0
| 本文作者： 劉海濤 | 2021-12-24 15:11 | 專題：GAIR 2021 |
從去年以來，這條賽道就極具想象力。幾個數字：融資事件12起，總金額超過27億人民幣，同比增長約10倍。
國內各大VC、BAT入場，這個賽道成為資本布局和大廠之戰。
前幾日，羅氏、恒瑞等知名藥企更是簽下大單。沒錯，這個賽道就是2020年融資爆發元年的AI制藥。
市場前景巨大、故事性十足。但與此同時，AI制藥方面的尖端人才稀缺，數據的匱乏與閉塞是AI技術永恒之痛，AI制藥真的能成為一條現象級的賽道嗎？
近日，由雷峰網&《醫健AI掘金志》主辦的GAIR 2021醫療科技高峰論壇在深圳落幕。
在阿里健康投資部執行董事秦禎的主持下，高榕資本合伙楊昆，深創投執行總經理、健康產業基金投資部總經理周伊，邦勤資本總經理&創始合伙人劉明宇，以「AI新藥研發，一場正在崛起的黃金賽道」問題，展開一次圓桌對話。
圍繞AI新藥研發產業的發展現狀和資本傾向，深創投執行總經理周伊先發表了自己的看法。
他認為，AI制藥剛剛起步，通過AI制藥技術來發現的分子或者靶點，還沒有得到臨床的驗證。如果后續更多的案例可以跑通，大家對AI的信任度和依賴性會越來越高。“我不希望AI制藥也像AI醫學影像一樣，大起必然會有大落。對創業者來說，AI制藥是一個不錯的選擇，但不要太著急，做藥本來就慢，還是需要跨過很多坎。”
邦勤資本總經理劉明宇認為，“如果新工具是一場技術革命，就有可能顛覆傳統的游戲規則。AI制藥目前還需要一定突破口，去驗證和傳統的思維方式的差異，但AI制藥的‘工具’屬性更強。”
圓桌對話中，四位投資人還討論了AI制藥高風險的問題。
對此，高榕資本合伙人楊昆表示，對于AI制藥的前景和風險，需要從產業閉環的角度來看問題。以AI診斷為例，在臨床中有實際作用，但其商業化表現在中美各異。而AI制藥的試金石會來得更快。
目前很多AI研發藥物處于臨床前期階段，一旦進入臨床階段，會面臨兩個問題。首先，進入臨床階段意味著企業將進入新藥公司估值體系；其次，AI篩選出來的分子對比科學家研究出來的分子效果幾何有待驗證，新藥研發天然有一定失敗率，也將對行業和企業造成一定影響。未來兩年，AI制藥企業可能迎來“上天”和“落地”的分化。
阿里健康投資部執行董事秦禎總結道：生物計算，更多會從靜態預測往動態方向走，AlphaFold2是一個三維結構的構象的截圖，未來對它的預期會從照片變成錄像，真正看到蛋白如何運動。
另外，從蛋白質的預測到RNA二級結構，現在還有三級結構，把它的結構和運動連接在一起，這也是一種趨勢。
第三，干濕實驗數據結合，要不斷地有閉環，有新的真實實驗數據，再反哺到算法里面去，這也是大家期待看到的AI制藥趨勢。
以下為圓桌討論的內容，雷峰網(公眾號：雷峰網)&《醫健AI掘金志》做了不改變原意的整理和編輯：
秦禎（主持人）：從今年年初討論AI制藥企業到現在已經有10個月，有的AI制藥企業已經拿到PCC結果，大家如何看待AI制藥研發的現在階段，如果現在從零開始做AI制藥研發，會不會太晚？
楊昆：AI和制藥是天然的結合，高榕資本也投了很多AI制藥企業，包括今天在上午論壇分享的西湖歐米，還有未知君、星藥科技、西湖云谷等。
從科學或制藥角度，AI制藥還處于早期探索階段，沒有進入爆發期。各個公司還在做藥物發現、結構預測、結構之間聯系等許多角度的基礎工作，這是一個厚積薄發過程。
但資本方面已經非常熱，我對這件事抱有樂觀態度，資本本身就有催化作用，投資是產業附屬，一定泡沫會催化技術向前發展。
周伊：AI制藥板塊是深創投持續關注的，剛才說AI制藥領域晚不晚，我認為才剛剛開始。
核心原因在于AI制藥發現的分子或靶點，目前還沒有得到臨床驗證。
從創業角度，四年前火爆的AI醫療，例如AI醫學影像診斷，以及病理切片診斷，現在這些已經降溫，核心原因在于商業化很難做。
我不希望AI制藥也這樣，大起必然大落，希望它能長期穩定發展。如果目前在AI制藥創業會是一個不錯的選擇，但不要太著急，做藥本來就慢，再加上AI需要跨過很多坎。
劉明宇：邦勤資本是一家比較新的基金管理公司，多數成員都是醫療器械出身，2021年投了9個項目，7個器械、2個制藥，AI制藥還沒太敢出手。
傳統生物領域或制藥領域的專家會把AI當成工具。而百度、谷歌等互聯網巨頭在這個賽道布局，是希望打造造藥新勢力。
