点击上方蓝字关注我们吧
AI的尽头究竟是什么？有投资者说是光伏，也有投资者说是电力，而英伟达给出的答案则是生物制药。
在英伟达2023年投资版图中，除AI产业根基算法与基础建设外，生物制药是其重点布局的核心赛道。英伟达医疗保健副总裁KimberlyPowell甚至直言：“既然计算机辅助设计行业捧出了第一家2万亿美元市值的芯片公司，计算机辅助药物发现行业为什么不能打造下一个价值万亿美元的药物公司呢？
图：英伟达2023年投资版图
可以看出来，英伟达对于“AI+生物医药产”赛道的未来充满信心，它是希望再造一个“英伟达”的。究竟为何英伟达如此看好这个赛道呢？想要弄明白这个问题，我们就必须先搞清楚医药赛道的核心痛点与底层逻辑。
反摩尔定律
英特尔创始人戈登·摩尔的在常年研究半导体产业后，提出这样一个经验之谈：集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍。
摩尔定律意味着，随着产业不断发展，处理器的性能大约每两年翻一倍，同时价格下降为之前的一半。正是这个不断技术迭代的过程，才使得人类计算机技术飞速发展，越来越多“玄幻”的功能得以实现。
在这种反摩尔定律下，创新药研发门槛不断提升，投资者的风险越来越大，渐渐地创新药成为产业巨头的生意。但实际上，医药产业发展却注定是由“边缘革命”推动的，新的技术也往往都出现在初创公司中，当技术不断得到验证，巨头才开始切入布局。
生物制药产业存在必须改变的需求，而不断攀升的创新药研发成本又给这件事留有足够的空间。这两点是促使英伟达看好AI技术能够重塑医药产业的立足点。
经验与直觉
创新药上市虽然需要经历严苛且系统化的临床验证，但药物发现的过程却充满随机性。药物研发路径呈现漏斗型，一款药物的确立，是需要经历药物发现、临床前期验证、临床期验证三个阶段的，每一阶段的成功管线的数量不断降低。
这其中最难的是药物发现阶段，需要在无数化合物中筛选出1万个左右适合的化合物，然后在一步一步的筛选，最后找到合适的化合物。某一个靶点的发现与确立，不仅颇具偶然性，而且验证过程极为繁琐，找到合适的分子更是难上加难。
AI制药，本质上就是摒弃过去的专家直觉，高度依赖于数据反馈，通过不断地模型训练，进而找到正确的研发路径。由依靠专家直觉，切换到AI大模型筛选，这是一种由具象化走向数据化的过程，也是由感性向理性过度的路径。
尤其在很多未攻克的空白适应症上，专家直觉的成功可能与掷骰子无异，持续高通量的AI模型试错才是降低失败率的最好方法。AI制药，不仅降低了研发成本，而且也能有效地提升研发效率。
数据资源最为珍贵
算法、算力、数据库，这是AI技术的三大核心要素。
但在生物制药领域，算法为王的情况却可能并不适用。与其他场景相比，生物制药赛道的数据资源更加珍贵，它是非开源的，是各大药企的核心资源。无论成功与失败，都是经过大肆烧钱的临床试验而得来的。由此可见，数据库才是AI制药赛道最核心的竞争力所在。
现阶段，国内AI制药正处于发展初期，大致上可以分为三个梯队。第一梯队是已经布局AI制药技术多年的公司，如成都先导、泓博医药、晶泰科技、药石科技等；第二梯队则是拥有丰富的研发经验，但在AI制药领域的布局却刚刚起步，如药明康德、美迪西、皓元医药等；第三梯队则是研发经验丰富，但暂时还没有在AI布局太深的其他CRO公司。
AI制药领域，数据才是产业第一性，数据库的价值远高于算法和算力的价值，这也是为何CRO公司会站在目前国内AI制药产业第一线的原因。
凛冬已至，群狼活，独狼死。而在生物医药行业，创新就是那个最大公约价值。
从2017年到2020年，中国上市的37种一类新药中仅有3个产品具备原始创新作用机制。数据显示，我国每年医学科技成果转化率低于8%，低于全领域重大科技成果平均转化率20%。而在美国和日本，同领域比率接近70%。而在如今的特殊时期，原始创新似乎重新唤起了资本的兴趣。一些人感到，原始创新可能会成为下一个找钱快车道。
中国原始创新的研究主体是谁，这一点一直存在争议。
明面上，是医院和大学。我国一直提倡医药创新应以临床价值为导向，医院的临床资源结合药学院、医学院等科研单位的人才、设施、理论成果，构成了前沿领域的研究基础。
2023 年，CDER 批准了 55 款新药，是近 5 年的最高值，仅次于 2018 年。NMPA 批准了 82 款新药，创近年来国内获批新药数量的新高。
新药研发热潮下，药企对提高成功率的工具和方法密切关注。
国内生物科技行业外部融资环境尚未好转，对于企业而言，如何活下去是头等大事。从近期生物科技企业发布的2023年业绩来看，大家有在比拼减亏趋势。
“其实原始创新非常考验投资人的眼光。”崔志平说，“必须得看得到未来的风口，也要看得懂早期项目。”
声明：本文系药智网转载内容，图片、文字版权归原作者所有，转载目的在于传递更多信息，如有涉及内容 ，版权问题请联系删除！
