AI藥物研發(fā)企業(yè)股權(quán)激勵策略研究報告

盛世華研·2008-2010年鋼行業(yè)調(diào)研報告AI藥物研發(fā)企業(yè)股權(quán)激勵策略研究報告內(nèi)容目錄TOC\o"1-3"\u一、前言 4二、2023-2028年AI藥物研發(fā)市場前景及趨勢預(yù)測 52.1發(fā)展歷程與發(fā)展現(xiàn)狀 52.1.1發(fā)展歷程 52.1.2目前發(fā)展現(xiàn)狀 62.1.3現(xiàn)有競爭格局 72.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢分析 72.2.1市場規(guī)模 82.2.2融資能力 82.2.3在研產(chǎn)品 92.2.4市場主體 122.2.5存在的問題 132.2.6發(fā)展趨勢 132.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來“智藥”新機遇 142.3.1“智藥”成為藥企新寵 142.3.2多家大型藥企嘗鮮“AI+” 152.3.3仍有發(fā)展痛點待解決 162.3.4藥企加速布局AI制藥 162.3.5主要行業(yè)觀察和趨勢 18（1）基于AI的生物學(xué)建模和靶點發(fā)現(xiàn) 18（2）利用AI破解結(jié)構(gòu)生物學(xué) 19（3）使用AI開發(fā)小分子藥物 20（3）超越小分子的人工智能驅(qū)動藥物設(shè)計 202.4AI輔助藥物研發(fā)的新興趨勢 222.4.1人工智能和機器人化實驗室 222.4.2利用AI解決臨床試驗瓶頸 232.4.3CRO領(lǐng)域的人工智能 242.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律” 252.5.1加速建立“AI藥研朋友圈” 252.5.2AI打破“雙十定律” 262.5.3將藥物在人體內(nèi)精準(zhǔn)遞送 272.6大型藥企在AI藥物研發(fā)進展趨勢 282.6.1大型藥企整合AI進入藥物開發(fā)流程 292.6.2與信息技術(shù)公司合作建立內(nèi)部AI專業(yè)技術(shù) 292.6.3通過并購AI驅(qū)動生物技術(shù)公司快速獲得AI技術(shù) 292.6.4與AI驅(qū)動生物技術(shù)公司合作以識別靶點、共同開發(fā)藥物 312.6.5AI驅(qū)動生物科技公司發(fā)展趨勢 312.6.6AI技術(shù)在臨床上的轉(zhuǎn)化 32三、AI藥物研發(fā)企業(yè)股權(quán)激勵策略及建議 323.1股權(quán)激勵的必要性 323.1.1激勵作用 323.1.2提高經(jīng)營管理透明度 333.1.3吸引并留住人才 333.1.4提高預(yù)期效應(yīng) 333.1.5降低運營成本 333.1.6約束作用 333.2股權(quán)激勵的模式 343.2.1股票期權(quán)模式 343.2.2限制性股票模式 343.2.3股票增值權(quán)模式 343.2.4虛擬股票模式 343.2.5業(yè)績股票模式 353.3股權(quán)激勵方案的設(shè)計需要考慮的要素 353.3.1激勵對象 353.3.2授予數(shù)量 353.3.3行權(quán)（授予）價格 353.3.4激勵期限 353.3.5業(yè)績條件 353.4案例：員工持股計劃對企業(yè)績效的影響研究 363.4.1我國員工持股計劃的發(fā)展 363.4.2三棵樹涂料股份有限公司員工持股計劃案例介紹 36（一）三棵樹涂料股份有限公司簡介 36（二）員工持股計劃具體實施情況 363.4.3三棵樹員工持股計劃實施效果分析 37（一）對財務(wù)績效的影響 37（二）對非財務(wù)績效的影響 373.4.4結(jié)論及建議 38（一）研究結(jié)論 38（二）啟示與建議 393.5企業(yè)股權(quán)激勵問題與策略 393.5.1企業(yè)實施股權(quán)激勵現(xiàn)狀 39（1）“搭便車”的行為盛行 39（2）道德風(fēng)險 40（3）激勵錯位 40（4）與公司戰(zhàn)略相悖 403.5.2企業(yè)股權(quán)激勵存在的問題 40（1）對股權(quán)激勵缺乏正確認識 40（2）業(yè)績評價機制不夠科學(xué) 41（3）資本市場效率處于偏低水平 41（4）股票期權(quán)計劃會引發(fā)道德風(fēng)險問題 41（5）成本的控制問題 42（6）員工思想落后 42（7）過度依賴資本市場 42（8）相應(yīng)政策指導(dǎo)辦法不完整 423.5.3企業(yè)實施股權(quán)激勵制度的建議 43（1）深刻認識股權(quán)激勵 43（2）健全地制定業(yè)績評價機制 43（3）優(yōu)化外部資本市場，同步將企業(yè)股票價格與業(yè)績掛鉤 43（4）關(guān)注防范股權(quán)激勵中涉及到的道德風(fēng)險 44（5）解決成本控制問題 44（6）提高員工思想覺悟 44（7）股票價格與業(yè)績相掛鉤 44（8）完善相關(guān)規(guī)定 453.6上市公司股權(quán)激勵優(yōu)化對策研究 453.6.1上市公司股權(quán)激勵現(xiàn)狀和存在的問題 45（1）資本市場有效性不高 46（2）上市公司內(nèi)部治理結(jié)構(gòu)不完善 46（3）股權(quán)激勵計劃實施缺乏有效監(jiān)督控制 46（4）股權(quán)激勵對企業(yè)的長期發(fā)展作用性有限 46（5）職業(yè)經(jīng)理人市場不健全 46（6）股權(quán)激勵計劃績效考核指標(biāo)不全面 47（7）監(jiān)督管理機制不健全 473.6.2優(yōu)化上市公司股權(quán)激勵的對策建議 47（1）提高資本市場有效性 47（2）完善公司治理結(jié)構(gòu) 47（3）加強對股權(quán)激勵計劃實施過程的監(jiān)控 48（4）短期激勵和長期激勵相結(jié)合，促進企業(yè)長遠發(fā)展 48（5）職業(yè)經(jīng)理人市場的開拓 48（6）完善指標(biāo)評價體系，形成科學(xué)的績效考核體系 48（7）積極采取行之有效的措施，加強股權(quán)激勵監(jiān)管 483.7中興通訊股權(quán)激勵案例分析 493.7.1中興通訊案例介紹 493.7.2中興通訊股權(quán)激勵實施效果分析 50（一）中興通訊的償債能力 50（二）中興通訊的營運能力 50（三）中興通訊的盈利能力 50（四）中興通訊的發(fā)展能力 512.7.3結(jié)論及建議 513.8華為公司股權(quán)激勵制度研究 523.8.1華為公司股權(quán)激勵制度 53（1）創(chuàng)業(yè)時期 53（2）金融泡沫時期 53（3）非典時期 53（4）全球金融危機時期 53（5）成熟發(fā)展時期 543.8.2華為股權(quán)激勵效果分析 54（1）制衡股東關(guān)系 54（2）管控委托代理成本 54（3）解決外部融資困難問題 54（4）約束員工 55（5）激勵作用 553.8.3華為股權(quán)激勵制度成功的原因 55（1）理論基礎(chǔ)分析 55（2）實施模式分析 563.8.4對國內(nèi)其他企業(yè)發(fā)展股權(quán)激勵的建議 56（1）重視人力資本 56（2）重視公平性 56（3）重視因時制宜 56四、AI藥物研發(fā)企業(yè)《股權(quán)激勵策略》制定手冊 574.1動員與組織 574.1.1動員 574.1.2組織 584.2學(xué)習(xí)與研究 584.2.1學(xué)習(xí)方案 594.2.2研究方案 594.3制定前準(zhǔn)備 604.3.1制定原則 604.3.2注意事項 614.3.3有效戰(zhàn)略的關(guān)鍵點 624.4戰(zhàn)略組成與制定流程 644.4.1戰(zhàn)略結(jié)構(gòu)組成 644.4.2戰(zhàn)略制定流程 654.5具體方案制定 664.5.1具體方案制定 664.5.2配套方案制定 68五、AI藥物研發(fā)企業(yè)《股權(quán)激勵策略》實施手冊 695.1培訓(xùn)與實施準(zhǔn)備 695.2試運行與正式實施 695.2.1試運行與正式實施 695.2.2實施方案 705.3構(gòu)建執(zhí)行與推進體系 705.4增強實施保障能力 715.5動態(tài)管理與完善 725.6戰(zhàn)略評估、考核與審計 73六、總結(jié)：商業(yè)自是有勝算 73一、前言股權(quán)激勵，本質(zhì)上就是股東通過制定附加條件給予企業(yè)員工一定的股東權(quán)益，讓員工的利益和企業(yè)直接掛鉤，使其具有主人翁意識，在促進員工發(fā)展的同時，帶動企業(yè)發(fā)展。是一種讓員工和企業(yè)同生長，共存亡的激勵方式。股權(quán)激勵計劃只有合理實施，才能給企業(yè)帶來預(yù)期的收益。股權(quán)激勵實施的合理與否直接關(guān)系到激勵作用的強弱。股權(quán)激勵模式的選擇要因企業(yè)而異，根據(jù)企業(yè)的自身特點而選擇。那么，企業(yè)如何制定股權(quán)激勵策略？下面，我們先從AI藥物研發(fā)行業(yè)市場進行分析，然后重點分析并解答以上問題。相信通過本文全面深入的研究和解答，您對這些信息的了解與把控，將上升到一個新的臺階。這將為您經(jīng)營管理、戰(zhàn)略部署、成功投資提供有力的決策參考價值，也為您搶占市場先機提供有力的保證。二、2023-2028年AI藥物研發(fā)市場前景及趨勢預(yù)測2.1發(fā)展歷程與發(fā)展現(xiàn)狀2.1.1發(fā)展歷程AI技術(shù)從1956年提出發(fā)展至今天已有60余年，隨著算力、算法、數(shù)據(jù)等基礎(chǔ)能力的不斷完善，AI技術(shù)開始逐步向醫(yī)療中的藥物研發(fā)領(lǐng)域滲透。目前，整個行業(yè)還處于發(fā)展的初期。早在上世紀80年代，默克公司就開始通過計算機輔助來設(shè)計藥物，美國《財富》雜志還對其進行了專題報道，稱之為“下一次工業(yè)革命”，其中的三維定量構(gòu)效關(guān)系分析、分子對接、分子動力學(xué)模擬等計算手段（也已與時俱進）如今依然在為藥物發(fā)現(xiàn)提供著服務(wù)。只是隨著計算機技術(shù)的發(fā)展，AI逐漸接過“接力棒”，參與到藥物研發(fā)的過程中，并且不斷加深與醫(yī)療健康領(lǐng)域的融合。