<mark id="oztn4"></mark>
0
你有沒有覺得，醫療AI的創業風向，似乎悄悄轉向了醫藥？
VC機構正在以肉眼可見的速度證明這個預判。過去三個月時間，AI新藥研發賽道的熱錢不斷。
據不完全統計，從去年年底開始，已經有多家AI企業獲得新一輪融資，其中90%都是剛完成A輪融資的早期企業。
數據來源：IT桔子
而且，不僅僅是創業公司“向陽而生”，百度、華為、字節跳動等互聯網大廠也暗暗布局，相繼披露了自己的AI新藥研發和招攬人才計劃。
與其他醫療AI賽道相比，AI新藥研發有“相同”，也有“不同”：
相同在于，市場需求非常明顯，傳統新藥分子需要3-5年才能篩選出合適的先導物作為臨床研究候選，而AI新藥發現只需要1-2年，甚至幾個月就能完成。
而不同之處也在于此，獨特的作用場景、服務對象和變現方式，讓其具有更高的產品價值，甚至被認為是最適合人工智能商業轉化的醫療賽道。
近日，帶著對AI新藥研發市場的顧慮和疑問，雷鋒網專訪了五源資本董事總經理井緒天。
從資本角度為我們解構這一賽道的爆發原因，以及未來的發展走向。
作為國內早期布局AI新藥研發的VC之一，目前五源資本已投資超過6家該領域的創業企業，最近2個月時間內又對4家企業進行了加持。
從需求角度，AI新藥研發市場的出現，離不開傳統醫藥創新的日暮和途窮。
2020年，FDA共批準53款新藥上市，其中35種是小分子藥物，一舉成為史上新藥獲批數量最高的一年。
但創新藥數量的暴漲，并沒有給各大藥企帶來更高的利潤增長。
根據德勤發布的《2019年醫藥創新回報率評價》，近十年來，創新藥的銷售峰值和投資回報率持續下滑。
到2019年，全球TOP12的制藥公司平均投資回報率已經下滑至1.8%，相比2010年減少了80%。
德勤報告截圖
這意味著現在藥企每開發一款創新藥，邊際成本都會進一步升高。
類比于采礦業，在資源有限的背景下，每個新礦的開采難度越來越高，花費成本也隨之升高，每發掘一個新礦就需要更高的開采成本。
但創新藥市場并非自然資源，沒有被發現的潛在分子，以及不同差異的分子數量還非常龐大。
在傳統方法越來越難，成本越來越高的情況下，只能倒逼藥企去探索創新，用更低成本尋找創新藥。
而人工智能的崛起，正好回應了藥企的這一創新需求。
一方面，深度學習可以分析數據，模擬藥物臨床試驗過程，在分子水平創建病人生物活動網絡模型，通過網絡模型發現新靶點或生物標記物，為藥物研發提供方向。
讓藥物化學家們不用整周、甚至是整月浪費在實驗室，去測試那些AI認為難以成功的分子。
另一方面，算力的提升，也使更大規模的藥物分子篩選成為可能。
以云計算為例，2020年3月，哈佛大學醫學院研究團隊通過開源藥物發現平臺VirtualFlow，在15小時內就完成了10億種化合物分子的虛擬篩選，大大超過了傳統方法的篩選速度。
在逐漸看到人工智能的潛力之后，包括阿斯利康、拜耳、禮來、GSK、諾華、賽諾菲等各大藥企都將目光瞄向了這一領域。
而國內的AI新藥研發行業，也在三個因素的推動之下，迎來了最為活躍的一年。
其中第一個因素，就是技術驗證的突破。
以晶泰科技為例，在2020年已成功將AI研發的新藥分子推進至 PCC (臨床前候選化合物 )階段；此外，像費米子科技和英矽智能等企業，也紛紛在炎癥及代謝和特發性肺纖維化(IPF)的新藥分子上，取得了突破。
“這些新藥篩選成果的出現，在整個行業都是標志性事件，因為在創新藥領域，不管是傳統方法，還是AI篩選，只要藥物分子進入PCC階段，就是一個穩定待開發的新資產”井緒天表示。
第二個因素，則來源于醫藥政策。伴隨著第三批、第四批等更大規模國家藥品集采在2020年出現，使國內傳統藥企的利潤大幅度減少。
在仿制藥利潤不斷壓縮的大背景下，眾多國內藥企紛紛轉向創新藥領域，使新的原研藥成為稀缺資源。
最后一個因素，就是資本市場的認可和推動。
2020年，在AI制藥投資領域，出現的最大轟動性事件之一，就是薛定諤(Schrodinger)和relay兩家AI新藥研發公司的上市。
井緒天表示：“兩家公司都是通過AI和計算驅動新藥研發的公司，僅有薛定諤有部分的軟件收入；在管線方面，兩家公司也只有幾個尚在臨床試驗一期的藥物分子，如果按照過去創新藥企業在二級市場的估值，最終市值可能僅有幾億美金?！?/p>
但最終，兩家公司在二級市場創造出了遠超自身管線價值總和的溢價，如今市值都達到50-60多億美金。
他們上市之后，空頭機構香櫞研究公司(Citron Research)甚至在發布的報告中表示，“薛定諤公司是過去五年來最重要的IPO，堪比早期的特斯拉?！?/p>
