專訪晶泰科技CEO馬?。簲祿e累就是AI制藥領域的“基建”，數據壁壘已成為限制AI制藥發展的關鍵瓶頸

每經記者 許立波    每經編輯 楊夏    

當下人工智能正在醫藥領域掀起一場技術和創新的革命，它以驚人的速度改變著業界對制藥的認知。

與傳統的藥物研發相比，AI制藥極大地提高了研發的速度和成功率。尤其是在生成式AI大行其道的當下，其可以識別潛在的疾病治療靶點，并針對該治療靶點生成具有治療潛力、成藥特性的新藥物分子或蛋白質藥物，從而徹底改變傳統藥物開發模式周期長、成本高、成功率極低的創新困境。

需要指出的是，從最早出現的CADD（計算機輔助藥物設計）發展到如今的AIDD（人工智能藥物研發），盡管前景廣闊并被寄予厚望，但AI制藥仍算得上是一門新興學科，算法與技術不斷推陳出新的同時，距離廣泛工業化使用，仍存在一系列挑戰和限制。

在接受《每日經濟新聞》記者專訪時，國內AI制藥頭部企業晶泰科技首席執行官馬健表示：“在目標清晰的情況下，AI制藥技術能夠很好地解決工程技術上的挑戰，降低研發風險，勝任比如分子結構的設計、化學合成等研發步驟；不過一旦涉及到生物學問題，如宏觀腫瘤與微觀細胞層面研究的關聯性要如何建立、某個靶點是否與病癥顯著相關、生物學的機理是否成立……這些問題都有賴于實驗驗證和探索，具有分布式和偶發性的特征，這是現階段AI技術難以解決的痛點。”

晶泰科技首席執行官馬健。 圖片來源：受訪者供圖

AI制藥可大幅縮短研發周期與降低成本

據了解，在AI制藥出現以前，藥物的研發大致可以分為以下幾個階段：19世紀以前，藥物多來自自然界的天然產物；19世紀后，化學工業得到發展，人們開始分離、提取、純化天然動植物中的有效成份作為藥物；20世紀開始，隨著藥理學和有機化學等科學的發展，人們開始在實驗室里人工合成一些已有的藥物，并創造一些自然界不存在的全新化合物；之后，以人體為研究對象，研究藥物在體內的代謝、作用機制的現代藥理學逐漸發展完善；20世紀80年代后，以靶點為基礎的新藥研發模式得到應用，從原理和機制入手理性設計藥物成為可能，其不僅加快了對化學藥物研發的進程，單抗、基因治療藥物等也在這一階段誕生。

一款全新靶點、全新機制的新藥，其研發需要經過靶點發現、靶點驗證、先導化合物發現和優化、臨床前開發等階段，整個過程可能需要實驗、篩選上萬個化合物，過程極為耗時耗力。也因此創新藥研發誕生了一條著名的“三十定律”，即研發一款新藥至少需要10億美元的投入、10年的研發周期，但哪怕已經成功進入臨床實驗的藥物，其成功率也低于10%。近年來，這一趨勢越發明顯，藥企的創新回報率不斷趨近1%。

馬健表示，現在很多藥物在研發過程中，雖然可能生物學機理相對清晰，但其藥物開發難度和成藥難度卻非常大，就像“我們都知道月球在天上，但怎么造火箭來飛到月球上，這才是真正的挑戰”。

那么AI技術又能夠為新藥研發帶來哪些改變？馬健介紹，AI和算法的“先見之明”，可幫助制藥企業在研發早期通過算法預測和模擬，探索并排除大量注定失敗的方向，綜合制定出成功率更高的研發路線和策略。在傳統實踐中，藥物分子中關鍵的物理、化學、生物特征需要人工篩選上千甚至上萬次才能得到有治療潛力的苗頭分子，效率極為低下，且依賴科學家個人的經驗、靈感，帶有較高的盲目性；但現在運用AI和算法，藥企可以對分子的這些關鍵成藥特征進行準確預測，率先知道選擇哪種藥物和研發路線最有希望成功，輔以針對性的實驗驗證，從而提高研發效率及成功率。

