英伟达、软银入局，AI制药是“王炸”还是概念？

资本新宠。

当ChatGPT席卷全球时，AI制药也站上了新的风口。

AI制药内涵丰富，涉及数字生物学、计算机辅助药物发现、实验室自动化以及AI辅助临床试验等关键环节。正如ChatGPT在大模型领域的突破一样，AI在医药领域中的应用也展现出了巨大的潜力和变革性的影响。AI制药的兴起并非偶然，它源于对传统药物研发模式的深刻反思与创新需求。面对研发周期长、成本高昂、成功率低等挑战，AI技术以其强大的数据处理能力和模式识别技术，为药物研发带来了新的思路和工具。然而，与AI在其他领域的应用类似，AI制药同样面临着技术实现、数据质量和商业化等方面的挑战。

疯狂吸金，英伟达、软银、腾讯纷纷下注

在医药行业，人工智能技术的应用正逐渐成为推动创新和加速药物研发的关键力量。随着这一趋势的兴起，一些专注于AI赋能药物发现的公司开始崭露头角，成为资本市场的热门话题。

放眼全球，AI制药公司正经历着一场融资盛宴。在这样的行业背景下，港股市场迎来了一家备受瞩目的公司——有着“AI制药第一股”之称的晶泰科技。该公司自成立以来吸引了一批重量级私募股权和战略投资者的关注。

IPO前，晶泰科技合计融资额约7.32亿美元。据弗若斯特沙利文资料，截至2023年，就透过私募股权融资筹集的资金总额而言，晶泰科技在全球的人工智能赋能的药物发现公司中排名第一。晶泰科技背后的投资人名单星光熠熠，包括红杉中国、腾讯、五源资本、软银愿景基金、谷歌等顶级风投机构。

晶泰科技此次IPO的基石投资人队伍也十分豪华。根据披露，晶泰科技本次共引入8名来自不同领域的基石投资者，包括Successful Lotus、IntelliMed、Mammoth Medical Solutions、海棠壹号、Bradley L.Pentelute教授、Ginkgo Fund I、百奥赛图及FaaSCapital Longevity Limited，合共认购34.12%的发售股份，占全球发售完成后总股份的1.88%。

其中，Successful Lotus是第一大认购方，其背后浮现了香港地产大亨、四大家族之一的李兆基之子李家杰的身影。海棠壹号背靠国盛资本，是一家由上海市政府批准成立的大型国有资本运营平台公司。而Ginkgo Fund背后站着的则是著名天使投资人龚虹嘉，他曾创立和投资海康威视、富年科技、握奇数据等在内的十余家企业。

晶泰科技还积极对外投资，拓展其在AI制药领域的生态布局。该公司对多家与AI相关的药企进行了投资，这些企业涵盖了药物递送、新材料发现以及药物透皮试剂研发等多个领域。

具体来说，截至2024年5月21日，晶泰科技投资的企业包括：杭州剂泰医药科技有限责任公司，该公司专注于利用人工智能技术赋能药物递送和药物开发过程。莱芒生物，致力于人工智能赋能的肿瘤免疫治疗药物开发和细胞治疗技术。新生泰（杭州）材料科技有限公司，该公司运营着一个人工智能赋能的新材料发现平台。杭州箴泰生物科技有限公司，专注于人工智能和自动化技术在药物透皮试剂研发中的应用。通过对外投资，晶泰科技旨在建立一个生态系统，其中晶泰科技与合作伙伴以及被投资的企业能够在资源、技术及专业知识等多个方面实现互补和协同发展。

AI制药行业的投资热潮正在全球范围内迅速升温，不仅吸引了众多专业投资机构的目光，也引起了科技巨头的关注。

在这一趋势中，英伟达的参与尤为引人注目。这家全球知名的科技公司，通过旗下的风险投资基金NVentures，积极拓展其在AI制药领域的投资版图。据智药局的数据监测显示，从2023年到2024年6月6日，英伟达共参与投资了10家AI制药公司。这一举措不仅展示了英伟达对AI制药行业的信心，也反映了整个行业对AI技术在药物研发中应用潜力的认可。

面对新兴AI制药的崛起，传统药企如赛诺菲也在积极拥抱变革，以保持竞争力。2023年6月13日，赛诺菲发布新闻稿《Sanofi“all in” on artificialintelligence and data science to speed breakthroughs for patients》，宣布All in AI。

同时，赛诺菲推出应用程序plai。plai由赛诺菲与人工智能平台公司Aily Labs合作开发，提供实时、反应式的数据互动，并对赛诺菲的所有活动提供前所未有的360°视角。该应用程序汇总了各职能部门可用的公司内部数据，并利用人工智能的力量提供及时的洞察力和个性化的"假设"场景，以支持成千上万的赛诺菲团队决策者在具体场景中做出明智的决定。

