2023年AI制藥行業(yè)報告-2024.07-56正式版

一、AI制藥發(fā)展歷程在過去的20年中，作為生命科學(xué)和信息技術(shù)的兩大前沿，生物醫(yī)藥和人工智能這兩個領(lǐng)域均取得了重大里程碑進(jìn)展并呈現(xiàn)融合發(fā)展的趨勢，由此推動了AI制藥的興起。隨著BT（生物技術(shù)）和IT（信息技術(shù)）的不斷深化，AI制藥行業(yè)快速發(fā)展的勢頭仍將持續(xù)，為人類健康事業(yè)提供更強(qiáng)動力。圖1-1AI制藥大事件來源：智藥局二、AI制藥行業(yè)產(chǎn)業(yè)鏈條分析近十年來，越來越先進(jìn)的信息技術(shù)得以用于生物層面，隨之而來的是相關(guān)數(shù)據(jù)及工具的極大充盈，AI制藥得以拓展更加多元的發(fā)展方向和更加廣闊的應(yīng)用空間。不僅僅局限于傳統(tǒng)的小分子藥物，AI在大分子藥物、細(xì)胞和基因療法領(lǐng)域的作用也不斷獲得印證，一大批相關(guān)Biotech隨之涌現(xiàn)。與此同時，輝瑞、賽諾菲、拜耳、強(qiáng)生等跨國藥企和包括藥明康德、IQVIA在內(nèi)的CXO企業(yè)也紛紛加入進(jìn)來，投身AI技術(shù)賦能藥物的研發(fā)之中。-2-圖1-2AI制藥行業(yè)產(chǎn)業(yè)鏈來源：智藥局上游——AI制藥產(chǎn)業(yè)鏈上游主要分兩大類：提供AI技術(shù)和提供生物技術(shù)的企業(yè)。提供AI技術(shù)的企業(yè)中，輔助制藥的人工智能硬件設(shè)備包括服務(wù)器和芯片等。軟件包括各類機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及其他人工智能算法，還有數(shù)據(jù)收集和處理平臺、開源軟件包以及云計算平臺等輔助類軟件。例如，AmazonWebServices(AWS)、GoogleCloudPlatform(GCP)、華為云等云平臺和工具為AI制藥提供了強(qiáng)大的計算和分析能力。-3-圖1-3上游軟件服務(wù)商與AI制藥公司的合作來源：智藥局提供生物技術(shù)的企業(yè)包括提供CRO服務(wù)的企業(yè)和提供先進(jìn)設(shè)備的企業(yè)。前者主要為提供制藥流程中不同階段輔助服務(wù)的傳統(tǒng)CRO企業(yè)，后者則憑借冷凍電鏡、自動化實驗室等設(shè)備等高端設(shè)備提供技術(shù)支持。中游——隨著上游AI技術(shù)和生物技術(shù)的發(fā)展，AI制藥企業(yè)的中游部分呈多元化發(fā)展趨勢。按照商業(yè)模式的不同可以分為：AI+Biotech、AI+CRO、AI+軟件/服務(wù)三類；同時IT頭部企業(yè)以及AI與其他技術(shù)的結(jié)合應(yīng)用也占據(jù)部分中游市場。AI+Biotech企業(yè)從藥物本身的性質(zhì)或治療手段分類，又可以分為小分子藥物、大分子藥物以及細(xì)胞和基因療法。公司的核心目標(biāo)是在綜合考慮收支的情況下盡可能地推進(jìn)管線進(jìn)展。AI+CRO企業(yè)和AI+軟件/服務(wù)企業(yè)的區(qū)別在于不同的業(yè)務(wù)性質(zhì)帶來的商業(yè)模式、團(tuán)隊規(guī)模等方面的差異。更加定制化的CRO業(yè)務(wù)為公司在藥物機(jī)制理解、團(tuán)隊人員配置、成本費(fèi)用開支上提出了更高要求，與之相匹配的，其在藥物研發(fā)價值鏈條上參與分成的比例更高；而軟件/服務(wù)則通過打造平臺或軟件間接地為AI制藥提供幫助，這類企業(yè)更加考驗底層算法的普遍適用性，客單價不高但容易產(chǎn)生規(guī)模效應(yīng)，相關(guān)成本也較低。同時，國內(nèi)外頭部互聯(lián)網(wǎng)企業(yè)也通過對外投資、打造自有相關(guān)平臺、提供算力及計算框架服務(wù)等手段，在AI制藥領(lǐng)域積極布局。此外，AI與大模型、DEL、虛擬臨床等技術(shù)的結(jié)合也成為傳統(tǒng)制藥公司融入AI技術(shù)的一種渠道。下游——AI制藥企業(yè)的下游分為傳統(tǒng)藥企、Biotech公司和CXO企業(yè)。傳統(tǒng)藥企既可以和中游企業(yè)合作管線來豐富藥物種類，提高藥物研發(fā)成功率，還可以利用已有的成熟銷售渠道進(jìn)行AI輔助研發(fā)藥物的銷售；Biotech公司是傳統(tǒng)藥企與AI制藥企業(yè)合作的另一種模式，通過前期合作開發(fā)藥物分子以及后期管線或藥物授權(quán)獲取收益；CXO企業(yè)同樣可以從中游企業(yè)獲取技術(shù)，以提高自身競爭力和市場占有率。選擇適合的AI制藥公司進(jìn)行合作，成為藥企、Biotech和CXO最常見的參與方式。頭部AI制藥公司在傳統(tǒng)藥廠的合作的滲透率不斷提升，以Exscientia為例，就已披露了和羅氏、拜耳、賽諾菲在內(nèi)的頂級制藥公司的合作。除此之外，部分公司還會選擇軟件服務(wù)合作，即AI+SaaS模式。Iktos在授權(quán)機(jī)器學(xué)習(xí)模塊的同時，也包含了聯(lián)合技術(shù)開發(fā)協(xié)議的形式，合作的制藥公司將資助其新算法開發(fā)。但目前，這種合作模型并非國內(nèi)創(chuàng)企變現(xiàn)的核心關(guān)注點(diǎn)。-4-數(shù)據(jù)庫——近年來，AI制藥領(lǐng)域數(shù)據(jù)庫的迅猛發(fā)展，離不開大數(shù)據(jù)、機(jī)器學(xué)習(xí)、結(jié)構(gòu)生物學(xué)等多個領(lǐng)域技術(shù)的不斷進(jìn)步和相互融合。這些技術(shù)的發(fā)展為大規(guī)?；瘜W(xué)和生物數(shù)據(jù)的收集、分析和挖掘提供了有力支持，進(jìn)一步推動了AI在制藥領(lǐng)域的應(yīng)用和發(fā)展。AI制藥數(shù)據(jù)庫可包含：多組學(xué)系統(tǒng)數(shù)據(jù)庫（如基因組學(xué)、轉(zhuǎn)錄組學(xué)、代謝組學(xué)等）、小分子化合物數(shù)據(jù)庫、疾病生物學(xué)原理數(shù)據(jù)庫、現(xiàn)存藥物及靶點(diǎn)數(shù)據(jù)庫、患者臨床試驗/動物模型數(shù)據(jù)庫等。例如2022年DeepMind公開的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫，包含數(shù)2億個已預(yù)測蛋白質(zhì)結(jié)構(gòu)。其他包括化學(xué)生物學(xué)數(shù)據(jù)庫Chembl、轉(zhuǎn)錄組學(xué)數(shù)據(jù)庫GEO、蛋白組學(xué)數(shù)據(jù)庫PDB、靶點(diǎn)的綜合數(shù)據(jù)庫TTD、藥物信息知識庫DrugBank、臨床數(shù)據(jù)數(shù)據(jù)庫ClinicalT等，這些數(shù)據(jù)被大量地用于基于AI技術(shù)的藥物篩選、分子模擬和生物信息學(xué)分析，有助于加快新藥發(fā)現(xiàn)和開發(fā)的過程。-5-一、AI制藥技術(shù)原理周期長、成本高、成功率低一直是新藥研發(fā)領(lǐng)域的痛點(diǎn)。隨著機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等關(guān)鍵技術(shù)的快速發(fā)展，AI已應(yīng)用至藥物靶點(diǎn)發(fā)現(xiàn)、化合物篩選和成藥性預(yù)測等多項藥物研發(fā)環(huán)節(jié)，優(yōu)勢逐漸顯現(xiàn)。當(dāng)前驅(qū)動AI制藥公司的技術(shù)分為兩類：一類是以人工智能算法為核心技術(shù)，在硬件設(shè)備的支持下和各類生物數(shù)據(jù)庫的基礎(chǔ)上開發(fā)模型進(jìn)行新藥研發(fā)；另一類是以前沿生物技術(shù)為核心，人工智能作為提高效率的工具輔助新藥分子的發(fā)現(xiàn)和設(shè)計。圖2-1技術(shù)原理當(dāng)前應(yīng)用在制藥中的人工智能算法包括機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)等多種類別，在不同的領(lǐng)域中各有優(yōu)劣。人工智能算法的支撐層包括數(shù)據(jù)和算力，數(shù)據(jù)的主要來源包括實驗數(shù)據(jù)庫、開源數(shù)據(jù)庫（文本&結(jié)構(gòu)）、物理模擬生成的數(shù)據(jù)庫以及清理公開信息后構(gòu)建的數(shù)據(jù)庫；算力支持則依仗CPU、GPU等硬件設(shè)備。圖2-2人工智能三要素-7-生物技術(shù)的進(jìn)步為AI制藥行業(yè)帶來了許多新的機(jī)遇和挑戰(zhàn)，也使得這一領(lǐng)域能夠更加快速地發(fā)展和創(chuàng)新。圖2-3生物技術(shù)-8-二、AI制藥技術(shù)應(yīng)用場景目前而言，AI技術(shù)在傳統(tǒng)制藥中可以應(yīng)用的領(lǐng)域包括靶點(diǎn)的發(fā)現(xiàn)和識別、藥物從頭設(shè)計、ADMET預(yù)測、臨床試驗等在內(nèi)的八大模塊，基本涵蓋了藥物發(fā)現(xiàn)、開發(fā)和臨床的全流程。圖2-4AIDD應(yīng)用場景-9-（一）靶點(diǎn)的發(fā)現(xiàn)和識別目前，進(jìn)行靶點(diǎn)預(yù)測的人工智能底層算法主要包括機(jī)器學(xué)習(xí)（ML）、深度學(xué)習(xí)（DL）、大型語言模型、知識圖譜等。