扮演AI制药“卖水人”的英伟达市值直线飙升至万亿美金，然而AI+新药研发的一些Biotech却在资本寒冬下死伤无数，带上“制药”标签就没出路吗？

7月12日，全球AI制药明星公司Recursion Pharmaceuticals官网发布公告，获得英伟达5000万美元的投资，并且计划与英伟达合作加速其生物和化学AI基础模型的开发，利用后者的云服务对其进行优化并分发给生物技术公司。

5000万美元即使放在国内制药行业也实在不算一笔大融资，但截至当天收盘，Recursion Pharmaceuticals股价上涨了78.17%，在坏消息频传的制药界已经称得上是天花板级别的好消息了。

但再回顾近几年的AI+新药研发领域，Recursion公司股价仅约上市时的一半，Exscientia全球首个由AI设计的分子停止研发、BenevolentAI裁员、Schrodinger急于摘掉“AI”标签，还有不少AI+新药研发的公司现金几近枯竭，股价不足1美元，甚至破产。

然而，与制药领域不同的是，全球芯片巨头英伟达进驻AI制药领域后，扮演“卖水人”的角色，股价直线飙升，目前市值已经突破万亿美金。

这不禁让人怀疑，带上“制药”标签的AI+新药研发就没有出路了？

市场更看好英伟达

时间再也回不去被Alphafold点燃的2021年。犹记当年，全球AI+药物研发领域共发生73起融资，总额超42亿美元，更是诞生了晶泰科技被50家国际机构融资竞标，D轮融资高达4亿美元，融资总额达7.85亿美元的盛况。除了晶泰科技，来自美国的Valo Health和instro也获得了3亿美元的B轮融资和4亿美元的C轮融资，即便在国内，AI+药物研发公司的融资额也动辄几千万美元。

而到了2023年，ChatGPT掀起的AI热潮也拯救不了陷于水火中的AI+新药研发，资本寒冬的寒气一直在2023年AI制药领域的投融资蔓延。IT桔子数据显示，2023年上半年共发生了42起AI+药物研发领域的投融资事件，数量仅相当于2022年一季度，投融资总额也仅有10多亿美元，不及去年一季度24亿美元。从单笔投资项目来看，全球融资金额最高的是AI+基因疗法公司Metagenomi获得1亿美元B＋轮融资，国内融资金额最高的腾迈医药获得3500万美元A轮融资。

值得注意的是，E药经理人统计，今年上半年，国内医药行业规模TOP级的融资几乎都流入了ADC、CGT、核药、PROTAC等新兴的生物技术领域，但即使是金额最高的AI+新药研发融资也排不进上半年国内医药融资TOP10成人版快手app。

现如今，包裹AI+药物研发的创新泡沫显然已经被打破，Recursion公司单笔5000万美元的融资，却换来股价一天上涨78%。“春江水暖鸭先知”，是AI+药物研发重夺市场青睐，还是作为全球芯片巨头的英伟达光辉普照？

如果从合作内容角度来看，市场更看好的其实是英伟达。

Recursion Pharmaceuticals在新闻稿中这样解释两家公司的合作：Recursion 计划利用其庞大的专有生物和化学数据集（超过23 PB和3万亿个可搜索基因和化合物关系）来加速NVIDIA DGX云上基础模型的训练，以便在NVIDIA的云服务BioNeMo上获得可能的商业许可/发布。

英伟达创始人兼首席执行官黄仁勋称Recursion正在开发世界上最大的生物分子生成AI模型。

Recursion能够借助英伟达加速计算的能力同时还能获得后者的5000万美元投资，但英伟达“赢面”其实更大，左手投资AI技术公司，右手出售数据和服务，一边赚投资收益，一边赚服务费，“左手倒右手”，怎么都不亏。

据悉，Recursion Pharmaceuticals正在与拜耳、罗氏等MNC合作开发新药，其本身也有肿瘤学、神经学、炎症与免疫学以及罕见疾病等十多个在研项目推进。

英伟达合作的AI+药物研发公司不仅是Recursion Pharmaceuticals，黄仁勋还曾将目光放到日本三井物产株式会社身上，就Tokyo-1项目展开合作。安斯泰来、第一三共等日本大药企都曾参与Tokyo-1项目，最后这些大公司和Recursion Pharmaceuticals都成了英伟达的潜在客户。

因此，回到英伟达与Recursion的交易，市场买账的更多还是“AI+CXO”。

AI制药真的有出路吗？

临床前阶段，如分子设计及优化、化合物筛选、以及晶型预测等，AI的作用已经有了较有效的验证。MNC与AI制药初创公司的合作是一个好的见证：近十年里，如武田牵手Numerate，赛诺菲合作Exscientia，AZ合作BenevolentAI……营收TOP20的MNC绝大多数都有着AI业务的布局。不可否认的是，AI+新药研发已可为“药物发现和临床前研究阶段”及“临床研究阶段”各节约50%左右的研发周期，也因此为全球每年的新药发现节约了30%左右的成本。

