2025年3月，在波士頓的一家Biotech 創(chuàng)始人，正在尋求新一輪融資。他和中美兩國(guó)的投資人都有接觸，忽然感覺(jué)“DeepSeek 對(duì)國(guó)內(nèi)科技行業(yè)的提振很強(qiáng)，去年的低迷一掃而光”。

他感覺(jué)到，中國(guó)資產(chǎn)涉及到“AI加持醫(yī)療”的價(jià)值在增加，“技術(shù)上雖然剛開(kāi)始，但是未來(lái)前景很大，美國(guó)相關(guān)股票在最近也開(kāi)始暴漲”。 

國(guó)內(nèi)知名基金的生物板塊負(fù)責(zé)人，也加緊和同公司數(shù)據(jù)智能團(tuán)隊(duì)交流，并緊鑼密鼓地調(diào)研之前投資的人工智能公司，獨(dú)立分出來(lái)做醫(yī)療的團(tuán)隊(duì)。

“最近老板都在瘋狂補(bǔ)課。”一位投資人發(fā)來(lái)一篇關(guān)于AI影像公司商業(yè)前景的文章。其表示，在一級(jí)市場(chǎng)，剩下的AI 公司標(biāo)的已經(jīng)不多了。

一線從業(yè)者的“體感”，來(lái)自春節(jié)前DeepSeek R1模型的橫空出世帶來(lái)的一股“AI熱潮”。DeepSeek在美中兩國(guó)相繼登上APP下載榜第一名，國(guó)內(nèi)多家地方政府機(jī)關(guān)、大型三甲醫(yī)院以及大藥企的接入……DeepSeek之熱，制藥人也幾乎都人手下載了一個(gè)。“雖然在我們的領(lǐng)域還沒(méi)有到非常專業(yè)的程度，但在大眾應(yīng)用層面的表現(xiàn)已經(jīng)非常出色了。”

DeepSeek的影響帶動(dòng)了AI 醫(yī)療/醫(yī)藥股的走勢(shì)。一個(gè)多月來(lái)，多個(gè)醫(yī)療影像、醫(yī)療信息化、AI制藥概念股漲幅接近50%。其中，晶泰科技作為國(guó)內(nèi)“AI 制藥第一股”，日前宣布將在港股配售籌集超過(guò)20億港元。

似曾相識(shí)的“暴漲”

AI概念公司在股市中的走高已經(jīng)不是第一次。

在一位投資人的印象里，這甚至已經(jīng)是第四次了：從2014年IBM組建watson部門，到2017年和2021年在牛市中被炒熱，AI概念曾幾次被推高到A股的風(fēng)口。因此，AI公司在創(chuàng)投界也一直比較受歡迎。

美股也歷經(jīng)了數(shù)次“AI 熱”，包括去年9月的ChatGPT熱潮的影響。投資人表示，這不是第一次，也不會(huì)是最后一次，AI對(duì)生產(chǎn)力的提升會(huì)在未來(lái)長(zhǎng)達(dá)十年的時(shí)間里逐步顯現(xiàn)，這種趨勢(shì)已經(jīng)成為共識(shí)。因此一旦有新的動(dòng)向出現(xiàn)，AI股便會(huì)一路走高。

作為一種新技術(shù)，中美的AI 技術(shù)發(fā)展及相關(guān)股市表現(xiàn)在某種程度上是“共此涼熱”。此前中國(guó)進(jìn)度看起來(lái)稍后一些，“前面幾波都是美國(guó)人在做，中國(guó)可能花6個(gè)月或小一年才能追上。“

但這次不同，“以前都是美國(guó)先邁左腳，這次是中國(guó)先邁了右腳，DeepSeek這個(gè)臺(tái)階是中國(guó)先邁上去了。那體現(xiàn)在股價(jià)上就是這波中國(guó)的股票漲得比較多。”投資人表示。

不過(guò)有投資人評(píng)價(jià)，如今無(wú)論是已上市還是未上市的AI制藥公司，“都很難評(píng)價(jià)”，“神奇的公司太多了”“沒(méi)法證明也沒(méi)法證偽”。