從方法上來講，人工智能目前主要通過基于多組學(xué)分析、基于蛋白質(zhì)序列、基于蛋白質(zhì)結(jié)構(gòu)和網(wǎng)絡(luò)和基于網(wǎng)絡(luò)藥理學(xué)這四個技術(shù)路徑來賦能靶點(diǎn)發(fā)現(xiàn)。1.多組學(xué)分析和藥物靶點(diǎn)預(yù)測伴隨著高通量測序技術(shù)的發(fā)展，海量的組學(xué)數(shù)據(jù)被積累起來。面對高度復(fù)雜、維度驚人的生物學(xué)數(shù)據(jù)，AI算法可以一定程度上跨越多組學(xué)數(shù)據(jù)中存在的“維數(shù)災(zāi)難”，通過多維度組學(xué)數(shù)據(jù)的整合和高通量功能篩選能夠更加系統(tǒng)地發(fā)現(xiàn)與臨床密切相關(guān)的靶點(diǎn)。人工智能（AI），特別是深度學(xué)習(xí)（DL），非常適合處理復(fù)雜和非結(jié)構(gòu)化數(shù)據(jù)，并且具有在多模態(tài)數(shù)據(jù)中發(fā)現(xiàn)非線性和多維數(shù)據(jù)。如圖2-5所示，為InsilicoMedicine（英矽智能）用于靶點(diǎn)發(fā)現(xiàn)的PandaOmics平臺。圖2-5PandaOmics平臺PandaOmics平臺通過AI對患者基因組學(xué)和蛋白質(zhì)組學(xué)等醫(yī)學(xué)多組學(xué)數(shù)據(jù)的挖掘分析來實現(xiàn)，對正常組織和疾病組織比較，分析這兩個組織的RNA或/和蛋白質(zhì)差異表達(dá)，結(jié)合通路分析和強(qiáng)大的數(shù)據(jù)整合來發(fā)現(xiàn)靶點(diǎn)信息。實例來源：英矽智能2.基于序列的蛋白質(zhì)可藥靶性的發(fā)現(xiàn)具有相似序列的蛋白質(zhì)在一定程度上具有相似的結(jié)構(gòu)和功能。因此，靶點(diǎn)與成功靶點(diǎn)的序列相似性分析是研究潛在靶點(diǎn)的可藥靶性的重要途徑。同時，靶點(diǎn)的序列信息還衍生了許多額外的描述符，比如蛋白質(zhì)數(shù)據(jù)的表征方法里介紹的CTD描述符，除了基本的氨基酸組成之外，還包括由氨基酸組成計算的各種物化性質(zhì)，如疏水性、極性、極化性、電荷等等。針對這樣的數(shù)據(jù)，人們開發(fā)了各種基于人工智能算法的方法來預(yù)測新的靶點(diǎn)，深度神經(jīng)網(wǎng)絡(luò)（DNN）和K最近鄰算法（KNN）是常用的人工智能算法，DNN和KNN的算法原理見圖2-6所示：--圖2-6DNN和KNN的算法原理3.基于蛋白質(zhì)網(wǎng)絡(luò)的可藥靶性發(fā)現(xiàn)基于網(wǎng)絡(luò)的可藥靶性發(fā)現(xiàn)的原理是在知識圖譜及其嵌入（GRE）模型上，評估和推斷不同生物實體之間的相互作用，從而發(fā)現(xiàn)新的可藥靶性蛋白。隨著AlphaFold2的問世，越來越多的蛋白質(zhì)結(jié)構(gòu)得到驗證，現(xiàn)有成熟的數(shù)據(jù)庫包括PDB、SCOPe、CATH、AlphaFold、TTD等。除此之外，還有與其他分子相互的作用的信息等多種數(shù)據(jù)庫，如蛋白質(zhì)組數(shù)據(jù)庫、蛋白質(zhì)相互作用數(shù)據(jù)庫、藥物基因組學(xué)數(shù)據(jù)庫、基因本體論數(shù)據(jù)庫、藥物及其治療靶點(diǎn)的信息、藥品數(shù)據(jù)庫、藥物-靶點(diǎn)關(guān)系數(shù)據(jù)庫、藥物不良反應(yīng)數(shù)據(jù)庫等?；谥R圖譜預(yù)測可藥靶性識別的方法，可以整合多源異質(zhì)的生物醫(yī)藥信息，并獲取其中的內(nèi)在關(guān)聯(lián)，在蛋白質(zhì)可藥靶性的識別上占據(jù)十分重要的地位。如圖2-7所示，為TriModel模型原理圖，TriModel模型是一種基于知識圖譜嵌入的藥物-靶標(biāo)預(yù)測方法。圖2-7TriModel模型TriModel模型，通過使用如KEGG、UniProt和DrugBank等現(xiàn)有的生物知識庫生成了與藥物-靶標(biāo)相關(guān)的生物實體知識圖譜。然后，訓(xùn)練TriModel模型來學(xué)習(xí)藥物-靶標(biāo)的有效向量表示。實例來源：SamehKMohamed,VítNová?ek,AayahNounu.“Discoveringproteindrugtargetsusingknowledgegraphembeddings”Bioinformatics(2019)--4.基于網(wǎng)絡(luò)藥理學(xué)的靶標(biāo)發(fā)現(xiàn)網(wǎng)絡(luò)藥理學(xué)是一門結(jié)合生物信息學(xué)、網(wǎng)絡(luò)科學(xué)和藥物學(xué)等學(xué)科的新興交叉學(xué)科。它基于大規(guī)模數(shù)據(jù)和計算機(jī)技術(shù)，探究藥物分子與生物體內(nèi)靶點(diǎn)、通路、基因等分子間的相互作用網(wǎng)絡(luò)，以及這些相互作用對于藥物的藥效、毒性、代謝等影響。如圖2-8所示，將藥物、靶標(biāo)等內(nèi)容抽象成一個復(fù)雜的生物分子網(wǎng)絡(luò)，可以通過它們之間的相互作用關(guān)系來認(rèn)識疾病發(fā)生和發(fā)展的生物學(xué)機(jī)制。圖2-8網(wǎng)絡(luò)藥理學(xué)中藥物成分-靶標(biāo)網(wǎng)絡(luò)圖實例來源：李楠，陳蕾，張琨．基于網(wǎng)絡(luò)藥理學(xué)探討人參調(diào)控鐵死亡抗阿爾茨海默病的潛在作用機(jī)制[J].現(xiàn)代藥物與臨床,2022,37(2):244-251.未來網(wǎng)絡(luò)藥理學(xué)的研究將會涉及更多的多模態(tài)數(shù)據(jù)，如基因組學(xué)、轉(zhuǎn)錄組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)等數(shù)據(jù)。面對多維度數(shù)據(jù)，人工智能技術(shù)在這方面的應(yīng)用已經(jīng)開始受到廣泛關(guān)注，未來的網(wǎng)絡(luò)藥理學(xué)也將借助這些技術(shù)的發(fā)展，實現(xiàn)更加智能化和高效的分析和預(yù)測。（二）虛擬篩選AIDD初創(chuàng)企業(yè)大多數(shù)布局了先導(dǎo)化合物設(shè)計、優(yōu)化和合成，利用人工智能算法學(xué)習(xí)和處理海量的知識和數(shù)據(jù)，建立高效的模型，實現(xiàn)快速篩選，找到符合要求的化合物。例如，以Schr?dinger（薛定諤）、英矽智能、深勢科技為代表的企業(yè)，均在此階段有布局。虛擬篩選是計算藥物發(fā)現(xiàn)的一種手段。虛擬篩選（VS）一般可分兩種，即基于結(jié)構(gòu)的VS（SBVS）和基于配體的VS（LBVS）。1.基于結(jié)構(gòu)的虛擬篩選基于結(jié)構(gòu)的虛擬篩選，也稱為基于靶標(biāo)的虛擬篩選，這類藥物設(shè)計方法包括常規(guī)的分子對接方法和從頭設(shè)計等其他方法。其中如何準(zhǔn)確預(yù)測小分子與靶標(biāo)間的結(jié)合親和力是這類藥物設(shè)計方法中的核心問題。打分函數(shù)是一種可靠的描述結(jié)合親和力的方法，目前，融合人工智能的基于結(jié)構(gòu)的ML模型(SBML)和DL模型(SBDL)評分函數(shù)顯示出比傳統(tǒng)方法普遍更優(yōu)的預(yù)測精度和靈活性。如圖2-9所示，為Schr?dinger公司的ActiveLearningGlide板塊。--圖2-9PandaOmics平臺ActiveLearningDocking板塊通過將Glide對接和評分與機(jī)器學(xué)習(xí)模型的強(qiáng)大功能相結(jié)合，快速、準(zhǔn)確且經(jīng)濟(jì)高效地篩選數(shù)十億種可購買化合物。實例來源：Schr?dinger2.基于配體的虛擬篩選傳統(tǒng)的基于配體的虛擬篩選（LBVS）方法可以分為基于化合物相似性的模型和用于活性預(yù)測的定量結(jié)構(gòu)-活性關(guān)系（QSAR）模型。其中，基于化合物相似性的模型又可以分為基于配體分子相似性匹配和基于藥效團(tuán)模型的藥物設(shè)計方法。深度學(xué)習(xí)在人工智能領(lǐng)域取得了突破性的發(fā)展，推動分子相似性方法和藥效團(tuán)模型的發(fā)展，也極大地豐富和發(fā)展了QSAR模型，許多深度學(xué)習(xí)的框架被用在QSAR建模上，包括卷積神經(jīng)網(wǎng)絡(luò)、圖卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)。如圖2-10所示，是一種基于深度學(xué)習(xí)模型的虛擬篩選系統(tǒng)DeepScreening。圖2-10DeepScreening系統(tǒng)DeepScreening結(jié)合了分子指紋和深度神經(jīng)網(wǎng)絡(luò)方法，能夠?qū)崿F(xiàn)基于配體的快速篩選，獲得潛在的活性化合物，加快藥物發(fā)現(xiàn)。用戶可以快速在平臺上針對具體靶點(diǎn)構(gòu)建模型，全新庫的生成，以及針對特定庫進(jìn)行快速的高通量篩選。實例來源：--（三）藥物從頭設(shè)計分子從頭設(shè)計是計算藥物發(fā)現(xiàn)的另一種手段，從分子表征程度的角度來考慮從頭設(shè)計的方法可以分為三類，分別是基于原子的、基于片段的和基于反應(yīng)的方法。