图片来源@视觉中国
美团曾经的二号人物王慧文对标Open AI的创业项目光年之外，以20亿卖给美团，再度引发市场对大模型的热议。
(资料图)
但面对如此热闹的场景，6月27日向港交所递表的AI制药公司英矽智能则没有掀起什么水花。同一天，英矽智能还宣布已经开始AI“研制”的药物——INS018_055的首批人体试验，推进至二期临床试验验证阶段。
按理说，这是有可能成为制药行业里程碑的事件，但市场对AI制药的关注，远远低于那些“正统”的AIGC。AI制药的想象力被包裹在一层厚厚的茧中，只有一些负面消息能激起观众的兴趣：5月25日，英国上市AI制药公司BenevolentAI宣布裁员近180人，近乎公司的一半。此时，距离它意气风发地上市才过去一年。
事实上，AI制药最大的问题就是不确定性，这让它暂时难以形成稳定的商业化。试图摘下“亚太AI制药第一股”称号的英矽智能，即使手握大厂订单，2022年营业收入也仅有0.3亿美元，而同期净亏损达到2.22亿美元。
大模型继续火，AI制药继续咬牙前行，有些公司逐渐赢得了关注，另一些公司悄悄倒下，它们的失败甚至没有声音。
AI制药的前景已经得到了充分渲染。比如，摩根士丹利在一份报告中指出，AI制药的全球市场规模短期已达500亿美元，并有可能继续上探。全球已经有超过270家公司投身于AI制药，其中头部企业已经和辉瑞、礼来、赛诺菲等医药巨头建立了稳定合作，拿下数百亿元订单。
瑞士被忽视疾病药物研究所（the Drugs for Neglected Diseases Institute,DNDi）研发主管Charles Mowbray表示：“人工智能使科学家掌握所有信息，提出好问题，并不断迭代，直到他们能找到真正想要的东西。”
（英矽智能外、Exscientia等AI制药企业均已进入临床阶段。图源：Nature Medicine）
不过，这只能解释AI制药市场已经进入完全启动状态。
英矽智能是全球最早成立的一批AI制药公司，首席执行官兼创始人Alex Zhavoronkov在采访中提到：“大约10年前，每次我去找风险投资家融资，他们从不给我钱。”当时的AI制药无法被理解，今天能获得市场认可，已是进步——而这不代表市场信任其商业模式一定有产出。
AI制药核心商业模式有三种，出售软件的AI SaaS，出售药物研发服务的AI CRO，直接研发药物出售的AI Biotech。非常诙谐的是，AI制药在获得几种商业模式的同时，受到其缺点的拖累，远远大于多种商业模式前景带来的收益。
比如，BenevolentAI的裁员是因为，其AI开发的用于治疗特应性皮炎的局部泛 Trk抑制剂BEN-2293的IIa期临床试验，无法治疗患者病情，而这是该公司唯一一条临床管线，也是它上市的依仗。
这透露出一个事实：一不小心，AI公司和创新药公司的缺点，就会集中在一起。也许只要一瞬间，市场就会意识到部分AI公司描绘的想象空间，仅仅是太美的承诺因为太年轻。
不过，这也给更多后来的参与者打开了一扇窗，那就是在迭代技术的同时，尽力建立足够有力的商业模式保障。
比如，英矽智能招股书显示，其收入实际上包含药物研发服务和生成式AI平台软件许可两部分。简而言之，虽然软件当前占收入比例高达95%，但最后，药物和软件都会是商品。
（英矽智能在研药物管线。图源：招股书）
2022年10月，英矽智能与赛诺菲子公司Genzyme Corporation签订了关于开发候选药物的协议，在这笔最高收入可能达到12亿美元的生意中，英矽智能和赛诺菲约定了药物开发收益和药物销售分成两部分的商业价值。
