从去年以来，这条赛道就极具想象力。几个数字：融资事件12起，总金额超过27亿人民币，同比增长约10倍。
国内各大VC、BAT入场，这个赛道成为资本布局和大厂之战。
前几日，罗氏、恒瑞等知名药企更是签下大单。没错，这个赛道就是2020年融资爆发元年的AI制药。
市场前景巨大、故事性十足。但与此同时，AI制药方面的尖端人才稀缺，数据的匮乏与闭塞是AI技术永恒之痛，AI制药真的能成为一条现象级的赛道吗？
近日，由雷峰网(公众号：雷峰网)&《医健AI掘金志》主办的GAIR 2021医疗科技高峰论坛在深圳落幕。
在阿里健康投资部执行董事秦祯的主持下，高榕资本合伙杨昆，深创投执行总经理、健康产业基金投资部总经理周伊，邦勤资本总经理&创始合伙人刘明宇，以「AI新药研发，一场正在崛起的黄金赛道」问题，展开一次圆桌对话。
围绕AI新药研发产业的发展现状和资本倾向，深创投执行总经理周伊先发表了自己的看法。
他认为，AI制药刚刚起步，通过AI制药技术来发现的分子或者靶点，还没有得到临床的验证。如果后续更多的案例可以跑通，大家对AI的信任度和依赖性会越来越高。“我不希望AI制药也像AI医学影像一样，大起必然会有大落。对创业者来说，AI制药是一个不错的选择，但不要太着急，做药本来就慢，还是需要跨过很多坎。”
邦勤资本总经理刘明宇认为，“如果新工具是一场技术革命，就有可能颠覆传统的游戏规则。AI制药目前还需要一定突破口，去验证和传统的思维方式的差异，但AI制药的‘工具’属性更强。”
圆桌对话中，四位投资人还讨论了AI制药高风险的问题。
对此，高榕资本合伙人杨昆表示，对于AI制药的前景和风险，需要从产业闭环的角度来看问题。以AI诊断为例，在临床中有实际作用，但其商业化表现在中美各异。而AI制药的试金石会来得更快。
目前很多AI研发药物处于临床前期阶段，一旦进入临床阶段，会面临两个问题。首先，进入临床阶段意味着企业将进入新药公司估值体系；其次，AI筛选出来的分子对比科学家研究出来的分子效果几何有待验证，新药研发天然有一定失败率，也将对行业和企业造成一定影响。未来两年，AI制药企业可能迎来“上天”和“落地”的分化。
阿里健康投资部执行董事秦祯总结道：生物计算，更多会从静态预测往动态方向走，AlphaFold2是一个三维结构的构象的截图，未来对它的预期会从照片变成录像，真正看到蛋白如何运动。
另外，从蛋白质的预测到RNA二级结构，现在还有三级结构，把它的结构和运动连接在一起，这也是一种趋势。
第三，干湿实验数据结合，要不断地有闭环，有新的真实实验数据，再反哺到算法里面去，这也是大家期待看到的AI制药趋势。
以下为圆桌讨论的内容，雷峰网&《医健AI掘金志》做了不改变原意的整理和编辑：
“AI制药，不太敢出手”
秦祯（主持人）：从今年年初讨论AI制药企业到现在已经有10个月，有的AI制药企业已经拿到PCC结果，大家如何看待AI制药研发的现在阶段，如果现在从零开始做AI制药研发，会不会太晚？
杨昆：AI和制药是天然的结合，高榕资本也投了很多AI制药企业，包括今天在上午论坛分享的西湖欧米，还有未知君、星药科技、西湖云谷等。
从科学或制药角度，AI制药还处于早期探索阶段，没有进入爆发期。各个公司还在做药物发现、结构预测、结构之间联系等许多角度的基础工作，这是一个厚积薄发过程。
但资本方面已经非常热，我对这件事抱有乐观态度，资本本身就有催化作用，投资是产业附属，一定泡沫会催化技术向前发展。
周伊：AI制药板块是深创投持续关注的，刚才说AI制药领域晚不晚，我认为才刚刚开始。
核心原因在于AI制药发现的分子或靶点，目前还没有得到临床验证。
从创业角度，四年前火爆的AI医疗，例如AI医学影像诊断，以及病理切片诊断，现在这些已经降温，核心原因在于商业化很难做。
我不希望AI制药也这样，大起必然大落，希望它能长期稳定发展。如果目前在AI制药创业会是一个不错的选择，但不要太着急，做药本来就慢，再加上AI需要跨过很多坎。
刘明宇：邦勤资本是一家比较新的基金管理公司，多数成员都是医疗器械出身，2021年投了9个项目，7个器械、2个制药，AI制药还没太敢出手。
传统生物领域或制药领域的专家会把AI当成工具。而百度、谷歌等互联网巨头在这个赛道布局，是希望打造造药新势力。
造车新势力已经生存下来，早些年，手机新势力也把传统如诺基亚等干掉，“造药新势力”还需要时间去证明自己。
