度學習能占多大比重，產生多大意義，還有待深究。”
在AI制藥風口，不同投資人的看法上，同樣也存在沖突。
盡管在2021年，AI+制藥產業的融資事件數和融資額刷新了融資紀錄；但在這些融資后面VC的種類也很有特點。
據統計，參與5次交易以上的機構共有8家，他們分別是紅杉資本、五源資本、峰瑞資本、高榕資本、源碼資本、百度、真格基金、BAI資本。
因此，許多醫藥行業投資人都認為，該領域熱度熱度攀升和像互聯網巨頭的加持，和互聯網資本大量涌入，存在直接關系。
北極光創投合伙人宋高廣表示：“目前互聯網資本在AI制藥方面無論是數量，還是額度都是最多的，而且更加抱團，更樂觀。但做藥的投資人，和互聯網或TMT背景投資人，對這一賽道的理解，有很大不同。”
對于在專注醫藥的投資人來說，AI在許多場景的商業化落地，還遠遠沒有達到之后的高預期；他們在醫藥投資中，更愿意看的也是底層邏輯，而不是上面舞槍弄棒，搞出來一大堆花里胡哨不實用的東西，技術的先進最終應該賦能在產品上。
宋高廣表示：“在專注投藥的VC和投資經理看來，拿不出候選藥或者沒有管線在手，AI新藥研發企業的價值很難體現。”
出于這種考慮，醫藥VC們幾乎都在觀望和嘗試，投藥依然是他們的主旋律，并非是AI。
他們對AI新藥研發這樣的發展趨勢也并不看好。
一位來自藥企風險基金的投資人表示：“背后的資本會決定，AI新藥研發企業的發展目標和衡量指標，會更加趨近于互聯網思維：唯數據論，上規模、拼增長，快速追求高估值，這樣的趨勢會不會導致重走其他醫療AI賽道的老路，還很難說。”
任何一種輔助或者賦能的工具，能夠獲得行業內的認可，事關生死存亡。
根據Drug Discovery Today期刊、易凱資本的報告顯示，AI新藥研發經過前幾年的積累，特別是在2022年，肉眼可見的融資整體正在向中后期轉移。
即使現在依然有新創業者在下場，但更多基金和VC都表示，未來一年資金的中心都在看向AI新藥研發的中后期。
盡管資本投的是未來，是想象空間，與傳統背道而馳的故事以及故事支撐起的估值；但從業務實際角度來看，目前AI新藥研發拿到的結果，顯然還并沒有得到藥企和醫藥圈的滿意。
或許，從今年開始，在融資和行業發展角度，已經需要AI新藥研發企業和創業者，拿出的不僅僅是口號和學術突破，而是改變。 雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
