在商业化上磕磕绊绊几十年的AI制药，终于让更多大药厂慷慨解囊了。

就在10月10日，百度CEO李彦宏开办的AI制药公司百图生科，首次官宣与跨国大药企的战略相助协议——双方将基于百图生科的生命科学大模子，配合开发生物治疗药物发现的模子。

在这一相助中，赛诺菲将支付百图生科1000万美元的预付款，加上多项有望近期支付的模子开发款、里程碑款等，生意总金额将跨越10亿美元。

“本次相助是生命科学领域中基于基础模子的*规模相助。”百图生科首席手艺官宋乐博士云云评价道。

宋博士这一结语中，有一个要害的限制词，就是“基于基础大模子”。

近年来，AI与生命科学的相助越来越多、局限越来越广、规模逐年提高。

就在百图生科官宣此次和赛诺菲的相助以前，9月27日，诺和诺德中国宣布的一项与美国科技公司Valo Health的相助，就是要行使人工智能来发现和开发心脏病、中风、糖尿病等疾病新疗法的。这一相助总额不跨越27亿美元，首付款和近期里程碑款总额6000万美元。5月31日，晶泰科技也官宣了与礼来一项总规模2.5亿美元的相助。此前艾伯维等全球着名药企也都在努力与AI制药企业相助。

凭证生物手艺市场研究机构Deep Pharma Intelligence的统计，2017年到2023年6年累计的相助数目232起。其中*数据是2022年，一年就杀青相助66起。这些相助的预付款金额从几万万到上亿美元，这也是刻意的体现。该组织的研究者更是以为，在研发模式转向“以数据为中央”的创新模式后，大药企对AI制药的态度已经从“嫌疑和郑重的兴趣”，转向以为AI应该施展战略性作用。

此次赛诺菲与百图生科的相助，已延伸到了大模子研发的环节，标志着AI与制药的连系加倍深入了。

事实上，AI制药作为投资界的宠儿，一直没能到达制药界的期待。只管AI手艺在小分子晶型展望、化合物筛查、密码子优化等方面，险些是标配了，也确实可以到达降低成本，加速研发的作用，然则，这些都照样集中在临床前阶段，在破费伟大的临床试验阶段作用仍然有限，时至今日到底能将新药乐成率提高若干还很难说。

在这种情形下，药企对AI的态度为什么变了？更多药企重视AI、增添投入，真的能辅助AI制药企业撕掉“不赚钱”的标签？在其背后，AI制药企业的生长趋势发生了怎样的转变？

2017年以来，AI制药企业与大药厂的相助情形。来自：Deep Pharma Intelligence

天生式大模子带来新的可能性

药企越来越青睐AI制药，主要得益于大模子和大分子碰撞迸发出的火花。

“大分子药物的设计、大分子自己维度的逆境，事实上是和天生式大模子*的连系点。”智源研究院照料、美国国家工程院（NAE）外籍院士张宏江院士在今年9月召开的“第二届中国生物盘算大会”上果然示意。

耐久以来，新药研发的历程一直是“靠天用饭”。在小分子时代，新药研发的历程中，化合物筛选就占有了很大的事情量。从种种可能的分子空间中找到能够对特定靶点或基因起效，而且可以在人体内稳固施展作用的分子，往往需要几个月，只管这些分子还对照简朴，一样平常由10到500个原子组成。

好比百济神州乐成出海美国的泽布替尼（BTK抑制剂），其编号是BGB-3111，其寓意就是百济神州确立后合成出来的第3111个化合物，而为了找到这个分子，研究职员一共合成化合物的总数跨越了1.5万个。

进入大分子时代，由于药物自己加倍庞大，筛选的难度也在提升——一样平常卵白质有几百个氨基酸，空间结构已经可以到达10的300次方个，若是再算上与靶点的连系，至少还要加上几十个数目级；已往两年在抗击新冠疫情中立功的mRNA疫苗，比卵白质加倍庞大，其序列可达10的600次方种之多。

数据量大的问题，在种种小分子与大分子、大分子与大分子的组合、偶联正逐渐成为新药研发主流的今天，变得加倍严重，数据量不仅超出了人类推理思索的极限，通俗盘算机的算力也逐渐难以支持。

药企已经越来越无法蒙受“开盲盒”式新药开发带来的成本压力。加之已往三年，在全球匹敌疫情的大战中，制药界新秀们行使mRNA、AI等新手艺，抢占了先机，已经给行业老先辈们结结实实上了一课。大药企们已经再不敢小觑AI手艺了，这也体现在了公司的战略结构上。