從時間上來說，AI技術(shù)真正應(yīng)用于藥物研發(fā)的時間不算長：2013-2015第一個AI方法在2013年至2015年間，第一批初創(chuàng)公司才開始開發(fā)適用于藥物研發(fā)的AI方法，首次開發(fā)了用于藥物發(fā)現(xiàn)和研發(fā)的可擴展的AI方法，一些具有前瞻性思維的行業(yè)參與者和高管開始啟動試點合作，并進行小規(guī)模投資。然而，只有少數(shù)市場參與者相信這項技術(shù)。2016-2017迷茫到2016年至2017年，之前的一些試點項目失敗了，人們對AI提出了質(zhì)疑。最著名的當(dāng)屬IBM的WatsonAI醫(yī)生的失敗。但同時，一些AI創(chuàng)業(yè)公司的技術(shù)也開始在實際應(yīng)用中得到檢驗。2018市值增長到2018年至2019年，事實開始證明一部分早期投資者的遠見，有一些AI技術(shù)公司對合作藥企交付了研究結(jié)果。早先藥企與AI公司相關(guān)的合作、投資和并購開始產(chǎn)生回報。我們期待看到專注于AI藥物發(fā)現(xiàn)子領(lǐng)域的VC公司及其子公司，以及最大限度多樣化的投資于AI藥物發(fā)現(xiàn)公司的資本。2019從數(shù)量到質(zhì)量的過渡從AI相關(guān)合作、投資和并購的數(shù)量，向質(zhì)的收獲轉(zhuǎn)變的重要里程碑。之前進行的研究的第一批實踐驗證出現(xiàn)。成為最成功的AI制藥公司的競爭大幅增加。2020-2021激烈競爭到了最近幾年，幾乎所有的大型制藥公司都已經(jīng)關(guān)注了AI技術(shù)，即使它還存在一些不確定性，但是并不妨礙大藥企們將其視為戰(zhàn)略重點從而展開布局。同時，AI技術(shù)公司之間的競爭也開始逐漸加劇。2022-2023基于平臺的藥物設(shè)計領(lǐng)先的制藥公司將向"基于平臺的藥物設(shè)計(Platform-basedDrugDesign)"邁進。全面的研發(fā)和商業(yè)基礎(chǔ)設(shè)施的出現(xiàn)，使端到端人工智能驅(qū)動的藥物開發(fā)成為可能。2.1.2目前發(fā)展現(xiàn)狀A(yù)I技術(shù)在藥物研發(fā)的靶點發(fā)現(xiàn)—藥物發(fā)現(xiàn)—臨床前實驗及臨床試驗—上市后管理等各個階段均有應(yīng)用。根據(jù)速石科技的統(tǒng)計，藥企的AI合作基本集中在藥物發(fā)現(xiàn)階段（占所有合作的2/3）和臨床治療階段（占所有合作的1/4）。對于藥物發(fā)現(xiàn)的合作需求，包括大量的靶點及生物標(biāo)記物的選擇與確定需求、中量的先導(dǎo)化合物確定的需求、少量的構(gòu)效關(guān)系研究與活性化合物篩選的需求、以及中量的候選藥物選定的需求；對于臨床治療各階段的需求則比較平衡，平均分布在藥物依從性、預(yù)測治療結(jié)果、數(shù)據(jù)分析、精準(zhǔn)醫(yī)療、開發(fā)新療法、病理研究和疾病診斷。2.1.3現(xiàn)有競爭格局近年來，中國AI藥物研發(fā)企業(yè)融資規(guī)模整體向好，但大部分仍處于早期融資階段。2021年我國AI制藥融資規(guī)模達12.36億美元，同比增長163.54%；融資輪次主要集中在天使輪和A輪，B輪及以后占比不足1/3。產(chǎn)品方面，2021年我國AI藥物研發(fā)實現(xiàn)了從0到1的突破，未知君、冰洲石和英矽智能三家企業(yè)研發(fā)管線進入到臨床一期。但由于技術(shù)壁壘等因素限制，目前尚未有AI制藥產(chǎn)品上市。目前，AI藥物研發(fā)市場主體以IT巨頭、AI藥物研發(fā)企業(yè)和大型藥企三類企業(yè)為主，其依托各自在平臺、算法和數(shù)據(jù)的優(yōu)勢切入行業(yè)：（1）IT巨頭：我國IT巨頭依托其AI模型和平臺優(yōu)勢，以對外投資、自建AI藥物研發(fā)平臺和提供算法服務(wù)三種方式跨界入局。例如，“云深智藥”是騰訊基于其AILab自主研發(fā)的深度學(xué)習(xí)算法、數(shù)據(jù)庫和云計算，打造的AI驅(qū)動藥物臨床前研究開放平臺，覆蓋了臨床前藥物研發(fā)的全流程；此外，騰訊還與成都先導(dǎo)合作，共同設(shè)計完成了首個經(jīng)實驗驗證的骨架躍遷分子生成算法。（2）AI藥物研發(fā)企業(yè)：行業(yè)的主力軍，我國AI新藥研發(fā)企業(yè)依托其算法和數(shù)據(jù)優(yōu)勢，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應(yīng)用場景。技術(shù)上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術(shù)壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關(guān)鍵的競爭要素，AI藥物研發(fā)所需的高價值數(shù)據(jù)多源于其智能實驗室。（3）我國大型藥企：主要通過自建團隊和業(yè)務(wù)合作兩種方式進入AI藥物研發(fā)賽道。其中，與AI藥物研發(fā)企業(yè)合作是主要的業(yè)務(wù)模式，大型藥企可憑借其在研發(fā)管線、專業(yè)背景上的優(yōu)勢彌補AI藥物研發(fā)企業(yè)的不足。近年來，國內(nèi)大型藥企紛紛布局其中，如藥明康德與InsilicoMedicine合作進行的化合物篩選等。2.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢分析AI藥物研發(fā)是將機器學(xué)習(xí)（MachineLearning）、自然語言處理（NaturalLanguageProcessing）及大數(shù)據(jù)等人工智能技術(shù)應(yīng)用到藥物研發(fā)各個環(huán)節(jié)，進而促進新藥研發(fā)降本增效。目前主要應(yīng)用于藥物研發(fā)階段的藥物發(fā)現(xiàn)、臨床前階段，隨著ChatGPT的不斷應(yīng)用，AI向臨床開發(fā)階段的滲透有望持續(xù)加快。2.2.1市場規(guī)模全球AI藥物研發(fā)保持增長態(tài)勢，北美是全球AI藥物研發(fā)最大市場，美國集聚了一半以上的全球AI藥物研發(fā)企業(yè)。全球AI藥物研發(fā)市場北美地區(qū)占比最大，亞太地區(qū)排名第三，預(yù)計全球AI藥物研發(fā)市場規(guī)模將在2025年達到38.8億美元；目前全球AI藥物研發(fā)企業(yè)約700家，其中超過50%的公司集中在美國，英國和歐盟分別占據(jù)12.5%和13.4%，亞洲大約12.8%，其中中國占據(jù)約4.7%。圖表：全球各地AI藥物研發(fā)公司占比情況來源：火石創(chuàng)造根據(jù)公開資料整理2.2.2融資能力全球AI藥物研發(fā)融資能力整體提升，中國藥物研發(fā)AI大部分仍處于早期融資階段。2022年全球AI+藥物研發(fā)相關(guān)融資總事件達144起，總金額為62.02億美元（約人民幣426.7億元）。相較于2021年的整體共計77起，總金額共計45.6億美元的融資情況呈現(xiàn)雙雙上漲的態(tài)勢。其中，美國AI藥物研發(fā)融資事件71起、中國43起，其他國家和地區(qū)30起，投融資活動主要活躍在中國、美國和歐洲。圖表12016-2022年全球和中國AI藥物研發(fā)領(lǐng)域投融資情況

來源：火石創(chuàng)造根據(jù)公開資料整理2.2.3在研產(chǎn)品從在線AI藥物研發(fā)方向來看，AI輔助藥物研發(fā)布局分布在藥物發(fā)現(xiàn)、臨床前研究、臨床試驗和藥品銷售的各個階段。其中布局最多的環(huán)節(jié)是先導(dǎo)化合物的設(shè)計優(yōu)化合成，其次是化合物篩選、靶點發(fā)現(xiàn)和藥物重定位，晶型預(yù)測、劑型設(shè)計環(huán)節(jié)布局的公司相對較少。目前，國內(nèi)AI藥物研發(fā)領(lǐng)域中小分子化合物虛擬篩選，新靶點發(fā)現(xiàn)以及藥物優(yōu)化設(shè)計和藥物重定向是目前較為熱門的方向。國內(nèi)外還暫無利用AI技術(shù)實現(xiàn)新藥上市的成功案例。圖表8中國AI藥物研發(fā)各領(lǐng)域分布情況來源：BiopharmaT從在研AI藥物產(chǎn)品聚焦疾病領(lǐng)域來看，主要聚焦在癌癥和精神類疾病，占比超過50%；其次是心腦血管、肝腎腸胃和呼吸系統(tǒng)，占比大約30%；其余涉及的領(lǐng)域包括糖尿病、眼病、白血病、感染類疾病、免疫類疾病、藥物副作用領(lǐng)域，個別企業(yè)布局了遺傳疾病及罕見病等小眾賽道。其中較為知名的有AbCellera與禮來聯(lián)合研發(fā)的LY-CoV555，AITherapeutics與耶魯大學(xué)合作開發(fā)LAM-002管線等。LY-CoV555是全球首個進入臨床階段的新冠病毒中和抗體，并于2020年11月獲美國FDA的緊急使用授權(quán)（EUA）。圖表：全球AI藥物研發(fā)集聚領(lǐng)域來源：火石創(chuàng)造根據(jù)公開資料整理從在研產(chǎn)品研發(fā)進程來看，美國在全球AI藥物管線布局上仍占主導(dǎo)，截至2022年6月，全球共有26家AI藥物研發(fā)企業(yè)、約51個由AI輔助進入臨床Ⅰ期的藥物管線。其中，80%以上為美國企業(yè)，已上市的AI藥物研發(fā)頭部企業(yè)也基本為歐美企業(yè)，尚未有中國企業(yè)。目前，部分中國企業(yè)已發(fā)展出自有專利的開發(fā)平臺，甚至開始探索在全球尚未有企業(yè)涉足的前沿領(lǐng)域，如小分子晶體結(jié)構(gòu)預(yù)測、原發(fā)藥物設(shè)計等。2022年中國AI藥物研發(fā)取得突破進展。截至2022年，80家中國AI藥企中，已有14家成功將管線推進至臨床階段，大部分都處于臨床Ⅰ期階段。其中，英矽智能首個完全基于AI的管線ISM001-005進入臨床Ⅰ期，并完成了首批健康受試者給藥。這也是中國首個進入臨床的AI研發(fā)藥物。2023年年初，在新西蘭臨床I期試驗中取得積極頂線數(shù)據(jù)，在安全性、耐受性、藥代動力學(xué)（PK）方面均表現(xiàn)良好。而在中國的臨床試驗則將進入臨床Ⅱ期。在臨床試驗方面，2022年有四家AI制藥企業(yè)獲得批件，分別是勁風(fēng)生物、宇耀生物、費米子和德睿智藥。其中埃格林醫(yī)藥針對子宮內(nèi)膜癌適應(yīng)癥的EG-007管線，已經(jīng)推進至臨床Ⅲ期，是目前國內(nèi)進展最快的一條管線。圖表：2022年中國AI藥物研發(fā)部分管線進展來源：火石創(chuàng)造根據(jù)公開資料整理2.2.4市場主體當(dāng)前國內(nèi)外AI制藥市場的主要入局者有三類，即大型藥企、AI制藥初創(chuàng)企業(yè)和互聯(lián)網(wǎng)頭部企業(yè)，其中大型藥企又分為傳統(tǒng)藥企和CRO企業(yè)。從AI藥物研發(fā)產(chǎn)業(yè)鏈來看，上游為AI模型數(shù)據(jù)集供應(yīng)及云計算平臺，其中數(shù)據(jù)集提供的醫(yī)藥數(shù)據(jù)是行業(yè)的關(guān)鍵競爭壁壘，云計算平臺則是用于保障底層架構(gòu)的算力供給。

