2025年3月，在波士頓的一家Biotech 創(chuàng)始人，正在尋求新一輪融資。他和中美兩國的投資人都有接觸，忽然感覺“DeepSeek 對國內(nèi)科技行業(yè)的提振很強，去年的低迷一掃而光”。

他感覺到，中國資產(chǎn)涉及到“AI加持醫(yī)療”的價值在增加，“技術(shù)上雖然剛開始，但是未來前景很大，美國相關(guān)股票在最近也開始暴漲”。 

國內(nèi)知名基金的生物板塊負責(zé)人，也加緊和同公司數(shù)據(jù)智能團隊交流，并緊鑼密鼓地調(diào)研之前投資的人工智能公司，獨立分出來做醫(yī)療的團隊。

“最近老板都在瘋狂補課。”一位投資人發(fā)來一篇關(guān)于AI影像公司商業(yè)前景的文章。其表示，在一級市場，剩下的AI 公司標(biāo)的已經(jīng)不多了。

一線從業(yè)者的“體感”，來自春節(jié)前DeepSeek R1模型的橫空出世帶來的一股“AI熱潮”。DeepSeek在美中兩國相繼登上APP下載榜第一名，國內(nèi)多家地方政府機關(guān)、大型三甲醫(yī)院以及大藥企的接入……DeepSeek之熱，制藥人也幾乎都人手下載了一個。“雖然在我們的領(lǐng)域還沒有到非常專業(yè)的程度，但在大眾應(yīng)用層面的表現(xiàn)已經(jīng)非常出色了。”

DeepSeek的影響帶動了AI 醫(yī)療/醫(yī)藥股的走勢。一個多月來，多個醫(yī)療影像、醫(yī)療信息化、AI制藥概念股漲幅接近50%。其中，晶泰科技作為國內(nèi)“AI 制藥第一股”，日前宣布將在港股配售籌集超過20億港元。

似曾相識的“暴漲”

AI概念公司在股市中的走高已經(jīng)不是第一次。

在一位投資人的印象里，這甚至已經(jīng)是第四次了：從2014年IBM組建watson部門，到2017年和2021年在牛市中被炒熱，AI概念曾幾次被推高到A股的風(fēng)口。因此，AI公司在創(chuàng)投界也一直比較受歡迎。

美股也歷經(jīng)了數(shù)次“AI 熱”，包括去年9月的ChatGPT熱潮的影響。投資人表示，這不是第一次，也不會是最后一次，AI對生產(chǎn)力的提升會在未來長達十年的時間里逐步顯現(xiàn)，這種趨勢已經(jīng)成為共識。因此一旦有新的動向出現(xiàn)，AI股便會一路走高。

作為一種新技術(shù)，中美的AI 技術(shù)發(fā)展及相關(guān)股市表現(xiàn)在某種程度上是“共此涼熱”。此前中國進度看起來稍后一些，“前面幾波都是美國人在做，中國可能花6個月或小一年才能追上。“

但這次不同，“以前都是美國先邁左腳，這次是中國先邁了右腳，DeepSeek這個臺階是中國先邁上去了。那體現(xiàn)在股價上就是這波中國的股票漲得比較多。”投資人表示。

不過有投資人評價，如今無論是已上市還是未上市的AI制藥公司，“都很難評價”，“神奇的公司太多了”“沒法證明也沒法證偽”。

AI醫(yī)療和AI制藥不同。如果說一件商品的形成有“好的技術(shù)-好的產(chǎn)品-好的商業(yè)模式”三個步驟，有的AI醫(yī)療公司（醫(yī)療信息化、影像等公司）或許已經(jīng)由第二步到第三步努力；而對于AI制藥行業(yè)整體而言，目前可能還在第一步到第二步進階的階段。

AI制藥，走到哪一步了

AI制藥，目前出現(xiàn)的第一類公司，是在臨床前階段幫助篩選分子。比如根據(jù)某種疾病的模式，綜合是否更有利于結(jié)合靶點、蛋白質(zhì)等條件，在“分子倉庫”里尋找可能匹配的解決方案。

除了晶泰科技、英矽智能等自己利用AI來研發(fā)產(chǎn)品的（相當(dāng)于利用了AI技術(shù)的Biotech），還有一些公司會用AI篩選分子技術(shù)，結(jié)合后期的動物試驗等做CRO，例如藥明康德。