好比：此次与百图生科相助的赛诺菲，在新冠疫情以后，先后高调宣布结构mRNA和All in AI。

从该公司与百图生科相助的情形看，除了行使大模子开发药物，还涉及AI大模子的开发——开发用于生物制剂设计和优化的特定义务模子。

也就是说，跨国药企与AI制药企业的相助已经不仅仅局限于“金子”，而更在于点石成金的“手指”了。

在其背后，要害的一点在于，大模子有望解决耐久困扰AI制药的优质数据求过于供的问题，更快破解生物医药研发的密码。凭证百科生科相关卖力人在关于与赛诺菲相助的通告中所说，经由预训练的基础模子基础上，下游义务模子可通过有限数据做出精准展望。

基于大模子在自然语言中的显示，有科技领域投资人以为，大模子完全有可能以一种人类不能明晰的方式，从海量未标注数据中总结出新药研发的纪律，再以人类能够明晰的方式输出。而凭证百图生科此前宣布的信息，大模子还可能模拟人体免疫系统，到达提前验证药物平安性、有用性的目的。

对于赛诺菲来说，投入几万万美元“量身定制”一个AI大模子，既有可能盘活自家数十年积累数据，也押宝未来，赌一个彻底改变新药研发靠天用饭运气的可能性，可以说，是异常值了。

AI制药的商业化路径要通了？

百图生科果然的数据显示，他们在生命科学领域构建起人工智能大模子xTrimo，已经有跨越 1000亿参数，在抗体结构、抗体亲和力、酶功效、免疫细胞功效等 20 多个下游展望义务中实现了SOTA显示（虎嗅注：也就是新手艺的*显示的意思）。

若是大模子功效确实云云壮大，有赛诺菲积累50年专有数据集的加持，AI制药手艺可以跑得更快。而越来越多药企的加入，也有望让AI在生命科学领域的“ChatGPT时刻”更快到来。

不外，这还不意味着，AI制药就要跑通商业化路径了。

自从2007年，AI手艺首次正式用于药物发现领域以来，为领会决商业化问题，相关企业就探索了许多模式。这内里最为民众熟知的就是卖软件（AI SaaS）、卖服务（AI CRO）、卖管线（AI Biotech）。

在全球创新药投资遇冷的靠山下，原本服务产业的前两种模式逐渐出现颓势，稀奇是集中在临床前某一个详细细分领域提供服务的模式，虽然现金流尚可，然则生长远景已经不被看好。

“越来越回归到制药的逻辑上来了。”浙江大学药学院教授谢昌谕告诉虎嗅。

寒风吹向华熙生物、爱美客

Alphaford乐成展望卵白质结构，还只是AI影响制药界的最先。来自：Nature

客观来说，龙头药企对AI制药产业生长确有异常主要的作用，可是，从历史履历看，大药厂能为AI制药企业业绩增进孝顺的气力，一直是少得可怜。

从历史数据看，即即是有“全球AI制药*股”之称的“薛定谔”，有30多年销售AI制药软件的历史，TOP20大药企都是其客户，它每年从与大药企相助中拿到的钱也异常有限。

凭证该公司财报，这些大药企每年给薛定谔孝顺2000万美元的营收，平均每家100万美元，这也已经顶到了各家药企向AI投入的天花板了。这样的收入水平只能维持薛定谔每年20%的业绩增进，既不能向投资人交接，也很难突破自身生长的瓶颈。

这也从侧面说明，大药企的惯性仍然存在。“他们虽然也用了许多AI盘算，然则习惯性仍然会依赖实验做配合。”谢昌谕告诉虎嗅，这意味着大药企对AI的使用还远远不够，提供SaaS软件的AI公司未来也有一定生长空间，中国也有望跟上，然则都需要时间。

而提供CRO（条约研发）服务的公司，通过与药企的相助可以获得较好的现金流，不外，在整个创新药投资遇冷、CRO竞争猛烈的情形下，注定只能保持低利润运营。这决议了他们“纵然短期可能是不错的赛道，后期压力会很大”。谢昌谕向虎嗅示意。

相比之下，“AI Biotech”逐渐成为最有潜力的偏向。就在今年年头，“薛定谔”已经最先起劲撇清与AI的关系了，而将自身界说为软件 制药公司，就像一家“使用Office软件的公司”，现实上也在向Biotech（生物科技公司）靠拢。

即即是“AI CRO”偏向，龙头企业晶泰科技也不知足于为药企提供服务了。从晶泰科技的官网看，已经有13个自研管线，既有小分子也有大分子，前沿的PROTAC、ADC都在其列。

相比单纯的平台或软件销售公司，有产物的公司商业化价值更高。

就在今年9月，中国“AI Biotech”龙头英矽智能将一款处于临床一期的在研药物license-out（对外允许）给美国上市药企Exelixis公司，预付款就有8000万美元，是中国生物医药小分子领域*的一项生意，这也让行业人士感受到AI制药，以卖出在研管线的方式实现商业化突破的可能性。

