智通财经APP获悉，近日，作为人工智能(AI)领域最受关注的芯片巨头英伟达(NVDA.US)宣布在制药领域投资数千万美元，让整个行业的投资者都为之沸腾。
英伟达上周三表示，将向生物技术公司Recursion Pharmaceuticals(RXRX.US)投资5000万美元，以加快该公司用于药物发现的人工智能模型的开发。
在这一消息提振下，Recursion上周三股价一度飙涨近120%，英伟达股价也上涨逾3%。该事件还引发了A股对AI制药的关注，与AI制药概念相关的CXO板块集体上扬。
可以肯定的是，目前AI已经成为了商界和投资界的关注重点，作为AI风向标的英伟达的一举一动一直牵动着业界的神经。而英伟达此次投资，也被不少投资者解读为AI浪潮进一步席卷制药行业的重要信号。
AI制药再次兴起
事实上，投资Recursion并非英伟达首次涉足制药领域。早在2018年，英伟达推出了Clara平台，这是一个从专门针对医疗场景发展到涉足基因组学等多领域的驱动AI医疗解决方案的软件和服务。据英伟达介绍，Clara 系统包括用于药物研发的BioNeMo、用于医疗设备的Holoscan、用于基因组学的Parabricks以及用于医学影像的MONAI。
而在2020年2月，Schrodinger(SDGR.US)在美国上市，成为行业内第一家计算药物研发上市公司，这一度引爆AI制药赛道。并且，在2021年，英伟达宣布在生命科学领域建立3个合作伙伴关系，其中就包括Schrodinger。
AI制药潮流兴起还表现在全球融资活动上。据相关统计数据显示，全球AI+制药领域融资热潮就曾在2021年集中爆发。当年，全球人工智能药物研发的市场规模达到12.7亿美元，同比增加3.6亿美元，复合年增长率(CAGR)为39%;有机构预计，到2025年，市场规模预计将达到59.4亿美元，复合年增长率可达47%。
再包括像谷歌(GOOGL.US)旗下人工智能技术公司 DeepMind 提出的深度学习算法Alphafold破解了出现五十年之久的蛋白质分子折叠问题等重大事件发生，让资本市场和业界情绪高涨。
不过，好景不长，商业前景不明令众多投资者失望。总的来说，企业没有好的成果，市场就不愿买单。
2020年1月，英国AI制药企业Exscientia(EXAI.US)开发的用于治疗强迫症的候选药物DSP-1181获得临床批件，这是一款由AI平台设计并进入临床试验的药物。然而，2022年7月，在宣布进入临床阶段一年多以后，DSP-1181被Exscientia的合作方日本住友制药停止开发，原因是1期临床研究未达到预期。
今年4月，另一家AI药物研发公司Benevolent AI也宣布，其用于治疗特应性皮炎的局部泛 Trk抑制剂BEN-2293的IIa期临床试验没有达到次要疗效终点。
截至目前，仍然没有任何一款由AI发现的新药物获批上市。
并且，随着资本寒冬的到来，整体趋势悄然发生变化。股价暴跌、企业裁员等迹象都显示，炒作正在消退。
那么，再看这次英伟达投资Recursion引起金融市场的躁动，背后的投资逻辑到底是什么呢?
AI之于生物医药行业的意义在于，对一般的生物医药企业来说，开发一个创新药的完整周期平均需要至少10年，而临床试验阶段平均需要6-7年的时间。相比传统新药发现，AI凭借机器学习(ML)、图像识别等独特优势可以提供更好的预测模型和更高的命中率，以缩短新药发现时间，节省成本提高净收入。根据英伟达公开资料，使用AI技术可使药物早期发现所需时间缩短1/3。
简单来说，就是AI制药可助力提高药物研发效率，这也是前期AI制药炒作的逻辑。
其实，这一次的主要逻辑也没有变化，但区别在于，由ChatGPT带动的生成式AI浪潮让市场看到整个制药行业迎来质变的机会。
AI制药分为两个技术路径，其一是利用AI的归纳推理能力和算力优势，通过对分子动力学、分子动态变化进行模拟计算，从物理层面演绎现有的分子结构，加速筛选优化先导物。
另一个技术路径是类似于ChatGPT的生成式AI，是基于经验和大数据的训练，快速设计全新的分子结构，这一路径的AI系统创新性相对更强。
英伟达和Recursion的合作协议就提到，Recursion的顾问团队包括AI先驱Yoshua Bengio，该公司将使用其超过2.3万TB的生物和化学数据集在英伟达的云平台上训练AI模型。英伟达则可以通过旗下的用于药物发现的生成式人工智能云服务BioNeMo将这些模型授权给其他生物技术公司。
英伟达CEO黄仁勋指出：“生成式AI是发现新药物和疗法的革命性工具。我们很高兴能与Recursion世界级团队合作，他们正在利用Nvidia DGX和Nvidia AI软件进行数字生物学和化学的开创性工作，以加速开发生物分子生成式AI模型，促进生物医药公司的药物发现。”
长期前景广阔
不过，AI在制药领域本质是改善药物发现的一个平台或工具，经过上一次的炒作，市场应该会更理性看待AI制药机遇，短期内该领域未能实现重大突破，恐怕难再掀起热潮。
但就长期而言，各分析机构认为，市场规模可能是广阔的。
