AI制药，正在批量制造高价BD

近日，石药集团就一款临床前创新小分子脂蛋白(a) (Lp(a)) 抑制剂YS2302018，与阿斯利康签订独家授权协议。根据协议条款，石药集团将收取1亿美元的预付款，并有权收取最高3.7亿美元的潜在开发里程碑付款以及最高15.5亿美元的潜在销售里程碑付款。

从交易金额以及交易双方来看，这显然不是一款简单药物。在官方新闻稿中，石药集团就特别强调，该药物是由公司利用AI技术分析目标蛋白与现有化合物分子的结合模式，对成药性进行优化，并最终选出的高效Lp(a)抑制剂。这也就是说，AI制药领域又敲定了一笔重磅BD。

图1.AI制药部分重磅交易情况（数据来源：智药局）

事实上，这只是冰山一角，在近三个月内，包括礼来、诺华、基因泰克、吉利德等巨头，也都纷纷重金加码了AI制药领域。以基因泰克为例，9月30日，其与AI制药公司锐格医药达成最终购买协议，将获得治疗乳腺癌的下一代CDK抑制剂产品组合。根据协议条款，基因泰克将支付8.5亿美金首付款，这刷新了AI制药的首付款纪录。

而随着一笔又一笔重磅交易达成，一个确定性的答案正摆在行业面前：AI制药正在批量制造高价BD。

抱团取暖，AI制药整合大幕正式开启

2021年12月，罗氏与AI制药巨头Recursion达成了首付款1.5亿美元，总交易金额高达121.5亿美元的重磅交易，这不仅创下了全球AI制药交易金额纪录，同时也掀起了行业热潮，让引入AI开始成为制药界的风向标。

一组数据可以证明其趋势。根据蛋壳研究院最新发布的《2024医疗人工智能报告》显示，2021年以前，AI主导进入临床试验阶段的创新药仅为个位数，但到2021年，这一数据就已快速增长至100多个，2022年继续维持增长态势突破200，2023年再进一步提升，管线数量迈入300大关。

之所以能够迎来爆发，很重要的一点还是在于AI能够为药物研发提供巨大应用价值。埃格林医药董事长杜涛博士曾在采访中提到，AI在临床开发上的应用基本在适应症的选择、病人的筛选及临床终点确定这三部分。具体而言，AI能够通过分析临床表型和基因组学，收集高质量数据，用数据作为临床研发的依据和基础，以此实现更好疗效的开发。简而言之，AI的介入既加速了药物开发进程，同时又大幅节省了成本。

根据权威科技媒体Tech Emergence统计数据显示，AI技术每年可为制药行业节约高达260亿美元的研发成本。波士顿咨询研究也表示，AI生成的药物分子在I期临床试验中，成功率高达80%～90%，高于50%的历史平均水平；而在II期临床试验中，成功率为40%，仍然位于历史区间上限。

不过，随着行业逐渐推进，一个无法回避的现实问题已摆在眼前，即现阶段的AI并不能完全跨越新药研发的高风险和长周期，商业化不足的问题已逐渐凸显。据动脉网观察，AI制药领域目前还尚未有一款药物成功获批上市，因此在资本市场逐渐收缩的紧张态势下，整个行业不得不开始面临“供血”难题。

今年8月，两大AI制药巨头Recursion与Exscientia宣布合并，Recursion将以6.88亿美元的价格全股票交易收购Exscientia。事实上，这是AI制药领域迄今交易金额最大的一笔并购，但行业焦点并不在此，大家更为关注的是两家老牌AI制药企业的“抱团取暖”。

据悉，Recursion与Exscientia均为上市企业，同时也是全球最早一批涉足AI制药领域的“老炮儿”。在上市初期，两家企业风光无限，吸引众多大牌押注，但好景不长，由于后续管线进展缓慢，且财务表现不佳，Recursion与Exscientia逐渐走向了下坡路：Recursion市值已从巅峰32亿美元跌至如今不到20亿；Exscientia则先后经历了管线失利、CEO被辞退、裁员等风波。这无疑为其敲响了警钟，而“抱团”成为了共同选择。

对此，某资深AI领域投资人谈道，“事实上，发展到今天，AI制药已经越过了那个以谈技术和讲概念为主的早期阶段，开始变得更加务实，更多地追求产业确定性更强的产品及管线。基于此，AI制药的商业化难题在逐渐放大，再加上IPO退出渠道收窄，以及一级市场融资体量大幅下滑，为了活下去，卖身、并购需求开始广泛蔓延，行业内的并购整合帷幕也随之拉开。”

于是，从2023年开始，不少AI制药企业开始建设或者扩大BD团队，其目的显而易见，就是加速找到更多合作伙伴转让部分内部管线，以此增加对外授权，转换现金流。

仅有AI技术卖不上价，产品和管线成为重要筹码

2015年，一家美国生物医药公司使用英矽智能的AI系统找到了一个胚胎发育过程中决定性的蛋白变化，发现了有潜力的靶点，而这个靶点适用于癌症治疗。后来，这家公司基于这个靶点专利成立了新公司，并连同其他专利一起打包在美股上市。上市之后，这家公司市值达到了1.15亿美元，但他们在合作中最终只付给英矽智能30万美元。

这让英矽智能团队大为震惊，同时也意识到，如果只是单纯的提供软件服务或某个阶段的药物研发服务，显然很难在行业站稳脚跟，只有持续扩大药物研发能力，并将自有项目推进到临床阶段，证明AI研发药物的安全性和有效性，才能真正提升商业价值。