對分子的不同描述方法，會引進(jìn)不同的機(jī)器學(xué)習(xí)算法。采用簡化分子線性輸入規(guī)范（SMILES）的描述，可以通過采用長短期記憶網(wǎng)絡(luò)（LSTM）來實現(xiàn)；當(dāng)分子采用圖形描述時，可以采用蒙特卡羅樹搜索來生成新分子；還有自動編碼器和生成對抗網(wǎng)絡(luò)等算法都可以用在分子生成模型中。如圖2-11所示，為英矽智能2020年推出的用于從頭設(shè)計和優(yōu)化小分子的軟件平臺Chemistry42。圖2-11Chemistry42平臺從頭生成實驗流程示意圖Chemistry42是一個主動學(xué)習(xí)系統(tǒng)，它依賴于42種經(jīng)過預(yù)訓(xùn)練的生成算法來設(shè)計類藥物分子結(jié)構(gòu)。他們利用各種分子表示、基礎(chǔ)算法和策略來徹底探索化學(xué)空間。實例來源：Chemistry42:AnAI-DrivenPlatformforMolecularDesignandOptimization.JournalofChemicalInformationandModeling,63(3),695–701.--（四）大分子藥物從頭設(shè)計人工智能在大分子藥物發(fā)現(xiàn)中的應(yīng)用正在迅速增加，AI大分子公司在2021年籌集了39億美元。成熟的生物制藥公司與人工智能驅(qū)動的生物技術(shù)公司合作，同時也通過內(nèi)部和收購的方式投資于構(gòu)建用于大分子藥物發(fā)現(xiàn)的人工智能能力，例如基因泰克在2021年收購了PrescientDesign。相較于從已知的蛋白質(zhì)出發(fā)進(jìn)行設(shè)計，基于人工智能和機(jī)器學(xué)習(xí)的從頭設(shè)計有助于探索更大的蛋白序列和結(jié)構(gòu)空間，避免天然多肽和蛋白的成藥性問題，更直接快速地得到所需蛋白，因此吸引了藥物研發(fā)人員不斷進(jìn)行理論和技術(shù)上的突破。1.蛋白質(zhì)結(jié)構(gòu)預(yù)測方法預(yù)測蛋白質(zhì)結(jié)構(gòu)的最終目標(biāo)是理解、利用并改進(jìn)蛋白質(zhì)的功能，從而更好地服務(wù)于諸如蛋白質(zhì)設(shè)計、藥物設(shè)計等其他任務(wù)。蛋白質(zhì)結(jié)構(gòu)預(yù)測方法包括同源建模、基于穿線法的蛋白質(zhì)結(jié)構(gòu)預(yù)測、基于片段組裝的方法、從頭折疊算法、基于氨基酸協(xié)同突變的接觸預(yù)測、基于端到端的結(jié)構(gòu)預(yù)測等。Deepmind團(tuán)隊于2020年發(fā)布的AlphaFold2是迄今為止準(zhǔn)確度最高的蛋白質(zhì)三維結(jié)構(gòu)預(yù)測模型工具。如圖2-12所示，為AlphaFold2中部分算法的原理。圖2-12AlphaFold2原理示意圖AlphaFold2是一個基于神經(jīng)網(wǎng)絡(luò)的全新設(shè)計的AlphaFold版本，其預(yù)測的蛋白質(zhì)結(jié)構(gòu)能達(dá)到原子水平的準(zhǔn)確度。實例來源：Jumper,J.etal.HighlyaccurateproteinstructurepredictionwithAlphaFold.Nature596,583–589(2021).2023年10月底，GoogleDeepmind聯(lián)合IsomorphicLabs共同發(fā)布了新一代AlphaFold模型。新一代AlphaFold可以預(yù)測蛋白質(zhì)數(shù)據(jù)庫（PDB）中幾乎任何分子的結(jié)構(gòu)，通常具有原子精度，包括配體（小分子）、蛋白質(zhì)、核酸（DNA和RNA）以及含有翻譯后修飾（PTM）的生物分子。2.蛋白質(zhì)與多肽類藥物設(shè)計目前，已經(jīng)有較多報道關(guān)于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)進(jìn)行蛋白質(zhì)與多肽的藥物設(shè)計。設(shè)計的多肽和蛋白質(zhì)類包括抗癌肽、抗菌肽、藥物結(jié)合肽等。國內(nèi)外相關(guān)的公司也正在合作對相關(guān)領(lǐng)域進(jìn)行研究。多肽和蛋白質(zhì)的藥物設(shè)計方法包括：利用多目標(biāo)遺傳算法；病毒肽生成工具；利用循環(huán)神經(jīng)網(wǎng)絡(luò)；利用卷積神經(jīng)網(wǎng)絡(luò)；利用生成式對抗網(wǎng)絡(luò)；利用變分自編碼器。如圖2-13所示為Peptilogics公司的Nautilus?平臺，可以生成特定（可調(diào)）大小范圍和復(fù)雜性的有效肽。--圖2-13Nautilus?平臺Nautilus?的用途包括生成特定（可調(diào)）大小范圍和復(fù)雜性的有效肽，通過專有算法和內(nèi)部專門構(gòu)建的超級計算訪問不同的化學(xué)空間等等。實例來源：Peptilogics（五）ADMET性質(zhì)預(yù)測ADMET性質(zhì)預(yù)測是人工智能助力藥物發(fā)現(xiàn)的關(guān)鍵領(lǐng)域之一。以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為代表的ADMET預(yù)測模型可以從ADMET數(shù)據(jù)中學(xué)習(xí)化學(xué)結(jié)構(gòu)與藥效學(xué)的關(guān)聯(lián)，并能遷移至其他未知化學(xué)結(jié)構(gòu)中進(jìn)行高通量篩選，以降低候選化學(xué)實體的臨床失敗率，有效地促進(jìn)了藥物研發(fā)的進(jìn)程。目前在這一領(lǐng)域，費(fèi)米子科技、劑泰醫(yī)藥等多家國內(nèi)AI制藥企業(yè)走在前列，此外，包括拜耳在內(nèi)的跨國藥企亦有布局。如圖2-14所示，為拜耳公司ADMET工具的應(yīng)用案例。圖2-14拜耳ADMET工具的應(yīng)用示例拜耳的ADMET工具通過測量許多化合物的體外/體內(nèi)數(shù)據(jù)，使用ML構(gòu)建模型，結(jié)合深度學(xué)習(xí)算法，預(yù)測化合物的ADMET性質(zhì)。實例來源：G?llerAH,KuhnkeL,MontanariF,etal.Bayer’sinsilicoADMETplatform:Ajourneyofmachinelearningoverthepasttwodecades[J].DrugDiscoveryToday,2020,25(9):1702-1709.--（六）藥物晶型預(yù)測晶型預(yù)測是藥物晶型研究的一種重要輔助手段，晶體結(jié)構(gòu)預(yù)測（CSP）是基于計算的分子晶型預(yù)測中的一步。近年來，人工智能技術(shù)的進(jìn)步為藥物晶型預(yù)測提供了新的手段。晶泰科技的XtalCSP?晶型預(yù)測平臺支持對游離態(tài)、鹽、共晶、水合物、溶劑合物等復(fù)雜體系進(jìn)行完備的晶型研究。如圖2-15所示，為晶泰科技XtalCSP?晶型預(yù)測平臺的底層邏輯。圖2-15XtalCSP?晶型預(yù)測流程XtalCSP?晶型預(yù)測可以有效評估現(xiàn)有晶型間相對穩(wěn)定性，以及當(dāng)前晶型研究的合理性；還可提供準(zhǔn)確的晶體結(jié)構(gòu)及固相性質(zhì)數(shù)據(jù)，降低發(fā)補(bǔ)評審的概率。實例來源：晶泰科技（七）逆合成預(yù)測逆合成預(yù)測對于藥物研發(fā)至關(guān)重要，不僅能夠降低藥物的制造成本，而且能夠有效解決藥物分子生產(chǎn)途徑單一的問題。逆合成分析包含“單步逆合成反應(yīng)預(yù)測”和“多步逆合成預(yù)測”。單步逆合成預(yù)測可以分為基于模板和無模板的逆合成預(yù)測。基于人工智能和機(jī)器學(xué)習(xí)的反應(yīng)模板包括使用Transformer編碼模型和基于規(guī)則的NLP模型；基于無模板的單步逆合成預(yù)測可以利用包括Transformer和GNN這類神經(jīng)網(wǎng)絡(luò)模型。而在多步逆合成預(yù)測中可以使用蒙特卡洛樹搜索、束搜索等算法。如圖2-16所示，為智化科技公司的ChemAIRS逆合成設(shè)計平臺。圖2-16ChemAIRS逆合成設(shè)計平臺Chemical.AI提供的功能包括：預(yù)測未報告分子的合成路線；為已報告分子尋找新路線；按成本、步驟、綠色評分等分類或過濾路線；一鍵生成多條合成路線；為已知的反應(yīng)尋找更合適的條件等。實例來源：智化科技--（八）臨床試驗藥物研發(fā)是一個漫長、昂貴和高風(fēng)險的過程，這些特質(zhì)在臨床試驗階段最為突出。在進(jìn)入臨床研究后，候選藥物在I、II、III期臨床試驗和藥物批準(zhǔn)過程的失敗率仍高達(dá)90%。成功率低的同時，臨床試驗帶來的巨大成本也成為藥企難以承受之重。統(tǒng)計顯示，臨床試驗環(huán)節(jié)在整個研發(fā)周期中費(fèi)用占比約80%。AI技術(shù)在臨床試驗階段的應(yīng)用可以分為四個部分：預(yù)測臨床試驗結(jié)果、輔助臨床試驗設(shè)計、患者招募和臨床試驗數(shù)據(jù)處理。AI模型還可以通過分析毒性、副作用和其他相關(guān)參數(shù)來提高藥物臨床試驗的成功率，從而降低臨床試驗的費(fèi)用。目前看來，要實現(xiàn)AI顯著提高臨床試驗效率、降低成本的目標(biāo)還需要很長時間，但值得注意的是，已經(jīng)有公司利用AI的力量在臨床試驗領(lǐng)域?qū)で笸黄?。