深度|BAT热捧 融资再破记录 调查AI药物研发风口上的“虚火”
原创
2020-10-03 13:10 星期六
财联社记者 金小莫

《科创板日报》(上海,记者 金小莫)讯,在AI落地应用场景中,医疗是最热领域。据IDC预计,至2025年,医疗行业将占AI应用市场总值的五分之一,达254亿美元。这其中,药物硏发又是最大细分领域(约占35%),超医学影像、辅助诊疗等。而该最大领域正遭遇“热与冷”的市场考验——

一方面,互联网巨头在不断加持。1月,阿里巴巴宣布与全球健康药物研发中心合作开发AI药物研发和大数据平台;7月,腾讯推出首个AI驱动药物研发平台“云深智药”;9月,百度CEO李彦宏牵头发起成立“百图生科”,基于AI技术参与或主导发起新型精准药物等……

与此同时,互联网创投跨界投资正浓。9月28日,行业企业晶泰科技超额完成3.188亿美元的C轮融资,刷新了全球AI药物研发领域最高纪录,其主要投资方包括软银愿景基金2期、晨兴资本、腾讯等,均为互联网领域知名创投。

另外一方面则是医药行业创投们的警惕态度。有行业创业者即表达融资难,另据《科创板日报》记者采访多位医药行业创投人士,得到的回复:“谁敢投谁去投,反正我现在不投”;“近几年没有商业上比较成功的企业”;“行业总体还早,投个早期还好,我还不太理解投VC的逻辑。”……

投资的逻辑:数据

互联网巨头相中AI药物研发不是无缘由的。北京大学前沿交叉学科研究院特聘研究员、曾任新药创制国家科技重大专项药物设计项目负责人裴剑锋博士对《科创板日报》记者称,在AI技术寻找可能的落地场景过程中,药物研发因其广阔的想象空间,很容易被“选中”。

一方面,药物研发确实已遇到发展瓶颈,需要借助AI等新技术继续发展。

据美国医药研究与制造商协会统计,2012年至2014年,全球新药研发成功率仅为11.6%。未来,新药研发只会更加难。据中经合集团高级投资经理李帅撰文称,人体中可作为药物靶点的可编码蛋白基因小于700种,其中容易开发的靶点已被开发殆尽。“低垂的果实已经没有了。”李帅称,因此利用AI等新方法是新药研发“必须要拥抱的未来方向”。

另一方面,AI技术发展有赖于大数据,就这一点,其逻辑似乎与互联网行业大同小异,因而也易被互联网巨头投资所理解。

《科创板日报》记者在几家创业企业的模式中均看到对于数据的强调。以前述晶泰科技为例,其获互联网创投热捧原因之一系——其称——数据积累已经接近PB量级(记者注:1PB=1024TB,800个人类记忆相当于1个PB)募资将用于“以丰富的药物研发真实世界数据支持其算法的持续创新与升级,挑战更多研发瓶颈”。

同样,BAT等互联网巨头们之所以豪迈入局,很大一部分逻辑也是基于此。他们认为凭借算法、资源等优势切入新药研发领域后,积累大数据优势,进而迭代算法,如此正向循环,最终占领赛道;反之,那些若不能在竞争中快速打开下游应用的初创企业,因缺乏有力数据支撑而得不到投资方的青睐。

互联网跨界医药:不被看好?

但值得注意的是,来自互联网行业的这种理解并不符合医药行业的认知。

裴剑锋向《科创板日报》记者指出,数据固然重要,但并非是起根本作用的。对此,中科创星投资总监于翔表示认同,他称,医药行业是严肃的,类似于互联网行业跑量、跑数据的现象本来就不应该存在。

首先,医药行业本身并不存在海量数据。“2C的消费类互联网产品很容易获取海量数据,但医药行业的逻辑完全不同。”裴剑锋说,药物研发的每一条数据都需科研人员经过试验才能得到,碍于试验进程,很难变成“海量”,而且试验成本非常高昂。

行业企业智化科技创始人、CEO夏宁博士向《科创板日报》记者透露了相关成本:做一次实验的成本约为500美金、合成一个化合物的成本约为1000美金。此外,裴剑锋指出,很多数据都为企业所私有,不对外开放。