根据MarketsandMarkets™发布的最新报告，2022年全球AI在药物发现市场的营收价值为6亿美元，到2027年有望达到40亿美元，2022年至2027年的复合年增长率为45.7%。遏制药物发现成本和减少这一过程所需总时间的需求日益增长，基于云的应用和服务的采用率不断上升，以及重磅药物的专利即将到期，这些都是推动该市场增长的一些关键因素。
不少大型药企也跑步进场加码AI能力。去年法国药厂赛诺菲(SNY.US)就与Exscientia签下大单，以1亿美元的预付款和52亿美元的里程碑付款要约，合作利用AI系统研发至多15项肿瘤和免疫学药物。拜耳(BAYRY.US)、罗氏(RHHBY.US)和武田制药(TAK.US)正在与Recursion合作使用机器学习发现药物。阿斯利康(AZN.US)也在与Benevolent AI等企业展开合作。
摩根士丹利在一份报告中预估，在未来10年，AI在早期药物开发中的应用可能会转化为50种新疗法，销售额超过500亿美元。该行分析师Matthew Harrison和Vikram Purohit表示，AI制药商与大型药企的合作将帮助改善研发成本。
随着生成式AI的持续发展，制药领域或许能迎来全新的发展期。根据Gartner《2022年人工智能技术成熟度曲线》报告称，2025年50%的药物发现与研发将使用生成式AI;2027年，30%的制造商将使用生成式AI提高产品研发效率。
近日，被誉为“AI制药赛道头部企业”的英矽智能就乘着生成式AI热潮的东风申请在港上市。据招股书称，这家AI Biotech利用其快速发展的专有生成式AI平台Pharma.AI横跨生物、化学及临床开发领域，加速新药的发现与开发过程。
英矽智能的生成式AI平台帮助公司快速有效地推进主要由新候选药物组成的完全自主设计、研发的AIDD管线。截至最后实际可行日期，公司已有效地建立由31个项目组成的多元化完全内部生成管线，涵盖29个药物靶点。
公司的核心产品ISM001-055是一种小分子候选药物，主要用于通过抑制TNIK治疗纤维化相关适应症，TNIK是一种通过公司的Pharma.AI平台识别的新型抗纤维化靶点。公司于2023年4月启动了一项多中心、随机、双盲、安慰剂对照的IIa期临床试验，以评估ISM001-055在中国的安全性、耐受性、PK及疗效，并计划于2023年下半年在美国启动IIa期临床试验。
值得注意的是，英矽智能此前宣布，其已经开始AI研制药物的首批人体试验，为一名中国患者提供一种治疗慢性肺部疾病特发性肺纤维化的新型疗法。
英矽智能如果能成功上市，将成为亚太区的“AI制药第一股”。
事实上，AI制药的商业模式不仅只有像英矽智能这种直接研发药物出售的AI Biotech，还有出售软件的AI SaaS，出售药物研发服务的AI CRO。
从英伟达和Recursion的合作中，浙商证券看到了CRO企业的机会。该券商认为，CXO行业中的CRO企业最大的优势在于借助服务药物研发过程积攒了大量数据，这些数据包括成功和失败两类经验，均能够赋能、完善数据库。搭建高通量数据生成能力的智能实验室，将成为核心竞争力，也是AI参与者们的重要竞争壁垒。因此，凭借丰富的数据优势，CRO可能成为AI+领域最大赢家。
据了解，作为创新药行业的卖铲人和独立的第三方研究机构，CRO企业能够帮助药企缩短研发周期，降低研发成本，提高研发成功率。思瀚产业研究院的研究结果显示，在Ⅰ-Ⅲ期临床试验阶段，CRO公司整体用时可节省34%，同时节省30-50%的成本。对于药企来讲，把研发外包给CRO公司具有巨大吸引力。
而AI在医药外包领域的应用主要包括临床试验数据管理、药物安全监测、药物品质控制等方面。通过对临床试验数据的分析和管理，AI可以帮助加速临床试验的进程和降低试验成本。在药物安全监测方面，AI可以通过分析药物使用数据，实现对潜在的不良反应的预测和监测。此外，AI还可以帮助药品品质控制和管理，保障药品的安全和质量。
据咨询服务提供商财富商业洞察预计，到2030年，全球CRO服务市场规模将达到1885亿美元，复合年增长率(CAGR)达12.5%。
国内众多CRO企业也都已经纷纷投入AI制药赛道。例如，药明康德(02359)、美迪西(688202.SH)、药石科技(300725.SZ)、成都先导(688222.SH)、皓元医药(688131.SH)、泓博医药(301230.SZ)等公司均对AI制药相关业务有所布局。
总结
总的来说，AI对于制药行业具有重要意义，麦肯锡全球研究所(McKinsey Global Institute)给出观点认为，AI引导的自动化技术的快速发展将彻底改变科学家在实验室发现新药的方式。学者们正在追踪AI/ML在制药行业的使用情况，包括药物发现、药物再利用和提高制药生产率。
但目前，AI制药领域仍处在较早期发展的阶段，AI制药长期规模广阔并不代表短期不存在风险。该行业需要面对的挑战并不少，相应商业模式的盈利困境可能会让投资者望而却步。
有分析认为，源于AI制药在算法、算力及数据方面需要较大的投入，且单一路径发展或有一定局限，预计未来多种商业模式协同发展有望逐步成为趋势。但无论如何，AI制药的潜力仍然需要时间去验证。