我认为应该先有问题再去找工具，而不是先有工具再去寻找问题。但果新工具是技术革命，它可能就会颠覆传统的游戏规则。
刚刚宋乐教授谈到，新药研发是10的60次方找出一个，工作量极大。
但我觉得很多真实情况可能不是大海捞针，是沙滩上丢一枚戒指，虽然也很难找，但知道大概位置，并没有这么大量级。
所以，AI还需要一定突破口，验证和传统生物学家思维方式不一样的地方，在此之前，AI在新药研发领域应该还是工具性技术，而不是颠覆性技术。
秦祯（主持人）：制药是一个周期非常长、风险很高的行业，大家觉得AI制药和其它AI医疗相比风险如何？是风险更大，还是会有其它不同的风险考量点？
周伊：AI制药和其它AI医疗最大区别就是故事没有那么容易破。例如AI医学影像，拿到医疗器械注册证，就要看销售，卖得好才是真本事。
但制药本来就慢，临床实验就五到七年，故事可以讲更长一点，这是我从投资人角度看到的区别。
杨昆：今天讨论的嘉宾观点都很有意思，大家都是医疗背景，如果是互联网或TMT背景，观点可能完全不一样，这是AI医疗、AI制药投资非常纠结的地方，医疗和互联网出身看法不一样。
对于AI制药可能的风险，需要从产业闭环角度来看，以AI诊断为例，在临床中有实际作用，但其商业化表现在中美各异。
从估值角度看，AI制药的试金石会来得更快。目前很多AI研发药物处于临床前期阶段，一旦进入临床阶段，会面临两个问题：
首先，进入临床阶段企业估值是按新药研发公司还是AI公司，二者不同，如果按照新药公司估值，临床阶段估值可能就有很大差异；
其次，AI筛选出来的分子对比科学家研究出来的分子效果几何有待验证，新药研发天然有一定失败率，也将对行业和企业造成一定影响。
临床不一定要等到三期，预计未来2年我们就能看到结果，AI制药企业可能迎来上天和落地的分化。
刘明宇：我刚去隔壁会场听了安防分会场的演讲，海康威视的嘉宾谈到一个AI识别水泥厂下水道被堵塞的问题，这样的需求很简单，也很具体。
医疗里有很多“费力而不讨好”的问题，例如粪便检测、尿液检测等。AI新药研发也是一样，帮助最顶尖科学家去做那些重复性高、创造性高的工作。
刚才，杨昆总介绍了AI新药研发临床失败率高的问题，从投资角度看，短期内无法证明真伪的故事更有利于持续融资，因为可以一直讲故事。
一旦融到很多钱，就可能像AI四小龙一样跑赢竞争对手，对方可能水平比你高，但它融不到资会饿死。
怎么选一个好的AI制药项目？
秦祯（主持人）：大家都觉得AI新药研发是一个很长的故事，那大家觉得PCC、IND或临床，什么时期是比较好的验证点？在这些过程中，咱们应该怎样进行项目选择？
刘明宇：这个指标很难衡量，如果可以衡量就不需要投资人，直接用机器人做投资就可以了。
不管AI制药还是常规制药企业，要看团队背景、成功经验，对赛道理解，另外就是对工具和数据的应用。
前面英矽智能介绍的工具就非常强大，PC普及对制药行业，及其它行业造成很大能力提升。但它只是一场改良，不是革命，AI则有可能成为颠覆。
周伊：AI制药公司现在有两个商业模式：
第一类，提供服务，例如快速提供先导化合物、新靶标，这都是做服务，收服务费，商业模式评判标准很简单：有没有大公司愿意出钱、愿不愿意重复出很多钱。
第二类，自己做药，自建团队，把AI作为工具，自己有分子生物学团队，药物研发团队，甚至外包FTE，CRO公司。
这类模式评判标准就和创新药公司一样，例如快速筛选靶标，尽快申报IND，做临床一期、二期，最后衡量药物的临床效果。
杨昆：我也同意周总，我看AI新药研发项目还有一个细节——团队构成。
今天新药人才和AI人才成本都很高。组建一家AI新药公司的时候，公司的核心策略是什么？
例如一个项目，是把钱砸在临床上，还是AI算力上？
很多AI制药公司都会内部讨论这类研发思路或者发展思路的问题，投资人也比较关注。这一问题可以延伸看出企业只是有短期规划，还是真正具备长期发展的潜力。
秦祯（主持人）：既然聊到了项目的评估标准，明年上半年应该会有一些企业拿出PCC。届时，这个赛道估值会有哪些影响？什么情况或时间点AI公司和制药公司的估值体系会交融？
杨昆：AI新药研发未来估值会有很大分歧，现在资本市场资金比较充沛，无论AI，还是制药都容易拿到钱，有些AI制药公估值还比较高。
但医疗发展，甚至科技发展都有一个现象，一波资本冲上去然后整个赛道死掉一半以上，剩下其它企业慢慢沿着赛道跑起来，过去的测序和蛋白赛道都是这样规律。
