AI製藥風再起 這一次能掀起多高的市場浪花？

智通財經APP獲悉，近日，作為人工智能(AI)領域最受關注的芯片巨頭英偉達(NVDA.US)宣佈在製藥領域投資數千萬美元，讓整個行業的投資者都為之沸騰。

英偉達上周三表示，將向生物技術公司Recursion Pharmaceuticals(RXRX.US)投資5000萬美元，以加快該公司用於藥物發現的人工智能模型的開發。

在這一消息提振下，Recursion上周三股價一度飆漲近120%，英偉達股價也上漲逾3%。該事件還引發了A股對AI製藥的關注，與AI製藥概念相關的CXO板塊集體上揚。

可以肯定的是，目前AI已經成爲了商界和投資界的關注重點，作為AI風向標的英偉達的一舉一動一直牽動着業界的神經。而英偉達此次投資，也被不少投資者解讀為AI浪潮進一步席捲製藥行業的重要信號。

AI製藥再次興起

事實上，投資Recursion並非英偉達首次涉足製藥領域。早在2018年，英偉達推出了Clara平臺，這是一個從專門針對醫療場景發展到涉足基因組學等多領域的驅動AI醫療解決方案的軟件和服務。據英偉達介紹，Clara 系統包括用於藥物研發的BioNeMo、用於醫療設備的Holoscan、用於基因組學的Parabricks以及用於醫學影像的MONAI。

而在2020年2月，Schrodinger(SDGR.US)在美國上市，成為行業內第一家計算藥物研發上市公司，這一度引爆AI製藥賽道。並且，在2021年，英偉達宣佈在生命科學領域建立3個合作伙伴關係，其中就包括Schrodinger。

AI製藥潮流興起還表現在全球融資活動上。據相關統計數據顯示，全球AI+製藥領域融資熱潮就曾在2021年集中爆發。當年，全球人工智能藥物研發的市場規模達到12.7億美元，同比增加3.6億美元，複合年增長率(CAGR)為39%;有機構預計，到2025年，市場規模預計將達到59.4億美元，複合年增長率可達47%。

再包括像谷歌(GOOGL.US)旗下人工智能技術公司 DeepMind 提出的深度學習算法Alphafold破解了出現五十年之久的蛋白質分子摺疊問題等重大事件發生，讓資本市場和業界情緒高漲。

不過，好景不長，商業前景不明令眾多投資者失望。總的來説，企業沒有好的成果，市場就不願買單。

2020年1月，英國AI製藥企業Exscientia(EXAI.US)開發的用於治療強迫症的候選藥物DSP-1181獲得臨牀批件，這是一款由AI平臺設計並進入臨牀試驗的藥物。然而，2022年7月，在宣佈進入臨牀階段一年多以后，DSP-1181被Exscientia的合作方日本住友製藥停止開發，原因是1期臨牀研究未達到預期。

今年4月，另一家AI藥物研發公司Benevolent AI也宣佈，其用於治療特應性皮炎的局部泛 Trk抑制劑BEN-2293的IIa期臨牀試驗沒有達到次要療效終點。

截至目前，仍然沒有任何一款由AI發現的新葯物獲批上市。

並且，隨着資本寒冬的到來，整體趨勢悄然發生變化。股價暴跌、企業裁員等跡象都顯示，炒作正在消退。

那麼，再看這次英偉達投資Recursion引起金融市場的躁動，背后的投資邏輯到底是什麼呢?

AI之於生物醫藥行業的意義在於，對一般的生物醫藥企業來説，開發一個創新葯的完整周期平均需要至少10年，而臨牀試驗階段平均需要6-7年的時間。相比傳統新葯發現，AI憑藉機器學習(ML)、圖像識別等獨特優勢可以提供更好的預測模型和更高的命中率，以縮短新葯發現時間，節省成本提高淨收入。根據英偉達公開資料，使用AI技術可使藥物早期發現所需時間縮短1/3。

簡單來説，就是AI製藥可助力提高藥物研發效率，這也是前期AI製藥炒作的邏輯。

其實，這一次的主要邏輯也沒有變化，但區別在於，由ChatGPT帶動的生成式AI浪潮讓市場看到整個製藥行業迎來質變的機會。

AI製藥分為兩個技術路徑，其一是利用AI的歸納推理能力和算力優勢，通過對分子動力學、分子動態變化進行模擬計算，從物理層面演繹現有的分子結構，加速篩選優化先導物。

另一個技術路徑是類似於ChatGPT的生成式AI，是基於經驗和大數據的訓練，快速設計全新的分子結構，這一路徑的AI系統創新性相對更強。

英偉達和Recursion的合作協議就提到，Recursion的顧問團隊包括AI先驅Yoshua Bengio，該公司將使用其超過2.3萬TB的生物和化學數據集在英偉達的雲平臺上訓練AI模型。英偉達則可以通過旗下的用於藥物發現的生成式人工智能雲服務BioNeMo將這些模型授權給其他生物技術公司。

英偉達CEO黃仁勛指出：「生成式AI是發現新葯物和療法的革命性工具。我們很高興能與Recursion世界級團隊合作，他們正在利用Nvidia DGX和Nvidia AI軟件進行數字生物學和化學的開創性工作，以加速開發生物分子生成式AI模型，促進生物醫藥公司的藥物發現。」