事实上，英矽智能的这次合作就是AI制药收并购模式的第一种，即以技术为核心，用于补充企业人工智能研发平台。根据智药局观察，当前绝大多数AI药物研发的收并购主要集中在这一种，而收购方多为AI制药企业、CDMO或者上市公司。这些公司为了业务转型，或者加速管线研发进度、开拓新的细分适应症等，直接买进优质AI公司的团队或技术平台。

这种收并购方式相对简单且直接，因此很难卖到高价，市场上10亿美元以上的交易，收购的主要目标仍然是产品和管线，这就是AI制药的第二种收并购模式，即以管线资产为核心，用于补充收购方在某个领域的产品能力。

对此，某资深AI领域投资人谈道，“Biotech向来最大的买家是跨国药企，但跨国药企要不已经自建AI团队，要不已手握多笔合作，对AI技术平台的并购需求其实很低。他们真正看重的还是核心的管线资产，那些疗效越好、市场越大、越后期的产品和管线，因为能够缓解跨国药企对于专利悬崖的焦虑，所以交易价值往往很高。”

以武田40亿美元首付款收购Nimbus的TYK2抑制剂为例，它是Nimbus运用大规模的自由能扰动（FEP+）进行计算评估，最终得到的高选择性的TYK2抑制剂。根据临床数据显示，其在银屑病治疗的有效性上和BMS的二期数据接近，且优于BMS的三期数据，因此具有“best-in-class”潜力，极有希望和BMS的Sotyktu对打，抢占银屑病市场。

国内同样有典型案例，比如石药与阿斯利康近期的重磅合作。据悉，授权产品Lp(a)小分子抑制剂在体外及动物模型中均具有优异的药物代谢动力学特征及更佳疗效，且无严重的安全风险，因此有潜力成为高Lp(a)人群控制心血管风险的新疗法。

而从当前来看，类似收并购事件正在增多。这意味着，中国AI制药的收并购模式正在重塑，越来越多的AI制药企业不再只停留于为药物研发提供“卖断”服务的配角，而是逐渐成为推进药物研发的主角，并跟随药物发现的生命周期一路闯关，承担风险，以此获得更大的收益。

对此，国内某AI制药企业创始人谈道，“在更高首付款的刺激下，AI制药企业已不再满足于简单的技术交易，而是更多地参与到药物研发过程中。事实上，随着行业逐渐向纵深迈进，一批AI制药企业当前也已经具备了打造重磅管线及产品的核心能力。”

图2.英矽智能管线进展（图源：英矽智能官网）

比如晶泰科技，作为“国产AI制药第一股”，其借助多款自营产品，目前已拿下辉瑞、礼来等全球排名前20药企中16家的研发订单。英矽智能也同样如此，早在2022年年底，其就开始搭建临床实验团队，目前已将多条管线推向临床一期或二期。

这是大势所趋，但挑战也非常具体，毕竟在临床阶段，越往后走，也意味着越烧钱，尤其是在当前市场寒冬下，如何平衡“烧钱”的风险以及赚取更多的现金流，已成为AI制药企业当下的共同课题。

AI制药，仍有无限可能

在刚刚结束的诺贝尔颁奖典礼上，AI无疑成为了最大赢家，共揽获物理学奖和化学奖两大科学类奖项。而伴随这一光环，市场关于AI的讨论层出不穷，并逐渐将这一热度快速传导到AI制药领域。

图3.2023年-2024年8月英伟达投资AI制药企业（数据来源：动脉橙）

事实上，AI制药今年以来一直站在行业高点，除大额BD频发之外，投融资市场也在加速升温。今年4月，成立仅1年的AI制药企业Xaira宣布完成10亿美元种子轮融资，这创下了今年种子轮融资记录。另一边，去年一口气连投10多家AI制药企业的英伟达也在持续发力，截至今年9月，英伟达已在AI制药领域投入近10亿美元，并且当前仍在积极寻找投资标的。

种种迹象都在表面：产业界仍然坚信AI制药蕴含着巨大机会。

首先是在产品数量上。据波士顿咨询研究发现，自2015年以来，已有75个由AI发现的药物分子进入临床试验，其中67个分子截至2023年仍在临床试验中，这意味着答案只揭晓了很小一部分。此外，纵观全球进入临床的AI药物管线，绝大多数仍集中在老靶点上，还有很多创新靶点亟待挖掘。

其次是在能力优化上。随着机器学习、神经网络算法不断进行技术迭代，AI在药物研发领域的核心能力也在快速提升，后续将在患者招募、筛选、实验设计优化、数据质控、数据监控、管理不良反应等临床场景应用，并进行优化。这意味着，临床试验的效率以及成功率将大幅提升，这不仅可以提高管线的数量和质量，同时也能进一步降低研发成本。

图4.2024年H1中国18家AI制药融资情况及应用领域

最后是在应用领域上。在众多行业人士看来，AI制药的下一步发展趋势关键在于如何从小分子向外扩展，而从目前来看，AI+大分子被寄予厚望，其不仅拥有单抗双抗，同时还有ADC，因此能够在核酸药物、基因治疗、细胞治疗等新型药物上开拓更多可能性。但这些新兴药物的有效成分在体内大多不稳定，因此需要复杂的递送方式，所以药物递送技术是这些新兴药物研发非常重要的一环，AI赋能药物递送研发大有可为。

但机会背后，行业挑战也逐渐清晰。事实上，随着市场逐渐回归理性，AI制药当前已经到了需要自证实力的关键阶段，正在“退烧”中进行优胜劣汰的筛选，这使得平台的起点逐步提高，技术与商业模式也在同步演化。

但无论如何改变，AI制药始终要回到药企对于AI最朴素的期望，即创新、增效和降本。因此，未来的竞争很大程度上要取决于谁能以更低成本、更高的通量拿到高质量、结构化的数据，并拥有落地市场的核心能力。