通过案例验证算法是当前所有AI制药公司需要解决的难题 | 数智前瞻

自20世纪60年代CADD这一概念被提出，数字技术在早期药物发现领域的应用已经经历了数十年的长足发展，正在转向AIDD阶段。AI作为新药研发的引擎，在全球各大药厂和生物科技公司受到越来越多的重视。跨国药企在组建自有的AI团队以外，也在不断深化同AI制药公司的战略合作。

而在中国，除了希望通过AI技术解决新药研发领域长久以来的双十难题，中国的创新药企还另有一份凭借AI技术实现弯道超车的寄望。

36氪数字时氪团队（微信号：digital36kr) 长期关注产业的数字化进展，此次我们邀约了医药研发行业内长期关注数智化创新的创业者、投资人、从业者，与我们一起探讨当下药物研发领域的数智化创新的趋势和未来。

本期是我们医药研发数字化系列的第一期内容。我们邀请了英矽智能的联合首席执行官及首席科学官任峰博士。

英矽智能联合首席执行官及首席科学官任峰博士

英矽智能成立于2014年，是一家由端到端人工智能（AI）驱动的临床阶段药物研发公司，利用深度生成模型、强化学习、转换模型等现代机器学习技术，通过构建人工智能药物研发平台，识别全新靶点并生成具有特定属性分子结构的候选药物。

2021年2月，公司利用人工智能发现新机制特发性肺纤维化（IPF）候选药物仅耗时18个月，所需的研发费用也降至百万级。2022年2月英矽智能将该项目推进到1期临床试验阶段，在前不久的2023年JP摩根医疗健康大会期间，英矽智能发布了该1期临床试验的积极顶线数据，这也是目前中国AIDD领域进展最快的药物研发管线之一。

任峰博士于2021年2月加入英矽智能任首席科学官，并与2022年6月被擢升为联合首席执行官，拥有超过15年药物研发行业经验，在加入英矽智能前，历任葛兰素史克的小分子创新药物研发负责人和上海美迪西高级副总裁。

在采访中，任峰博士向36氪透露2022年英矽智能未经审计的收入金额近3000万美金，较上一年有大幅增长。同时，任峰博士对36氪讲述了他对AI制药行业的洞察，并认为通过大量应用案例验证算法是所有AI制药公司需要解决的难题。而在公司的价值定位上，他表示英矽是Relay 和Schrodinger的结合体，其所具有的端到端的能力是区别于其他AI制药公司的先天优势。

以下为专访内容（经36氪编辑）

英矽是Relay 和Schrodinger的结合体，端到端的能力是我们区别于其他AI制药公司的先天优势。

• 商业模式

36氪：现在英矽的客户群体是哪些？

任峰：软件业务来看，是跨国药企居多，但2021年以来国内的不少药企也授权引进了我们的软件业务了，包括扬子江、济民可信等等。从药物研发合作来看，也是大型药企居多，例如复星医药和赛诺菲，这两个是我们 2022 年最重磅的合作，包括大额的首付款、里程碑付款和销售分成。当然我们还有一些其他形式的合作，但从金额上和从项目数量上都会少一些。

36氪：目前英矽比肩的 AI 制药公司或者biotech是哪些？

任峰：从商业模式上看，我们像是 Relay 和Schrodinger的结合体， Relay 只有三条内部研发管线，而我们有 30 多条内部的管线，所以从效率上看，我们有一定的优势。同时我们有自主研发的AI 平台，包括PandaOmics、Chemistry42和Inclinico 都是可以对外授权使用，这一点跟Schrodinger的商业模型比较接近。

所以我们其实像 Relay 和Schrodinger的结合体。

36氪：英矽的商业模式经历了哪些转变？

任峰：我们早期跟一些企业合作，其实是作为一个以解决生物学方面的问题为出发点的AI制药公司，通过我们的 AI 算法去找新的靶点。我们早期的合作模式，就是提供一种service。

后来我们慢慢从这种以 service 为主的发展模式过渡到了现在以药物研发合作为主的模式，包括2022年 1 月跟复星达成的合作以及同年10 月与赛诺菲达成的合作。

这类战略合作的模式，通过我们的 AI 平台来完成靶点发现和化合物的生成。我们把项目从确定靶点一直做到PCC，或者做到IND，合作伙伴会从临床开始再接着往后做。这样我们可以获得相对可观的首付款，后续还会有里程碑付款以及后续的销售分成。我们现在已经基本过渡到这种模式。

36氪：在商业策略或者战略布局上面，英矽跟其他 AI 制药公司的不同点是什么？

任峰：我们跟其他的 AI 制药公司有一个很大的差别，我们是一个端到端的AI 制药公司。我们有早期的靶点发现的能力，我们有分子设计的能力，同时我们有预测临床试验方案成功率的预测的变量能力。