長期前景廣闊

不過，AI在製藥領域本質是改善藥物發現的一個平臺或工具，經過上一次的炒作，市場應該會更理性看待AI製藥機遇，短期內該領域未能實現重大突破，恐怕難再掀起熱潮。

但就長期而言，各分析機構認為，市場規模可能是廣闊的。

根據MarketsandMarkets™發佈的最新報告，2022年全球AI在藥物發現市場的營收價值為6億美元，到2027年有望達到40億美元，2022年至2027年的複合年增長率為45.7%。遏制藥物發現成本和減少這一過程所需總時間的需求日益增長，基於雲的應用和服務的採用率不斷上升，以及重磅藥物的專利即將到期，這些都是推動該市場增長的一些關鍵因素。

不少大型藥企也跑步進場加碼AI能力。去年法國藥廠賽諾菲(SNY.US)就與Exscientia簽下大單，以1億美元的預付款和52億美元的里程碑付款要約，合作利用AI系統研發至多15項腫瘤和免疫學藥物。拜耳(BAYRY.US)、羅氏(RHHBY.US)和武田製藥(TAK.US)正在與Recursion合作使用機器學習發現藥物。阿斯利康(AZN.US)也在與Benevolent AI等企業展開合作。

摩根士丹利在一份報告中預估，在未來10年，AI在早期藥物開發中的應用可能會轉化為50種新療法，銷售額超過500億美元。該行分析師Matthew Harrison和Vikram Purohit表示，AI製藥商與大型藥企的合作將幫助改善研發成本。

隨着生成式AI的持續發展，製藥領域或許能迎來全新的發展期。根據Gartner《2022年人工智能技術成熟度曲線》報告稱，2025年50%的藥物發現與研發將使用生成式AI;2027年，30%的製造商將使用生成式AI提高產品研發效率。

近日，被譽為「AI製藥賽道頭部企業」的英矽智能就乘着生成式AI熱潮的東風申請在港上市。據招股書稱，這家AI Biotech利用其快速發展的專有生成式AI平臺Pharma.AI橫跨生物、化學及臨牀開發領域，加速新葯的發現與開發過程。

英矽智能的生成式AI平臺幫助公司快速有效地推進主要由新候選藥物組成的完全自主設計、研發的AIDD管線。截至最后實際可行日期，公司已有效地建立由31個項目組成的多元化完全內部生成管線，涵蓋29個藥物靶點。

公司的核心產品ISM001-055是一種小分子候選藥物，主要用於通過抑制TNIK治療纖維化相關適應症，TNIK是一種通過公司的Pharma.AI平臺識別的新型抗纖維化靶點。公司於2023年4月啟動了一項多中心、隨機、雙盲、安慰劑對照的IIa期臨牀試驗，以評估ISM001-055在中國的安全性、耐受性、PK及療效，並計劃於2023年下半年在美國啟動IIa期臨牀試驗。

值得注意的是，英矽智能此前宣佈，其已經開始AI研製藥物的首批人體試驗，為一名中國患者提供一種治療慢性肺部疾病特發性肺纖維化的新型療法。

英矽智能如果能成功上市，將成為亞太區的「AI製藥第一股」。

事實上，AI製藥的商業模式不僅只有像英矽智能這種直接研發藥物出售的AI Biotech，還有出售軟件的AI SaaS，出售藥物研發服務的AI CRO。

從英偉達和Recursion的合作中，浙商證券看到了CRO企業的機會。該券商認為，CXO行業中的CRO企業最大的優勢在於藉助服務藥物研發過程積攢了大量數據，這些數據包括成功和失敗兩類經驗，均能夠賦能、完善數據庫。搭建高通量數據生成能力的智能實驗室，將成為核心競爭力，也是AI參與者們的重要競爭壁壘。因此，憑藉豐富的數據優勢，CRO可能成為AI+領域最大贏家。

據瞭解，作為創新葯行業的賣鏟人和獨立的第三方研究機構，CRO企業能夠幫助藥企縮短研發周期，降低研發成本，提高研發成功率。思瀚產業研究院的研究結果顯示，在Ⅰ-Ⅲ期臨牀試驗階段，CRO公司整體用時可節省34%，同時節省30-50%的成本。對於藥企來講，把研發外包給CRO公司具有巨大吸引力。

而AI在醫藥外包領域的應用主要包括臨牀試驗數據管理、藥物安全監測、藥物品質控制等方面。通過對臨牀試驗數據的分析和管理，AI可以幫助加速臨牀試驗的進程和降低試驗成本。在藥物安全監測方面，AI可以通過分析藥物使用數據，實現對潛在的不良反應的預測和監測。此外，AI還可以幫助藥品品質控制和管理，保障藥品的安全和質量。

據諮詢服務提供商財富商業洞察預計，到2030年，全球CRO服務市場規模將達到1885億美元，複合年增長率(CAGR)達12.5%。

國內眾多CRO企業也都已經紛紛投入AI製藥賽道。例如，藥明康德(02359)、美迪西(688202.SH)、藥石科技(300725.SZ)、成都先導(688222.SH)、皓元醫藥(688131.SH)、泓博醫藥(301230.SZ)等公司均對AI製藥相關業務有所佈局。

總結

總的來説，AI對於製藥行業具有重要意義，麥肯錫全球研究所(McKinsey Global Institute)給出觀點認為，AI引導的自動化技術的快速發展將徹底改變科學家在實驗室發現新葯的方式。學者們正在追蹤AI/ML在製藥行業的使用情況，包括藥物發現、藥物再利用和提高製藥生產率。

但目前，AI製藥領域仍處在較早期發展的階段，AI製藥長期規模廣闊並不代表短期不存在風險。該行業需要面對的挑戰並不少，相應商業模式的盈利困境可能會讓投資者望而卻步。

有分析認為，源於AI製藥在算法、算力及數據方面需要較大的投入，且單一路徑發展或有一定侷限，預計未來多種商業模式協同發展有望逐步成為趨勢。但無論如何，AI製藥的潛力仍然需要時間去驗證。