如圖2-17所示，為ConcertAI公司針對真實世界數(shù)據(jù)推出的三款產(chǎn)品。圖2-17ConcertAI公司三款主要產(chǎn)品ConcertAI通過與社區(qū)腫瘤學(xué)網(wǎng)絡(luò)的合作和授權(quán)，建立了最廣泛的臨床網(wǎng)絡(luò)，從而獲得了電子醫(yī)療記錄、NGS診斷結(jié)果和病人報告的結(jié)果。然后ConcertAI分析這些數(shù)據(jù)并為新的治療方法提供證據(jù)。RWD360?、Patient360?、Genome360?為該公司主要的三款產(chǎn)品，公司還提供針對特定臨床研究需求的定制服務(wù)。實例來源：ConcertAI.--一、海外上市企業(yè)發(fā)展現(xiàn)狀海外AI制藥行業(yè)的上市企業(yè)數(shù)量逐漸增加，其中包括一些市值達(dá)數(shù)十億美元的知名企業(yè)。盡管近期市值出現(xiàn)波動，部分企業(yè)面臨股價下滑的局面，但整體仍呈現(xiàn)出強(qiáng)勁的發(fā)展態(tài)勢。隨著制藥行業(yè)的快速增長和市場需求的提升，AI制藥公司不斷進(jìn)行技術(shù)更新和新藥研發(fā)，積極開展與醫(yī)藥行業(yè)的合作，并探索各種商業(yè)模式，以實現(xiàn)長期可持續(xù)發(fā)展。當(dāng)前AI制藥公司商業(yè)模式主要有三種：以提供軟件平臺服務(wù)為主的SaaS供應(yīng)商，典型代表公司是Schr?dinger（薛定諤）市值22億美元；AI賦能的Biotech公司，主要以開發(fā)內(nèi)部管線為主，代表公司是RelayTherapeutics市值10.4億美元；AI驅(qū)動的CRO公司，主要為藥企、CRO等藥物研發(fā)公司提供外包服務(wù)，代表公司是Exscientia市值6.9億美元。（一）海外上市企業(yè)概述2023年，海外已有二十余家AI制藥的公司成功完成IPO，上市時間集中在2020年之后。以薛定諤公司為例，薛定諤于2020年憑借著AI制藥的概念上市，上市后股價一路飆升，巔峰時期薛定諤股價達(dá)到117美元，市值一度超過80億美金。從上市公司披露信息可知，大部分企業(yè)依靠提供軟件服務(wù)、藥物研發(fā)服務(wù)以及管線授權(quán)獲取營收。2022年，上市公司中營收1億美元以上的有2家，其中AbCellera去年實現(xiàn)營業(yè)收入4.85億美元，Schr?dinger營收1.81億美元。表3-1全球已上市的AI制藥企業(yè)--來源：智藥局整理，市值統(tǒng)計時間為2023年11月--（二）海外頭部上市企業(yè)介紹1.Schr?dinger薛定諤由RichardFriesner和BillGoddard于1990年創(chuàng)立，已有30多年歷史。薛定諤公司搭建的AI技術(shù)平臺基于物理的計算，集成了用于預(yù)測建模、數(shù)據(jù)分析和協(xié)作的差異化解決方案，以實現(xiàn)對化學(xué)空間的快速探索。圖3-1薛定諤藥物發(fā)現(xiàn)平臺薛定諤藥物發(fā)現(xiàn)平臺可包括Glide、Prime、Liaison、SiteMap、CombiGlide、Phase等模塊，可以實現(xiàn)高通量虛擬篩選、精準(zhǔn)對接、藥效團(tuán)和3D-QSAR的解決方案、全新藥物設(shè)計（denovodesign）、生物分子結(jié)構(gòu)模擬、ADMET性質(zhì)預(yù)測等功能。目前薛定諤公司在研的藥物管線（包括合作管線）共38條。自研管線中MALT1抑制劑SGR-1505于2022年6月通過IND申請，CDC7抑制劑SGR-2921也進(jìn)入臨床1期。在過往合作中，薛定諤已經(jīng)幫助產(chǎn)生了兩款獲批上市的藥物和多個已進(jìn)入臨床試驗的項目。2.RecursionPharmaceuticalsRecursionPharmaceuticals創(chuàng)立于2013年，總部位于美國猶他州鹽湖城，致力于通過整合生物學(xué)、化學(xué)、計算機(jī)科學(xué)與人工智能等領(lǐng)域的新技術(shù)來發(fā)現(xiàn)包括癌癥、免疫學(xué)和傳染病等各種適應(yīng)癥的潛在藥物。圖3-2RecursionOSRecursion公司的遞歸操作系統(tǒng)創(chuàng)建了一個閉環(huán)系統(tǒng)，將專有的內(nèi)部數(shù)據(jù)生成和先進(jìn)的計算工具相結(jié)合，以產(chǎn)生新的見解，以啟動或加速治療計劃。通過不斷的迭代，在RecursionOS系統(tǒng)內(nèi)創(chuàng)造一個良性循環(huán)的學(xué)習(xí)，并在發(fā)現(xiàn)和臨床前開發(fā)的每個階段推進(jìn)計劃。--公司管線為其利用RecursionOS通過蠻力搜索方法和推理搜索方法開發(fā)的多條管線。其中10條為重點(diǎn)開發(fā)。目前有4個重點(diǎn)開發(fā)管線處于1期臨床階段，其他所有管線均處于臨床前或探索階段。3.AbCelleraAbCellera成立于2012年，是一家參與合作、發(fā)現(xiàn)和開發(fā)下一代治療性抗體的公司。公司擁有獨(dú)特的AI驅(qū)動抗體發(fā)現(xiàn)平臺，利用高通量微流體平臺，可以微量化方式篩選來自多個物種（包括直接由病人本身來源）的高達(dá)數(shù)百萬個免疫細(xì)胞的抗體。結(jié)合公司獨(dú)有的抗體可視化和探索軟件Celium?，可以快速地深度搜索和分析自然免疫系統(tǒng)，提供高質(zhì)量的抗體候選藥物。圖3-3AbCellera公司的技術(shù)棧工作流程公司目前無在研管線。2020年3月份，公司與禮來達(dá)成戰(zhàn)略合作，利用專有的AI驅(qū)動抗體發(fā)現(xiàn)平臺通過分析天然免疫系統(tǒng)數(shù)據(jù)庫來快速尋找篩選適合抗體，聯(lián)合開發(fā)的候選抗體療法LY-CoV555是首批進(jìn)入臨床試驗的新冠病毒中和抗體療法之一，于2020年8月開始在美國療養(yǎng)院測試，并且該抗體在不到一年時間就獲得FDA的緊急使用授權(quán)（EUA）。--4.RelayTherapeuticsRelay是一家以分子動力學(xué)模擬見長的AI藥物發(fā)現(xiàn)公司，成立于2016年。旨在將蛋白質(zhì)結(jié)構(gòu)和運(yùn)動的深刻理解應(yīng)用于藥物發(fā)現(xiàn)。該公司將基因組數(shù)據(jù)、計算科學(xué)以及實驗科學(xué)深度融合，致力于改變藥物發(fā)現(xiàn)的過程。圖3-4DynamoTM藥物發(fā)現(xiàn)平臺DynamoTM藥物發(fā)現(xiàn)平臺是Relay主要的藥物發(fā)現(xiàn)平臺，該平臺集成了一系列廣泛且定制的前沿實驗和計算方法，與公司的專家團(tuán)隊經(jīng)驗相結(jié)合，將蛋白質(zhì)運(yùn)動作為藥物發(fā)現(xiàn)和設(shè)計的核心，并不斷整合新的實驗和計算技術(shù)以賦予平臺更多可能性。Relay目前的管線，包括FGFR2、PI3K、SHP2等，基本上是抗腫瘤小分子靶向藥。進(jìn)展最快的FGFR2及SHP2抑制劑，處于1期臨床。5.ExscientiaExscientia于2012年在英國成立，是最早一批成立的藥物研發(fā)AI技術(shù)服務(wù)公司。公司搭建的AI平臺以病患的組織數(shù)據(jù)為基礎(chǔ)，綜合實驗數(shù)據(jù)來提高靶標(biāo)選擇、實驗室及臨床試驗的成功率。圖3-5CentaurChemist分子設(shè)計平臺CentaurChemist是Exscientia開發(fā)出來用于執(zhí)行分子設(shè)計功能的平臺，可以針對新靶點(diǎn)設(shè)計和生成具有所需特性的小分子化合物，并根據(jù)藥效、選擇性、ADME等條件對化合物進(jìn)行生成和預(yù)測。目前，Exscientia已經(jīng)與拜耳、賽諾菲、住友制藥、百時美施貴寶等多個跨國制藥公司建立了合作項目，并且將2款腫瘤藥物推進(jìn)到了臨床1期試驗階段。--6.RoivantsciencesRoivantsciences成立于2014年，是一家為生物制藥公司提供服務(wù)的大型控股集團(tuán)。通過成立專注不同疾病領(lǐng)域藥物的研發(fā)的子公司，建立一個“Vant帝國”，以實現(xiàn)加速藥物的研發(fā)進(jìn)程、提升新藥的研發(fā)效率的目標(biāo)。僅AI輔助藥物研發(fā)這一領(lǐng)域，Roivant就布局了4家公司，包括AI制藥新銳SiliconTherapeutics、AI+CRO公司VantAI、蛋白降解公司OncopiaTherapeutics等均被Roivant收入囊中。圖3-6RoivantSciences公司的研究路徑目前，Roivant共有14條管線，均進(jìn)入臨床階段，包括涵蓋免疫學(xué)、腫瘤學(xué)、血液學(xué)等眾多治療領(lǐng)域的創(chuàng)新候選產(chǎn)品。其中治療特應(yīng)性皮炎、潰瘍性結(jié)腸炎、重癥肌無力、皮肌炎的4條管線進(jìn)入3期臨床。7.C4XDiscoveryC4XDiscovery（C4XD）于2008年成立，公司通過加強(qiáng)基于DNA的靶點(diǎn)識別和候選分子設(shè)計能力，在藥物發(fā)現(xiàn)方面具有很高的差異性價值，在包括炎癥、腫瘤、神經(jīng)變性和成癮性疾病在內(nèi)的多個疾病領(lǐng)域產(chǎn)生了小分子候選藥物。