AI醫(yī)療和AI制藥不同。如果說(shuō)一件商品的形成有“好的技術(shù)-好的產(chǎn)品-好的商業(yè)模式”三個(gè)步驟，有的AI醫(yī)療公司（醫(yī)療信息化、影像等公司）或許已經(jīng)由第二步到第三步努力；而對(duì)于AI制藥行業(yè)整體而言，目前可能還在第一步到第二步進(jìn)階的階段。

AI制藥，走到哪一步了

AI制藥，目前出現(xiàn)的第一類公司，是在臨床前階段幫助篩選分子。比如根據(jù)某種疾病的模式，綜合是否更有利于結(jié)合靶點(diǎn)、蛋白質(zhì)等條件，在“分子倉(cāng)庫(kù)”里尋找可能匹配的解決方案。

除了晶泰科技、英矽智能等自己利用AI來(lái)研發(fā)產(chǎn)品的（相當(dāng)于利用了AI技術(shù)的Biotech），還有一些公司會(huì)用AI篩選分子技術(shù)，結(jié)合后期的動(dòng)物試驗(yàn)等做CRO，例如藥明康德。

有業(yè)內(nèi)人士表示，AI在篩選分子方面的作用不可一概而論。在小分子、抗體、多肽等不同Modality （模態(tài)）上，AI 賦能的方式和程度都不太一樣。

不過(guò)行業(yè)共識(shí)是，無(wú)論是哪一種，真正用AI 設(shè)計(jì)的分子（而不是那些人為設(shè)計(jì)較多、AI僅起優(yōu)化作用的），尚未產(chǎn)生令人驚艷的臨床數(shù)據(jù)，“De novo design （從頭設(shè)計(jì)）”任重道遠(yuǎn)。

第二類AI制藥的思路是提高臨床開(kāi)發(fā)效率，根據(jù)適應(yīng)癥、生物標(biāo)志物、患者既往病史和當(dāng)下各項(xiàng)指標(biāo)等條件，篩選出最適合用藥的人群。將來(lái)，這種篩選方式產(chǎn)生的臨床數(shù)據(jù)經(jīng)過(guò)AI分析，或許也可以為患者提供更精準(zhǔn)的治療方案。

相比起小規(guī)模出現(xiàn)的AI 分子篩選類公司，AI臨床創(chuàng)新方案或精準(zhǔn)入組病人設(shè)計(jì)公司更少，賽菲尼（Safenia）醫(yī)藥是一家。其致力于采用AI 輔助的方式，從病人用藥反應(yīng)的數(shù)據(jù)中提煉患者的生物特征（Biologic Signature）、設(shè)計(jì)精準(zhǔn)篩選患者的標(biāo)志物，為臨床研究確定藥物適用的對(duì)象。

AI效率之高曾讓賽菲尼醫(yī)藥董事長(zhǎng)黃予良驚嘆：“如果按照我們傳統(tǒng)做法，要花9個(gè)月到一年的時(shí)間才能在1個(gè)基因上找到適用患者的生物特征；現(xiàn)在的賽菲尼，我們使用整合AI的研發(fā)工具，在25個(gè)基因上分析并確定藥物適用患者的生物特征，花了差不多6個(gè)禮拜時(shí)間就全部搞定了,且精準(zhǔn)度比起‘眾多博士’的努力還要高和可靠。”

商業(yè)模式上，賽菲尼醫(yī)藥的基本模式是“再創(chuàng)造”那些三期試驗(yàn)不成功的藥物，利用AI篩選具有藥效反應(yīng)生物特征的患者。在有預(yù)測(cè)能力的基礎(chǔ)上，提高臨床試驗(yàn)的成功率，“目前藥物的三期臨床成功率不到50%，我們希望能夠通過(guò)我們的AI技術(shù)平臺(tái)賦能，將這個(gè)成功率提高到80%以上。”