很多公司基本上都侧重于一部分，有的比如侧重于分子的生成包括筛选，但前期的靶点识别没有办法做，有的专注于生物学，但是没有办法做化学设计。所以我们有这样的端到端的能力，这就让我们有一个先天的优势。

另外，我们在选择适应症或者选择靶点的时候，我们会有侧重地选择有很多数据积累的适应症，这样可以充分利用我们的靶点发现的AI能力，结合充分的数据，尤其是患者的组学数据，来帮助我们找到一些新颖的，同时靠谱的靶点去继续往下做。这是很多其他的 AI 制药公司所不具备的。

• 产品及服务

36氪：英矽的Pharma AI 平台覆盖了药物发现的哪些领域？

任峰：我们的Pharma.AI平台包括靶点的发现和验证引擎PandaOmics，化合物的设计和筛选引擎Chemistry42，和临床试验方案的结果预测和优化引擎Inclinico。同时在Chemistry42中，我们也包括药代动力学的性质，比如激酶的选择性，成药性，以及化合物的合成路线预测等能力。但是比如预测化合物的毒理方面的性质，蛋白与蛋白之间的相互作用等，目前在我们的平台上，还没有涉及这些方面。

我们在药物发现的不同环节有不同的算法，而且它底层逻辑也是不一样的，用的数据也是不一样。而且在每一个引擎中，我们会尝试很多种算法，并且在我们真正做项目，或者是对外的合作过程中，不断地优化算法组合。我们希望通过做更多的项目，进一步的去把成功率或者命中率比较低的算法进一步的淘汰，这样我们会不断的提高我们的整个平台的命中率。

36氪：能否简单介绍下英矽新发布的智能机器人实验室？

任峰：12月29日我们正式揭幕了全球首个由人工智能辅助决策的全自动化机器人实验室。智能机器人实验室聚焦靶点发现、化合物筛选、个性化药物开发和转化医学研究等领域。

以前我们与外部的合作，集中在Pharma. AI 平台以及药物研发领域，但是现在我们有了机器人实验室之后，可以通过机器人实验室完成设计和验证的闭环。它可以在内部项目或跟外部合作的筛选阶段，去做化合物的筛选、评估和验证，同时还可以做一些临床的生物标记物的发现。它还可以帮我们积累大量的数据，帮助我们优化人工智能平台。

我们的实验室是目前国内首个如此大规模全功能的智能机器人生物实验室。我们希望能通过它来更加带动中国的生物医药产业的发展，让我们可以更快速的弯道超车。

36氪：英矽对于引入投资人有没有一些衡量标准？

任峰：我们在 2022 年完成了 9500 万美金的 D 轮融资，再加上一些前期的融资，我们在2022年总融资额也超过了1亿美金，在整个生物医药市场的周期性变化中，还是的到了投资人的认可，非常不容易。

我们的不少投资方都是来自人工智能、生物医药领域的专业投资人，能给我们带来除了资金之外更多的价值，支持公司各个方面的发展，包括战略决策、商务合作、品牌建设等。我们希望与投资人建立长期的合作伙伴，期待他们能够陪伴着公司成长。

通过大量应用案例验证算法是所有AI制药公司需要解决的难题。

• AI 制药公司的发展趋势

36氪：对 AI 制药公司扮演药企的服务商的角色，您怎么看？

任峰：从目前来讲，很多AI 制药公司还是想跟药企建立比较大的战略合作，帮助自身更好的发展。但是当AI 制药企业发展的越来越大的时候，也会向着附加值更高的biotech转型，会有自己的项目进入临床阶段，甚至进入市场销售阶段。我觉得可以期待未来几年之内AIDD行业里面会有代表性公司出现，可能会推动整个赛道的转型。

36氪：很多业内的 AI 公司也在增加自己的研发管线，您觉得这会是一种趋势吗？

任峰：对 AI 公司来说，它最大难点就是怎么样去证明自己的算法是正确的，所以必须得通过一些内部的资源项目去证明自己。这是其中的一个目的。

第二，有一些 AI 制药公司的商业模式是把项目做到某一个阶段，选择对外授权，或者是选择把自己做成一个biotech。现在国际上主流的几个 AI 公司的商业模式，比如Relay，它主要是做自己的自研管线，把自己做成一个 biotech或者一个biopharma。比如Exscientia，它做很多对外的合作，主要是战略合作，目的就为合作伙伴做管线。第三种，比如Schrodinger，做一些软件业务，同时也做内部的自研管线。

36氪：几家已经上市的 AI 制药公司在二级市场的表现不太好，您如何评价这种现象？

任峰：首先是跟大环境相关的，因为整个生物医药它是处于一个周期性变化，所以这就导致了 AI 制药也不能脱离整个大环境而单独逆势上涨。但是相较其他传统的biotech，市值的下降幅度还是少一些。

