今年的Ai板塊可謂風(fēng)頭一時(shí)無兩，各種大小模型齊飛，美股科技股再度迎來牛市。

而在市場稍作調(diào)整之際，醫(yī)藥板塊搶過風(fēng)頭，隨著減肥藥的銷售節(jié)節(jié)高，諾和諾和和禮來雙雙打開藥企天花板。醫(yī)藥行業(yè)的創(chuàng)新也不容小覷。而這個(gè)時(shí)候，英偉達(dá)向一家名為Recursion的醫(yī)藥公司伸出橄欖枝，投資5000萬美元，更是打開了AI+醫(yī)療領(lǐng)域的想象力。

這家名為Recursion（RXRX.N）的公司，在消息公布后股價(jià)飆升了80%。其旨在藥物發(fā)現(xiàn)階段，通過AI模型精確識別分子結(jié)構(gòu)，使得能從更廣范圍的備選分子中選出最優(yōu)，并大大加速這一過程。

(資料圖片僅供參考)

從初期解決當(dāng)下新藥研發(fā)困難，臨床成藥概率低的問題。聽起來很震撼，加上當(dāng)下算力的快速發(fā)展，讓很多不可能完成的復(fù)雜數(shù)據(jù)模型運(yùn)算變得可行起來，基于Ai的醫(yī)藥開發(fā)小模型，會(huì)是下一個(gè)爆發(fā)的Ai細(xì)分領(lǐng)域嗎？

一、更窄的漏斗

RXRX成立于2013年，由兩名研究生和一名教授在鹽湖城成立。希望建立一個(gè)專屬的數(shù)據(jù)系統(tǒng)，來重塑藥物開發(fā)的過程，加大成功概率。

具體而言，就是利用Ai的學(xué)習(xí)能力，盡可能多地生產(chǎn)備選化合物，使得可選擇的基數(shù)變大，其次，參照過去的歷史經(jīng)驗(yàn)，快速篩選出最好的那一個(gè)分子，相比過去的藥物開發(fā)模型，確實(shí)在選擇的廣度和速度上有所進(jìn)步。

與其他行業(yè)的Ai模型相似，公司的技術(shù)建立在對過去歷史經(jīng)驗(yàn)數(shù)據(jù)的大量學(xué)習(xí)和歸納之上。大家原理相通。

例如文生圖，其中就要學(xué)習(xí)大量帶有標(biāo)簽的圖片，讓模型學(xué)會(huì)怎么樣根據(jù)文字信息展開一幅圖片，而chatgpt，則需要大量的語料進(jìn)行學(xué)習(xí)，通過以適應(yīng)在不同提問中獲取最優(yōu)的回答結(jié)果。

類似地，Recurison的思路顯然是學(xué)習(xí)過去不同分子或蛋白質(zhì)結(jié)構(gòu)組合的經(jīng)驗(yàn)，可以在給定靶點(diǎn)藥物框架的前提下，類似于Aigc中產(chǎn)生盡可能多的備選項(xiàng)，然后再根據(jù)過去成功的藥物和藥物作用機(jī)制經(jīng)驗(yàn)，以評估其最終成功概率，最終選出概率最高的選項(xiàng)。

可以說Recurison的本質(zhì)是一家分子結(jié)構(gòu)Aigc公司，在它的幫助下在開發(fā)藥物時(shí)，人們可以很快地找到理想的結(jié)構(gòu)，可以比之前的開發(fā)更加快速高效。

而當(dāng)下大部分的Ai醫(yī)療公司，也基本是按這個(gè)套路去做，而且數(shù)量還不少，類似的公司還有：ABCL、SDGR、RLAY、ABSI。

二、挑戰(zhàn)仍巨大

但正如我們?nèi)庋劭梢姷哪菢?，如果看看上述股票的股價(jià)，我們則發(fā)現(xiàn)，從RXRX到ABSI，它們的股價(jià)表現(xiàn)都非常不理想，這個(gè)賽道基本上都是反向10倍股。而在今年的Ai熱潮之下，顯得格外冷淡，其實(shí)資本市場對這個(gè)賽道依然存在很大的懷疑。

從行業(yè)的角度出發(fā)，首先Ai制藥的問題是，能幫助醫(yī)藥從業(yè)人員多少？其市場空間有多大？

固然，我們看到了其在分子結(jié)構(gòu)篩選方面的優(yōu)勢，但這仍是命題作文方面的能力，就是在給定具體靶點(diǎn)，具體藥物框架前提下，這些Ai制藥公司才能發(fā)揮其在結(jié)構(gòu)生成方面的能力。