NewCo孵化機(jī)構(gòu)合伙人彭巍表示，經(jīng)過(guò)多年的干實(shí)驗(yàn)預(yù)測(cè)與濕實(shí)驗(yàn)反復(fù)驗(yàn)證，國(guó)內(nèi)外AI 制藥領(lǐng)域在泡沫中終于涌現(xiàn)出一些有潛力的公司，不缺融資、不缺人才、也不缺大廠合作。但其管線與商業(yè)模式真正成熟還有一段距離，因此這些公司目前埋頭苦干，十分低調(diào)，不愿引來(lái)過(guò)早的競(jìng)爭(zhēng)或過(guò)多的關(guān)注。

有從業(yè)者表示，目前MNC 也都在涉足AI制藥領(lǐng)域，有的已成立了近百人的專門部門，旨在于研究如何利用AI指導(dǎo)藥物的高效開(kāi)發(fā)。但如果要讓AI參與臨床試驗(yàn)，尤其是三期試驗(yàn)的環(huán)節(jié)，無(wú)異于在公司戰(zhàn)略層面啟動(dòng)重大變革——AI要深度參與制藥行業(yè)，恐怕還需要一些時(shí)間。

“藥效黑箱”捆住了AI的翅膀

在業(yè)內(nèi)人士看來(lái)，對(duì)于整個(gè)制藥行業(yè)而言，利用AI篩選分子有時(shí)顯得有些“隔靴止癢”——理論上再優(yōu)秀的分子，都要經(jīng)過(guò)臨床階段的驗(yàn)證，這才是制藥的最大難點(diǎn)、風(fēng)險(xiǎn)點(diǎn)及成本所在。

而在把“安全性”置于第一位的制藥工業(yè)，動(dòng)物及三期人體試驗(yàn)的過(guò)程，在可見(jiàn)的未來(lái)里，是難以被AI 的推測(cè)及模擬所代替的。

對(duì)人類來(lái)說(shuō)，生命科學(xué)還是“一門遠(yuǎn)遠(yuǎn)未盡的科學(xué)”。某個(gè)分子在什么情況下、為何能發(fā)揮作用；為何理論上能發(fā)揮作用，可有時(shí)又會(huì)導(dǎo)致嚴(yán)重的副反應(yīng)和安全性問(wèn)題……這些問(wèn)題又常常處在“黑箱”里，目前只有通過(guò)人體試驗(yàn)，才能大致推測(cè)出藥物作用的結(jié)果，可根本原因有時(shí)卻依舊不十分明確。

這就導(dǎo)致了AI在制藥工業(yè)中的局限性。某種程度上，AI只能根據(jù)收集和整理已知的信息，為未知的事情提供可參考的解決方案。但若源頭的信息都是未知的，AI也就無(wú)從提供一個(gè)正確方案。

我們嘗試從AI發(fā)展的角度來(lái)理解這個(gè)問(wèn)題。據(jù)業(yè)內(nèi)人分析，AI的能力是由“數(shù)據(jù)-模型-算力”三個(gè)維度構(gòu)成的。

就數(shù)據(jù)層面而言，以DeepSeek為例，作為一種面向普羅大眾的應(yīng)用，因其有大量語(yǔ)料數(shù)據(jù)可供“喂養(yǎng)”，因此它的優(yōu)勢(shì)也是在語(yǔ)言層面。多位行業(yè)人士判斷，DeepSeek在醫(yī)療的心理咨詢領(lǐng)域應(yīng)用空間可能較廣。

相比數(shù)據(jù)層面而言，人類對(duì)于生命認(rèn)識(shí)的局限性，導(dǎo)致了分子作用具有一定“黑箱效應(yīng)”，那么制藥領(lǐng)域可供“喂養(yǎng)”AI的數(shù)據(jù)就“少得可憐”，更別提下一步的邏輯推演和模型建立。

不過(guò)行業(yè)人士對(duì)此仍持開(kāi)放態(tài)度，“三年前我們也不知道AI現(xiàn)在能發(fā)展成這樣”。在未來(lái)AI會(huì)如何幫助人類探索解決生命科學(xué)領(lǐng)域的未知問(wèn)題，進(jìn)而應(yīng)用到制藥工業(yè)的臨床環(huán)節(jié)，仍難有定論。