造車新勢力已經生存下來，早些年，手機新勢力也把傳統如諾基亞等干掉，“造藥新勢力”還需要時間去證明自己。
我認為應該先有問題再去找工具，而不是先有工具再去尋找問題。但果新工具是技術革命，它可能就會顛覆傳統的游戲規則。
剛剛宋樂教授談到，新藥研發是10的60次方找出一個，工作量極大。
但我覺得很多真實情況可能不是大海撈針，是沙灘上丟一枚戒指，雖然也很難找，但知道大概位置，并沒有這么大量級。
所以，AI還需要一定突破口，驗證和傳統生物學家思維方式不一樣的地方，在此之前，AI在新藥研發領域應該還是工具性技術，而不是顛覆性技術。
秦禎（主持人）：制藥是一個周期非常長、風險很高的行業，大家覺得AI制藥和其它AI醫療相比風險如何？是風險更大，還是會有其它不同的風險考量點？
周伊：AI制藥和其它AI醫療最大區別就是故事沒有那么容易破。例如AI醫學影像，拿到醫療器械注冊證，就要看銷售，賣得好才是真本事。
但制藥本來就慢，臨床實驗就五到七年，故事可以講更長一點，這是我從投資人角度看到的區別。
楊昆：今天討論的嘉賓觀點都很有意思，大家都是醫療背景，如果是互聯網或TMT背景，觀點可能完全不一樣，這是AI醫療、AI制藥投資非常糾結的地方，醫療和互聯網出身看法不一樣。
對于AI制藥可能的風險，需要從產業閉環角度來看，以AI診斷為例，在臨床中有實際作用，但其商業化表現在中美各異。
從估值角度看，AI制藥的試金石會來得更快。目前很多AI研發藥物處于臨床前期階段，一旦進入臨床階段，會面臨兩個問題：
首先，進入臨床階段企業估值是按新藥研發公司還是AI公司，二者不同，如果按照新藥公司估值，臨床階段估值可能就有很大差異；
其次，AI篩選出來的分子對比科學家研究出來的分子效果幾何有待驗證，新藥研發天然有一定失敗率，也將對行業和企業造成一定影響。
臨床不一定要等到三期，預計未來2年我們就能看到結果，AI制藥企業可能迎來上天和落地的分化。
劉明宇：我剛去隔壁會場聽了安防分會場的演講，海康威視的嘉賓談到一個AI識別水泥廠下水道被堵塞的問題，這樣的需求很簡單，也很具體。
醫療里有很多“費力而不討好”的問題，例如糞便檢測、尿液檢測等。AI新藥研發也是一樣，幫助最頂尖科學家去做那些重復性高、創造性高的工作。
剛才，楊昆總介紹了AI新藥研發臨床失敗率高的問題，從投資角度看，短期內無法證明真偽的故事更有利于持續融資，因為可以一直講故事。
一旦融到很多錢，就可能像AI四小龍一樣跑贏競爭對手，對方可能水平比你高，但它融不到資會餓死。
秦禎（主持人）：大家都覺得AI新藥研發是一個很長的故事，那大家覺得PCC、IND或臨床，什么時期是比較好的驗證點？在這些過程中，咱們應該怎樣進行項目選擇？
劉明宇：這個指標很難衡量，如果可以衡量就不需要投資人，直接用機器人做投資就可以了。
不管AI制藥還是常規制藥企業，要看團隊背景、成功經驗，對賽道理解，另外就是對工具和數據的應用。
前面英矽智能介紹的工具就非常強大，PC普及對制藥行業，及其它行業造成很大能力提升。但它只是一場改良，不是革命，AI則有可能成為顛覆。
周伊：AI制藥公司現在有兩個商業模式：
第一類，提供服務，例如快速提供先導化合物、新靶標，這都是做服務，收服務費，商業模式評判標準很簡單：有沒有大公司愿意出錢、愿不愿意重復出很多錢。
第二類，自己做藥，自建團隊，把AI作為工具，自己有分子生物學團隊，藥物研發團隊，甚至外包FTE，CRO公司。
這類模式評判標準就和創新藥公司一樣，例如快速篩選靶標，盡快申報IND，做臨床一期、二期，最后衡量藥物的臨床效果。
楊昆：我也同意周總，我看AI新藥研發項目還有一個細節——團隊構成。
今天新藥人才和AI人才成本都很高。組建一家AI新藥公司的時候，公司的核心策略是什么？
例如一個項目，是把錢砸在臨床上，還是AI算力上？
很多AI制藥公司都會內部討論這類研發思路或者發展思路的問題，投資人也比較關注。這一問題可以延伸看出企業只是有短期規劃，還是真正具備長期發展的潛力。
秦禎（主持人）：既然聊到了項目的評估標準，明年上半年應該會有一些企業拿出PCC。屆時，這個賽道估值會有哪些影響？什么情況或時間點AI公司和制藥公司的估值體系會交融？
楊昆：AI新藥研發未來估值會有很大分歧，現在資本市場資金比較充沛，無論AI，還是制藥都容易拿到錢，有些AI制藥公估值還比較高。