2022年10月，C4XDiscovery與成都先導(dǎo)公司達(dá)成合作，充分結(jié)合Conformetrix技術(shù)和DEL技術(shù)的優(yōu)勢，發(fā)現(xiàn)針對炎癥性疾病靶點(diǎn)的高潛力苗頭分子。圖3-7C4XDiscovery4D結(jié)構(gòu)藥物設(shè)計平臺ConformetrixConformetrix是一個使用實驗數(shù)據(jù)實現(xiàn)合理、加速的4D結(jié)構(gòu)藥物設(shè)計平臺。使用Conformetrix，可以在1-3周內(nèi)求解典型的藥物分子動態(tài)2D結(jié)構(gòu)，與藥物化學(xué)設(shè)計-制造-測試周期很好地集成在一起。Conformetrix的內(nèi)部數(shù)據(jù)庫包含數(shù)百個動態(tài)3D結(jié)構(gòu)，其中的幾個示例如下圖所示，它可以分析大部分類別和種類的藥物分子和天然配體（例如輔因子、肽）。--圖3-8C4XDiscoveryTaxonomy3?分析平臺Taxonomy3?可以用于分析復(fù)雜的遺傳數(shù)據(jù)集，以識別和表征新的候選藥物。除了靶點(diǎn)識別之外，還可用于臨床試驗中的患者分層的潛力。目前，C4XDiscovery公司在研的管線共4條，未有進(jìn)入臨床階段的管線。8.StructureTherapeutics（碩迪生物）StructureTherapeutics(前身為ShouTi,Inc.)是一家臨床階段的全球生物制藥公司，公司于2019年2月在開曼群島注冊成立，在美國和中國設(shè)有運(yùn)營子公司，并于2023年2月在美國納斯達(dá)克上市。碩迪生物創(chuàng)始人之一為薛定諤創(chuàng)始人，其專注于G蛋白偶聯(lián)受體（GPCR）靶向療法開發(fā)，利用基于結(jié)構(gòu)的藥物開發(fā)路線，結(jié)合計算技術(shù)和專業(yè)知識設(shè)計小分子藥物。圖3-9Structure藥物開發(fā)平臺目前，公司在研管線共有4條，已有2款進(jìn)入臨床開發(fā)階段。2023年9月，碩迪生物公布了其GLP-1R激動劑GSBR-1290的1b期多遞增劑量（MAD）研究結(jié)果，整體表現(xiàn)良好。--9.SyntekabioSyntekabio成立于2009年，是AI驅(qū)動的基因組解決方案的生物科技公司。圍繞人工智能藥物發(fā)現(xiàn)技術(shù)、超級計算機(jī)和基因組三個方面，Syntekabio相繼推出多款技術(shù)平臺。基于小分子化合物、蛋白質(zhì)和基因組數(shù)據(jù)、依托超級計算機(jī)提供的龐大算力并應(yīng)用深度學(xué)習(xí)算法，Syntekabio提供精準(zhǔn)醫(yī)療、加速前期藥物研發(fā)和后期臨床試驗等多項服務(wù)。Syntekabio的人工智能藥物發(fā)現(xiàn)平臺包括3部分，DeepMatcher?、NEO-ARS?和GBL-ARS?，該平臺能夠完成先導(dǎo)化合物的發(fā)現(xiàn)和優(yōu)化、新抗原預(yù)測的功能以及遺傳生物標(biāo)志物標(biāo)記的自動報告的功能。圖3-10DeepMatcher?DeepMatcher?利用包含約10億個小分子化合物和約1700個靶點(diǎn)蛋白質(zhì)結(jié)構(gòu)的數(shù)據(jù)庫，通過深度學(xué)習(xí)算法，提供包括苗頭化合物篩選、驗證到先導(dǎo)化合物優(yōu)化階段的新藥輔助研發(fā)服務(wù)。圖3-11NEO-ARS?抗原免疫過程N(yùn)EO-ARS基于癌癥患者的腫瘤和血液基因組數(shù)據(jù)，高精度地預(yù)測新抗原。與傳統(tǒng)的基于二維氨基酸序列信息預(yù)測的算法不同，NEO-ARS通過預(yù)測三維蛋白質(zhì)結(jié)構(gòu)的免疫原性來提高準(zhǔn)確性。公司目前有5條在研管線，包括涵蓋腫瘤、感染等適應(yīng)癥的潛在藥物。--二、海外非上市企業(yè)發(fā)展現(xiàn)狀海外AI制藥非上市企業(yè)正在蓬勃發(fā)展，積極投入人工智能技術(shù)用于藥物研發(fā)、臨床試驗和醫(yī)療數(shù)據(jù)分析等領(lǐng)域。這些企業(yè)致力于整合先進(jìn)技術(shù)，加速藥物研發(fā)，并尋求與行業(yè)合作伙伴的合作機(jī)會。盡管還未上市，但這些企業(yè)在新藥研發(fā)和技術(shù)創(chuàng)新方面展現(xiàn)出強(qiáng)大的潛力。與第一批AI制藥公司相比，近年來受到資本青睞的初創(chuàng)公司呈現(xiàn)出鮮明的特征：他們大多采用深度學(xué)習(xí)而非機(jī)器學(xué)習(xí)作為技術(shù)核心；所賦能的領(lǐng)域也不再局限于小分子，而是拓展大分子、細(xì)胞、基因等新興療法；治療領(lǐng)域也更加廣泛，除了腫瘤外，還包括自免、代謝、中樞神經(jīng)疾病等領(lǐng)域。（一）海外非上市企業(yè)概述雖然全球范圍內(nèi)的生物醫(yī)藥投資仍處于冰期，但2023年國外AI制藥領(lǐng)域融資依舊勢頭迅猛，多家公司收獲種子輪資金，如Generate:Biomedicines、Inceptive、Iambic和Genesis等，在過去幾個月中總共籌集了6.73億美元。融資大單歸屬于Generate:Biomedicines，完成C輪2.73億美元融資，這也是今年以來AI制藥領(lǐng)域最大一筆融資。表3-2海外部分非上市AI制藥企業(yè)來源：智藥局整理--（二）部分海外非上市企業(yè)簡介1.Generate:BiomedicinesGenerate:Biomedicines成立于2018年，是一家臨床階段生物治療公司。2023年9月，公司宣布已籌集2.73億美元的C輪融資，本輪投資者包括安進(jìn)、英偉達(dá)的風(fēng)險投資部分等眾多新投資者。Generate開創(chuàng)了一個ML驅(qū)動的生物醫(yī)學(xué)平臺——GenerativeBiology?，該平臺可以快速生成抗體、肽、酶、細(xì)胞和基因療法。目前，Generate:Biomedicines有13條管線和部分未披露管線，其中有一個候選藥物GB-0669進(jìn)入臨床階段，這是一種針對COVID-19病毒刺突蛋白“高度保守”區(qū)域的單克隆抗體。2.GenesisTherapeuticsGenesisTherapeutics成立于2019年，是一家源自斯坦福大學(xué)的AI制藥公司。2023年8月，公司完成2億美元的超額認(rèn)購B輪融資，這筆資金將被用于進(jìn)一步開發(fā)其生成和預(yù)測人工智能技術(shù)，擴(kuò)大其產(chǎn)品線，并將其首款計算機(jī)生成藥物投入臨床研究。公司未披露核心管線何時進(jìn)入臨床。公司的深度學(xué)習(xí)平臺GEMS，集成了用于屬性預(yù)測的深度學(xué)習(xí)模型和分子模擬以及用于分子生成的語言模型。GEMS可以篩選出具有良好成藥性的化合物，面對新的蛋白質(zhì)靶標(biāo)，無需目標(biāo)結(jié)合親和力數(shù)據(jù)，僅根據(jù)3D結(jié)構(gòu)做出準(zhǔn)確的預(yù)測。除此之外，GEMS還有分子模擬以及分子生成平臺。3.InceptiveInceptive成立于2021年，是一家將人工智能用于mRNA疫苗開發(fā)的初創(chuàng)公司。2023年9月7日，Inceptive宣布完成1億美元A輪融資，用于增強(qiáng)人工智能平臺和分子設(shè)計能力，本輪投資者幾乎都是互聯(lián)網(wǎng)基金。目前，Inceptive建立了一個人工智能軟件平臺，可以設(shè)計由mRNA制成的完全獨(dú)特的分子，并建立實驗室，用于高效合成制造能夠表達(dá)疫苗或藥物的mRNA分子，構(gòu)建RNA分子設(shè)計、合成、測試的自動化閉環(huán)工作流程。公司未披露管線情況。4.AtomwiseAtomwise成立于2012年，是一家利用AI和自動化技術(shù)進(jìn)行新藥開發(fā)的公司。其最新一輪融資為2020年8月獲得1.23億美元的B輪融資。Atomwise的核心技術(shù)名為AtomNet，是一種基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的虛擬藥物發(fā)現(xiàn)平臺技術(shù)，利用超級計算機(jī)、AI和復(fù)雜的算法模擬制藥過程，來預(yù)測新藥的效果，同時降低研發(fā)成本。Atomwise已經(jīng)與包括默沙東和哈佛大學(xué)在內(nèi)的創(chuàng)新組織合作，共發(fā)起了27個研發(fā)項目，推動了埃博拉病毒、多發(fā)性硬化癥、白血病、殺真菌劑和線蟲等多個領(lǐng)域的研究。目前，Atomwise有4條自研管線，包括涵蓋免疫學(xué)、腫瘤學(xué)等各種適應(yīng)癥的潛在藥物，同時，Atomwise廣泛地和高校開展合作，其主要領(lǐng)域為腫瘤、傳染學(xué)和神經(jīng)學(xué)等領(lǐng)域，包括上百家學(xué)術(shù)機(jī)構(gòu)并普遍得到驗證。5.DeepGenomicsDeepGenomics成立于2015年，是一家致力于推動AI應(yīng)用于基因藥物開發(fā)的生物科技公司。其最新一輪融資為2020年9月完成的C輪融資，融資金額達(dá)1.8億美元。DeepGenomics一直專注于使用--機(jī)器學(xué)習(xí)來分析DNA或RNA分子水平上的變化，挖掘這些變化與特定疾病的因果關(guān)系，幫助研究人員高效、快速地篩選候選藥物。DeepGenomics的核心技術(shù)平臺為AIWorkbench，該平臺首先利用AI快速檢測所有潛在突變并確定致病基因序列，然后基于AI系統(tǒng)從數(shù)十萬到數(shù)百萬種潛在療法中設(shè)計出合適的靶向療法并在實驗室進(jìn)行驗證。