引发年薪百万美金“抢人战”，AI制药凭什么？

产业资讯政策法规研发追踪医改专题

AI是“击破”制药行业反摩尔定律的杀手锏。在国内创新药不够成熟的阶段下，AI赋能下的中国创新药，或许迎来了弯道超车的机会，就好比中国零售业的不够成熟，给了中国电商成为全世界范例的机遇。

要看AI制药到底有多火，就看企业挖人有多狠。

2019年底，华为就开始大力招聘基因组研发算法工程师、药物研发算法工程师，最高年薪超百万；2020年底，字节跳动招聘生物信息工程师，月薪也开出了40k左右；而百度最狠，近日在高调官宣旗下的生命科学公司百图生科后，用100万美元的天价年薪挖人。

虽然近些年，诸如线上教育、社区团购等热门赛道，总也无法避免BAT或TMD的“插足”，但让华为也高调入场的热点也是少见。剂泰医药CEO赖才达就表示完全在其意料之外，创业之初根本没想到这个赛道一下子“集齐”了这么多巨头。

相比于巨头的高薪挖人，有过之而无不及的恐怕就是投资机构。一家知名资本2021的医疗招聘计划中明确写道：医药分析师第一年基本年薪加绩效就能高达100万美元。生物医药博士们几乎成为了年度最稀缺“物种”。

一场抢人大战，足以可见巨头和资本们对AI制药寄予厚望。但另一方面也体现出，生物医药这个传统行业的复杂性，往往创业者和投资人之间，一个讲不清楚、一个听不明白。相比于其它垂直行业，AI制药无论是创业还是投融资都面临更大的挑战。

关于AI制药，关注者们有很多似懂非懂般的困惑。在上周的卓见线上沙龙【AI制药】专场直播中，参与沙龙的创业者和投资人们提出了以下疑问：

为了解行业发展风向，结合以下6位创业者和2位投资人的精彩分享。

试着回答以上问题，总结部分AI制药的未来发展机遇。

一个没人敢错过的赛道

制药行业是少见的“奇葩”，其投资 10 亿美元得到的上市新药数目，每 9 年就减少一半。这种反摩尔定律的行业，几乎很难找到第二个。

在深陷“反摩尔定律“泥潭下，新药研发自然愈发“吃力不讨好”。2017年全球前12位生物制药巨头在研发上的投资回报率仅有3.2%，处于8年来最低水平。而单个NME（新分子实体）的平均投入也自1995年的3亿美元攀升至2020年的13亿美元。

这种“反常”的现象让行业开始去思考，是不是还没有找到最科学的方法去发现新药物？

简单来讲，新药物发现的过程一般是，先确定好某疾病的靶点，而靶点相当于“锁”，我们需要在10^60个药物分子可能性中，设计和筛选最合适的分子作为“钥匙”去解锁。要知道，太阳系里所有的原子数量也就10^54个，在药物分子数量如此庞大的情况下，传统的做法确实依赖科学家们“徒手”去设计、验证。

而类似的，在筛选好分子后，要形成真正的药物还需要进行有机合成和分子改进等等过程，而这些依然依赖于科学家们的人工尝试，因此成功的偶然性极高，且没有规模效应。

焕一生物创始人文雯提到，过去10年FDA审批成功的190多款新药基本上都是由120多家公司所研发出来的，即使是全球Top10药企，也依赖于收购小药企的研发成果，“充分说明药物研发效率极低，且未能形成规模效应。”

本质上，药物发现过程是个数据和工程化问题。而与制药的反摩尔定律形成鲜明对比的是“算力”，在自动驾驶多领域遍地开花的AI，其算力随着投入越大，边际成本则越低，AI等计算切入制药几乎是顺理成章。

于是，随着数据的积累、前沿的计算方法等多方面的深入，大概2015年前后，国内以晶泰科技为代表的第一批AI制药企业应运而生。根据不完全统计，目前除中国外的全球地区大概有230多家AI制药企业，而中国至少有50家。

但是在起步的头几年，国内大多数AI制药企业还是处在一个举步维艰的境地：故事虽美好，但验证周期过长，怎么说服药企，拿不到药企的订单又怎么说服投资人？

“我们都知道医药领域数据特别多，用AI来做可能会革新些什么，但是制药的周期太长，失败率也很高，没有任何人可以去证明AI真的能有所作为，也没有任何人敢为结果买单。”一位一线投资机构投资人谈到起初对该赛道的迟疑。

费米子科技创始人邓代国接触投资人的感受也是如此，一是因为学科交叉性强，创业者和投资人之间沟通难度比其它垂直行业大很多，很复杂；二是好的商业模型没有完全跑出来，大家都拿不准。

但时间来到2020年，多维度的标志性事件打破了僵局。

首先是疫情之下，新冠病毒疫苗的研发速度极受瞩目，这无疑将行业对药物研发的技术提效手段的关注推向了一个高点。

一些全球头部药企对AI制药企业也更积极拥抱。按照公开数据统计（详细见下图），诺华、拜耳、强生等等企业都已经和AI制药企业合作，很多交易金额在上亿美金以上。

医药投融资进口药创新药审评审批仿制药医保