包括在分子篩選環(huán)節(jié)，雖然AI篩選出的分子的有效性要經(jīng)過(guò)臨床環(huán)節(jié)驗(yàn)證才能明確，公司們目前仍處在“說(shuō)故事”的階段，然而，“許多偉大的事情都是從說(shuō)故事開(kāi)始的”。

突破何時(shí)來(lái)到？

行業(yè)人士認(rèn)為，在AI制藥領(lǐng)域，大體上，目前中美公司的產(chǎn)品發(fā)展思路差不多，技術(shù)差距也并不算太大，“就看接下來(lái)哪邊能有一個(gè)明確的突破”。

其表達(dá)了對(duì)中國(guó)公司的信心，“據(jù)說(shuō)DeepSeek 只用了Chatgpt 1/30的投入，就達(dá)到了這樣的效果。如果這是真的，足以說(shuō)明我們能夠通過(guò)算法上的創(chuàng)新和優(yōu)勢(shì)，超越了那邊拿錢去‘砸’GPU 算力的做法。加上我們有這么多‘碼農(nóng)’，AI這塊我們的發(fā)展前景不會(huì)太差。”

不過(guò)現(xiàn)階段，比起一般的Biotech，除了共有的一級(jí)市場(chǎng)融資難問(wèn)題，AI制藥公司還面臨一個(gè)特有的難題：生物數(shù)據(jù)。在中美貿(mào)易和地緣政治摩擦的背景下，生物信息成了一個(gè)格外敏感的問(wèn)題。有華人創(chuàng)辦的公司盡管是“美國(guó)戶口”，但海外公司一看創(chuàng)始人名字是一個(gè)“中國(guó)的姓”，可能就會(huì)很快放棄合作。

涉及到臨床階段人體數(shù)據(jù)的AI 制藥公司尤甚。而若將融資目標(biāo)轉(zhuǎn)回到中國(guó)，國(guó)內(nèi)基金又慣于投資那些更“流行”、更“受歡迎”的，或是被大公司認(rèn)可的標(biāo)的。因此，在完成“自研出上市藥物”這個(gè)漫長(zhǎng)的目標(biāo)之前，這類公司需要尋求更好發(fā)展，和MNC 達(dá)成一筆合作就格外重要。

也就是說(shuō)，MNC會(huì)不會(huì)開(kāi)始花大手筆買入AI制藥相關(guān)的資產(chǎn)，或是能否自研出具有突破性的AI制藥成果，可能將會(huì)是行業(yè)能否迎來(lái)突破的一個(gè)風(fēng)向標(biāo)。

在黃予良看來(lái)，賽菲尼醫(yī)藥目前是從基因?qū)用姘l(fā)力，這是眾多影響藥物作用（藥效或副反應(yīng)）中有明確科學(xué)依據(jù)的基礎(chǔ)。只要方法得當(dāng)和效率合適（正好是AI 的長(zhǎng)處），就可以尋求臨床階段入組患者的差異性。而在其他領(lǐng)域，如分子設(shè)計(jì)、作用靶點(diǎn)發(fā)現(xiàn)，以及找到患者之間蛋白質(zhì)、細(xì)胞層面等多組學(xué)的差異等，AI尚有發(fā)力和尋求證明的空間。

不過(guò)當(dāng)前AI制藥企業(yè)多為“單點(diǎn)突破”：分子設(shè)計(jì)、靶點(diǎn)發(fā)現(xiàn)、患者篩選等環(huán)節(jié)各自為戰(zhàn)，從技術(shù)到商業(yè)模式階段都在各自摸索著，沒(méi)有人去傳遞大家成果之間的“偶聯(lián)性”。

黃予良期待，將來(lái)會(huì)出現(xiàn)一個(gè)角色，串聯(lián)從靶點(diǎn)篩選到臨床驗(yàn)證的全鏈條，實(shí)現(xiàn)“AI驅(qū)動(dòng)新藥研發(fā)閉環(huán)”，進(jìn)而開(kāi)創(chuàng)性地完成“整個(gè)創(chuàng)新藥的全過(guò)程介入”，屆時(shí)研發(fā)新藥的所需時(shí)間可能會(huì)大大縮短。