第二，仔细分析这些上市公司可以发现，市值最高的反而是Relay，他们没有很多对外的大的合作，也没有收入，反而市值最高。这也让我们重新思考AIDD公司的商业模式。对外的战略合作，一方面是为别人做嫁衣，另一方面有很多失败的风险，一旦项目失败会非常大的影响市值。

对AIDD公司更保险一点的做法，可能是把这些项目做到PCC，或者是做到临床前关键阶段，然后选择对外转让，这样可能是比战略合作更好的一个商业模式。从国外的已上市的 AI 制药公司在二级市场的表现上来看，可能是更被投资人和市场所认可的。

• AI技术的落地与应用

36氪： AI 技术可以改变中国药企在创新药研发比较落后的局面吗？

任峰：以前我们相当滞后可能是两个原因，一个是意愿问题，此前创新药没有受到政策的鼓励，而做仿制药的利润本身也很高，所以没必要去做创新。另外一个是实力问题，新药研发需要化合物库，需要人才，需要相应的配套等等。

如今，首先化合物库不再是大的制约了，我们有同样的机会和能力去使用先进的技术手段，包括AI、 DNA 编码、小分子化合物库等。另外，从政策层面来讲，国家鼓励原创性更高的创新药，还有国内资本市场的资金支持。所有的内外部的环境，就导致了现在中国发力创新药的趋势。

2022年以来，我们看到越来越多的项目出海，越来越多的对外授权，跨国药企开始青睐中国的公司和中国的项目。我们正在慢慢的追上或朝着超越国外药企的路上在走。

36氪：AI 制药公司发展的技术瓶颈是什么？

任峰：AI 发展到目前为止，我认为算法、算力、数据，这些都是足以支撑当前的目标任务和需求。最主要的一个制约就是AI平台在应用层面的验证，我们需要有大量的案例去证明。

AI是不是加速了药物研发进程？AI 平台能不能提高药物研发的成功率？这些问题都需要大量的实验和时间去验证。如果没有大量的项目，没有足够长的时间，是没有办法证明AI 生成候选药物确实比人做出来药物要好。这可能是目前摆在所有AI制药公司面前的一个共同问题。

要解决这个问题，一方面AI制药公司可以通过一些内部的自研项目去验证自己的算法是不是有效的。另一方面，如果自研的项目总数量不够多，或者那么多的经费去支持很多自研的项目，那就需要去跟外部的制药公司合作，需要大量的案例去验证。

我们去跟合作伙伴谈合作的时候，他们最想看到的就是有没有跟其他的大药企进行合作，他们需要看到很多这样的案例，这样才能让人相信，通过 AI 的加持能比传统的药物研发提高效能。但同时验证是一个漫长的周期，我们要准备好足够的耐心。

36氪：跨国药企既有自己的 AI 团队，又跟 AI 制药公司合作，您觉得他们是怎么去衡量这种状态的？

任峰：跨国药企建立 AI 团队基本上是最近这两三年的事，在整个AIDD行业没有得到一定的验证前，他们在这个领域的投入还是非常有限的。

对于以英矽智能为代表的这一批，在2013 年到 2015 年之间建起来的AIDD公司来说，我们已经积累了大量的数据，经历算法的迭代，完成了一定程度的验证等等。从这个角度来讲，比之跨国药企刚建立的AI 的团队，我们还是有一定的先发优势的。

当然跨国公司也有自己的优势，比如拥有很多独有的数据，算力资源非常可观等。我认为这些药企在建立自己的 AI 团队的时候，一定知道自己的长处在哪，也知道自己的短板在哪。所以他们不仅在内部做一些尝试，同时也希望与外部的AIDD 公司合作。

36氪：对2023年的行业有哪些展望？

任峰：过去的 2022 年，我们共同经历了生物医药行业的周期变化，有很多人认为这是一轮生物医药行业的寒冬，但在我看来这更是一次危中逢机的挑战。我们看到了很多好消息：有一些公司顺利出海，有一些公司逆势融资，还有一些公司发布了重磅的项目和药物，大家都按照自有的节奏发展。

在一些领域，我们看到了技术上一定的突破，这也是行业里的光明和未来。在市场环境好的时候，大家往往都不会更多关注新的技术，而是想把“低垂的果实”摘完。而处于现在的市场环境，大家会更多的关注这种创新性更强的技术。这是一个非常可喜的变化，或将为以后生物医药的复苏奠定一个基础。

招募

为剖析中国药物研发数字化现状，36氪数字时氪团队（微信号：digital36kr) 正式启动了《数智前瞻. 医药研发数字化》系列。如果您是行业内长期关注医药研发数智化创新的创业者、投资人、从业者，欢迎与我们一起探讨当下数智化创新领域的热点问题。联系邮箱：cdomkt@36kr.com