而假設(shè)沒有命題，例如目標(biāo)是肺癌，要尋找新機(jī)制新靶點(diǎn)，則恐怕Ai程序難有發(fā)揮。與目前的chatgpt已經(jīng)可以根據(jù)模糊需求進(jìn)行自然語言編程還有很大差距，因?yàn)樗幬镒饔脵C(jī)制發(fā)人類還未了解完全，發(fā)散性巨大。而當(dāng)開發(fā)需求精確化以后，恰好，最關(guān)鍵也是最難的部分已經(jīng)跳過了。

我們看到一個(gè)新藥的開發(fā)成分構(gòu)成里面，最大的成本耗在是早期藥物發(fā)現(xiàn)和先導(dǎo)優(yōu)化，看上去這些Ai制藥的公司目標(biāo)市場巨大，但實(shí)際上，里面花費(fèi)最大的部分是在黑暗中摸索新機(jī)制和新靶點(diǎn)，而這并不是Ai的工作區(qū)域。只是有了具體的線索以后，再讓Ai來進(jìn)行大量的generate。

畢竟對于沒有發(fā)生過的案例，如同LLM中Ai未曾被喂養(yǎng)過的語料，Ai無法回答它沒有學(xué)習(xí)過的內(nèi)容，例如在過去30分鐘發(fā)生的事件，網(wǎng)絡(luò)上還沒有大量報(bào)道的文章資料可參考，LLM可回答的東西會(huì)非常少，而對于沒有應(yīng)用過的靶點(diǎn)機(jī)制，對Ai來說是一片黑暗。

另外，藥物發(fā)現(xiàn)和先導(dǎo)化合物篩選的成本，很多花在了動(dòng)物實(shí)驗(yàn)身上，而這些數(shù)據(jù)的驗(yàn)證需要耗費(fèi)動(dòng)物，這部分也很難因?yàn)锳i的出現(xiàn)而跳過，這是剛性成本，綜合以上的要素，這就使得Ai制藥工具的目標(biāo)市場變得非常限制。

或許更應(yīng)該做的，是像工業(yè)工程軟件一樣，提供仿真模擬。如同達(dá)索軟件這些仿真軟件來提供建筑、橋梁、汽車、飛機(jī)的風(fēng)洞測試。但在人類沒有完全理解細(xì)胞之前，去做這樣可以模擬人體細(xì)胞全部反應(yīng)的軟件，似乎也是異想天開。

三、軟件or制藥？

單純?nèi)プ鲆粋€(gè)在藥物開發(fā)階段的工具商，實(shí)際上能獲得的收益很小，這也給了這些公司很低的天花板。

但倘若Ai在藥物結(jié)構(gòu)開發(fā)上相對此前的人工開發(fā)有優(yōu)勢，那么理論上，提升20%的成藥概率，對于一個(gè)目標(biāo)10億美元，開發(fā)成功率50%的藥物來說，那就是增加了1億的收入預(yù)期，對項(xiàng)目的估值加成了1億*10倍PS=10億美元。這樣去算目標(biāo)市場，才會(huì)吸引人并打開天花板。

那么對這些公司而言，想要證明自己產(chǎn)品的必要性和優(yōu)勢，就不得不去證明成藥概率上的獲益。

但是，醫(yī)藥行業(yè)是一個(gè)極度重視驗(yàn)證和統(tǒng)計(jì)的行業(yè)，一個(gè)產(chǎn)品的真實(shí)效果要通過多期臨床試驗(yàn)才能完全揭露，不等幾年無法評估其最終結(jié)果。于是這些Ai制藥公司為了更高的商業(yè)空間和自我證明，不得不逐漸轉(zhuǎn)變?yōu)榱酥扑幑尽?/p>

RXRX的管線

Ai不是能造更好的藥嗎？那這些公司這么牛的話，就跟著自己做的藥，推到三期，最終來看看其結(jié)果和那些非Ai篩選的同靶點(diǎn)藥物有無優(yōu)勢。并評估其成功概率獲益。這是最大化效應(yīng)的道路，而不去這樣做，也很難讓別人信服技術(shù)是有價(jià)值的。

這樣的模式就變得有點(diǎn)殘酷了，制藥公司化以后，這些公司的支出將變大。并且承擔(dān)起開發(fā)風(fēng)險(xiǎn)，這就跟軟件公司旱澇保收截然不同了。