目前，公司共有9條在研管線，包括涵蓋中樞神經(jīng)系統(tǒng)和代謝等領(lǐng)域的疾病。--三、MNC在AI制藥領(lǐng)域的布局在全球銷售額前20款原研藥中，未來10年有9款專利藥都將到期。幾乎所有的大型藥企都會受到影響，“專利懸崖”實質(zhì)上反映了大藥企永恒的創(chuàng)新痛點(diǎn)。作為近年來席卷制藥領(lǐng)域的最強(qiáng)浪潮之一，AI帶來的可能性自然頗受MNC關(guān)注。目前全球TOP20的藥企都已經(jīng)布局了AI制藥領(lǐng)域，典型例子包括賽諾菲、GSK、強(qiáng)生等。MNC一般具有足夠的制藥行業(yè)積淀，資金、團(tuán)隊上也更加寬裕，但技術(shù)平臺和專業(yè)算法上存在劣勢，因此往往會選擇“兩條腿走路”的戰(zhàn)略，一方面在內(nèi)部積極推進(jìn)數(shù)字化，補(bǔ)強(qiáng)專業(yè)團(tuán)隊，運(yùn)用AI技術(shù)加強(qiáng)數(shù)據(jù)管理決策并深度融合至藥物開發(fā)流程之中；另一方面，MNC也在不斷加強(qiáng)與AI制藥專業(yè)公司合作，運(yùn)用后者專業(yè)的技術(shù)平臺，賦能藥物發(fā)現(xiàn)和臨床試驗。圖3-12部分MNC與AI制藥公司的合作關(guān)系來源：智藥局整理目前在AI制藥方面最為積極的MNC莫過于賽諾菲，今年6月，賽諾菲宣布全公司數(shù)字化轉(zhuǎn)型邁出下一步，“Allin”人工智能和數(shù)據(jù)科學(xué)，為患者加速取得突破性成就。首席執(zhí)行官PaulHudson表示：我們的目標(biāo)是成為第一家大規(guī)模由人工智能驅(qū)動的制藥公司，為我們的員工提供專注于洞察力的工具和技術(shù)，讓他們能夠做出更好的日常決策。作為賽諾菲成為全公司數(shù)字化轉(zhuǎn)型的關(guān)鍵一步，賽諾菲推出大規(guī)模AI平臺plai，該平臺是賽諾菲與人工智能平臺公司AilyLabs共同開發(fā)AI應(yīng)用程序，可提供實時、反應(yīng)性的數(shù)據(jù)交互，幫助賽諾菲團(tuán)隊做出更好更快的數(shù)據(jù)驅(qū)動決策，從而提高整個價值鏈的生產(chǎn)力：從研究到臨床運(yùn)營再到制造和供應(yīng)再到業(yè)務(wù)分析。此外，賽諾菲還是近兩年最熱衷AI合作的藥企，深度綁定了9家專長不一的AI藥企，其中3家來自中國，合作總潛在價值累計超100億美元。GSK此前任命KimBranson為高級副總裁兼AI/ML集團(tuán)全球負(fù)責(zé)人，為GSK建立一支強(qiáng)大的AI/ML團(tuán)隊。目前該團(tuán)隊已經(jīng)有超過120名AI/ML專家，位于海德堡、倫敦舊金山、波士頓和費(fèi)城，所有團(tuán)隊成員均具有強(qiáng)大的AI/ML背景和成像或測序方面的專業(yè)知識。--內(nèi)部加強(qiáng)團(tuán)隊配置的同時，GSK也積極對外合作，自2017年起，GSK先后與Exscientia、CloudPharmaceuticals、英矽智能、PathAI等公司合作，加強(qiáng)AI賦能藥物發(fā)現(xiàn)的腳步。公司在疫苗領(lǐng)域?qū)嵙Ψ浅?qiáng)勁，但錯失了新冠疫苗發(fā)展良機(jī)。GSK的腫瘤免疫領(lǐng)域的產(chǎn)品商業(yè)化進(jìn)程不足。AI或許能夠為公司創(chuàng)新帶來新的驚喜。2020-2023年，強(qiáng)生旗下楊森加速了其數(shù)字化進(jìn)程，數(shù)字團(tuán)隊從不到10名數(shù)據(jù)科學(xué)家發(fā)展到超過100名既精通數(shù)據(jù)分析又熟悉臨床研究的復(fù)合人才，正在推進(jìn)的AI項目更是從個位數(shù)增至超過100個。自2016年起，楊森先后與Nference、CelsiusTherapeutics、Tempus、ConcertAI等多家公司共同推進(jìn)AI臨床開發(fā)，并與BenevolentAI、英矽智能、晶泰科技等AI制藥公司合作賦能藥物發(fā)現(xiàn)。--四、海外IT巨頭在AI制藥領(lǐng)域的布局生成式AI的發(fā)展很大程度上催化了醫(yī)療健康行業(yè)采用AI的進(jìn)程，除了大型制藥公司，互聯(lián)網(wǎng)巨頭也紛紛入場。大型科技公司可以從不同環(huán)節(jié)影響AI制藥行業(yè)產(chǎn)業(yè)鏈，它們擁有硬件、軟件等先進(jìn)技術(shù)以及數(shù)據(jù)采集和處理優(yōu)勢。依托其AI模型和平臺優(yōu)勢，大型科技公司可以以對外投資、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。谷歌是互聯(lián)網(wǎng)企業(yè)中入局最早的公司，2014年谷歌就收購了DeepMind，2015年谷歌重組之后，被分拆出來的LifeSciences成立了一家單獨(dú)的子公司Verily，谷歌開始在AI醫(yī)療領(lǐng)域布局。除了谷歌，科技巨頭微軟也正利用其在軟件、數(shù)據(jù)和AI方面的專業(yè)優(yōu)勢，持續(xù)布局醫(yī)藥產(chǎn)業(yè)鏈。具體來看，微軟主要通過以Azure為核心的智慧云業(yè)務(wù)來賦能各大藥企，而在Azure云平臺匯集的產(chǎn)品和云服務(wù)超過200種，其中對于加快藥物研發(fā)最為重要的工具便是AzureAI技術(shù)和AzureHPC平臺。前者憑借其集成工具、開源框架和庫的支持可以更加幫助開發(fā)人員更加快速地開發(fā)和訓(xùn)練模型，后者則以其高性能計算結(jié)構(gòu)賦能對基因組學(xué)、精準(zhǔn)醫(yī)學(xué)和臨床試驗的深入研究。圖3-13海外IT巨頭在AI制藥領(lǐng)域的布局來源：智藥局整理--一、國內(nèi)AI制藥企業(yè)發(fā)展現(xiàn)狀相較于海外，國內(nèi)AI制藥行業(yè)起步較晚，但追趕勁頭強(qiáng)勢。2021年是國內(nèi)AI制藥的創(chuàng)業(yè)高峰，共有27家公司在這一年創(chuàng)立，超過28家公司仍然處于種子輪及天使輪。2022年上半年國內(nèi)AI市場整體情況處于低谷，新成立公司數(shù)量和融資金額都有一定程度下落，2022年底至2023年，AI制藥市場回暖。與海外AI制藥公司類似，國內(nèi)AI制藥公司的商業(yè)模式也分為三類，AI+Biotech、AI+CRO以及AI+SaaS。其中AI+Biotech的代表企業(yè)為英矽智能，2022年8月英矽智能最后一輪融資后估值為8.95億美元，目前英矽智能共有31個內(nèi)部管線，最快的管線推到了臨床二期階段；AI+CRO的代表企業(yè)為晶泰科技，2021年7月最后一輪融資后估值為19.68億美元；AI+SaaS，代表企業(yè)為智峪科技、碳硅智慧等，這類企業(yè)通過軟件平臺等渠道向下游企業(yè)提供服務(wù)；還有部分企業(yè)商業(yè)模式并不唯一，例如晶泰科技提供CRO服務(wù)的同時，已經(jīng)通過自研或合作研發(fā)的方式已經(jīng)建起十余條管線。（一）國內(nèi)AI制藥頭部企業(yè)概述據(jù)智藥局不完全統(tǒng)計，截至2023年11月，中國AI制藥公司已經(jīng)超過90家，其中融資輪次在B輪以上（包括B輪）的企業(yè)占19%，國內(nèi)暫時沒有上市企業(yè)，最高輪次為晶泰科技和英矽智能申請IPO。英矽智能是國內(nèi)最早一批AI制藥公司之一，也是國內(nèi)第一家申請IPO的企業(yè)，于2023年申請IPO。另一家晶泰科技也在2023年提交IPO申請。從申請IPO的兩家公司的披露信息來看，公司主要營收來自藥物研發(fā)服務(wù)和軟件服務(wù)，2022年英矽智能的營收為2.15億元，而晶泰科技的營收為1.33億元，兩家公司凈利潤均為負(fù)。表4-1國內(nèi)AI制藥企業(yè)----來源：智藥局整理（二）國內(nèi)AI制藥頭部企業(yè)簡介1.英矽智能英矽智能成立于2014年，2019年，公司總部搬遷至香港，隨后相繼在上海張江，蘇州BioBay設(shè)立研發(fā)中心，是一家由生成式人工智能驅(qū)動的臨床階段生物醫(yī)藥科技公司。英矽智能的人工智能藥物研發(fā)平臺，能夠?qū)崿F(xiàn)包括靶點(diǎn)發(fā)現(xiàn)、新型分子生成、臨床試驗設(shè)計和預(yù)測的功能。英矽智能聚焦癌癥、纖維化、免疫、中樞神經(jīng)系統(tǒng)疾病、衰老相關(guān)疾病等未被滿足醫(yī)療需求領(lǐng)域，推進(jìn)并加速創(chuàng)新藥物研發(fā)。--圖4-1Pharma.AI平臺Pharma.AI是英矽智能的端到端人工智能藥物生成平臺。涵蓋了靶點(diǎn)識別引擎PandaOmics、分子生成引擎Chemistry42以及臨床試驗結(jié)果預(yù)測引擎inClinico。平臺可以通過生成式人工智能算法連接生物學(xué)、生成化學(xué)和藥物研發(fā)流程，識別具有潛力的靶點(diǎn)，再根據(jù)所需特征設(shè)計和生成新穎的分子。目前，英矽智能有16條管線，包括涵蓋纖維化、腫瘤學(xué)、免疫學(xué)等適應(yīng)癥的潛在藥物。其中特發(fā)性肺纖維化藥物進(jìn)入臨床2期。2.晶泰科技晶泰科技是一家世界前沿的以人工智能（AI）和機(jī)器人驅(qū)動創(chuàng)新的科技公司。晶泰科技成立于2015年，由麻省理工學(xué)院的三位物理學(xué)家創(chuàng)立。