其次,可获取的数据种类并不完全,因此很难基于此类数据迭代出有效的算法。“公开数据都是试验成功的数据,但我们也需要失败试验的数据。”裴剑锋表示。夏宁也对《科创板日报》记者表达了类似的观点,其称,现有数据主要源自公开文献,“都是positive的,缺少negative的数据。”

更为关键的是,药物研发非常复杂,在未来很长一段时间里,仅靠AI并不能完全解决行业瓶颈。“药物研发是一个立体的维度,尽管AI非常重要,但它仅是一个维度。”裴剑锋说,如果把药物研发比喻成海中行舟,AI是马达,但风速、水流、航向等等因素亦非常关键。

基于上述原因,医药从业者们对互联网跨界药物研发持消极看法。对于热炒AI药物研发的市场现象,于翔对《科创板日报》记者评述称,此行业“易学难精,追风口行为只会破坏了行业口碑。”

实际上,药物研发的门槛远超互联网行业,因此,这种“跨界”并非“横跨”而是“爬楼梯”。一个佐证在于从业者年龄。“在药物研发领域小有成绩的专家一般都40多岁了,而在互联网行业,20-30岁是黄金年龄。”裴剑锋说。

投资大热背后的“隐忧”

前述数据问题并非没有解决的方案。于翔认为,很多创业企业连“现有的数据都没有用好”。

其实,早在AI大热之前,利用算法工具提升药物研发效率便是业内的一项前沿技术。裴剑锋团队于2014年开始尝试AI药物研发研发,此前,其团队在科研院所内利用其它算法解决同样的问题。

“有一些方法可以规避掉数据量的问题。”裴剑锋说,比如结合物理化学、数学原理等总结出一些规律性的定律。“牛顿提出的万有引力定律解决了大量物理问题,但牛顿并不是靠大数据总结出该规律的,他进行的是一种哲学上抽象、概念性的思考,在药物研发领域亦如此。”

在此领域,裴剑锋已积累逾25年。2018年,他和团队创立了英飞智药,进行产学研转化,企业定位为以AI为核心的新药研发企业。

相反,那些以AI数据为重的创业企业则有商业模式不清晰、护城河不够明显等现象。

医药行业投资人黄立对《科创板日报》记者描述了他的见闻所思:“现在做AI药物研发的企业太多了,仅我个人看过的BP就不下十家,行业同质化竞争严重、企业核心价值缺失,这反应在业务上就会变成价格战,而且AI仍只是科研人员的辅助工具,现阶段对行业帮助有限。”

至于他个人何时会考虑投资AI药物研发企业,黄立称“N年后”。

AI药物行业仍处早期

就AI药物研发商业模式来说,嘉定创投总经理吉少岭对《科创板日报》记者坦言,如果相关企业走的是向CRO企业或药企“卖软件算法”的模式,其估值有限;但若能依靠AI最终开发出新药则投资价值不可同日而语。后者也是行业投资人所看重的投资标的,但数量寥寥无几。

《科创板日报》记者了解到,英飞智药即是此模式。

“我们建立了‘智药大脑’平台,集成前沿计算机辅助药物设计技术、新一代AI药物设计技术和新药研发专家经验为一体,是高度整合的人机交互式AI。目前‘智药大脑’拥有基于结构的AI三维分子生成和优化、AI分子逆合成路径规划、AI靶标和分子成药型评估、别构药物设计和超高通量虚拟筛选等30余项模块技术,形成了多个成熟可靠的流程为新药研发提供实用化的解决方案。”裴剑锋说。

在过去一年中,英飞智药为4家医药公司和科研院所提供靶标确认、新分子发现与优化的服务并开展自研候选药研发2项。

但前述受访者均认为,AI药物研发仍处于行业早期,摘到果实之日仍长路漫漫。

此外,裴剑锋认为,行业的健康发展,离不开两股助力:一是需要呼吁国家重视数据中心的建设,以进一步完善药物研发所需要的数据和信息;二是AI算法领域需要有新的突破。“需要下一代强AI算法和新药创制领域的Domain knowledge深度融合,摆脱单纯对于大数据的依赖”裴剑锋如是说。

收藏
269.42W
欢迎您发表有价值的评论,发布广告和不和谐的评论都将会被删除,您的账号将禁止评论。
发表评论
要闻
股市
关联话题
2.91W 人关注
1.88W 人关注
1.12W 人关注
暂停