圖片來源：受訪企業供圖

根據英偉達的公開資料，使用AI技術可使藥物早期發現所需時間縮短至1/3倍，成本節省至1/200倍。除了藥物靶點發現階段外，AI在藥物分子理性設計與優化、藥物自動合成路線的設計、新藥固體形態與制劑研發、乃至工藝放大與藥品生產階段都有實際落地的應用。如晶泰科技就曾在新冠藥Paxlovid上協助輝瑞，利用前者的AI預測算法結合實驗驗證，僅用六周時間，就完成了傳統上需要數個月的藥物晶型研究，預測與實驗結果的相互印證、準確匹配，加速輝瑞毫無后顧之憂地選擇優勢晶型并推進后續的開發和生產，從而幫助CMC科學家快速作出研發決策并及早開始下個研發環節。

實際上，除了輝瑞外，各大頂級制藥MNC（跨國公司）以及國內頭部藥企目前均在爭相布局AI制藥賽道，把這項技術的落地上升到戰略高度。弗若斯特沙利文報告顯示，大型制藥公司與AIDD公司的合作伙伴數量不斷增加，由2017年的18份新合作協議增加至2022年的66份新合作協議，復合年增長率為29.7%。晶泰科技也已與禮來、默克、齊魯制藥、華東醫藥（000963.SZ，股價45.27元，市值794.03億元）、海正藥業（600267.SH，股價11.32元，市值136.73億元）、正大天晴等多家藥企達成合作。

數據壁壘是限制AI制藥行業發展的一大因素

盡管人們對AI抱有革命性的期待，但截至目前，全球范圍內尚未出現順利上市的AI研發藥物。這主要是藥物研發動輒十數年的周期導致，由AI算法發現的新藥，還未走完臨床試驗所需要的漫長進程，仍需在人體內面對來自監管層面的終極考驗，證明其先進性。

2022年7月，在進入臨床階段一年多以后，全球首個由AI設計分子、英國AI制藥企業Exscientia開發的用于治療強迫癥的候選藥物DSP-1181宣布停止開發，原因是1期臨床研究未達到預期。

今年4月，另一家AI藥物研發公司BenevolentAI也宣布，其用于治療特應性皮炎的局部泛Trk抑制劑BEN-2293的IIa期臨床試驗沒有達到次要療效終點。

這兩項由AI輔助設計的藥物在進入臨床后療效不佳的案例，為整個AI制藥領域都蒙上了一層陰影。

對此，馬健則更傾向于用樂觀的態度來看待AI制藥未來的發展，他認為藥物研發必須遵循客觀規律，通過大量的臨床試驗來確保其安全性、合規性和有效性。盡管目前還沒有由人工智能設計的藥物成功實現上市銷售，從長期來看，這將是行業發展的趨勢方向；但公眾不能只關注到最終的成功，這一新興技術在更具體的研發環節中已經取得階段性的成功與驗證，比如實現更快的苗頭化合物發現、加速先導化合物的優化，以及更快地推進到臨床前候選化合物階段，都具備“集小勝為大勝”的意義。

“別看現在AI設計的藥物還沒有獲批上市，但在臨床前在研的藥物分子當中，越來越多的，甚至可能有超過三、四成的管線都有AI技術的參與。假以時日，當冰山逐漸浮上來的時候，你會突然意識到很多的儲備管線，都已經是AI藥物研發的管線。”馬健表示。

東吳證券研報指出，AI在新藥研發過程中通常的路徑為：1）獲取目標訓練數據集；2）建立AI自主學習算法模型；3）多輪訓練以優化模型；4）測試、評估模型；5）基于模型實現分子優化、篩選、預測、分析等。在這過程中，數據決定了訓練模型的深度，算法決定了效率和產出，算力決定了AI可實現的維度，數據、算力和算法是構成AI的三大基本要素。

圖片來源：受訪企業供圖

目前晶泰科技已建設起AI藥物研發所需的算法平臺與高性能計算算力平臺支持，并持續產生和收集高精度的研發數據，不斷增強關鍵算法的預測表現；在算法方面，晶泰科技建立了基于數據的500多個藥物AI模型方法與基于量子力學的物理模擬方法互補的技術體系；在數據方面建立了干濕互補、虛實結合的數據產生方案，高精度物理計算和分子模擬產生的可用于AI訓練的虛擬數據，結合由大規模自動化機器人實驗室產生并收集的高通量、高精度的針對性研發數據，持續支持AI算法的優化和開發升級。