產(chǎn)業(yè)鏈中游為AI藥物研發(fā)企業(yè)和IT企業(yè)，其中AI藥物研發(fā)企業(yè)主要以醫(yī)藥研發(fā)外包形式與下游企業(yè)進行合作，在醫(yī)藥數(shù)據(jù)集的基礎(chǔ)上依托內(nèi)部的訓(xùn)練工具及AI開發(fā)工具等進行模型的搭建和訓(xùn)練；IT企業(yè)則通過自建AI藥物研發(fā)平臺及提供算力、計算框架服務(wù)方式參與AI藥物研發(fā)。下游為傳統(tǒng)藥企，中游AI藥物研發(fā)企業(yè)會將其藥物研發(fā)階段的服務(wù)直接出售給傳統(tǒng)藥企，因此傳統(tǒng)藥企是AI藥物研發(fā)的直接需求者。從主要玩家參與方式來看，主要有以下幾種特征：頭部藥企：主要通過自建團隊和業(yè)務(wù)合作兩種方式進入AI藥物研發(fā)賽道。其中，與AI藥物研發(fā)企業(yè)合作是主要的業(yè)務(wù)模式，頭部藥企可憑借其在研發(fā)管線、專業(yè)背景上的優(yōu)勢彌補AI藥物研發(fā)企業(yè)的不足。如強生、輝瑞、阿斯利康、諾華、拜耳等頭部藥企合作次數(shù)接近10次，藥明康德與InsilicoMedicine合作進行的化合物篩選等，正大豐海、豪森藥業(yè)、云南白藥也參與到AI研發(fā)合作中?；ヂ?lián)網(wǎng)頭部企業(yè)：依托其AI模型和平臺優(yōu)勢，以對外投資、自建AI藥物研發(fā)平臺和提供算法服務(wù)三種方式跨界入局。例如，“云深智藥”是騰訊基于其AILab自主研發(fā)的深度學(xué)習(xí)算法、數(shù)據(jù)庫和云計算，打造的AI驅(qū)動藥物臨床前研究開放平臺，覆蓋了臨床前藥物研發(fā)的全流程；此外，騰訊還與成都先導(dǎo)合作，共同設(shè)計完成了首個經(jīng)實驗驗證的骨架躍遷分子生成算法。AI藥物研發(fā)企業(yè)：是行業(yè)的主力軍，AI新藥研發(fā)企業(yè)依托其算法和數(shù)據(jù)優(yōu)勢，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應(yīng)用場景。技術(shù)上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術(shù)壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關(guān)鍵的競爭要素，AI藥物研發(fā)所需的高價值數(shù)據(jù)多源于其智能實驗室。2.2.5存在的問題數(shù)據(jù)量不足，數(shù)據(jù)獲取的周期和成本高。高質(zhì)量數(shù)據(jù)獲取門檻高，即使是使用了前沿的AI技術(shù)，也并不能立刻扭轉(zhuǎn)新藥研發(fā)面臨的挑戰(zhàn)。AI藥物研發(fā)企業(yè)數(shù)據(jù)來源可分為公開數(shù)據(jù)和非公開數(shù)據(jù)，公開數(shù)據(jù)包括各種文獻數(shù)據(jù)庫，公開的項目模擬數(shù)據(jù)及部分臨床數(shù)據(jù)，此類數(shù)據(jù)容易獲取，但數(shù)據(jù)質(zhì)量難以保證，據(jù)此進行的模型運算可靠性不足。非公開數(shù)據(jù)主要是各制藥公司以往項目的積累，此類數(shù)據(jù)的精度高，更適合用來做模型的訓(xùn)練和計算，但由于數(shù)據(jù)屬于醫(yī)藥公司的核心資產(chǎn)，極難獲得。算法與應(yīng)用場景匹配要求度高，專業(yè)人才稀缺。AI藥物研發(fā)中算法模型的優(yōu)勢可以體現(xiàn)在多個維度，比如結(jié)果的精準(zhǔn)度、計算速度、模型體量、泛化性能等，不同算法模型可能有不同的側(cè)重方向，因此優(yōu)勢也會不盡相同，在特定任務(wù)需求和應(yīng)用場景下合理選擇具有相應(yīng)優(yōu)勢的算法模型至關(guān)重要。如何讓算法與生物學(xué)更完美的結(jié)合，這需要技術(shù)人員對于制藥醫(yī)學(xué)和AI人工智能都有深入理解，才能更好的發(fā)揮模型優(yōu)勢，此類人才的稀缺也成為掣肘行業(yè)發(fā)展的重要因素。2.2.6發(fā)展趨勢AI藥物研發(fā)將進軍抗體等大分子領(lǐng)域。2022年4月份，以色列藥企BiolojicDesign宣布其有史以來第一個計算設(shè)計的抗體進入臨床試驗。11月，加拿大藥企AbCellera和合作伙伴Regeneron宣布已經(jīng)將首個針對未公開G蛋白偶聯(lián)受體（GPCR）的抗體候選藥物推進到臨床前開發(fā)階段。同月，AI制藥企業(yè)Exscientia，宣布其AI技術(shù)平臺將包括人類抗體設(shè)計。有媒體做過不完全統(tǒng)計，全球已經(jīng)有20多家公司正在通過AI技術(shù)發(fā)現(xiàn)抗體藥物。從區(qū)域來看，這些公司大都分布在歐美。中國也有企業(yè)布局，但仍屬于小眾領(lǐng)域。星亢原與愷佧生物、藥明生物都達成了AI賦能大分子藥物研發(fā)的合作。信華生物則宣布利用自研AI平臺設(shè)計開發(fā)的First-in-class多功能抗體藥物在臨床前動物實驗中顯示出優(yōu)異的安全性與有效性，且可成藥性方面性能卓越，即將進入CMC和IND-enabling階段。一旦成功，該藥將有望成為亞洲最先進入臨床階段的AI大分子藥物。自動化實驗室成新吸睛點。2022年，數(shù)據(jù)的數(shù)量和質(zhì)量仍是AI制藥發(fā)展的核心問題。自動化實驗室的出現(xiàn)恰恰就是為了解決這個問題。2021年，部分AI制藥公司已經(jīng)開始建立自動化實驗室，目的是提高內(nèi)部數(shù)據(jù)的生成能力，以優(yōu)化AI模型。據(jù)不完全統(tǒng)計，Exscientia、英矽智能、Arctoris、Recursion、Insitro等都建立了自動化實驗室。英矽智能則于2021年12月發(fā)布了全球首個由人工智能輔助決策的全自動化機器人實驗室。該智能機器人實驗室聚焦靶點發(fā)現(xiàn)、化合物篩選、個性化藥物開發(fā)和轉(zhuǎn)化醫(yī)學(xué)研究等領(lǐng)域。自動化已經(jīng)成為不少AI制藥公司戰(zhàn)略版圖的下一個重要模塊。在2021年初，英國的AutomataLabs于籌集了5000萬美元用于自動化實驗室研究；中國的鎂伽科技也引來高盛投資，獲得3億美元融資用于擴展其多樣化的自動化人工智能驅(qū)動的遠程實驗室服務(wù)和機器人化設(shè)施。2.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來“智藥”新機遇近年來，AI（人工智能）對制藥領(lǐng)域的賦能逐漸深入，兩者融合與創(chuàng)新成績斐然。2023年9月26日，“引領(lǐng)新方向聚AI迎未來——2023張江AI智藥論壇”在張江科學(xué)會堂舉行，多位業(yè)內(nèi)專家和相關(guān)企業(yè)齊聚一堂，共同探討AI與制藥交叉領(lǐng)域的產(chǎn)業(yè)現(xiàn)狀、趨勢和發(fā)展方向。2.3.1“智藥”成為藥企新寵“AI已經(jīng)成為藥物研發(fā)過程中縮短研究周期、節(jié)省研發(fā)成本、提升實驗成功率的核心生產(chǎn)力?！敝袊茖W(xué)院院士饒子和說。2023年上半年研發(fā)費用數(shù)據(jù)顯示，生物醫(yī)藥類上市公司研發(fā)費用合計同比漲幅較大。其中，恒瑞醫(yī)藥研發(fā)費用連續(xù)多年增長，約占總營收的30%；百濟神州2022年研發(fā)投入超百億元；復(fù)星醫(yī)藥、中國生物制藥、石藥集團等藥企研發(fā)支出占總營收10%以上。此外，仿制藥企業(yè)逐漸開始轉(zhuǎn)換賽道，向自主創(chuàng)新邁進?！皢蝹€藥品的研發(fā)費用高，無論對業(yè)內(nèi)大型藥企還是小型藥企，都構(gòu)成了壓力。”業(yè)內(nèi)人士表示?！吧镝t(yī)藥和AI正在深度融合?！睆埥瘓F黨委書記、董事長袁濤表示，AI及相關(guān)技術(shù)為靶點開發(fā)、結(jié)構(gòu)設(shè)計等工作探索出了新手段和新路徑。以此為契機，催生出生命健康產(chǎn)業(yè)發(fā)展的新方向和新業(yè)態(tài)。“AI可以賦能藥物研發(fā)的各個階段，如新靶點和難成藥靶點發(fā)現(xiàn)、臨床試驗方案預(yù)測、小分子大分子的毒理預(yù)測等?！泵赖衔魉幬锇l(fā)現(xiàn)事業(yè)部總裁劉建表示。深勢科技創(chuàng)始人兼CEO孫偉杰稱，AI在三個方面賦能藥物研發(fā)：一是幫助突破難成藥靶點；二是提高臨床各個環(huán)節(jié)的效率優(yōu)化和決策質(zhì)量；三是助力已有藥物分子的二次利用，如修改劑型和老藥新用。“靶點發(fā)現(xiàn)的價值比較高，而分子生成則給公司帶去專利權(quán)，對公司而言，回報與價值比較高?！睒I(yè)內(nèi)人士表示，目前AI在靶點發(fā)現(xiàn)和分子生成等領(lǐng)域應(yīng)用已經(jīng)相對成熟。2.3.2多家大型藥企嘗鮮“AI+”“傳統(tǒng)藥物研發(fā)亟待突破三大瓶頸，即如何找到創(chuàng)新性強且靠譜的藥物新靶點、如何快速生成小分子化合物、如何科學(xué)設(shè)計臨床研究方案?！庇⑽悄苈?lián)合首席執(zhí)行官、首席科學(xué)官任峰表示，AI或許會成為解決上述問題的“加速器”。