特别值得一提的是，赛诺菲与OpenAI、Formation Bio的合作，老牌药企与AI大模型引领者，及AI药企的搭配，可谓是“王炸”组合。三个团队将汇集制药界一流的数据、软件和调整模型，开发贯穿药物开发全周期的定制化专属解决方案。赛诺菲凭借其在制药领域的深厚积累，提供对专有数据的访问，为开发人工智能模型提供基础。OpenAI则以其在AI技术领域的领先地位，提供包括微调模型能力、AI专业知识在内的全方位支持。而Formation Bio则聚焦于项目的运营与执行，确保合作的顺利进行。

智能革命：AI如何重塑医药研发的未来？

AI制药之所以成为业界的热门话题，是因为它不仅代表了技术创新的前沿，更是医药行业对提高研发效率和成功率的迫切需求的直接响应。

从DeepMind（英国人工智能公司，2014年被谷歌收购）的AlphaFold在CASP13国际蛋白质结构预测比赛中取得突破性成就开始，就见证了AI在科学领域应用的巨大潜力，该次比赛中，AlphaFold在预测精度上与实验室解析结果相当，而且其后续版本AlphaFold2再次刷新了该领域的记录。到了2021年7月，DeepMind公开的数百万种已预测的蛋白质结构数据库，为全球科学家和研究人员提供了宝贵的资源，成为AI for Science的重要里程碑。

在医药行业中，药物研发无疑是最为关键的环节之一，这也是人工智能技术大展身手的重要领域。根据弗若斯特沙利文报告，全球药物研发支出从2018年的1740亿美元增至2022年的2415亿美元，并预计到2030年将达到3943亿美元。在中国，药物研发支出的增长尤为迅猛，从2018年的174亿美元增至2022年的326亿美元，预计到2030年将达到675亿美元。

这样的增长，显示了医药行业的活力和对创新药物的迫切需求，但同时也凸显了传统药物研发模式下的挑战。长期以来，新药研发被视为一项高风险、高投入的事业，行业长期流传“双十”规律，即从新药研发开始到最终获批上市需要平均耗时十年，投入成本约十亿美元。制药还是一项高风险的事业，据估计，全球新药研发的成功率仅在2%到15%之间。这不仅对药企的资金链构成压力，也延缓了新药上市的步伐。

在药物研发整个流程中，早期药物发现阶段尤为关键，但也是成本高昂且耗时的过程，发现一种药物一般就需要约一至两年时间，需要投资约4亿美元至4.5亿美元。此外，在药物发现阶段，通常需成千上万种化合物中挑出一种商业上可行的药物。

AI技术可以显著减少药物研发所需的时间和成本。据TechEmergence研究报告，AI技术可使新药研发成功率由12%上升至14%；此外，有研究数据显示，AI技术可在化合物筛选、合成方面节约40%-50%的时间，每年可为整个制药行业节约260亿美元的成本。

随着AI在药物研发各个阶段的应用日益增加，不少药企开始选择与AI制药、AI医学数据等公司合作。

以赛诺菲为例，该公司在2022年通过收购或合作与多家AI药企建立了联系，如收购了Amunix Pharmaceuticals，该公司使用人工智能定制药物，这些药物只在肿瘤组织中具有活性，不会损害正常组织。赛诺菲与生物技术公司Exscientia合作，探索癌症和与免疫系统相关疾病的新治疗方法。赛诺菲的科学家可以利用Exscientia基于人工智能的能力和个性化的医疗平台，在临床试验前几年，对照实际的人体组织模型测试候选药物。赛诺菲与制药公司Insilico Medicine和Atomwise合作，利用其人工智能驱动的平台加快药物开发。这些合作体现了赛诺菲对AI技术的信心。

除了赛诺菲外，其他医药巨头也在积极拥抱人工智能，以期在激烈的市场竞争中占据有利地位。默沙东、葛兰素史克、拜耳（Bayer），武田制药（Takeda Pharmaceutical）、阿斯利康（AstraZeneca）、罗氏（Roche）等，都在积极的与人工智能药物研发公司合作。

一些人工智能等领域公司也开始主动介入医疗行业。

例如，英伟达的生成式AI平台NVIDIA BioNeMo。BioNeMo具有一套预训练的生物分子 AI 模型，可用于蛋白质结构预测、蛋白质序列生成、分子优化、生成式化学、对接预测等。它还使计算机辅助药物发现公司能够通过易于访问的应用程序编程接口（API）向广大用户提供模型，用于推理和定制化模型开发。借助BioNeMo，药物研发团队可以使用其专有数据来构建或定制生成式AI模型。

据悉，已有100多家生物制药和AI药物研发公司使用其BioNeMo平台，包括安进、安斯泰来制药、Cadence、Iambic、Insilico Medicine、Recursion和Terray Therapeutics。