不外，这条路到底能不能跑通，还要看后续药物推进是否顺遂，里程碑款能否逐一“落袋”。而且这是一条异常难的路，只有少数企业能够走通。

AI制药生长进入“硬碰硬”阶段

AI制药的能量一直是被高估的。制药企业期待AI制药可以解决所有不能成药的靶点，想降低临床试验用度、提高临床试验乐成率。这些还没有设施知足的过高期待也指向，AI制药不能再避重就轻，不仅要解决临床前的问题，还要解决临床问题。

而要在临床试验中，在纪录数据之外，有更多作为，就需要战胜至少四方面问题。

首先，“数据仍然是最焦点的问题，”谢昌谕说道，“AI制药要进入临床阶段，相关数据太少是*的问题。”

在医疗领域，医联MedGPT项目卖力人王磊曾透露，若是没有经由医学专业数据的训练，即即是ChatGPT在回覆医学问题时也不尽人意。

这也注释高质量的专业数据，对AI而言异常主要。制药比质料更难，从卵白质到药，除了知道序列、结构还要知道对应的功效，这方面的信息仍然不足。

临床前数据的问题，AI制药公司已经在用自动化实验室的“湿实验”和高通量盘算机的“干实验”解决了，然则在临床阶段，优质数据不多，且还存在分享不通畅等问题没有真正解决。

大量的数据照样“藏”在药企内部，稀奇是大量失败的数据，相比揭晓出来的乐成案例，这些数据更有价值。这些数据是药企真金白银砸出来的，被药企视作至宝，是主要的商业隐秘，已往几十年里，各大药企之间也是互不相通的，这造成了许多重复研究和虚耗，然则藩篱始终很难拆除。

原本，AI制药企业与大药厂相助的目的也是想解决这个问题。上海市经济信息中央陈银玉今年2月的一篇撰文中就曾总结称，AI制药市场主体相助模式中，“大型药企 创业公司”已经成为主流。在这种模式中，AI制药初创公司，可以行使头部药企的资金、功效转化、市场优势，提高药物创新效率。

而现在随着AI制药公司为药企提供的服务越来越“定制化”“个性化”，某种水平上，也意味着数据壁垒正在加厚。由于这种方式下，药企可以在手艺的“高墙”之内，玩转自有数据，其他组织更难沾边。

AI制药公司想靠自主研发来获得临床数据，也因门槛高、破费大很难实现。对于AI制药公司来说，即便可以拿到药企数据，这些数据不规范、不统一，甚至没有实现数字化，也是异常棘手的问题。

其次，人才问题也是AI制药产业生长的一大障碍。在起步较晚的中国尤其云云。

在上述撰文中，陈银玉指出，约90%以上的AI制药企业选择跨界相助推进AI新药研发，然则，由于复合型人才匮乏，药物研发团队和AI团队难以融合。有40%的药物研发科学家不领会AI手艺。

而对于许多AI制药公司，制药人才缺乏也异常要害。可以看到，英矽智能之以是可以有产物云云快速推进莅临床二期，与约请到制药界资深人士任峰做高管有很大的关系。

中国医学科学院的郭旭、王铃在《AI制药产业生长瓶颈和对策》一文中指出，要解决这一问题，高校应适当提高相关专业硕士、博士的招生名额。探索“高校 企业”团结培育人才的模式。同时，增强外洋人才的交流和引进，为其缔造好的创新创业环境。

只是，整个环境的升级，也不是短期内可以解决的。

第三，中国在政策律例、产业尺度系统等方面还不尽完善。陈银玉以为，AI研发工具缺乏统一的自力测试数据库及有用的评价尺度，是引发无序竞争、低水平重复建设等问题的要害，同时，缺乏对高质量靶标等焦点数据的积累、严谨的知识产权珍爱等，也晦气于产业生长。

要解决这些问题，都需要从官方层面有更多的突破。

第四，也是最主要的，必须有一款由AI重新设计的药物获批上市。这其中除了需要更多AI设计新药进入临床，也需要AI手艺的迭代更新。

同济大学生物信息系长聘教授刘琦在第二届生物盘算大会中就曾指出，Transformer在AI结构中只是一个异常小的点，对于AI手艺生长来说是一个起点。在生命科学领域，未来“一定会有加倍优异、有用的架构被提出来”。

据市场调研机构Research And Markets展望，到2026年，AI制药的市场规模有望到达29.94亿美元（约合人民币231.9亿元）。这险些是2022年AI制药市场规模的三倍；相比已往9年全球累计投入到AI制药领域的600多亿美元，还只是零头。

在快速狂奔的历程中，大药企的加盟虽然主要，律例政策和AI制药企业自身能力突破，加倍要害。这也意味着，AI制药尚有很长的路要走。