AI能否再造「司美格魯肽」？百億美金押注AI制藥
AI制藥終于迎來了臨界點。
今年中國創(chuàng)新藥出海交易十分火熱，其中，AI制藥公司成為了一股不可忽視的力量。在2025年3月至8月期間，元思生肽、華深智藥、晶泰科技等公司接連完成了總金額達(dá)數(shù)十億美金的BD交易。
元思、華深成立僅僅四五年時間，就在跨國藥企嚴(yán)格的BD挑選中取得了成績，這正是因為它們通過AI改寫了大分子藥物研發(fā)范式，提高了研發(fā)成功率。這些交易也讓資本市場重拾信心，時隔三四年，數(shù)家AI制藥公司近期再次獲得了融資。
2025年部分AI制藥公司BD交易
生物醫(yī)藥的底層研發(fā)范式，正從以往的海量篩選、經(jīng)驗至上，轉(zhuǎn)變?yōu)槔硇栽O(shè)計、從頭創(chuàng)造。
如果說上一個十年，能讓早期藥物發(fā)現(xiàn)更快、更準(zhǔn)的AI，只是“錦上添花”；那么如今具備“從頭設(shè)計”（de novo design）藥物能力的AI，則可謂是“無中生有”。而設(shè)計出自然界中不存在的蛋白質(zhì)、針對難成藥靶點進(jìn)行藥物設(shè)計，正是攻克頑疾的關(guān)鍵。
最近，智源深瀾創(chuàng)始人王承志在看到Chai Discovery（openAI投資）、字節(jié)跳動等發(fā)布的蛋白質(zhì)設(shè)計生成模型數(shù)據(jù)后，認(rèn)為“質(zhì)的飛躍”即將到來。他在生命科學(xué)領(lǐng)域從業(yè)二十多年，曾任鎂伽科技首席科學(xué)家，“要是在去年，我不會做出這樣的判斷；但今年AI的能力，讓我意識到生物醫(yī)藥領(lǐng)域可能很快會有顛覆性事件發(fā)生，快到讓大家來不及做好思想準(zhǔn)備?！?/strong>
峰瑞資本合伙人馬睿也有相似的判斷，“現(xiàn)在的趨勢是‘創(chuàng)新藥乘以AI’，雖然業(yè)內(nèi)對AI制藥的能力邊界還沒有定論，但我感覺已經(jīng)是暗流涌動，未來一到三年應(yīng)該會有巨大的變化?！鄙弦徊ɡ顺敝?，他所在的機(jī)構(gòu)A輪領(lǐng)投晶泰科技、天使輪領(lǐng)投劑泰醫(yī)藥，獲得了巨額回報，退出晶泰科技的現(xiàn)金回報倍數(shù)（DPI）可達(dá)幾十倍。
那么，生成式AI究竟是如何改寫新藥研發(fā)底層邏輯的，可能會對創(chuàng)新藥產(chǎn)業(yè)帶來哪些改變，當(dāng)前從業(yè)者們正通過哪些路徑邁向“顛覆式創(chuàng)新”呢？
AI讓制藥從“大海撈針”變?yōu)椤熬珳?zhǔn)設(shè)計”
“AI制藥”的發(fā)展并非一帆風(fēng)順，也曾經(jīng)歷過泡沫。在2018 - 2021年間，以小分子藥物開發(fā)為代表的AI熱潮，吸引了幾百億資金，卻未能實現(xiàn)最初的愿景。當(dāng)時，在深度學(xué)習(xí)和虛擬篩選的路徑下，AI雖然可以加速早期藥物發(fā)現(xiàn)進(jìn)程，但篩選出的分子在效力上難以超越現(xiàn)有藥物，或者生成的全新分子結(jié)構(gòu)難以合成。這本質(zhì)上是早期模型“歸納能力”的局限。
新一波的AI浪潮，是主流AGI技術(shù)取得重大進(jìn)步后，其能力延伸至藥物研發(fā)、酶設(shè)計等生命科學(xué)領(lǐng)域。
首先是AlphaFold 2的出現(xiàn)，它證明了Transformer架構(gòu)在理解“生命語言”方面同樣有效，解決了困擾生物學(xué)界多年的蛋白質(zhì)折疊問題。在AF2出現(xiàn)之前的60年，人類大約了解了20萬個蛋白質(zhì)的結(jié)構(gòu)，但AF2出現(xiàn)后的兩年間，AI已預(yù)測了超過2億個蛋白質(zhì)的結(jié)構(gòu)，幾乎涵蓋了地球上所有已知生命體的多數(shù)蛋白質(zhì)，且結(jié)果高度可信。