目前，已有多家國際大型藥企試水AI“智藥”。早前有報道表示，賽諾菲CEO宣布公司大力加碼AI，以成為第一家由AI大規(guī)模驅(qū)動的制藥公司為目標(biāo)。與此同時，諾和諾德、默克、阿斯利康等知名藥企也紛紛投身AI賽道。國際大型藥企積極嘗鮮AI的同時，也與國內(nèi)AI公司建立起合作關(guān)系。比如，英矽智能9月與美國Exelixis的合作獲得了8000萬美元預(yù)付款；早前晶泰科技宣布與知名藥企EliLilly簽署的一項AI小分子新藥發(fā)現(xiàn)合作，預(yù)付款及里程碑總收益可達2.5億美元。據(jù)悉，國內(nèi)一些大型藥企也在尋找“AI+”機會，加強與AI公司聯(lián)動。8月，石藥集團下屬公司與英矽智能達成戰(zhàn)略合作，聚焦具有高度臨床需求的戰(zhàn)略品種，以生成式AI和計算機輔助藥物設(shè)計等前沿技術(shù)，驅(qū)動研發(fā)體系升級，提高新藥篩選效率和成功率。早前公司曾授權(quán)引進AI靶點發(fā)現(xiàn)軟件PandaOmics。此外，復(fù)星醫(yī)藥也在全球范圍內(nèi)進行多個靶點的AI藥物研發(fā)。美迪西相關(guān)負責(zé)人表示，目前，美迪西幫助AI公司與生物醫(yī)藥公司搭建起合作橋梁，公司的AI技術(shù)一站式創(chuàng)新藥臨床前研發(fā)服務(wù)平臺的搭建順應(yīng)了中國創(chuàng)新藥發(fā)現(xiàn)需求還處于初期階段的狀況，未來3至5年將持續(xù)推進該平臺的建設(shè)。部分國內(nèi)AI+生物醫(yī)藥領(lǐng)域未上市公司也取得了研究進展。劑泰醫(yī)藥用AI設(shè)計基因藥物遞送一系列材料，以AI驅(qū)動干、濕實驗迭代；晶泰科技通過AI加速的抗體工程平臺改造抗體，提升抗體分子性能；英矽智能已有1款A(yù)I設(shè)計藥物進入臨床Ⅱ期，另有3款A(yù)I參與研發(fā)的藥物進入臨床Ⅰ期。2.3.3仍有發(fā)展痛點待解決“AI+生物醫(yī)藥企業(yè)”的發(fā)展仍然有一些痛點待解決。例如，如何獲得質(zhì)量和數(shù)量雙高的數(shù)據(jù)，便成為AI生物醫(yī)藥企業(yè)發(fā)展的第一個“攔路虎”?！爸扑幤髽I(yè)的核心就是數(shù)據(jù)，傳統(tǒng)藥企很難愿意分享這些數(shù)據(jù)，需要雙方建立起很強的信任?！比畏灞硎?，許多“AI+生物醫(yī)藥企業(yè)”都是從AI領(lǐng)域跨界而來，需要更多藥企數(shù)據(jù)以完善并發(fā)展更加精準(zhǔn)的細分領(lǐng)域模型。對于上述問題，業(yè)內(nèi)人士建議：一方面，建立起實驗室，幫助AI公司有針對性地生成所需數(shù)據(jù)，用數(shù)據(jù)去做算法優(yōu)化；另一方面，有公信力的組織可以參與建立數(shù)據(jù)平臺，以增加傳統(tǒng)生物醫(yī)藥公司的信任，幫助AI公司獲得數(shù)據(jù)優(yōu)化算法?！澳壳埃S多藥企還對AI賦能缺乏付費意愿。”業(yè)內(nèi)人士表示，不少傳統(tǒng)藥企還沒有擁抱AI浪潮。此外，藥品臨床驗證周期較長，使得AI在整個制藥環(huán)節(jié)中的作用不能快速得到有效驗證，可能會限制AI生物醫(yī)藥企業(yè)發(fā)展。為此，多位業(yè)內(nèi)專家就生物醫(yī)藥領(lǐng)域是否可以使用通用大模型展開了討論。有專家表示，目前建立通用模型還面臨種種瓶頸和局限，“只有長期迭代達到足夠大的數(shù)據(jù)量級，才可能建立通用模型”。面向未來，“AI+生物醫(yī)藥”想要取得發(fā)展，一方面要聚焦行業(yè)細分領(lǐng)域，持續(xù)深耕，打造企業(yè)“硬核”實力；另一方面，未來生物醫(yī)藥領(lǐng)域需要更多維度的合作，而AI+CRO則是未來發(fā)展的趨勢之一。2.3.4藥企加速布局AI制藥合作制藥行業(yè)IRR下降導(dǎo)致藥企轉(zhuǎn)向AIDD公司以提高藥物發(fā)現(xiàn)和開發(fā)效率。AI技術(shù)提供的更高效研發(fā)、更大的創(chuàng)新需求非常符合藥企需求，目前頭部制藥MNC正爭奪AI藥物發(fā)現(xiàn)及開發(fā)專業(yè)知識、人才和合作伙伴。隨著計算能力的進步、更好的基因及蛋白質(zhì)表征和成功的AIDD藥物開發(fā)合作案例增加，大型制藥公司與AIDD公司的合作數(shù)量不斷增加，由2017年的18份新合作協(xié)議增加至2022年的66份新合作協(xié)議，復(fù)合年增長率為29.7%。圖表：頭部跨國藥企的AI布局資料來源：弗若斯特沙利文，公司招股說明書圖表：中國藥企的AI布局資料來源：弗若斯特沙利文，公司招股說明書在全球范圍內(nèi)AI制藥發(fā)展實現(xiàn)了從“0”到“1”跨越和從技術(shù)概念到實際應(yīng)用的突破。在資本市場，AI制藥獲得了較大的關(guān)注，約有十余家AI制藥的公司已經(jīng)成功完成IPO。全球AI制藥快速發(fā)展和中國創(chuàng)新藥鼓勵的政策疊加，國內(nèi)AI制藥也迎來了發(fā)展契機。制藥巨頭的頻繁合作、傳統(tǒng)藥企的開放合作、國外AI制藥的影響特別是資本對于AI制藥的關(guān)注和熱情，使得中國AI制藥公司得到充分關(guān)注并步入快速增長期。英矽智能作為AIDD管線開發(fā)進程全球領(lǐng)先的端到端、由生成式AI驅(qū)動的生物科技公司，在AI制藥行業(yè)具有技術(shù)平臺領(lǐng)先、在研管線豐富、研發(fā)能力強勁等多重優(yōu)勢，在未來的市場競爭中有望持續(xù)擴大自身市場份額。圖表：AI制藥行業(yè)領(lǐng)先公司的競爭格局資料來源：弗若斯特沙利文，公司招股說明書2.3.5主要行業(yè)觀察和趨勢人工智能和數(shù)據(jù)技術(shù)的出現(xiàn)，以及新穎的計算工具和基礎(chǔ)設(shè)施解決方案（數(shù)據(jù)庫、云服務(wù)等），都在研究、臨床和業(yè)務(wù)層面重新定義制藥行業(yè)的運營方式。（1）基于AI的生物學(xué)建模和靶點發(fā)現(xiàn)在藥物發(fā)現(xiàn)研究中，確定新的藥物靶點對于成功開發(fā)FIC藥物至關(guān)重要。過去幾十年的藥物發(fā)現(xiàn)主要集中在靶向某些具有適當(dāng)“口袋”的蛋白質(zhì)，但是在所有人類蛋白質(zhì)中，只有極少數(shù)蛋白質(zhì)被定為靶標(biāo)。根據(jù)OMIM數(shù)據(jù)庫，目前有20，360種人類蛋白質(zhì)，其中已知約有4，600種參與疾病機制，約占在疾病中起作用的人類蛋白質(zhì)的22%。然而截至2017年，現(xiàn)有的FDA批準(zhǔn)的藥物實際上只使用了大約890種人類和病原體衍生的生物分子（主要是蛋白質(zhì)）?；谌斯ぶ悄芗夹g(shù)的新型計算方法允許大規(guī)模識別新的可成藥蛋白質(zhì)口袋，允許蛋白質(zhì)組范圍的虛擬篩選。先進的建模工具有助于識別和調(diào)節(jié)新型靶標(biāo)，例如蛋白質(zhì)-蛋白質(zhì)相互作用、具有大接觸面積的靶標(biāo)、蛋白質(zhì)-核酸相互作用和下一代靶標(biāo)，例如利用細胞的蛋白質(zhì)降解機制。許多人工智能驅(qū)動的公司專注于生物學(xué)建模、發(fā)現(xiàn)和驗證新的靶點，并向其他組織提供“疾病模型即服務(wù)”或“靶點發(fā)現(xiàn)即服務(wù)”。對這種合同研究服務(wù)的需求正在上升，這反映在越來越多的靶標(biāo)發(fā)現(xiàn)合作伙伴關(guān)系上。2022年9月，以色列生物建模公司CytoReason宣布與輝瑞擴大1.1億美元的合作。兩家公司于2019年開始合作，當(dāng)時輝瑞開始使用CytoReason的生物模型進行研究，旨在開發(fā)用于免疫介導(dǎo)疾病和癌癥免疫療法的新藥。2022年5月，阿斯利康宣布從與BenevolentAI的合作中獲得了第二個肺纖維化靶點，這一里程碑標(biāo)志著BenevolentAI自2019年合作開始以來為阿斯利康發(fā)現(xiàn)的第三個新靶標(biāo)。僅僅幾個月后，即2022年10月，BenevolentAI設(shè)法為阿斯利康的研發(fā)組合提供了另外兩個人工智能生成的靶點，針對慢性腎臟疾病和特發(fā)性肺纖維化。報告顯示，靶點發(fā)現(xiàn)領(lǐng)域至少有182家人工智能公司，包括擁有尖端研發(fā)平臺的領(lǐng)先資金雄厚的公司，如Insitro、RelayTherapeutics、ValoHealth等。總而言之，基于人工智能的高級建模方法有助于重新定義生物靶點的定義，試圖將藥物反應(yīng)與遺傳變異聯(lián)系起來，了解分層臨床療效和安全性，合理化同一治療類別中藥物之間的差異，并預(yù)測患者亞組中的藥物效用。（2）利用AI破解結(jié)構(gòu)生物學(xué)2022年生命科學(xué)界討論最多的人工智能相關(guān)話題之一是仍然是蛋白質(zhì)結(jié)構(gòu)預(yù)測。2022年7月，DeepMind宣布AlphaFold預(yù)測了超過2億種蛋白質(zhì)的蛋白質(zhì)結(jié)構(gòu)，包含世界上所有已知蛋白質(zhì)。盡管不少人質(zhì)疑AlphaFold對藥物研發(fā)的實際貢獻，但這一發(fā)現(xiàn)肯定是結(jié)構(gòu)生物學(xué)的范式改變，并說明了人工智能在基礎(chǔ)生物學(xué)研究中的潛力。蛋白質(zhì)折疊方面的重大技術(shù)飛躍可能對從頭蛋白質(zhì)設(shè)計更有用，而不是簡單地對現(xiàn)有蛋白質(zhì)的結(jié)構(gòu)進行建模以進行藥物發(fā)現(xiàn)。最近，冷凍電鏡加上人工智能技術(shù)催生了新一波的生物技術(shù)初創(chuàng)公司，如GandeevaTherapeutics、Septerna和MOMATherapeutics。機器學(xué)習(xí)不僅有助于加速和優(yōu)化冷凍電鏡管道，還有助于避免用戶偏見陷阱。（3）使用AI開發(fā)小分子藥物在疾病建模和靶點發(fā)現(xiàn)之后，設(shè)計化學(xué)或生物分子是將人工智能應(yīng)用于藥物發(fā)現(xiàn)的第二大用例。在BiopharmaTrendAI報告中的384家公司中，有130多家人工智能驅(qū)動型公司將人工智能應(yīng)用于設(shè)計候選藥物。