致力于實現(xiàn)生命科學(xué)和新材料領(lǐng)域的數(shù)字化和智能化革新。公司基于量子物理、人工智能、云計算及大規(guī)模實驗機(jī)器人集群等前沿技術(shù)與能力，為全球生物醫(yī)藥、化工、新能源、新材料等產(chǎn)業(yè)提供創(chuàng)新技術(shù)、服務(wù)及產(chǎn)品圖4-2晶泰科技結(jié)合干濕實驗室能力的閉環(huán)綜合技術(shù)平臺目前晶泰科技有13條管線，其中小分子XBD-101抗腫瘤藥物已獲得美國FDA臨床批件，國內(nèi)IND申報中。3.深勢科技深勢科技于2018年在北京成立，是一家以運(yùn)用高算力AI驅(qū)動的分子模擬算法為亮點(diǎn)的平臺技術(shù)公司。公司擁有的藥物設(shè)計平臺融合了人工智能、物理建模和高性能計算，為臨床前藥物研發(fā)提供一站--式計算解決方案：包括蛋白結(jié)構(gòu)預(yù)測、藥靶結(jié)合模式預(yù)測、苗頭化合物篩選、先導(dǎo)化合物優(yōu)化等核心功能模塊。深勢科技臨床及管線信息尚未披露。圖4-3深勢科技軟件模式Bohrium?微尺度科學(xué)計算云平臺和Hermite?藥物計算設(shè)計平臺是深勢科技的核心產(chǎn)品，以「多尺度建模+機(jī)器學(xué)習(xí)+高性能計算」的革命性科學(xué)研究新范式，為藥物、材料領(lǐng)域帶來極具突破性的計算模擬及設(shè)計工具。4.冰洲石生物冰洲石生物于2015年在美國成立，是一家臨床階段的生物技術(shù)公司。公司通過人工智能和高性能計算技術(shù)提高篩選藥物的準(zhǔn)確性，打造算法平臺，加速新一代藥物開發(fā)。目前，公司已經(jīng)自主研發(fā)了端到端逆合成系統(tǒng)ChemiRise、對接平臺Orbital、ADME特性預(yù)測平臺Chemi-Net等在內(nèi)的數(shù)個模塊。圖4-4臨床前藥物發(fā)現(xiàn)的完整AI解決方案公司共擁有8條管線，其中4條（乳腺癌、前列腺癌和血液腫瘤學(xué)適應(yīng)癥）進(jìn)入臨床階段。--5.未知君未知君于2017年在深圳成立，是一家將AI用于腸道微生物治療公司。擁有AI+BT微生物組研究和產(chǎn)品開發(fā)平臺，通過微生物技術(shù)和生物信息技術(shù)，利用活體生物藥和微生物小分子調(diào)節(jié)劑，實現(xiàn)疾病的緩解或治療。圖4-5AI+BT微生物組研究和產(chǎn)品開發(fā)平臺未知君的AI+BT微生物組研究和產(chǎn)品開發(fā)平臺，以人工智能與數(shù)據(jù)驅(qū)動，共包括5部分，旨在實現(xiàn)數(shù)據(jù)高質(zhì)量分析、沉淀與產(chǎn)出，持續(xù)孵化優(yōu)質(zhì)微生態(tài)藥物管線與產(chǎn)品。未知君在腫瘤、神經(jīng)系統(tǒng)、消化系統(tǒng)、免疫系統(tǒng)等疾病領(lǐng)域完成布局，擁有10+條管線，其中4條臨床階段管線。其中多條First-in-class微生態(tài)藥物管線，覆蓋了配方菌、基因工程微生物、菌代謝物、腸菌移植等全部主流藥物形態(tài)。6.望石智慧望石智慧成立于2018年，是一家AI驅(qū)動的新藥研發(fā)技術(shù)平臺型公司。公司旨在利用人工智能開發(fā)通用底層技術(shù)，通過整合先進(jìn)的計算與實驗室測試體系，實現(xiàn)小分子創(chuàng)新藥研發(fā)的加速、降本和增效。圖4-6AI藥物分子設(shè)計平臺StoneMIND?望石智慧的AI藥物分子設(shè)計平臺StoneMIND?(MasterofIntelligentNovelDesign)，將服務(wù)不同研發(fā)環(huán)節(jié)的工具軟件化或SaaS化，配合藥物研發(fā)人員進(jìn)行信息提取、知識挖掘和藥物分子設(shè)計。目前，公司已在全球范圍內(nèi)建立廣泛的商業(yè)合作，并支持了多個高難度項目獲得臨床候選化合物。--7.銳格醫(yī)藥銳格醫(yī)藥成立于2018年，是一家臨床階段的生物醫(yī)藥公司。通過自主研發(fā)的rCARD?平臺，與結(jié)構(gòu)生物學(xué)、計算化學(xué)、計算生物學(xué)、生物學(xué)、藥物化學(xué)和臨床開發(fā)的高度融合，發(fā)現(xiàn)和開發(fā)臨床差異化的創(chuàng)新藥物。圖4-7rCARD?平臺從2018年8月起，公司已經(jīng)啟動了超過15個創(chuàng)新藥研發(fā)，涵蓋了腫瘤學(xué)、自身免疫學(xué)和代謝性疾病領(lǐng)域。目前擁有管線8條，其中GLP-1R靶點(diǎn)藥物RGT-075和腫瘤藥物RGT-419B進(jìn)入臨床2期。8.劑泰醫(yī)藥劑泰醫(yī)藥于2020年在杭州成立，是一家以AI驅(qū)動藥物遞送以及制劑開發(fā)的制藥公司。旨在通過將藥物遞送、藥物發(fā)現(xiàn)與人工智能、機(jī)器學(xué)習(xí)和量子模擬相結(jié)合，解決未被滿足的臨床需求，在廣大疾病領(lǐng)域推動最佳療法。圖4-8AiLNP、AiRNA、AiTEM核心技術(shù)平臺劑泰醫(yī)藥目前已打造了十余條產(chǎn)品研發(fā)管線，包括RNA藥物和小分子新藥，其中1條管線進(jìn)入臨床3期。同時通過共同開發(fā)管線或通過技術(shù)平臺對外授權(quán)的合作方式與國內(nèi)外頂尖藥企開展深入合作。--9.德睿智藥德睿智藥成立于2020年，是一家人工智能（AI）驅(qū)動的創(chuàng)新藥物研發(fā)公司。公司從藥物研發(fā)的最上游需求入手，通過不斷的技術(shù)創(chuàng)新和算法迭代，以推進(jìn)AI賦能藥物研發(fā)技術(shù)的邊界。圖4-9德睿智藥AI新藥研發(fā)平臺目前，德睿智藥有十余條管線，公司自研AI輔助設(shè)計口服小分子GLP-1受體激動劑MDR-001，在項目啟動19個月內(nèi)獲得美國FDA針對肥胖癥和二型糖尿病的新藥臨床批件，2023年9月已完成II期臨床首劑量組給藥。10.星亢原生物星亢原生物成立于2018年，是一家將人工智能（AI)與生物物理相結(jié)合，進(jìn)行藥物研發(fā)的生物高科技公司。公司專注大分子類藥物研發(fā)，尤其是在腫瘤免疫治療領(lǐng)域。針對治療藥物的早期發(fā)現(xiàn)，星亢原通過表征蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）開發(fā)了一個強(qiáng)大的研發(fā)平臺。圖4-10neoBiologics生物大分子發(fā)現(xiàn)平臺星亢原的neoBiologics平臺利用Al+合成生物學(xué)設(shè)計發(fā)現(xiàn)生物大分子。通過AI計算指導(dǎo)構(gòu)建精準(zhǔn)的合成庫，得到獨(dú)特的并可專利的hits，并通過獨(dú)立開發(fā)的AI算法進(jìn)行l(wèi)eads的篩選和優(yōu)化，進(jìn)而獲得高可開發(fā)性的候選藥物。星亢原已經(jīng)與國內(nèi)外生物醫(yī)藥公司建立合作，布局藥物研發(fā)管線。目前，公司共有14條在研管線，其中已經(jīng)有多款藥物推進(jìn)到PCC階段，重點(diǎn)管線也與藥明生物開啟戰(zhàn)略合作，進(jìn)入臨床前開發(fā)階段。--二、國內(nèi)藥企與AI制藥公司的合作國內(nèi)大型藥企與AI制藥公司的合作時間較晚，最早的合作開始于2019年。面對AI制藥技術(shù)，國內(nèi)藥企表現(xiàn)出相對保守的態(tài)度。一方面是因為國內(nèi)藥企可能對新技術(shù)的接受和采用速度相對較慢，需要一定時間來適應(yīng)和理解AI在制藥領(lǐng)域的應(yīng)用價值；另一方面國外藥企在AI技術(shù)研發(fā)和應(yīng)用方面投入資源時間較早，使得其在和AI公司合作方面有更多經(jīng)驗，更具優(yōu)勢。國內(nèi)最早進(jìn)入AI制藥行業(yè)的國內(nèi)藥企包括復(fù)星醫(yī)藥、中國生物制藥等公司。這類傳統(tǒng)藥企通過戰(zhàn)略合作等方式切入AI制藥賽道。相較于跨國藥企，國內(nèi)藥企對AI制藥公司的投資以及合作訂單也相對較少。但是隨著國內(nèi)藥企在合作中意識到AI技術(shù)在藥物研發(fā)和生產(chǎn)中的潛在好處，與AI制藥公司的合作可能會更加順利和高效。2022年，復(fù)星醫(yī)藥與英矽智能達(dá)成合作協(xié)議，在全球范圍內(nèi)共同推進(jìn)多個靶點(diǎn)的AI藥物研發(fā)，英矽智能將獲得高達(dá)1300萬美元的首付款及里程碑付款，這是國內(nèi)藥企與AI制藥公司合作中較重要的合作。2023年8月，雙方合作開發(fā)的抗腫瘤候選藥物獲得國家藥監(jiān)局批準(zhǔn)進(jìn)入臨床，成為復(fù)星醫(yī)藥與英矽智能達(dá)成戰(zhàn)略合作以來取得的首個臨床里程碑。圖4-11部分中國藥企與AI制藥公司的合作來源：智藥局整理--三、國內(nèi)IT巨頭在AI制藥領(lǐng)域的布局中國IT巨頭在AI制藥領(lǐng)域的布局可以追溯到2015年左右，當(dāng)時百度成立了百度健康，并開始在醫(yī)療領(lǐng)域進(jìn)行探索，到2020年，百度又成立百圖生科，正式開始加入AI制藥市場。隨后，阿里巴巴、騰訊和華為也開始在AI醫(yī)療健康領(lǐng)域進(jìn)行布局。最早進(jìn)入AI制藥行業(yè)的公司包括百度、阿里巴巴和騰訊。百度推出了AI診斷輔助系統(tǒng)和醫(yī)療影像診斷平臺，利用人工智能技術(shù)提高醫(yī)療診斷效率；2020年成立的生命科學(xué)平臺公司“百圖生科”，通過整合百度在人工智能領(lǐng)域積累的技術(shù)和資源，結(jié)合生物醫(yī)藥領(lǐng)域的數(shù)據(jù)，創(chuàng)新藥物研發(fā)技術(shù)。