這種技術型藥物研發的企業在二級市場的成功，也增加了一級市場VC的投資信心，讓更多投資機構開始重點關注這個賽道，并出手布局。
如今，在資本推動下，AI新藥研發的熱度已經不斷升高，甚至讓我們看到些許醫學影像AI曾經的影子。
過去，隨著創業風口出現，醫學影像AI在極短時間就出現大量創業項目和初創企業。
但隨后的同質化問題導致行業出現惡劣的競爭和價格戰，甚至有企業做出“永遠不收費”的口號。
在熱潮之下，AI新藥研發未來將呈現怎樣的發展軌跡，是否會重蹈其他AI賽道的覆轍，也已成為所有觀察者心中的疑問。
井緒天認為，AI新藥研發的發展軌跡，可能會和過去所有的醫療AI都完全不同。
過去的AI輔助診斷主要是效率提升，在醫生本身具有診斷能力的前提下，AI主要是降本增效，實現高效率的診斷。
而AI新藥研發則是通過新靶點和新分子創造之前沒有的供給關系，找到更適合的藥物結構，攻克沒有解決的疾病，創造新的藥物資產和增量市場。
以心臟病在研藥物mavacamten為例，作為首個解決肥厚性心肌癥的創新藥，它既開辟了一種新供需關系，又解決了困擾心內科的治療難題，在臨床試驗完成之前，就被百時美施貴寶以131億美元收購。
在人工智能領域，與AI新藥研發的發展趨勢類似，并有借鑒意義的賽道可能就只有自動駕駛。
兩者同樣都具有行業壁壘高、技術跨度大、產業周期長的特點。
無論是自動駕駛還是AI新藥研發，這些企業在技術得到充分驗證之前，很難獲得大規模的收入，但同時又需要資金進行研發投入。
這意味行業的第一階段發展，就只能出現幾位擁有核心技術壁壘的玩家。
此外，VC也會依據團隊背景和技術實力向頭部企業高度集中，導致這些核心玩家獲得賽道內最頭部的資金體量和資源。
除了市場格局，AI藥物研發和自動駕駛在與傳統藥企或主機廠的競爭上，也能找到一致點。
在自動駕駛賽道，雖然大眾、福特、奔馳、寶馬等主機廠早在2013年，就曾嘗試人工智能和造車的結合和探索。
但經過多年發展，最終還是特斯拉、谷歌Waymo、圖森未來等新興科技玩家走在了前列。
與之類似，雖然羅氏、輝瑞、諾華、默沙東、賽諾菲等傳統藥企也開始試水AI和藥物研發的結合，并提出了自己的AI藥物研發戰略。
但從已披露的消息來看，這些策略的核心技術環節依然都是與創業企業合作來完成。
對于AI新藥研發企業，在2018年，依靠團隊背景可以完成天使輪融資；如今，通過概念和技術的初步驗證，也紛紛獲得A輪融資。
但與創業理想以及技術愿景相比，進入新一輪的發展周期，意味著各個企業將迎來更加骨感的現實挑戰。
首先，迄今為止，還沒有任何一款與AI直接相關的新藥分子獲得批準。如何快速找到正確的應用的場景，將成為所有創業者面臨的首個生存難題。
創新藥雖然是一個很大的賽道，很多治療方向可以發掘，但并不意味到處都是藍海市場。
像熱度很高的PD1靶點，扎堆現象已經非常嚴重，導致后面出現的新藥商業價值嚴重下降，AI如果切入到這樣的領域，將面臨巨額投入打水漂的風險。
而且人工智能和新藥研發的高投入特點，也決定創業者只有一次出牌機會，第一次出牌失敗就將面臨出局。
除了應用場景，AI新藥研發產品的快速迭代，也是各個企業急需突破的又一難關。
微軟AI事業部及全球研究院負責人沈向洋曾經表示：“發展人工智能肯定不是做出一個產品就結束了，整個周期都需要經歷不斷的學習、迭代?！?/p>
事實上，深耕新藥研發的人工智能產品也同樣如此，隨著新藥物分子的不斷合成和篩選，AI就需要訓練新的數據。
這意味著，為了構建藥物研發業務真正可用的深度學習引擎，未來AI新藥研發企業可能既需要快速在市場搶奪，既懂AI又懂藥物研發的技術人才，增強自己的研發能力；
同時還要切入藥物研發流程當中，讀取所有相關數據庫，完善自己的數據和技術內核。
“而且從VC角度來看，這樣節點的每一個努力和動作，都將成為他們與其他AI新藥研發企業競爭的籌碼，進而決定誰將獲得下輪融資的最高份額?！?/p>
2021年2月，“AI藥物分子發現”被《麻省理工科技評論》列為2021年十大突破性技術。
作為客座評選人，比爾 · 蓋茨曾表示:“這些突破性技術，會讓你覺得美好的未來，值得我們為之奮斗?！?nbsp;
經過幾年的前期積累，AI新藥研發已不再是生物醫藥行業中的概念性技術。伴隨行業的成長與爬坡，正在逐漸綻放更大的想象空間。
同時，這樣的發展趨勢也為無數AI創業者創造出新的逐夢戰場，活躍的資本、強烈的需求，成熟的技術，更大的空間將成為他們最好的實踐溫床。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