對于構成AIDD的三大基本要素，馬健的看法是，藥物設計與藥物發現往往涉及多目標優化的問題，需要對藥物活性、毒性等多個維度的綜合分析評估，也因此需要建立多維度的算法模型。“在此過程中，Domain Knowledge（專業知識）必須要與行業有深度的結合。算法模型這塊不是閉門造車，并不是采用了先進的對抗式神經網絡、生成式模型，就意味著算法領先了。算法在垂直工業領域的先進性，一定是體現在是否能最有效解決領域問題上的。”

此外，馬健也非常重視數據的積累，他將其稱之為AI制藥領域的“基礎設施建設”，他打了一個比方，數據層面的構建就像是蓋摩天大樓，可能大部分時間都耗費在了打地基的過程中；又比如ChatGPT的走紅出圈，就是因為數據層面的積累達到了一個臨界點，其模型表現就能獲得質的飛躍。

但到了生物醫藥這樣的垂直領域，數據積累并不是一件易事，很多研究數據雖然從公開的文獻專利中也能獲得，但這些數據未必是可靠的、結構化的，且驗證、標注的成本高、周期漫長，這也限制了模型的發揮。“實際上，行業在2020年之后就遇到了數據壁壘這一挑戰，AI藥物研發需要高質量、高可靠性、標準化、高通量的真實世界的數據支持，只有達到了信息化、自動化、數字化、數據極大豐富等條件，AI制藥才能真正獲得廣泛的落地，全面推動產業走向智能化。”馬健指出。

圖片來源：受訪企業供圖

不同商業模式的考量因素：團隊特性與工具成熟度

AI制藥的潛力被廣泛認可，但所有AI制藥公司終將要面臨的考驗是：如何將這些前沿技術商業化變現，實現其潛在價值？

據了解，當前AI制藥企業在商業模式上主要分為：AI-biotech、AI-CRO和AI-SaaS，即利用AI自己建立新藥研發管線成為藥企、提供藥物發現服務和售賣AI藥研平臺與軟件的使用服務。

東吳證券研報指出，近年來AI制藥企業的商業模式有逐步演進的趨勢，其中AI新藥管線研發能力是核心。軟件提供商基于本身在算法方面的優勢，有望通過提供軟件產品實現商業模式走通；平臺型研發企業通過項目數的積累和自主研發能力邊際的不斷拓寬，在數據積累上會有較大優勢，也有望衍生出AI新藥研發的CRO企業，專注于建立平臺提供服務，為不具備AI新藥前端開發能力的企業提供支持；AI新藥研發最終走的也是新藥研發的邏輯，這也會催生一批在AI藥物管線開發上具有突出能力的Biotech。

對于AI制藥企業在不同商業模式上的抉擇，馬健的看法是，要理解不同企業的商業模式與路線的選擇，需要從兩個方面的因素來考慮：一是這一企業的研發團隊所擅長的方向，“有的團隊就是工程軟件開發能力很強，他們做軟件非常得心應手；有的團隊就是生物學和化學的認知能力很強，那么他們就可能會更多地結合一些實驗的手段去進行探索”。其次，商業模式除了受團隊特性的影響，也與工具的成熟度相關，“隨著AI藥物研發工具的逐漸成熟，其商業模式也會逐步演進，因此工具的技術成熟度直接決定了AI制藥企業在商業上可能達到的高度”。

從目前來看，晶泰科技更偏向AI-CRO的商業模式，公司將之定義為“為全球生物醫藥企業提供藥物發現一體化解決方案的技術平臺”。在馬健看來，晶泰科技的商業模式是在過去幾年中在賦能商業化客戶、孵化各類生物科技類公司、內部研發創新的經驗積累中逐步形成的。“我們聚焦于晶泰科技的AI+機器人平臺所擅長的領域，可以通過廣泛的商務合作，快速地實現從靶點確定到獲得臨床前候選藥物，交付出可成藥的化合物或抗體，根據付費結構的不同，也可以參與分配更為長期的藥物價值。所以晶泰科技實際上是一家科技公司，走的是平臺技術的發展路徑。”

封面圖片來源：視覺中國-VCG111424826218