其次，獲益概率也很難確定，因?yàn)闆]有對照組，不可能像醫(yī)藥臨床一樣，設(shè)置一個(gè)控制組，A醫(yī)藥公司跟RXRX合作開發(fā)T靶點(diǎn)的藥物，而有一個(gè)B公司不用Ai開發(fā)，兩者其他的條件控制一致，哪里會(huì)有這樣的B公司？

而且，假設(shè)RXRX有能力將藥物開發(fā)的成藥概率從10%提升到15%，但仍然是一個(gè)大概率失敗的項(xiàng)目，RXRX很可能在數(shù)次項(xiàng)目重復(fù)失敗后被否定。

想要發(fā)掘這個(gè)較低但真實(shí)存在的概率獲益。就要根據(jù)臨床統(tǒng)計(jì)的方法，需要大樣本來得到顯著的統(tǒng)計(jì)學(xué)意義，這就需要最終RXRX幾十甚至上百次項(xiàng)目來驗(yàn)證，可是這樣的驗(yàn)證，要等待的實(shí)在太久了。

另一方面，如今越來越多的公司都在應(yīng)用不同的Ai技術(shù)手段（不管是內(nèi)部的還是外部）來開發(fā)，這就使競品的成功概率也不低，Ai制藥公司要拉開，驗(yàn)證自己的概率獲益太難了。

這樣的話，只有做到最好的藥物才行。但偏偏，藥物的成功已經(jīng)與Ai的成功綁定，而藥物的成功決定因素又不止于Ai，更多在Ai參與前的靶點(diǎn)選擇上，又或者在Ai參與后的臨床方案設(shè)計(jì)和適應(yīng)癥選擇上，甚至是商業(yè)化策略上。這卻是一家醫(yī)藥公司的多維度素質(zhì)了。

AI制藥公司要獲得高收益，不得不去參與藥物開發(fā)的過程，并在臨床期做出足夠強(qiáng)的數(shù)據(jù)。當(dāng)然它們都會(huì)與其客戶，也就是傳統(tǒng)的生物醫(yī)藥公司合作，但問題是，共同開發(fā)成功過后，到底是藥企在靶點(diǎn)理解上面的貢獻(xiàn)重要，還是Ai的設(shè)計(jì)重要呢？

這也是困擾眾多Ai的一個(gè)問題。到底是提供prompt的思路重要，還是工具的效果重要？一個(gè)制作精良的圖畫作品，里面應(yīng)該有多少價(jià)值給創(chuàng)作者，多少價(jià)值給工具的訂閱費(fèi)用？

四、結(jié)語

所以目前Ai制藥公司仍然處在一個(gè)較為尷尬的發(fā)展階段，軟件工具提供商還是制藥公司？能否成為一個(gè)通用化的商業(yè)環(huán)節(jié)？抑或是只能跟醫(yī)藥公司合體作為子部門存在？

目前在已披露的Ai制藥公司參與的藥物項(xiàng)目中，也沒有什么項(xiàng)目就因?yàn)榻Y(jié)合了Ai，成為了重磅藥物，這才是這個(gè)賽道一直往下掉的原因。而且在商業(yè)模式未明朗的前提下，競爭公司眾多，這也是一個(gè)很棘手的問題。

對于Ai+醫(yī)療，我們還是需要理性地看待，算力的突破并不代表著什么，重要的也許是這些軟件或者工具的功能真正看到了革命性，或者在醫(yī)藥研發(fā)中開始起關(guān)鍵作用，例如可以仿真細(xì)胞與藥物反應(yīng)，例如可以替代成本高昂的動(dòng)物驗(yàn)證，例如AI優(yōu)化結(jié)構(gòu)后的化合物臨床成功概率提高一個(gè)數(shù)量級。

在此之前，我們不妨還是以看醫(yī)藥公司的方法，按照管線和其預(yù)期市場空間來進(jìn)行定價(jià)。按照每個(gè)臨床階段披露的數(shù)據(jù)來修正。而不是像Ai公司一樣一來就幾十倍PS。

Chatgpt或者midjourney的爆發(fā)，無不來自其產(chǎn)品革命性的功能進(jìn)步，暫時(shí)來看，Ai+醫(yī)療沒有捷報(bào)。技術(shù)的進(jìn)步并不是一蹴而就的，而技術(shù)與商業(yè)與現(xiàn)實(shí)的結(jié)合，經(jīng)常比人們想象中的、資本市場預(yù)期中的，要慢得多。

關(guān)鍵詞：