所以，AI新药研发估值大方向上保持乐观，资本进入一定会产生一些泡沫，但这都有利于这个方向发展。
但对于一家公司来说，高估值可能是陷阱，因为当产品进入临床阶段后，估值是按照AI公司来估，还是按照制药行业调整，可能会面临变化。这考验AI平台和产品，能否持续研发创新。
周伊：明年估值怎样我就说一句，要看港股或美股二级市场对前面的AI医疗或AI制药公司看法，这是指标。
二级市场如果持续追捧，一级市场还能玩，二级市场如果砸，一级市场就不好说。
刘明宇：要做时间朋友，但赚钱不能太慢，这就是资本逻辑。
港股如果还是现在这样的情况，创新药估值低，交易量低就会有影响，那些今年融到钱的企业，可能会获得持续追加。
还会有很多有投资能力投资人持续进来，原有投资人也会对拿到钱的企业往下推，这会让一些企业估值越来越高。
但高估值是双刃剑，既有可能会持续融资跑赢竞争对手，也有可能因为高估值导致无人接盘，陷入恒大一样的两难境地。
估值高低不重要，融到钱才是关键
秦祯（主持人）：从AI制药赛道趋势来看，大部分企业都是从小分子开始，做化合物优化或靶点发现。关于变构药物研发，大分子筛选或蛋白发现这些其它或垂直领域赛道发展，大家有什么看法？
刘明宇：我们也看DEL方向，我原来在上市公司投了一大批抗体药，但谁也没想到PD-1会变成集采价格。
中国情况比较特殊，我对大分子方面相对比较保守，几个比较热的靶点，机理也没有完全做清楚，所以我觉得利用AI更多只是试试水。
我更建议大企业，不管是传统药企还是百度这样的造药新势力做尝试。我不敢投一个全新用AI做大分子的项目，一个新公司去做的话，风险会很高，风险投资不是喜欢风险，而是为了追求未来而不得不冒风险。
周伊：我说两个趋势：
第一，多技术融合，药物研发涉及面非常广，多技术融合是一个趋势，例如已经有创业企业用AI+DEL（DNA编码化合物库）提高筛选化合物效率，未来会有越来越多技术促进药物研发效率，缩短时间；
第二，中国大药企会逐渐成立AI制药部门，或收编类似团队，很多大药企本来就有计算化学部门，计算化学就是把AI作为常用工具。
杨昆：目前，AI在新药研发产业的应用主要还集中在分子发现环节，但在整个产业链条里发现只是很小一环。
再厉害的AI，也不能不做细胞实验、不做动物实验、不做人体实验，FDA流程监管是必须要做的，而真正花钱、花时间的地方就在中后期——细胞、动物、人，甚至上市后临床、真实世界的研究。
所以，除了早期发现，AI能不能在后续环节做一些工作，例如细胞学、真实世界临床，甚至生产工艺的突破。
我们知道有些大分子药物生产还比较麻烦，有技术或者经验的团队比较少，人的因素较大，未来AI+机器人能不能让生产全部自动化或把困难降低。
甚至对于未来的基因治疗、细胞治疗，AI能否有一些帮助，这些对产业的发展将带来更大的帮助。
秦祯（主持人）：阿里健康也对AI新药研发有比较多看法。
第一，生物计算更多会从静态预测往动态方向走，AlphaFold2是一个三维结构构象截图，未来对它的预期会从照片变成录像，真正看到蛋白如何运动。
第二，从蛋白质预测到RNA二级结构，还有三级结构，把它的结构和运动连接在一起，也是一种趋势。
第三，干湿实验数据结合，要不断有闭环，有新真实实验数据，再反哺到算法里，这也是大家期待的AI制药趋势。
秦祯（主持人）：大家对AI制药研发这个黄金赛道有什么样期望？谈谈未来一两年的期待。
杨昆：第一，建议企业有耐心，无论产业还是创业都不是短期可以“上天”的事，制药行业本身就是一个相对长期的事业。
第二，估值高低没有那么重要，拿到钱才是最关键的，无论酷暑还是寒冬，活下去、坚持到最后就是胜利。
周伊：比较期待AI能否在特别难的领域发挥作用，例如应对阿尔茨海默症等CNS疾病，缩短他们的研发时间，造成较大促进。
刘明宇：医学专家、生物学家和AI专家要打破壁垒，我见过一些团队在药物发现领域很厉害，但引进AI专家，却工作不到一起去。
希望大家打破知识分子自我迷恋，认识到对方价值，不管顶级大学&科研机构，还是顶级企业。最好是药物专家牵头，AI专家配合，这样可能推进得更快。
雷峰网原创文章，未经授权禁止转载。详情见。
原创文章，作者：carmelaweatherly，如若转载，请注明出处：https://blog.ytso.com/217144.html