人工智能驅(qū)動的藥物設(shè)計主要分為三大類：從頭（例如生成）藥物設(shè)計、現(xiàn)有數(shù)據(jù)庫的虛擬篩選和藥物再利用。從頭藥物設(shè)計主要由深度學(xué)習(xí)模型實現(xiàn)，例如生成對抗神經(jīng)網(wǎng)絡(luò)（GAN）。運用生成AI平臺的公司包括InsilicoMedicine、Iktos、RecursionPharmaceuticals、DeepCure等。此外人工智能賦能超大規(guī)模虛擬篩選，能夠篩選億萬分子并找到成功命中。2022年8月，賽諾菲與Atomwise合作達成了一項潛在價值高達12億美元的交易。根據(jù)公告，基于卷積神經(jīng)網(wǎng)絡(luò)的AtomNet擅長基于結(jié)構(gòu)的藥物設(shè)計，能夠“快速，人工智能搜索Atomwise專有的庫，其中包含超過3萬億種可合成化合物”。最后，許多公司正在使用重定位策略進行人工智能藥物發(fā)現(xiàn)，包括Healx、BenevolentAI、BioXcelTherapeutics。主要使用自然語言處理（NLP）模型和機器學(xué)習(xí)，通過分析大量非結(jié)構(gòu)化文本數(shù)據(jù)，例如研究文章和專利，電子健康記錄（EHR）以及其他數(shù)據(jù)類型，來構(gòu)建和搜索“知識圖譜”，為以前的候選藥物及獲批的藥物選擇新的適應(yīng)癥或患者群體。（3）超越小分子的人工智能驅(qū)動藥物設(shè)計由于歷史上小分子藥物積累了更多的數(shù)據(jù)，此前早期基于機器學(xué)習(xí)的QSAR模型中與AI制藥也頗有淵源，也讓大多數(shù)藥物發(fā)現(xiàn)領(lǐng)域的人工智能初創(chuàng)公司都專注于小分子藥物。按產(chǎn)品類別劃分的AI藥物發(fā)現(xiàn)公司分布隨著生物制劑和新型化學(xué)療法在制藥領(lǐng)域越來越豐富，應(yīng)用基于人工智能的藥物發(fā)現(xiàn)初創(chuàng)公司也在多元化。在科學(xué)家于2003年破解人類基因組后，成藥性和可開發(fā)性空間迅速進化。新型靶標(biāo)如蛋白質(zhì)相互作用、蛋白質(zhì)-核酸相互作用和下一代靶標(biāo)，如利用細胞的蛋白質(zhì)降解機制，正在推動各種新興分子模式的出現(xiàn)成為藥物發(fā)現(xiàn)的重點。例如越來越多的公司應(yīng)用人工智能方法來發(fā)現(xiàn)新型單克隆抗體。2022年4月，以色列公司BiolojicDesign宣布他們有史以來第一個計算設(shè)計的抗體進入臨床試驗。該公司利用AI模型在數(shù)百萬個抗體-抗原對上進行訓(xùn)練，以從現(xiàn)有人類抗體中識別針對目標(biāo)靶標(biāo)的模板抗體。2022年11月，總部位于加拿大的AbCelleraBiologics宣布，Regeneron選擇行使其權(quán)利，將AbCellera首個針對未公開G蛋白偶聯(lián)受體（GPCR）的治療性抗體候選藥物推進到進一步的臨床前開發(fā)。目前有二十多家公司正在使用人工智能發(fā)現(xiàn)抗體藥物，包括美國的AbSci、BigHatBiosciences、Totient、NablaBio和GenerateBiomedicine；總部位于加拿大的DeepBiologics；總部位于中國的NeoX；位于歐盟的DeepCDR、NaturalAntibody，和MabSilico等。一些在小分子領(lǐng)域取得成就的公司也在拓展其技術(shù)領(lǐng)域，如上市公司Exscientia現(xiàn)在正在擴展到生物制劑發(fā)現(xiàn)領(lǐng)域。2022年11月，該公司宣布其人工智能平臺將包括人類抗體的設(shè)計。Exscientia還在牛津建立一個自動化生物制劑實驗室，以在內(nèi)部產(chǎn)生和分析新型抗體。第一批人工智能開發(fā)的候選藥物進入臨床盡管AI徹底改變藥物發(fā)現(xiàn)可能還為時過早，但幾家AI藥物研發(fā)公司已經(jīng)顯著提升藥物研發(fā)的效率。這些公司都構(gòu)建了一個專門的、高度集成的人工智能平臺，包括許多模型和數(shù)據(jù)源。一批成功進入臨床藥物表明，人工智能公司有能力更快地提出候選藥物。AbCellera的單克隆抗體LY-CoV555在三個月內(nèi)開發(fā)完成，并獲得了FDA的緊急使用授權(quán)。BenevolentAI的知識圖譜幫助該公司在幾天內(nèi)將Baricitinib確定為一種有效的COVID-19抗病毒藥物（現(xiàn)已被FDA批準(zhǔn)使用）。InsilicoMedicine的小分子抑制劑ISM001-055用于治療特發(fā)性肺纖維化，經(jīng)過重新設(shè)計，并在18個月內(nèi)（目前處于I期）進入后期臨床前研究。薛定諤開發(fā)了一種小分子SGR-1505，可在十個月內(nèi)治療B細胞淋巴瘤，目前正在IND申請過程中?？偛课挥邴}湖城的RecursionPharmaceuticals在18個月內(nèi)開發(fā)出一種針對未指定罕見疾病的候選藥物。該公司擁有龐大而多樣化的臨床前和臨床候選藥物組合，并在其數(shù)字生物學(xué)平臺的幫助下設(shè)計。2.4AI輔助藥物研發(fā)的新興趨勢2.4.1人工智能和機器人化實驗室深度學(xué)習(xí)模型非?？释哔|(zhì)量數(shù)據(jù)，無論模型有多好，但數(shù)據(jù)質(zhì)量和大小對于結(jié)果預(yù)測同樣重要。生成高質(zhì)量生物學(xué)數(shù)據(jù)的最有效方法是使用機器人技術(shù)。如果我們將現(xiàn)代人工智能驅(qū)動的藥物發(fā)現(xiàn)轉(zhuǎn)型視為一個循序漸進的過程，那么廣泛可用且相對具有成本效益的roboticsas-a-service將是人工智能支持的制藥和生物技術(shù)研究工業(yè)化的最后一塊也是關(guān)鍵部分。一些公司正在構(gòu)建標(biāo)準(zhǔn)化、高度自動化、可擴展且日益兼容的實驗室設(shè)備，這些設(shè)施由基于AI的實驗控制系統(tǒng)指導(dǎo)，并輔以AI驅(qū)動的數(shù)據(jù)挖掘和分析功能。這種“下一代”實驗室設(shè)施正在遠程提供給臨床前藥物研究實驗人員，使臨床前實驗成為更具可擴展性和標(biāo)準(zhǔn)化的常規(guī)程序。這一賽道正在瘋狂吸引風(fēng)險投資的青睞。2022年2月，總部位于英國的AutomataLabs籌集了5000萬美元用于自動化實驗室研究。2022年6月，北京鎂伽生命科技籌集了3億美元，用于擴展其多樣化的自動化人工智能驅(qū)動的遠程實驗室服務(wù)和機器人化設(shè)施。遠程機器人實驗室的興起是一個長期的行業(yè)趨勢，是一種提供合同研究服務(wù)的新方式，對于長期采用以數(shù)據(jù)為中心的“人工智能優(yōu)先”研究策略非常有益。幾家人工智能驅(qū)動的藥物發(fā)現(xiàn)公司，如Exscientia、InsilicoMedicine、Arctoris、RecursionPharmaceuticals、Insitro等，已經(jīng)建立了內(nèi)部自動化實驗室，以提高其內(nèi)部數(shù)據(jù)生成能力，以訓(xùn)練他們的人工智能模型和建立更好的藥物管線。2.4.2利用AI解決臨床試驗瓶頸臨床試驗是藥物開發(fā)工作流程的關(guān)鍵階段，候選藥物從1期到上市的平均成功率僅為11%。即使候選藥物安全有效，臨床試驗也可能因資金不足、入組不足或研究設(shè)計不佳而失敗。人工智能（AI）越來越被視為提高臨床試驗運營效率和降低臨床開發(fā)成本的技術(shù)。通常，人工智能技術(shù)公司在三個主要領(lǐng)域提供服務(wù)和專業(yè)知識。第一個領(lǐng)域初創(chuàng)企業(yè)通過自然語言處理（NLP）幫助解鎖來自不同數(shù)據(jù)源的信息，例如科學(xué)論文、醫(yī)療記錄、疾病登記，甚至醫(yī)療索賠。這可以支持患者招募和分層、地點選擇，并改善臨床研究設(shè)計和對疾病機制的理解。例如，一項研究報道表明大約18%的臨床研究由于招募不足而失敗。臨床試驗成功的另一個方面是改善患者分層。由于試驗患者價格昂貴，因此能夠預(yù)測哪個患者將從治療中獲得更顯著的益處或風(fēng)險至關(guān)重要。人工智能驅(qū)動的公司使用多種數(shù)據(jù)類型，例如電子健康記錄（EHR）、組學(xué)和成像數(shù)據(jù)，以減少人群異質(zhì)性并提高臨床研究能力。人工智能也在簡化臨床試驗的操作流程。AI技術(shù)公司幫助跟蹤患者的健康狀況，監(jiān)控治療反應(yīng)以及患者對試驗程序的依從性。通過這樣人工智能公司降低了患者退出的風(fēng)險，平均占30%。通常，3期臨床研究階段需要1000-3000名參與者，其中一部分服用安慰劑。這就是為什么合成對照組的發(fā)展-可以取代安慰劑對照組的AI模型，從而減少臨床試驗所需的個體數(shù)量-可能成為一種新的趨勢。根據(jù)BiopharmaTrendAI報告顯示，以上三個類別都有80多家公司，包括Owkin，PathAI，GNSHealthcare，Neurcuit，AICure和Unlearn.ai。盡管生物技術(shù)投資環(huán)境整體寒冷，但對人工智能臨床試驗平臺的需求以及該領(lǐng)域的投資都很高。2022年3月，ConcertAI在融資1.5億美元的C輪融資以擴展其用于癌癥研究的軟件和真實世界數(shù)據(jù)（RWD）解決方案后，估值達到19億美元。Saama是一家總部位于硅谷的公司，成立于1997年，但它在2015年籌集了第一筆風(fēng)險投資。該公司已經(jīng)籌集了超過5億美元的風(fēng)險投資。Saama提供多樣化的解決方案：通過集中式數(shù)據(jù)分析和控制中心加速臨床試驗，包括實時數(shù)據(jù)處理功能；自動化數(shù)據(jù)質(zhì)量功能；簡化的監(jiān)管提交功能，包括藥物警戒分析和提交。2.4.3CRO領(lǐng)域的人工智能在臨床前和臨床領(lǐng)域出現(xiàn)的新型AICRO公司開始挑戰(zhàn)傳統(tǒng)的CRO公司。后者通過將人工智能納入其對制藥公司的服務(wù)產(chǎn)品中或與人工智能公司合作來補充他們的研究能力。例如查爾斯河正在通過與ValoHealth建立多年的合作伙伴關(guān)系來深入研究人工智能。