其次，David Baker團(tuán)隊將圖像生成領(lǐng)域的Diffusion（擴(kuò)散）模型引入生物學(xué)，利用“迭代去噪”原理，使全新蛋白質(zhì)設(shè)計的成功率有了大幅提升。
同時，AlphaFold 3從只能預(yù)測單個蛋白質(zhì)結(jié)構(gòu)，發(fā)展到能夠處理蛋白質(zhì)、核酸和小分子之間復(fù)雜的相互作用。這種“全原子級”的建模方式，讓它在數(shù)據(jù)不足的情況下，具有更強(qiáng)的泛化能力。
目前，國內(nèi)外有多個團(tuán)隊正在復(fù)現(xiàn)并提升AF3的模型預(yù)測能力。今年年中，Chai Discovery發(fā)布的Chai - 2、Evolutionary Scale發(fā)布的ESM3、字節(jié)跳動公布的Protenix等新模型的出現(xiàn)，證明了“從頭開始，生成全新功能分子”的創(chuàng)造力。
“Chai - 2最新公布的數(shù)據(jù)顯示，針對特定靶點，其生成的候選抗體，命中率顯著高于傳統(tǒng)方法。過去，要在百萬級到億級的庫里，才能篩選出幾個陽性分子，現(xiàn)在幾十條序列里就可能出現(xiàn)有效分子。這在以前是不敢想象的?！蓖醭兄靖嬖V36氪，這意味著，“指定靶點表位，生成抗體”的難題，即將被解決。
傳統(tǒng)的抗體藥物研發(fā)，從確定靶點、免疫動物到篩選出有高親和力的有效抗體，是一個漫長的“大海撈針”過程。過去可能要花費3年時間、500萬美元才能解決的抗體分子發(fā)現(xiàn)問題，Chai - 2等AI模型可以在幾小時內(nèi)完成，并在兩周內(nèi)通過生物濕實驗得到驗證。
馬睿也表達(dá)了類似的觀點，他認(rèn)為Chai Discovery可能會顛覆抗體藥的研發(fā)范式，此前的雜交瘤技術(shù)、噬菌體展示及動物免疫等方法，可能會被從頭（de novo）計算設(shè)計大量取代。如果AI在小分子設(shè)計上也能取得突破性進(jìn)展，那“幾乎所有藥物類型都可能被AI賦能?！彼毖裕阂磺邪l(fā)展得太快了，真正意識到這一趨勢的人還不多。
屆時，藥化學(xué)家在針對某個靶點設(shè)計抗體藥時，可能首先會使用AI模型進(jìn)行計算、生成、打分，挑選出最有潛力的幾十個抗體序列，然后合成并進(jìn)行體外實驗驗證。
這種藥物研發(fā)范式的改變，將對創(chuàng)新藥產(chǎn)業(yè)鏈產(chǎn)生深遠(yuǎn)影響。
如今，創(chuàng)新藥領(lǐng)域容易開發(fā)的項目已被挖掘殆盡，那些因缺乏苗頭化合物而無法推進(jìn)的“難成藥”靶點研發(fā)，有望借助AI重新啟動。從過去的“有什么篩什么”，到AI時代的“要什么造什么”，人類有可能攻克一些無藥可治的頑疾，一些副作用大的藥物，也可能被更好的分子所取代。
王承志認(rèn)為，AI將大幅縮短臨床前藥物研發(fā)的周期，對腫瘤、自免、代謝等領(lǐng)域的適應(yīng)癥都有積極影響。其中，最早受益的可能是“慢性病”，未來像司美格魯肽這樣百年一遇的“神藥”，出現(xiàn)的頻率會大大增加。相反，由于AI等計算工具的普及，傳統(tǒng)的、依賴大規(guī)模動物模型的藥物篩選平臺，其商業(yè)價值會受到一定沖擊。
未來，具有AI能力的biotech公司將成為跨國藥企的“分子設(shè)計中心”、“算力中心”，負(fù)責(zé)前端高技術(shù)含量、高頻次的藥物發(fā)現(xiàn)；跨國藥企則主要負(fù)責(zé)后期臨床試驗、注冊準(zhǔn)入和商業(yè)化。雙方將通過管線BD授權(quán)、合作研發(fā)等模式，共享利益。
資金有限，優(yōu)先做什么？