在2024年英伟达GTC大会上，进一步扩展了BioNeMo平台的功能，英伟达创始人黄仁勋宣布，BioNeMo平台现在可以在控制细胞功能的DNA、RNA和蛋白质之间建立联系。基于新的功能，药物发现团队可以轻松地将生成式AI集成到工作流程中，以更好地理解和设计药物分子，并减少对时间和资源繁重的物理实验的需求。英伟达计划将扩展后的BioNeMo模型作为一系列基于云的企业服务提供给客户，并通过AWSHealthOmics平台提供药物分子结合和蛋白质结构变化的预测指标。

研究人员现在可以利用BioNeMo扩展的生成式AI工具包，以及访问其模型的新方法。最新的BioNeMo基础模型可以分析DNA序列，预测蛋白质对药物分子的反应如何改变形状，并根据细胞的RNA确定细胞的功能。用于加速蛋白质结构预测、生成化学和分子对接预测的模型现已通过英伟达NIM作为微服务提供，NIM是在英伟达GTC大会上宣布的一系列推理模型，并可通过英伟达AI Enterprise平台提供。

随着AI技术的不断进步和医药行业的持续发展，AI医药将继续成为行业的热点，为全球患者带来更多的治疗希望，并推动医药研发向更高效、更智能的方向发展。

资本热潮下的冷水

与资本追捧的火热情况形成对比的是，少有项目能证明AI制药的价值。

以曾喻为AI抗癌平台新贵的Erasca为例，这家成立于2018年的公司，以2.36亿美元的B轮融资刷新了当年私募融资纪录。Erasca建立之初定位在结合药物研发与人工智能，从根本上攻克癌症。在Erasca的早期融资消息中提到，其专有的人工智能药物发现平台OPRA可以利用机器学习等先进的计算工具，通过阐明新的肿瘤生物学和关闭癌症通路的创新策略（通过单一药物和联合方法关闭关键的癌症途径），来加速药物的发现。但其人工智能药物发现平台OPRA没能提供一款进入临床的药物。

转向港股市场，被誉为“AI制药第一股”的晶泰科技，尽管备受市场关注，但其至今尚未盈利。数据显示，晶泰科技在2021年至2023年的营收分别为6279.9万元、1.33亿元、1.74亿元；年内亏损分别为21.37亿元、14.39亿元和19.06亿元，三年累计亏损高达54.82亿元。从招股书来看，研发投入是晶泰科技一大开支。2021年至2023年的研发开支分别为2.13亿元、3.59亿元、4.81亿元，在收入中的占比分别为338.5%、269.2%、275.6%。

无独有偶，在纳斯达克上市的AI+医疗健康公司Tempus AI，盈利表现也不太乐观。Tempus的主要商业模式包括基因组学、数据和服务以及AI应用，在2023年，这三项业务的收入分别为3.63亿美元、1.69亿美元和550万美元，其中AI产品的收入占比不超过1.5%。此外，Tempus在2022年和2023年分别亏损2.9亿美元和2.14亿美元，截至2024年3月31日，亏损6473.2万美元。

这些案例表明，尽管AI制药领域具有巨大的市场潜力和资本吸引力，但要实现商业化成功和盈利，还有很长的路要走。AI技术在药物研发中的应用，需要克服技术难题、提高研发效率、缩短上市周期等多方面的挑战。

此外，AI制药普遍存在“数据困境”，它在一定程度上阻碍了AI技术在药物研发中的广泛应用。AI的潜力在于其能够从庞大的生物医药数据中提取有价值的信息，但现实情况是，AI药物研发过程中常常因数据问题而受挫。

目前，公开数据库的数据主要来源于文献、实验室以及通用数据库，但这些数据的质量参差不齐。由于实验条件、数据记录格式或注释的差异，常常导致数据存在不一致性、缺失或误差，这些问题使得计算机难以进行统一的识别和处理。此外，医药领域存在所谓的"数据孤岛"现象，即高质量的核心数据往往被少数企业所掌握，并且由于保密性的要求，这些数据很少公开。

大型通用数据库虽然可以为初始生成的AI模型提供预训练环境，帮助评估模型的能力，但这些公开数据集的质量往往难以满足高标准的药物研发需求。因此，需要对数据进行自主筛选、过滤和标准化处理，以适应不同的应用场景。这一过程涉及到基于不同数据维度和颗粒度的清洗工作，需要大量的时间和资源投入。

AI技术在药物研发中的应用，已经展现出了提高研发效率、缩短药物上市周期的巨大潜力。但它同样面临着一系列严峻的挑战。从商业化的成功和盈利的实现，到技术研发中的技术难题，再到"数据困境"中的质量和共享问题，每一个环节都是AI制药行业必须逾越的障碍。面对数据问题，行业可以通过加强数据标准化、建立共享机制、采用先进的数据处理技术等措施来应对。此外，政策的支持、行业协作以及跨界创新也将为AI制药的发展注入新的动力。