查爾斯河希望利用ValoHealth的深度學(xué)習(xí)平臺實現(xiàn)從頭分子設(shè)計到先導(dǎo)物優(yōu)化的更快，更有效的過程。2021年，CharlesRiver與ValenceDiscovery建立了戰(zhàn)略合作伙伴關(guān)系，使CRO的客戶能夠訪問Valence的人工智能平臺，用于分子特性預(yù)測、生成化學(xué)和多參數(shù)優(yōu)化。艾昆緯多年來一直在投資人工智能功能，以增加臨床試驗和為客戶提供的商業(yè)活動的價值。例如為了改善臨床試驗，艾昆緯于2020年啟動了Avacare臨床研究網(wǎng)絡(luò)?，使研究中心能夠更快、更有效地匹配患者進行試驗。該平臺由人工智能算法提供支持，可以在19個疾病領(lǐng)域運行。臨床研究行業(yè)的一個重要趨勢是進行虛擬臨床試驗，這是一個價值80億美元的市場。COVID-19迫使制藥公司轉(zhuǎn)向遠程監(jiān)控、改善患者登記、跟蹤患者參與的應(yīng)用程序、遠程醫(yī)療、權(quán)力下放和其他保持試驗運行的措施。由于對此類解決方案的需求大幅增長，CRO急于在其服務(wù)產(chǎn)品中添加虛擬和去中心化功能。事實證明，人工智能技術(shù)在創(chuàng)建和運行此類項目以幫助合成數(shù)據(jù)和加快臨床試驗過程方面非常寶貴。科技巨頭追逐藥物發(fā)現(xiàn)和生物技術(shù)前面提到的Alphabet的DeepMind和Meta在解決基礎(chǔ)生物學(xué)研究難題方面的成功，比如使用深度學(xué)習(xí)和語言模型大規(guī)模預(yù)測蛋白質(zhì)結(jié)構(gòu)，只是冰山一角：幾乎每個科技巨頭都在布局生命科學(xué)領(lǐng)域。2.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律”高技術(shù)、高投入、高風(fēng)險、長周期……在新藥研發(fā)的過程中，經(jīng)常面臨著諸多痛點。因此，業(yè)界正在著力布局通過AI翻過新藥研發(fā)過程中的這幾座“大山”，AI智藥成為一條新賽道。全球已經(jīng)有700多家AI智藥企業(yè)，共有幾十款A(yù)I藥物進入臨床試驗階段。至2022年底，我國也已有AI智藥初創(chuàng)企業(yè)近80家。張江，有科創(chuàng)、芯片、藥片“三駕馬車”，2022年生物醫(yī)藥產(chǎn)業(yè)規(guī)模已經(jīng)達到3300億元，誕生了全國15%的原創(chuàng)新藥和10%的創(chuàng)新醫(yī)療器械。近年來，張江積極尋找和布局新賽道、新方向，目前在靶向藥物、合成生物學(xué)、AI+新藥研發(fā)、新型偶聯(lián)藥物、新型蛋白降解藥物、細胞藥等相關(guān)領(lǐng)域引進和聚集了一批創(chuàng)新主體，在前沿技術(shù)領(lǐng)域的發(fā)展和培育上發(fā)揮著創(chuàng)新策源和示范引領(lǐng)作用。在9月25日開幕的2023張江生命科學(xué)國際創(chuàng)新峰會上，舉行了2023張江AI智藥論壇暨第三屆AI研發(fā)創(chuàng)新論壇，來自張江的AI智藥企業(yè)分享了AI賦能藥物研發(fā)的最新成果和前沿案例，并探討了AI技術(shù)應(yīng)用的當(dāng)前挑戰(zhàn)和未來前景。不可否認，AI智藥的創(chuàng)業(yè)熱潮正在涌動。2.5.1加速建立“AI藥研朋友圈”AI智藥，即以醫(yī)藥大數(shù)據(jù)為基礎(chǔ)，通過運用機器學(xué)習(xí)、深度學(xué)習(xí)等AI技術(shù)替代大量實驗，對藥物結(jié)構(gòu)、功效等進行快速分析，以達到縮短試驗周期、節(jié)省成本、促進新藥發(fā)現(xiàn)、提升試驗成功率等目的。“隨著人工智能技術(shù)的快速變革，AI已經(jīng)成為藥物研發(fā)過程中縮短研究周期、節(jié)省研發(fā)成本、提升實驗成功率的核心生產(chǎn)力?！敝袊茖W(xué)院院士饒子和在論壇上這樣表示。在中國AI智藥的版圖上，張江占據(jù)著龍頭位置。成立于2019年的英矽智能和成立于2015年的晶泰科技是國內(nèi)AI制藥領(lǐng)域的獨角獸，這兩家皆在張江有所布局。作為浦東生物醫(yī)藥產(chǎn)業(yè)的聚集地，張江集聚了近7萬名生物醫(yī)藥從業(yè)人員。同時，張江正在構(gòu)筑一個巨大的人工智能產(chǎn)業(yè)生態(tài)圈，匯聚更多的AI新勢力。早在2021年10月，張江AI新藥研發(fā)聯(lián)盟正式揭牌成立，聯(lián)盟是推進AI與醫(yī)藥跨界交叉融合、數(shù)據(jù)資源共享、技術(shù)迭代升級的重要紐帶，并取得了不少成果?，F(xiàn)在，該聯(lián)盟成員已擴增至35家。美迪西開發(fā)的智能靶點和AI虛擬藥物發(fā)現(xiàn)平臺、英矽智能通過AI賦能發(fā)現(xiàn)的潛在同類最佳USP1小分子抑制劑、晶泰科技用AI驅(qū)動的下一代抗體發(fā)現(xiàn)平臺XupremAb賦能最佳抗體發(fā)現(xiàn)……這是張江AI新藥研發(fā)聯(lián)盟發(fā)布的一些創(chuàng)新成果。作為近年來技術(shù)變革的重要力量，AI在生物醫(yī)藥領(lǐng)域展示了極大的應(yīng)用潛力。國家發(fā)改委2022年發(fā)布的《“十四五”生物經(jīng)濟發(fā)展規(guī)劃》提出，要利用云計算、大數(shù)據(jù)、人工智能等信息技術(shù)，對治療適應(yīng)癥與新靶點驗證、臨床前與臨床試驗、產(chǎn)品設(shè)計優(yōu)化與產(chǎn)業(yè)化等新藥研制過程進行全程監(jiān)管，實現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)化研制與規(guī)模化發(fā)展。2022年2月，英矽智能利用人工智能發(fā)現(xiàn)的“特發(fā)性肺纖維化”候選藥物，獲批在中國進入ⅰ期臨床試驗，成為中國首個進入臨床階段的人工智能研發(fā)藥物。2.5.2AI打破“雙十定律”大幅縮短研發(fā)時間，是AI智藥最明顯的優(yōu)勢之一。傳統(tǒng)的新藥研發(fā)是一項復(fù)雜而長期的系統(tǒng)工程，一款新藥從著手研發(fā)到獲批上市，整個過程平均耗時約14年，僅化合物篩選到臨床前研究就需花費約4～6年的時間，推動新藥上市的平均成本更是高達19.8億美元。因此，醫(yī)藥研發(fā)行業(yè)長期以來面臨著“雙十定律”，即需要耗時超過10年、10億美金才有可能上市一款新藥。張江AI新藥研發(fā)聯(lián)盟成員之一英矽智能聯(lián)合首席執(zhí)行官、首席科學(xué)家任峰表示，為了研發(fā)毒副作用更小的特發(fā)性肺纖維化新藥，英矽智能通過AI賦能的研發(fā)方式，將從靶點的發(fā)現(xiàn)到找到臨床候選化合物的過程縮短到18個月，研發(fā)費用共投入270萬美元，而如果沒有AI，則該過程需要花費四年半以上時間、數(shù)千萬美元，AI+生物醫(yī)藥的“雙向賦能”，無疑大大降低了新藥研發(fā)的周期和成本。同樣也是張江AI新藥研發(fā)聯(lián)盟成員的晶泰科技，在建立小分子藥物模擬算法平臺之后，通過AI預(yù)測算法幫助輝瑞制藥顯著縮短了新冠口服藥Paxlovid（奈瑪特韋片/利托那韋片）的研發(fā)周期，2021年12月，Paxlovid成為第一款獲得美國FDA批準(zhǔn)的新冠口服藥，被迅速推向市場。輝瑞和晶泰科技雙方的科學(xué)家僅用了6個星期，便完成了藥物固態(tài)研發(fā)，以快速的計算預(yù)測與試驗結(jié)果相互印證、準(zhǔn)確匹配。而在傳統(tǒng)的藥物研發(fā)模式下，這個過程可能需要花費數(shù)月時間。晶泰科技AI預(yù)測模型目前，晶泰科技已通過建立算法的“干”實驗室和自動化機器人驅(qū)動的“濕”實驗室，構(gòu)建起虛實結(jié)合、相互印證的研發(fā)體系，助力藥物研發(fā)。自動化智能化實驗室里包含了自動化合成、自動化結(jié)晶等化學(xué)和生物的一些關(guān)鍵能力，通過人工智能來輔助藥物設(shè)計，通過自動化機器人來替代傳統(tǒng)人工進行實驗操作，進行7×24小時的運作，實現(xiàn)“關(guān)燈實驗室”的效果，并減少對人力勞動的依賴，保證實驗的穩(wěn)定可靠?！袄缑恳淮渭臃磻?yīng)試劑，相比人工，機械臂可以更加精準(zhǔn)控制劑量，并且實時記錄實驗數(shù)據(jù)、過程，全程數(shù)據(jù)可追溯?！本┛萍枷嚓P(guān)人士介紹。2.5.3將藥物在人體內(nèi)精準(zhǔn)遞送受限于傳統(tǒng)藥物研發(fā)的技術(shù)瓶頸，臨床上仍存在大量“不可成藥”的疾病，諸多患者面臨“無藥可用”的難題。“藥物遞送”技術(shù)是以RNA藥物為開發(fā)的關(guān)鍵環(huán)節(jié)，通過特定的技術(shù)實現(xiàn)將核酸序列等藥物精準(zhǔn)遞送至有疾病的器官、組織和細胞中，從而實現(xiàn)疾病的治愈。然而，這一環(huán)節(jié)的難點和關(guān)鍵在于如何“精準(zhǔn)遞送”藥物有效成分到人體患病部位。業(yè)內(nèi)人士打比方，人體的運作機制和環(huán)境非常復(fù)雜，實現(xiàn)這一目標(biāo)的難度不亞于通過火箭運載衛(wèi)星到達太空中的預(yù)定軌道。也因此，提升藥物遞送的精準(zhǔn)性已成為新一代藥物的核心部分。如果把藥物比作一輛行駛在人體內(nèi)的車，在人體內(nèi)沒有GPS的情況下，如何將藥物精準(zhǔn)送達“目的地”？劑泰醫(yī)藥聯(lián)合創(chuàng)始人兼首席執(zhí)行官賴才達在論壇上表示，劑泰醫(yī)藥的做法是，基于AI數(shù)據(jù)驅(qū)動算法、機制驅(qū)動的量子力學(xué)和分子動力學(xué)模擬以及高通量實驗平臺等底層技術(shù)，搭建了AI驅(qū)動核酸遞送系統(tǒng)設(shè)計平臺（AiLNP），以AI驅(qū)動干、濕實驗迭代，實現(xiàn)了更有效的創(chuàng)新遞送材料設(shè)計、核酸序列設(shè)計與優(yōu)化，并設(shè)計了更具優(yōu)勢的制劑配方和核酸遞送系統(tǒng)，將藥物遞送系統(tǒng)效率進行指數(shù)級優(yōu)化。劑泰醫(yī)藥AiLNP“LNP核酸遞送系統(tǒng)的表達效率超越行業(yè)標(biāo)準(zhǔn)10倍以上，并破解了行業(yè)難以攻克的肺、大腦、腫瘤、免疫器官、肌肉等遞送難題?！