阿里巴巴則成立了阿里健康，并推出了基于大數(shù)據(jù)和人工智能的健康管理平臺，為用戶提供個性化的健康管理方案。騰訊在2015年和2018年便參與了目前中國AI制藥頭部企業(yè)之一晶泰科技的A輪及B輪融資，還推出了騰訊醫(yī)典和騰訊醫(yī)療AI等產(chǎn)品，通過人工智能技術(shù)實現(xiàn)醫(yī)療影像識別和輔助診斷，2020年更是重點(diǎn)打造了“云深智藥”，將AI藥物研發(fā)正式列入企業(yè)版圖。在新冠肺炎疫情暴發(fā)期間，AI在藥物研發(fā)領(lǐng)域發(fā)揮了重要作用。2020年1月，百度、阿里云宣布向全球公共科研機(jī)構(gòu)免費(fèi)開放一切AI算力，支持病毒基因測序、新藥研發(fā)、蛋白篩選等工作，以加速新型冠狀病毒肺炎新藥和疫苗研發(fā)。華為在2021年至2023年間，不斷更新盤古藥物分子大模型的進(jìn)展，聯(lián)合中國科學(xué)院上海藥物研究所賦能全流程的AI藥物設(shè)計。隨著人工智能技術(shù)的不斷發(fā)展，國內(nèi)IT巨頭在AI制藥領(lǐng)域的布局將會繼續(xù)加大投入，加速推動人工智能技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用。圖4-12國內(nèi)IT巨頭在AI制藥領(lǐng)域的布局來源：智藥局整理.--一、AI制藥市場投融資情況2022年以來，AI藥物研發(fā)賽道進(jìn)入驗證期，全球資本情緒逐漸趨于謹(jǐn)慎。隨著人工智能技術(shù)的飛速發(fā)展，AI在醫(yī)藥行業(yè)的應(yīng)用已經(jīng)從最初的輔助研究拓展到了全流程的智能化管理。從靶點(diǎn)發(fā)現(xiàn)、藥物設(shè)計到臨床試驗，AI正逐步改變傳統(tǒng)制藥行業(yè)的范式和流程。根據(jù)MedMarketInsights數(shù)據(jù)顯示，近三年（2021-2023Q3）全球AI制藥融資總額約為134.66億美元，成為生物醫(yī)藥最受青睞的領(lǐng)域之一。2021年、2022年以及2023年前三季度，該領(lǐng)域分別完成42.95億美元、63.61億美元以及28.1億美元融資。分地區(qū)來源看，融資活動主要發(fā)生在美國、中國、英國、歐盟、以色列等國家和地區(qū)，其中美國和中國吸納了大部分融資金額，兩國占總投資筆數(shù)的95%，中國AI+制藥企業(yè)融資總額超25.3億元，占比13%。分融資階段來看，全球AI制藥領(lǐng)域投資集中于早期項目，同期投資交易共292起，其中188起融資事件輪次處于早期階段，占比約64.4%。圖5-12021—2023Q3AI制藥行業(yè)全球融資輪次分布--隨著資本寒冬的持續(xù)以及AI制藥自身發(fā)展的波動，全球AI藥物研發(fā)賽道熱度出現(xiàn)下降趨勢。就數(shù)量而言，2021年、2022年以及2023年前三季度，分別產(chǎn)生融資活動73起、144起和75起，與去年同期相比，今年的活躍度下降了約36%。圖5-22021-2023Q3AI制藥行業(yè)全球融資情況受到全球經(jīng)濟(jì)大環(huán)境沖擊以及國內(nèi)醫(yī)藥行業(yè)政策收縮影響，國內(nèi)融資亦呈現(xiàn)下滑趨勢。根據(jù)智藥局統(tǒng)計，2023年前三季度發(fā)生融資事件28起，同比下降21%，累計披露金額25.3億元。投融資活動主要集中于長三角、京津冀以及珠三角等醫(yī)藥產(chǎn)業(yè)較為發(fā)達(dá)的地區(qū)。圖5-3智藥局監(jiān)測：2021—2023Q3AI制藥行業(yè)中國融資情況根據(jù)國內(nèi)融資輪次分布情況，融資活動共75起。今年國內(nèi)AI制藥領(lǐng)域大部分企業(yè)還處于早期融資階段，B輪及之前共有47起，占比達(dá)到62.7%。早期項目和小型企業(yè)仍然是資本的聚焦點(diǎn)，“投早投小”成為行業(yè)共識。市場預(yù)計產(chǎn)業(yè)距離成熟期還有很長一段路，尚沒有AI制藥企業(yè)完成IPO。--2023年下半年，國內(nèi)外融資環(huán)境邊際轉(zhuǎn)暖，出現(xiàn)了多起大額融資。僅8月，國內(nèi)便產(chǎn)生7起融資事件，披露金額共9.89億元，達(dá)到近一年內(nèi)最高點(diǎn)。當(dāng)月，深勢科技完成7億元C輪融資，成為今年國內(nèi)AI藥物研發(fā)領(lǐng)域最大一筆融資金額。圖5-42023年前三季度AI制藥行業(yè)全球融資輪次分布國外，下半年接連迎來多起超億美元融資事件，全部來自美國，拔得頭籌的是獲得C輪拿下2.55億美元的細(xì)胞療法智能工廠Cellares。表5-12023年金額超億美元融資事件來源：智藥局整理--二、市場預(yù)測AI制藥公司技術(shù)主要應(yīng)用場景包括靶點(diǎn)發(fā)現(xiàn)、虛擬篩選、蛋白質(zhì)結(jié)構(gòu)預(yù)測、ADMET預(yù)測和臨床試驗等方面。通過其專業(yè)的平臺及團(tuán)隊向大型醫(yī)藥企業(yè)和傳統(tǒng)CXO服務(wù)企業(yè)之類的下游企業(yè)提供服務(wù)，同時還可以通過上市藥品售賣、管線授權(quán)、提供自動化實驗室等途徑獲得收入。根據(jù)MedMarketInsights預(yù)測，2023年全球AI制藥行業(yè)市場規(guī)模為12.93億美元，預(yù)計到2031年，市場規(guī)模增長到85.02億美元，2022-2031年復(fù)合增長率約為27.2%。據(jù)智藥局統(tǒng)計，目前AI相關(guān)藥物獲批臨床的管線約90條，其中有約40條推進(jìn)到II期臨床，占總數(shù)的44%；推進(jìn)到III期的管線接近10條。預(yù)計2017年之后，隨著當(dāng)前處于臨床II、III期的AI藥物進(jìn)入上市階段，AI制藥市場或?qū)⒂瓉淼谝粋€小高峰；第二個高峰預(yù)計出現(xiàn)在2030-2031年，當(dāng)前處于臨床前、臨床I期和II期藥物的推進(jìn)到藥物上市階段，將會帶來新的增量。圖5-52022-2031年全球AI制藥市場規(guī)模預(yù)測隨著人工智能技術(shù)的快速發(fā)展，國內(nèi)的AI制藥市場規(guī)模也正在同步擴(kuò)大。AI技術(shù)在制藥行業(yè)的應(yīng)用，能夠加速藥物研發(fā)過程、提高生產(chǎn)效率、優(yōu)化藥物配方等，極大地推動了整個行業(yè)的發(fā)展。生物技術(shù)和人工智能技術(shù)的快速發(fā)展，以及AIDD、AlphaFold2及ChatGPT等創(chuàng)新產(chǎn)品的出現(xiàn)，國內(nèi)Al制藥產(chǎn)業(yè)迎來高速發(fā)展的成長期。2021年，在疫情驅(qū)動、資本加持下，國內(nèi)Al制藥企業(yè)投產(chǎn)獲取第一輪成效，預(yù)計2023年市場規(guī)模將達(dá)到10.24億元。圖5-62021-2031年中國AI制藥市場規(guī)模預(yù)測趨勢圖--除了在藥物研發(fā)領(lǐng)域的應(yīng)用，人工智能技術(shù)在臨床試驗、醫(yī)療影像診斷、個性化用藥等方面也展現(xiàn)了巨大潛力。AI技術(shù)能夠幫助醫(yī)生更準(zhǔn)確地診斷疾病，為患者提供更加精準(zhǔn)的治療方案，從而提高了醫(yī)療服務(wù)的質(zhì)量和效率。預(yù)計未來幾年，中國AI制藥市場規(guī)模將繼續(xù)保持高速增長的態(tài)勢。隨著科技水平不斷提升，人工智能技術(shù)將在制藥領(lǐng)域中其他模塊將得到更廣泛的應(yīng)用，這將進(jìn)一步推動整個制藥行業(yè)的轉(zhuǎn)型升級。同時，政府對于人工智能技術(shù)的支持和鼓勵也將促進(jìn)中國AI制藥市場的發(fā)展。相信在不久的將來，中國AI制藥市場規(guī)模有望迅速突破百億元，成為制藥行業(yè)的新增長引擎。圖5-72021-2031年全球AI制藥市場占比預(yù)測圖當(dāng)前全球AI制藥市場主要集中在美國，占比約為61%，以Schr?dinger、AbCellera為首的上市公司為代表性企業(yè)；其次是亞洲（中國、韓國等），占比約為12%，中國AI制藥企業(yè)的市場占比在逐年擴(kuò)大，以英矽智能和晶泰科技等企業(yè)為首；然后是歐洲和英國，占比分別為10%和8%，Exscientia等英國企業(yè)和賽諾菲等大型制藥企業(yè)有大量合作訂單；中東地區(qū)，主要以Cytoreason等以色列企業(yè)為主，占比約為4%，加拿大市場占比較小，約為3%；其他地區(qū)包括澳大利亞等其他國家，占比約為2%。由于美國AI制藥市場起步較早，所以大部分AI制藥企業(yè)集中在北美地區(qū)，其余國家和地區(qū)市場占比較少。伴隨中國AI制藥創(chuàng)新企業(yè)的快速發(fā)展，2031年亞洲地區(qū)將占據(jù)更大的市場份額。同時歐洲依賴傳統(tǒng)大藥企的押注AI制藥，歐洲地區(qū)也將吞沒部分北美市場份額。--三、未來趨勢及建議趨勢1：AI將成為藥物研發(fā)中的底層技術(shù)和基礎(chǔ)工具迄今為止，還沒有一款由AI研發(fā)的新藥上市。但是，深度學(xué)習(xí)、預(yù)訓(xùn)練模型和大型語言模型等技術(shù)的出現(xiàn)，已經(jīng)驗證了AI有足夠的能力應(yīng)對多維度、非線性的復(fù)雜生物醫(yī)藥數(shù)據(jù)。AI技術(shù)正在逐漸改變傳統(tǒng)的藥物研