但是市场真正质疑的是，AI制药在挖掘有潜力的靶点，或者深探老靶点的新潜力，以及在临床阶段的作用，究竟如何？

全球约80条AI药物管线里，在靶点选择上，基于已公布的靶点来看，用AI发现新靶点的产品管线，仅仅还是个位数，几乎仍是在老靶点和熟悉的适应证上进行探索。

而且这样的探索，似乎是缓慢的。

前述明星公司Recursion走在中后期临床试验进度的产品量，在同行业中居于靠前的位置。然而Recursion最快的产品进度仅是在临床II期，再放眼所有处于临床阶段的AI药物进度，迈入中后期的还不到1/2，即便是在2012-2015年国际AI制药创业潮中最早成立的明星AI制药公司，有的产品进度仍旧缓慢，更受诟病的是，贴着“首个由AI完成了靶点发现或分子设计”标签的产品并不止一款两款，有的甚至已经出现了问题，不得不折戟。

就在去年，号称是第一款由AI设计、从初筛到临床前测试结束只用了12个月的分子DSP-1181（Exscientia与日本住友合作开发）因I期未达预期标准而被停止开发，整个I期临床的时间不少于两年半。值得注意的是，在DSP-1181临床被暂停时，有业内人士详细分析了Exscientia当时进入临床三大药物的新颖性，DSP-1181实际没有脱离已有的靶点特性，另两款的新颖性也不足。如今，Exscientia曾经步入临床的管线已逐步消失。

不仅是Exscientia，近年来一些知名度较高的国际AI制药公司，其步入临床阶段的管线似乎也在悄然消失。如Recursion的REC-3599曾被被推至临床I期，原预计在去年启动II期研究，但是却被推迟2年直至停止研发。另一家名为AI Therapeutics的公司现在有三款候选药物处于临床阶段，有两款在临床II期，但对比去年或更早之前，其部分项目早已不能见到踪影。

对于部分停止项目开发的公司来说，接踵而至的还有更恶劣的局面：裁员、重组。Black Diamond Therapeutics的小分子抑制剂BDTX-189曾被推进至 I/II 期，还曾获得了 FDA 授予的“快速通道”资格，但在去年4月，Black Diamond宣布停止BDTX-189的开发，并发布了一项重组计划，同时裁员30%。

今年4月，英国AI药物研发上市公司BenevolentAl宣布: 其用于治疗特应性皮炎的局部泛Trk抑制剂BEN-2293的lla期临床试验没有达到次要疗效终点，该产品是BenevolentAI推进最快的管线，也是唯一一条临床管线，此前BenevolentAI称BEN-2293具备潜在同类最佳潜力。此后，BenevolentAI宣布公司制定了新的战略计划，包括裁员多达180人、暂停部分药物研发项目等，以此减少支出、维持现金流，在战略重组过程中，其首席财务官也已辞职寻求其他机会。

即便是知名的国际AI制药公司，除了与MNC的合作，通过自身开发AI药物似乎多少都显现出了一些难以忽视的问题。

AI制药的挑战在哪

各大AI制药企业不断推出的新模式，但AI制药能否携高热度走得更为长远，终究是要落到AI制药本身能否给药物研发流程带来实际价值这上面。降本增效肯定是其中一种价值。不过，该行业中一家Biotech创始人曾表示，实现从0到1的突破，为人所不为，解决目前尚未解决的问题，包括现在难成药的靶点，这或许是另一种更为重要的价值。抑或是不一定要从难成药的靶点入手，可以从一个比较简单的、信息较为丰富的一个靶点入手，用AI的方法去检测、验证能否用这一靶点做出别样的东西来成人版快手app。而focus一个靶点的潜力与可能性，也有助于短时间正视自己的平台和管线。

然而就现阶段而言，AI制药一是没有在新靶点、或是老靶点潜力开发上有重大突破和验证，二是步入临床阶段的不少AI药物在耗费了人力物力后消失，推进到临床中后期的能力也还在考验阶段，这许多人不禁疑惑：AI制药，真的有优势吗？到底何时能看到重大突破？

但话说回来，一项技术的发展获得验证和突破，是需要时间的。要承认的是，资本市场预期和实际AI产业发展阶段之间有差距。新药开发是一个非常复杂的过程，AI目前只在个别环节上起了较大的作用，但从新药研发总体上来看，AI能帮助到多少还需要时间来进一步验证，不仅需要实验手段的补足，也需要补足市场教育。有业内人士曾直言，“最开始，大家并不看好AI，但现在大家比较了解AI了，但又觉得AI是万能的，会对其产生不切实际、不太合理的期望。”在他看来，市场教育应是双向的，一方面要让大家知道AI是何物，另一方面还要让大家建立起一个比较理性的预期。

另在当下，AI制药的发展还面临着诸多挑战。最典型的是数据问题。在数据方面，AI需要大量的、高质量的数据作为基础，但其实医药领域很多数据都是保密的，或者非常敏感、难以接触，有些企业并不愿意公开分享。只有海量的数据加持，才能充分训练AI模型，提升其准确性。

二是对生物学的理解。很多时候AI制药要面临的挑战来自于对生物学机理的认知。所谓创新药物的创新靶点，并非是“别人不敢做的我敢做”，或者在没有临床实验数据可以佐证的情况下敢于“杀”进去，而是对于要做的这一目标靶点，对于适应证、适用人群、联用方案等的选择，有着比同行更为深刻的理解。

三是跨领域融合困难，复合型人才缺乏。在文化层面上，行业的属性造成了比较大的文化差异。进入医药领域之后的话，去学习怎样跟医药领域人士沟通，对于原本是计算背景的人来讲，是一个比较大的挑战，这需要一些成功合作案例给行业启示。成人版快手app