辟嚥胚_說。以近來火熱的mRNA技術(shù)為例，mRNA技術(shù)商業(yè)落地的最大阻礙便是遞送。在賴才達看來，遞送技術(shù)可以助力更好地發(fā)揮藥效，將疾病細胞編寫回健康細胞，為全球患者帶來革命性的藥物，解決未被滿足的臨床需求，這也是目前CGT（細胞基因治療）產(chǎn)業(yè)“卡脖子”的核心環(huán)節(jié)。2.6大型藥企在AI藥物研發(fā)進展趨勢人工智能（AI）的推進正逐漸改變生物醫(yī)藥產(chǎn)業(yè)在藥物發(fā)現(xiàn)、開發(fā)的整個過程。2023年，《自然》旗下BiopharmaDealMakers發(fā)布了一篇針對AI驅(qū)動生物醫(yī)藥研發(fā)公司在近年的增長趨勢、方向的報道。藥明康德內(nèi)容團隊將就此報道，并結(jié)合內(nèi)部數(shù)據(jù)和其他公開資料向讀者介紹AI在當(dāng)今產(chǎn)業(yè)界的概況。2.6.1大型藥企整合AI進入藥物開發(fā)流程隨著AI在技術(shù)上的不斷突破，以及各式臨床“-omics”（包含基因組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)等）數(shù)據(jù)的建立，AI在藥物開發(fā)的應(yīng)用從原初的小分子藥物設(shè)計、文獻分析，已經(jīng)進展至廣泛應(yīng)用于藥物研發(fā)管線開發(fā)的各個階段。隨著AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測上的突破，AI技術(shù)被視為開發(fā)創(chuàng)新藥物的樞紐，許多藥企也早已布局建立其在AI領(lǐng)域的核心能力，這主要通過三種方式：2.6.2與信息技術(shù)公司合作建立內(nèi)部AI專業(yè)技術(shù)在2019年，諾華（Novartis）與微軟（Microsoft）宣布達成，將整合諾華的數(shù)據(jù)庫與微軟的AI專業(yè)以共同發(fā)現(xiàn)、開發(fā)并商業(yè)化創(chuàng)新藥物。此外，兩者亦建立AI創(chuàng)新實驗室以支持諾華研究人員的工作。今年4月，Moderna和IBM達成一項為期，IBM將提供量子計算系統(tǒng)的訪問權(quán)限，以及提供專業(yè)知識幫助Moderna探索由量子技術(shù)驅(qū)動的生命科學(xué)領(lǐng)域的前沿應(yīng)用，以推進和加速mRNA療法的研究。Moderna和IBM將結(jié)合配方發(fā)現(xiàn)和生成性AI技術(shù)來優(yōu)化脂質(zhì)納米顆粒，以設(shè)計具有改善安全性和性能的mRNA藥物。2.6.3通過并購AI驅(qū)動生物技術(shù)公司快速獲得AI技術(shù)羅氏（Roche）旗下的基因泰克（Genentech）在2021年并購了PrescientDesign，主要利用其生成式AI平臺來發(fā)現(xiàn)、設(shè)計抗體藥物。而自2019年起，BioNTech便與InstaDeep展開多年的合作，并在今年1月以3.62億預(yù)付款并購該公司，期待通過此交易來完全整合InstaDeep的AI與機器學(xué)習(xí)（ML）專業(yè)，以開發(fā)下一代免疫療法。并購除了使得藥企能夠獲得AI公司專有的平臺技術(shù)，也可同時獲得來自原公司的數(shù)據(jù)與生物信息專業(yè)人士，增加其AI研發(fā)能力。圖表：AI驅(qū)動生物科技公司近年的成立與融資趨勢圖片來源：參考資料2.6.4與AI驅(qū)動生物技術(shù)公司合作以識別靶點、共同開發(fā)藥物這一類別的知名例子包含基因泰克在2021年與RecursionPharmaceuticals達成的合作，兩者將利用AI導(dǎo)向的高通量篩選平臺以識別在神經(jīng)科學(xué)與腫瘤學(xué)的創(chuàng)新靶標(biāo)。2022年1月，賽諾菲（Sanofi）與Exscientia達成另一項，兩者將利用Exscientia基于AI的個體化藥物平臺，以篩選病患與識別藥物靶標(biāo)，該合作預(yù)計開發(fā)在腫瘤與免疫學(xué)領(lǐng)域最多達15項的創(chuàng)新小分子藥物。此外，賽諾菲還在同年8月和11月，分別與和（InsilicoMedicine）達成大型的研發(fā)合作，將利用兩家公司各自的AI平臺發(fā)現(xiàn)新靶點并開發(fā)候選藥物。在使用AI改善臨床開發(fā)能力方面，默沙東（MSD）與SaamaTechnologies在去年8月達成了一項，將利用Saama的AI模型實施新的臨床數(shù)據(jù)管理流程，以加強其臨床開發(fā)能力，并加快管線進展。去年10月，GSK與Tempus達成一項，將使用Tempus包含大型去識別化病患數(shù)據(jù)的AI平臺改善臨床試驗設(shè)計、加速病患招募與識別藥物靶標(biāo)。2.6.5AI驅(qū)動生物科技公司發(fā)展趨勢根據(jù)統(tǒng)計，在2010年至2022年間，約有390間AI驅(qū)動生物科技公司創(chuàng)立，其中有近半（~47%）僅專注于藥物發(fā)現(xiàn)研究（Research），約四分之一（~26%）專注于藥物開發(fā)（Development），另有約四分之一（~27%）則同時聚焦藥物研發(fā)過程（R&D）。其中在2010-2018年間，新創(chuàng)立公司的數(shù)量穩(wěn)定成長，在2018年間有61家新成立的AI驅(qū)動生物科技公司。受新冠疫情影響之故，此數(shù)值自2019年起有所下滑。另一方面，從2017年到2021年，資本對AI領(lǐng)域的投入增長了10倍，復(fù)合年增長率（CAGR）為71%，而且晚期風(fēng)險資本（VC）融資和首次公開募股（IPO）也在增加。例如，2021年有五家公司進行了IPO，包括Recursion公司，籌集了4.36億美元，以及Exscientia公司，通過3.5億美元的IPO和同時進行的1.6億美元私人配售，共籌集了5.1億美元。根據(jù)藥明康德內(nèi)部數(shù)據(jù)庫對近期融資事件的統(tǒng)計，在2022年至2023年第一季度，AI驅(qū)動生物醫(yī)藥公司的早期融資（包含B輪與更早）金額超過1000萬美元的共有75起，其中有18起屬于大額融資，金額大于5000萬美元。這些AI公司多專注于加速與改善藥物開發(fā)過程，包含靶點識別、生物標(biāo)志物發(fā)現(xiàn)、病患篩選、優(yōu)化臨床試驗等。而在應(yīng)用AI開發(fā)不同療法模式藥物方面，統(tǒng)計顯示傳統(tǒng)的蛋白質(zhì)（包含抗體）/多肽類藥物（N=16）與小分子藥物（N=15）仍是業(yè)界關(guān)注的焦點，占AI驅(qū)動藥物開發(fā)融資項目的大宗。RNA療法則緊隨其后，共有8起相關(guān)融資事件。圖表：AI驅(qū)動藥物研發(fā)公司于2022-2023Q1融資趨勢資料來源：藥明康德內(nèi)部數(shù)據(jù)庫，藥明康德內(nèi)容團隊制圖）2.6.6AI技術(shù)在臨床上的轉(zhuǎn)化隨著AI技術(shù)在產(chǎn)業(yè)界的起步，AI輔助藥物研發(fā)作為其中關(guān)鍵性技術(shù)之一近年來已有多項科研成果轉(zhuǎn)化落地。2021年4月，Exscientia宣布首個由AI設(shè)計的免疫腫瘤學(xué)藥物進入臨床試驗，此藥物為靶向?qū)嶓w瘤已知靶點A2a受體的拮抗劑，此款藥物目前已停止開發(fā)。Recursion則通過AI技術(shù)將已開發(fā)藥物用于其他適應(yīng)癥上。例如，Recursion通過利用其專有的AI驅(qū)動藥物發(fā)現(xiàn)平臺RecursionOS，發(fā)現(xiàn)REC-2282作為治療NF2基因突變引起疾病的潛在候選藥物，并在去年6月將之推進至臨床2/3期試驗。研發(fā)過程皆使用AI的藥物INS018_055在2022年2月進入1期臨床試驗，并在今年1月公布該試驗的積極頂線結(jié)果。分析顯示，這款由英矽智能開發(fā)、用于治療特發(fā)性肺纖維化（IPF）的藥物展現(xiàn)良好的藥代動力學(xué)特征，并具良好的安全性與耐受性?；诖私Y(jié)果，英矽智能將在今年啟動此藥物的臨床2a期試驗。三、AI藥物研發(fā)企業(yè)股權(quán)激勵策略及建議3.1股權(quán)激勵的必要性3.1.1激勵作用股權(quán)激勵使得管理者和核心員工對企業(yè)產(chǎn)生歸屬感和責(zé)任心，以主人翁的姿態(tài)，主動、自發(fā)為企業(yè)做出貢獻，與企業(yè)形成利益共同體，發(fā)揮價值，實現(xiàn)企業(yè)價值最大化。3.1.2提高經(jīng)營管理透明度在實施股權(quán)激勵制度的過程中，特別是限制性股票模式，雖然激勵對象需要應(yīng)允一些附加條件，但終究是分割了股東的部分股權(quán)，這樣股東就不再是專制獨裁的去控制企業(yè)，在進行經(jīng)營決策的時候也會有所顧忌，更加謹慎，減少了盲目決策帶來的損失，讓企業(yè)的發(fā)展更加穩(wěn)重。3.1.3吸引并留住人才吸引并留住人才是股權(quán)激勵制度最主要的目的?？茖W(xué)技術(shù)是第一生產(chǎn)力，而科學(xué)技術(shù)靠的就是人才的力量。因此，對一個企業(yè)來說有了人才就等于有了生產(chǎn)力，留住了人才就等于留住了生產(chǎn)力。企業(yè)相比外企和國有企業(yè)，在資金和政策方面都沒有明顯的優(yōu)勢，對人才的吸引力不足，而股權(quán)激勵制度就像繩子一樣將企業(yè)員工切身的利益和所有者的利益緊緊系在一起。雖然預(yù)期回報具有不確定性，但正是這份不確定性刺激了員工們竭盡全力地工作，促進了企業(yè)的發(fā)展。3.1.4提高預(yù)期效應(yīng)由于股權(quán)激勵具有長期性和持久性特點，員工就不會只關(guān)注眼前一時的利益，會站在企業(yè)的長期發(fā)展的角度上考慮利益問題，也就減少急功近利的短期化行為，會注重提高管理效率和經(jīng)營者的積極性，競爭性和創(chuàng)造性，從而也就提高了公司業(yè)績，保障了企業(yè)的長期發(fā)展。3.1.5降低運營成本企業(yè)在資金方面是有一定壓力的，特別對于那些還在發(fā)展階段的企業(yè)，運營資金就更加緊張，在現(xiàn)金流方面具有較大的壓力。別說是普通員工，即使是高層的管理人員和一些核心人員都無法給予令人滿意的現(xiàn)金獎勵。