但需要注意的是，这与赛诺菲对AI的亲和态度有关。6月13日，赛诺菲宣布“All in”人工智能和数据科学，并带来了与Aily Labs共同开发的AI程序plai。赛诺菲的想法是，通过AI提高从研究、临床、生产制造等供应链全环节的效率。
在2022年的AI制药订单额排行榜上，赛诺菲和礼来分别占订单额前十名中的三个项目，但赛诺菲一人包揽的是第一（Exscientia）、第四（英矽智能）和第五（Atomwise），订单额分别为356亿元、82亿元和69亿元，总额占前十的42%。
尽管大型药企都宣称拥抱AI，但真正投入差异明显，赛诺菲的心态令其更愿意为AI制药行业投入资源，从而转化为一些新兴公司的营收——但当这些公司要获得其他巨头认可时，难度不一定也同样小。
怎么让更多药企巨头相信AI制药的力量？答案是不断树立标杆、拿出成果。
针对上市当天的药物试验，英矽智能联合首席执行官兼首席科学官任峰表示：“启动INS018_055的2期临床试验首例给药，是中国乃至全球人工智能制药领域的又一个里程碑。我们期待INS018_055为全球患者带来新的选择，也期待人工智能制药能够交出更高效的成绩单。”
“快”字当头。英矽智能的进度说明，AI制药在平台、管线方面的发展速度优势十分明显。而这也是AI制药最初被看好的普遍原因之一。
比如，在招股书中，英矽智能表示其Pharma.AI研发平台能够让一款药物在12个月内便进入临床阶段。相比之下，传统的药物研发流程要进入临床，一般需要4.5年。这也意味着，英矽智能当前的管线进展，其实就是AI制药的最好招牌。
不过，AI制药的速度优势更多是因为“大力出奇迹”。比如，业界火热的GLP-1、PD-1等靶点，挤满了各类大中小药企，原因是发现一个新的有效靶点太难。但在AI的帮助下，快速寻找有效靶点成为了可能——然而，这个可能指的是AI根据现有数据模型和应用经验，算出某一群特定靶点的成功率更高，但最后的验证，在一部分AI制药产品中依然要靠人类。理想的状态是，通过不断迭代技术水平，提升靶点寻找和验证的能力。
这就给出了AI制药的一个现实情况：大客户的付费，更多来自标杆项目吸引他们为药物的研发付费，不代表AI的能力得到了认可。所以，AI制药需要逐渐形成专属于这个垂直行业的“智慧”，让AI更好用、易用，提升综合能力。
比如在数据上，AI制药公司可以运用的数据包括药物化合物的数据，生物分子的数据，临床信息数据等等。但在AI强大的计算能力加持下，这些数据可以更深一层。例如患者临床数据不一定是典型的症状数据，也可以是平常不被观测的行为数据。通过数据的积累、清晰和整理，一份专属于AI制药特定领域的高质量数据集会被生产出来。
另一方面，AI制药对蛋白质等生命基础元素的解构能力远远强过人力——蛋白质的分级结构复杂度很高，计算生物学家David Baker表示，20个简单的氨基酸可以组合出的蛋白质数量超过了宇宙中的恒星数量。这意味着除了有目的地探索研发之外，AI制药可以无目的地适时研究那些人力无暇探索的领域。这种无意识性的拓展，也是“智慧”的一部分。
AI咨询机构Deep Pharma Intelligence的统计显示，截至2023年3月末，全球AI制药企业的投资总额已达到593亿美元。但这幅华美的外衣不能掩盖一部分企业的窘境，因为AI制药始终是工具，演变成什么样的商业模式十分考验运作人的水准。
2022年，BenevolentAI向阿斯利康交付了三个由AI平台发现的新靶标，收入只是从460万英镑增长到1060万英镑，俨然是个“打工仔”。
或许对AI制药这样的行业来说，矛盾是永远存在的，是选择为他人做嫁衣的商业模式，还是始终保持着更远大的商业理想？这个问题，只有在一轮又一轮的淘汰中才能得出答案。
标签：