但醫療發展，甚至科技發展都有一個現象，一波資本沖上去然后整個賽道死掉一半以上，剩下其它企業慢慢沿著賽道跑起來，過去的測序和蛋白賽道都是這樣規律。
所以，AI新藥研發估值大方向上保持樂觀，資本進入一定會產生一些泡沫，但這都有利于這個方向發展。
但對于一家公司來說，高估值可能是陷阱，因為當產品進入臨床階段后，估值是按照AI公司來估，還是按照制藥行業調整，可能會面臨變化。這考驗AI平臺和產品，能否持續研發創新。
周伊：明年估值怎樣我就說一句，要看港股或美股二級市場對前面的AI醫療或AI制藥公司看法，這是指標。
二級市場如果持續追捧，一級市場還能玩，二級市場如果砸，一級市場就不好說。
劉明宇：要做時間朋友，但賺錢不能太慢，這就是資本邏輯。
港股如果還是現在這樣的情況，創新藥估值低，交易量低就會有影響，那些今年融到錢的企業，可能會獲得持續追加。
還會有很多有投資能力投資人持續進來，原有投資人也會對拿到錢的企業往下推，這會讓一些企業估值越來越高。
但高估值是雙刃劍，既有可能會持續融資跑贏競爭對手，也有可能因為高估值導致無人接盤，陷入恒大一樣的兩難境地。
秦禎（主持人）：從AI制藥賽道趨勢來看，大部分企業都是從小分子開始，做化合物優化或靶點發現。關于變構藥物研發，大分子篩選或蛋白發現這些其它或垂直領域賽道發展，大家有什么看法？
劉明宇：我們也看DEL方向，我原來在上市公司投了一大批抗體藥，但誰也沒想到PD-1會變成集采價格。
中國情況比較特殊，我對大分子方面相對比較保守，幾個比較熱的靶點，機理也沒有完全做清楚，所以我覺得利用AI更多只是試試水。
我更建議大企業，不管是傳統藥企還是百度這樣的造藥新勢力做嘗試。我不敢投一個全新用AI做大分子的項目，一個新公司去做的話，風險會很高，風險投資不是喜歡風險，而是為了追求未來而不得不冒風險。
周伊：我說兩個趨勢：
第一，多技術融合，藥物研發涉及面非常廣，多技術融合是一個趨勢，例如已經有創業企業用AI+DEL（DNA編碼化合物庫）提高篩選化合物效率，未來會有越來越多技術促進藥物研發效率，縮短時間；
第二，中國大藥企會逐漸成立AI制藥部門，或收編類似團隊，很多大藥企本來就有計算化學部門，計算化學就是把AI作為常用工具。
楊昆：目前，AI在新藥研發產業的應用主要還集中在分子發現環節，但在整個產業鏈條里發現只是很小一環。
再厲害的AI，也不能不做細胞實驗、不做動物實驗、不做人體實驗，FDA流程監管是必須要做的，而真正花錢、花時間的地方就在中后期——細胞、動物、人，甚至上市后臨床、真實世界的研究。
所以，除了早期發現，AI能不能在后續環節做一些工作，例如細胞學、真實世界臨床，甚至生產工藝的突破。
我們知道有些大分子藥物生產還比較麻煩，有技術或者經驗的團隊比較少，人的因素較大，未來AI+機器人能不能讓生產全部自動化或把困難降低。
甚至對于未來的基因治療、細胞治療，AI能否有一些幫助，這些對產業的發展將帶來更大的幫助。
秦禎（主持人）：阿里健康也對AI新藥研發有比較多看法。
第一，生物計算更多會從靜態預測往動態方向走，AlphaFold2是一個三維結構構象截圖，未來對它的預期會從照片變成錄像，真正看到蛋白如何運動。
第二，從蛋白質預測到RNA二級結構，還有三級結構，把它的結構和運動連接在一起，也是一種趨勢。
第三，干濕實驗數據結合，要不斷有閉環，有新真實實驗數據，再反哺到算法里，這也是大家期待的AI制藥趨勢。
秦禎（主持人）：大家對AI制藥研發這個黃金賽道有什么樣期望？談談未來一兩年的期待。
楊昆：第一，建議企業有耐心，無論產業還是創業都不是短期可以“上天”的事，制藥行業本身就是一個相對長期的事業。
第二，估值高低沒有那么重要，拿到錢才是最關鍵的，無論酷暑還是寒冬，活下去、堅持到最后就是勝利。
周伊：比較期待AI能否在特別難的領域發揮作用，例如應對阿爾茨海默癥等CNS疾病，縮短他們的研發時間，造成較大促進。
劉明宇：醫學專家、生物學家和AI專家要打破壁壘，我見過一些團隊在藥物發現領域很厲害，但引進AI專家，卻工作不到一起去。
希望大家打破知識分子自我迷戀，認識到對方價值，不管頂級大學&科研機構，還是頂級企業。最好是藥物專家牽頭，AI專家配合，這樣可能推進得更快。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