而股權(quán)激勵的這種獎勵方式，并不是現(xiàn)金形式，不僅滿足了激勵的需求，也解決了現(xiàn)金短缺的壓力。此外與年終獎分紅這種獎勵形式相比，股權(quán)激勵制度，激勵成本低，激勵時間長。股權(quán)帶來的收益情況取決于資本市場，股權(quán)價值下跌，員工可以選擇放棄，股權(quán)價值上升時員工就會得到相應(yīng)的收益，因此，股權(quán)激勵的成本較低，企業(yè)不必承受激勵產(chǎn)生的現(xiàn)金壓力，對于企業(yè)會計人員來說也減少了核算量。3.1.6約束作用股權(quán)激勵通過設(shè)定業(yè)績條件和服務(wù)期限來約束管理者和核心員工的行為，克服他們的短視行為和個人主義行為，使得員工與企業(yè)成為命運共同體，共同為企業(yè)的未來而奮斗。3.2股權(quán)激勵的模式3.2.1股票期權(quán)模式美國于20世紀開始了股票期權(quán)模式的股權(quán)激勵，這是最早的股權(quán)激勵模式，由于我國股權(quán)激勵發(fā)展較晚，最開始我國也采用了股票期權(quán)的激勵模式。著名的委托代理理論將企業(yè)擁有者和管理者的矛盾進行了闡述：由于信息不對稱，管理者可能不會竭盡全力的使股東價值最大化，而這一模式就是通過給予員工，管理者一定的權(quán)利，來避免信息不對稱所造成的負面影響。這一模式規(guī)定了時間，規(guī)定了初始價格，規(guī)定了數(shù)量，讓員工購買一部分股票來賺取差價，與此同時，現(xiàn)金行權(quán)滿足要求，可以在二級市場進行銷售。這使得個人的努力程度、個人的業(yè)績與企業(yè)整體的業(yè)績有了更加緊密的聯(lián)系，員工與企業(yè)就是“在一條船上的螞蚱”。3.2.2限制性股票模式我國大多數(shù)企業(yè)都采取這種模式，被激勵的人需要首先滿足一定的條件，其次，還要對持有股權(quán)的被激勵者在業(yè)績上進行持續(xù)的考核，達標(biāo)后才有獲取利益的權(quán)力。同時，還有禁售期、定價等方面的限制，限制性股票的持有人必須完成股東的義務(wù)以后才可以出售限制性股票來獲利。在歐美國家的企業(yè)中限制性股票的使用已成為一種趨勢。3.2.3股票增值權(quán)模式股票增值權(quán)和股票期權(quán)是股權(quán)激勵的兩種重要手段，他們有相似之處，但也有本質(zhì)上的區(qū)別。股票期權(quán)和股票增值權(quán)區(qū)別主要在于激勵標(biāo)的物的選擇。股票期權(quán)的激勵標(biāo)的物是企業(yè)的股票，激勵對象在行權(quán)后可以獲得完整的股東權(quán)益。而股票增值權(quán)是一種虛擬股權(quán)激勵工具，激勵標(biāo)的物僅僅是二級市場股價和激勵對象行權(quán)價格之間的差價的升值收益，并不能獲取企業(yè)的股票。同時，激勵對象收益來源不同。股票期權(quán)由企業(yè)發(fā)起，但最終的收益來源于市場的方式，激勵對象獲得的收益由市場進行支付，而股票增值權(quán)采用企業(yè)發(fā)起，收益來自于企業(yè)的方式，并通過現(xiàn)金的方式給被激勵者，也可以說，股票增值權(quán)是一種企業(yè)發(fā)放獎金的一種方式。3.2.4虛擬股票模式虛擬股票是企業(yè)給被激勵人員提供虛擬股票，被激勵對象在虛擬股票中獲取分紅和股票升值的利益，區(qū)別在于，虛擬股票不會給予被激勵者所有權(quán)和在股東大會中的表決權(quán)，更不能在交易市場中交易轉(zhuǎn)讓。這種形式在一些中小企業(yè)中得到了廣泛應(yīng)用，但是也存在一些弊端：這種激勵形式不給激勵者提供股票，有可能使得股權(quán)激勵中對企業(yè)的歸屬感有所降低，降低股權(quán)激勵的效果，優(yōu)點是可以把公司的收益和股價聯(lián)系在一起，此種模式的風(fēng)險相比于前幾種較高。3.2.5業(yè)績股票模式這種模式是公司有了既定的目標(biāo)后，通過考核業(yè)績?yōu)橹鞯墓芾矸椒?，給被激勵的技術(shù)人才和管理人員提供一定的股票，但是流通變現(xiàn)有禁售期方面和數(shù)量的規(guī)定。3.3股權(quán)激勵方案的設(shè)計需要考慮的要素3.3.1激勵對象股權(quán)激勵的范圍分為全員參與、大多數(shù)員工參與以及關(guān)鍵員工參與三種，激勵對象一般包括高管、核心技術(shù)（業(yè)務(wù)）人員以及骨干員工，目前我國企業(yè)股權(quán)激勵的對象多是前兩者。3.3.2授予數(shù)量企業(yè)設(shè)定授予數(shù)量時，所涉及的股票總數(shù)不應(yīng)超過總股本的10%，且單個授予對象所獲股票不得超過企業(yè)總股本的1%，應(yīng)根據(jù)授予對象對企業(yè)的貢獻值和個人能力來確定。3.3.3行權(quán)（授予）價格行權(quán)價格是影響股權(quán)激勵效果的關(guān)鍵因素，在符合規(guī)定的基礎(chǔ)上，設(shè)定合理的行權(quán)價格才能最大限度地發(fā)揮股權(quán)激勵的效果。3.3.4激勵期限企業(yè)應(yīng)根據(jù)行業(yè)特點、自身的發(fā)展情況、風(fēng)險偏好、戰(zhàn)略目標(biāo)以及激勵對象的特征偏好來合理設(shè)定激勵期限，一般而言是在5-10年，同時設(shè)定等待期和禁售期，避免激勵對象的短視自利行為。3.3.5業(yè)績條件業(yè)績條件是激勵對象能否取得激勵的門檻，激勵對象只有努力達到業(yè)績條件，才有機會獲益。我國規(guī)定企業(yè)的業(yè)績條件應(yīng)包含財務(wù)指標(biāo)和非財務(wù)指標(biāo)。3.4案例：員工持股計劃對企業(yè)績效的影響研究隨著我國資本市場的開放程度越來越高，企業(yè)面臨的經(jīng)濟環(huán)境也越來越復(fù)雜和多變。面對多變的市場環(huán)境，企業(yè)更加重視優(yōu)秀人才的作用，因此員工持股計劃成為社會聚焦的熱點問題。但是在實際中，一些公司實施員工持股計劃后效果并不理想，因此人們開始關(guān)注如何讓員工持股計劃發(fā)揮更好的效果。文章以三棵樹涂料股份有限公司為研究對象，運用案例分析法，對員工持股計劃給企業(yè)帶來的影響進行分析，以期為其他想要制訂員工持股計劃的公司提供參考。3.4.1我國員工持股計劃的發(fā)展21世紀以來，我國社會主義市場經(jīng)濟得到快速發(fā)展，為了適應(yīng)經(jīng)濟增長和企業(yè)轉(zhuǎn)型升級的需求，企業(yè)已經(jīng)開始建立更加現(xiàn)代化的管理制度，對于員工激勵機制也有更高的要求。證監(jiān)會在2014年發(fā)布了《關(guān)于對員工持股計劃的指導(dǎo)性意見》，以此為基礎(chǔ)建立和規(guī)范一家上市公司，主要包括籌集方法、實現(xiàn)程序、管理模式及信息披露等。2019年，深圳證券交易所發(fā)布了《關(guān)于對上市企業(yè)和公司全體員工的持股方案和計劃性信息披露的政策指引》，以此為基礎(chǔ)加強對其信息披露的監(jiān)督和管理。以上政策的頒布說明我國對員工持股計劃的扶持力度和規(guī)范水平有了較大程度的提升。3.4.2三棵樹涂料股份有限公司員工持股計劃案例介紹（一）三棵樹涂料股份有限公司簡介三棵樹涂料股份有限公司（簡稱三棵樹）是一家大型的涂料企業(yè)，于2003年成立，總部位于福建省莆田市，目前已在河南、天津、四川等數(shù)十個?。ㄖ陛犑校┰O(shè)立了分廠，產(chǎn)業(yè)規(guī)模不斷擴大，公司主要研發(fā)、生產(chǎn)和銷售各類涂料及建筑、家裝材料。2016年，三棵樹在深圳證券交易A股主板上市，公司發(fā)展規(guī)模逐步擴大，在行業(yè)中的影響力也越來越大。2018年底著力于員工持股計劃的實施，2019年被胡潤研究院評為“2019胡潤中國500強企業(yè)”，2020年成為2022年北京即將舉辦的冬奧會的獨家涂料供應(yīng)商。（二）員工持股計劃具體實施情況三棵樹出于多方面的考慮，從改善公司治理結(jié)構(gòu)、完善薪酬激勵制度及充分發(fā)揮人力資源效力的角度出發(fā)[1]，于2018年開始推行員工持股計劃，至2020年底共實施了4期員工持股計劃，具體的持股人員范圍、持股存續(xù)期和股票數(shù)量見表1和表2。3.4.3三棵樹員工持股計劃實施效果分析（一）對財務(wù)績效的影響（1）對盈利能力的影響。從表3可以發(fā)現(xiàn)，三棵樹在2018年實施員工持股計劃后，凈資產(chǎn)收益率得到了顯著的提升。銷售凈利率和總資產(chǎn)收益率趨勢保持一致，2019年得到提升，但2020年又有一些回落，可能是受新冠肺炎疫情的影響。雖然各項指標(biāo)的變動未能保持持續(xù)增長，但是從總體來看，員工持股計劃的實施對公司的盈利有較好的影響。通過實施這一方案，預(yù)期會使公司的治理能力得到提升，從而增強公司的盈利能力。（2）對營運能力的影響。存貨周轉(zhuǎn)率反映企業(yè)對生產(chǎn)經(jīng)營環(huán)節(jié)存貨的管理能力，從表4可以看出，2016—2019年存貨周轉(zhuǎn)率指標(biāo)一直處于下降的趨勢，可能存在存貨積壓的現(xiàn)象，但2020年存貨流轉(zhuǎn)速度有所提升，從這個時間來看，可能是第二期員工持股計劃的實施促進了企業(yè)的銷售，進而加速存貨流轉(zhuǎn)。應(yīng)收賬款周轉(zhuǎn)率體現(xiàn)了企業(yè)對應(yīng)收賬款的管理效率，三棵樹近5年的應(yīng)收賬款周轉(zhuǎn)率一直處于下降趨勢，說明公司收回應(yīng)收賬款的速度變慢，了解后發(fā)現(xiàn)應(yīng)該是這幾年公司的大規(guī)模擴張使得銷售量增長較快，從而產(chǎn)生了較多的應(yīng)收賬款?？傎Y產(chǎn)周轉(zhuǎn)率在一定程度上能夠反映企業(yè)對資產(chǎn)的管理效果，表4中的企業(yè)總資產(chǎn)周轉(zhuǎn)率變化趨勢同應(yīng)收賬款周轉(zhuǎn)率一致，一直呈現(xiàn)出下降的趨勢，說明企業(yè)對資產(chǎn)的利用效率降低，總體資產(chǎn)的管理效率有待提高。從總體來看，員工持股計劃的實施對企業(yè)營運能力并未產(chǎn)生明顯的影響，指標(biāo)依舊按照原有的趨勢變動。（3）對償債能力的影響。若要衡量一個企業(yè)的短期償債能力，一般都會關(guān)注流動比率和速動比