AI能取代的，和不能取代的

雖然業(yè)內(nèi)判斷，制藥業(yè)因AI產(chǎn)生革命性改變尚需時(shí)日；但從個(gè)人層面而言，AI取代制藥行業(yè)的某些人類工作也許已經(jīng)不遠(yuǎn)了，比如一般性的臨床方案設(shè)計(jì)。

但目前AI不能取代的工作仍舊很多。

在“數(shù)據(jù)-模型-算力”這個(gè)AI能力的三角里，即便解決了數(shù)據(jù)和算力問(wèn)題，假設(shè)AI也有自我搭建邏輯框架模型的能力，但那個(gè)“最初的模型”，終歸需要人來(lái)搭建——黃予良稱，他花了整整兩三年的時(shí)間，與行業(yè)內(nèi)不同的人不斷交流，才逐漸理解出“AI識(shí)別患者基因不同”這個(gè)公司發(fā)展的核心概念。

“如果沒(méi)有很好的邏輯，AI拿再多的數(shù)據(jù)也都是發(fā)散性的，不能給你提供有效的信息。AI是為了更好的把數(shù)據(jù)信息化、有效化起來(lái)。”黃予良稱，“隨著全球科學(xué)、技術(shù)和經(jīng)濟(jì)的發(fā)展，我們進(jìn)入了可能需要由AI來(lái)串聯(lián)和整合信息的時(shí)代。應(yīng)該積極擁抱和深刻參與這個(gè)進(jìn)程。”

不過(guò)如今在醫(yī)學(xué)領(lǐng)域的現(xiàn)實(shí)是，AI雖然能收錄汗牛充棟的醫(yī)學(xué)臨床指南，但還無(wú)法取代醫(yī)生對(duì)患者的個(gè)體情況進(jìn)行判斷，從而給出最合適的用藥方案；

AI雖然能幫助篩選出理論上最有可能成功的藥物分子，但還無(wú)法取代科學(xué)家進(jìn)行基礎(chǔ)研究和臨床研究，盡可能窮盡生命科學(xué)的謎底，進(jìn)而在臨床階段保證藥物的有效性和安全性。

投資醫(yī)藥也是一樣。彭巍認(rèn)為，制藥過(guò)程中最難讓AI賦能的環(huán)節(jié)是靶點(diǎn)的預(yù)測(cè)與選擇，因?yàn)橹虏C(jī)理是最復(fù)雜的，特別是非腫瘤適應(yīng)癥，很多基因有一定相關(guān)性，但并不是一個(gè)好的做藥靶點(diǎn)。這種know-how（技能），需要兼具對(duì)biology（生物學(xué)）的深入理解和多年的制藥經(jīng)驗(yàn)，綜合評(píng)估，不屬于AI容易挖掘到的數(shù)據(jù)。

事實(shí)上，當(dāng)年她投資宜聯(lián)生物、橙帆醫(yī)藥等平臺(tái)型公司的時(shí)候，除了看重公司的下一代大分子技術(shù)（ADC、雙抗等）能夠提高治療窗口、精準(zhǔn)靶向，實(shí)體瘤靶點(diǎn)的布局和BIC/FIC管線的優(yōu)先次序也是重要的考量因素。而這些策略性思考，并不是用AI整理一張ADC競(jìng)爭(zhēng)格局的表格就能得出結(jié)論的。

至少目前而言，“經(jīng)驗(yàn)賦予的靈感，智慧給以的勇氣，同理心造就的奇跡”，仍是人性閃耀的獨(dú)有之處。比如科學(xué)家靈光乍現(xiàn)時(shí)，比如投資人憑借前瞻性思考看到并助力行業(yè)實(shí)現(xiàn)發(fā)展拐點(diǎn)時(shí)，制藥公司破釜沉舟一擲千金跟進(jìn)時(shí)，醫(yī)生超適應(yīng)癥用藥和同情用藥時(shí)。這場(chǎng)冒險(xiǎn)，可能會(huì)失敗，但也造就了人類的成功，造就了AI難以替代之處。

來(lái)源：深藍(lán)觀 作者：韋曉寧