每次技術(shù)革命都會引發(fā)行業(yè)洗牌，各方都在預(yù)測和選擇最有潛力的參與者。在臨界點即將到來之際，通往未來的道路不止一條。如今，AI制藥領(lǐng)域的參與者大致呈現(xiàn)出三種類型。
第一類是擁有充足資本和算力的科技巨頭，如Google（Deepmind）、Meta、Xaira（種子輪融資10億美元）、字節(jié)跳動等。它們致力于構(gòu)建基礎(chǔ)生物大模型，創(chuàng)建自己的開源生態(tài)，定義行業(yè)標(biāo)準(zhǔn)。
第二類是由頂尖AI大模型和生物計算科學(xué)家領(lǐng)銜的創(chuàng)業(yè)團(tuán)隊，他們有能力在算法的“無人區(qū)”進(jìn)行探索。在對基礎(chǔ)模型進(jìn)行優(yōu)化改造后，為藥企、生物科技公司提供平臺服務(wù)，或者開展自研管線。典型代表有百圖生科、華深智藥、英汐智能、分子之心、百奧幾何等。
第三類是利用AI研發(fā)新藥的“傳統(tǒng)正規(guī)軍”。他們不追求自研新的基礎(chǔ)模型，而是根據(jù)自身對適應(yīng)癥、靶點、管線競爭的了解，利用AI開源模型和強(qiáng)大的濕實驗?zāi)芰Γ铀偬囟膊∷幬锏难邪l(fā)進(jìn)程。
在馬?？磥?，評估AI制藥賽道玩家的核心競爭力，在于其對模型的理解、修改和演進(jìn)能力。從很多人利用AF3等開源模型進(jìn)行基準(zhǔn)測試的結(jié)果來看，依賴微調(diào)的開源模型或許能達(dá)到“80分”，但要解決實際研發(fā)中的復(fù)雜問題，往往需要接近“99分”的表現(xiàn)，只有在算法層面做到極致，才可能實現(xiàn)跨越式發(fā)展。
另一位生命科學(xué)領(lǐng)域?qū)＜抑赋?，絕大多數(shù)公司無法承擔(dān)自研基礎(chǔ)生物模型的高昂成本，與大語言模型相比，生物模型所需的數(shù)據(jù)獲取成本更高。他提到，國內(nèi)曾有一家得到巨頭支持的企業(yè)，投入數(shù)千萬元，合成并測試了上萬條AI生成的抗體序列，并將實驗數(shù)據(jù)集用于模型訓(xùn)練。但最終發(fā)現(xiàn)，這樣的數(shù)據(jù)規(guī)模，仍遠(yuǎn)遠(yuǎn)不足以進(jìn)入scaling law所描述的高效提升區(qū)間。
王承志也有類似觀點，他認(rèn)為未來能夠快速、大量產(chǎn)出高質(zhì)量生物實驗數(shù)據(jù)的團(tuán)隊，更有可能擁有高性能AI模型?！?/strong>過去，自動化、高通量實驗通常被認(rèn)為是提高篩選效率的手段。但在AI時代，它們不僅能為研發(fā)人員提供實驗結(jié)果，還能高效產(chǎn)生結(jié)構(gòu)化、可迭代的數(shù)據(jù)，直接用于模型訓(xùn)練和優(yōu)化。
算法和數(shù)據(jù)都是提升AI制藥能力的核心要素。盡管各家創(chuàng)始人背景和團(tuán)隊優(yōu)勢不同，短期內(nèi)資源投入的重點會有所差異，但AI在制藥領(lǐng)域的產(chǎn)業(yè)化路徑越來越清晰。即研發(fā)出真正有價值的藥物分子，并在現(xiàn)有的BD體系中，獲得買方認(rèn)可，拿到實際資金。
“按照當(dāng)前的趨勢，未來所有新藥研發(fā)公司都會使用AI，只是依賴程度不同；對AI制藥公司來說，只強(qiáng)調(diào)模型也不行，最終還是要交付藥物分子，才能獲得更高的價值。”馬?？偨Y(jié)道，“所以我最近一直在說：創(chuàng)新藥就是AI制藥，AI制藥就是創(chuàng)新藥。”
本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。
免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com