有業(yè)內(nèi)人士表示，AI在篩選分子方面的作用不可一概而論。在小分子、抗體、多肽等不同Modality （模態(tài)）上，AI 賦能的方式和程度都不太一樣。

不過行業(yè)共識是，無論是哪一種，真正用AI 設(shè)計的分子（而不是那些人為設(shè)計較多、AI僅起優(yōu)化作用的），尚未產(chǎn)生令人驚艷的臨床數(shù)據(jù)，“De novo design （從頭設(shè)計）”任重道遠。

第二類AI制藥的思路是提高臨床開發(fā)效率，根據(jù)適應(yīng)癥、生物標(biāo)志物、患者既往病史和當(dāng)下各項指標(biāo)等條件，篩選出最適合用藥的人群。將來，這種篩選方式產(chǎn)生的臨床數(shù)據(jù)經(jīng)過AI分析，或許也可以為患者提供更精準(zhǔn)的治療方案。

相比起小規(guī)模出現(xiàn)的AI 分子篩選類公司，AI臨床創(chuàng)新方案或精準(zhǔn)入組病人設(shè)計公司更少，賽菲尼（Safenia）醫(yī)藥是一家。其致力于采用AI 輔助的方式，從病人用藥反應(yīng)的數(shù)據(jù)中提煉患者的生物特征（Biologic Signature）、設(shè)計精準(zhǔn)篩選患者的標(biāo)志物，為臨床研究確定藥物適用的對象。

AI效率之高曾讓賽菲尼醫(yī)藥董事長黃予良驚嘆：“如果按照我們傳統(tǒng)做法，要花9個月到一年的時間才能在1個基因上找到適用患者的生物特征；現(xiàn)在的賽菲尼，我們使用整合AI的研發(fā)工具，在25個基因上分析并確定藥物適用患者的生物特征，花了差不多6個禮拜時間就全部搞定了,且精準(zhǔn)度比起‘眾多博士’的努力還要高和可靠。”

商業(yè)模式上，賽菲尼醫(yī)藥的基本模式是“再創(chuàng)造”那些三期試驗不成功的藥物，利用AI篩選具有藥效反應(yīng)生物特征的患者。在有預(yù)測能力的基礎(chǔ)上，提高臨床試驗的成功率，“目前藥物的三期臨床成功率不到50%，我們希望能夠通過我們的AI技術(shù)平臺賦能，將這個成功率提高到80%以上。”

NewCo孵化機構(gòu)合伙人彭巍表示，經(jīng)過多年的干實驗預(yù)測與濕實驗反復(fù)驗證，國內(nèi)外AI 制藥領(lǐng)域在泡沫中終于涌現(xiàn)出一些有潛力的公司，不缺融資、不缺人才、也不缺大廠合作。但其管線與商業(yè)模式真正成熟還有一段距離，因此這些公司目前埋頭苦干，十分低調(diào)，不愿引來過早的競爭或過多的關(guān)注。

有從業(yè)者表示，目前MNC 也都在涉足AI制藥領(lǐng)域，有的已成立了近百人的專門部門，旨在于研究如何利用AI指導(dǎo)藥物的高效開發(fā)。但如果要讓AI參與臨床試驗，尤其是三期試驗的環(huán)節(jié)，無異于在公司戰(zhàn)略層面啟動重大變革——AI要深度參與制藥行業(yè)，恐怕還需要一些時間。

“藥效黑箱”捆住了AI的翅膀

在業(yè)內(nèi)人士看來，對于整個制藥行業(yè)而言，利用AI篩選分子有時顯得有些“隔靴止癢”——理論上再優(yōu)秀的分子，都要經(jīng)過臨床階段的驗證，這才是制藥的最大難點、風(fēng)險點及成本所在。

而在把“安全性”置于第一位的制藥工業(yè)，動物及三期人體試驗的過程，在可見的未來里，是難以被AI 的推測及模擬所代替的。

對人類來說，生命科學(xué)還是“一門遠遠未盡的科學(xué)”。某個分子在什么情況下、為何能發(fā)揮作用；為何理論上能發(fā)揮作用，可有時又會導(dǎo)致嚴重的副反應(yīng)和安全性問題……這些問題又常常處在“黑箱”里，目前只有通過人體試驗，才能大致推測出藥物作用的結(jié)果，可根本原因有時卻依舊不十分明確。

這就導(dǎo)致了AI在制藥工業(yè)中的局限性。某種程度上，AI只能根據(jù)收集和整理已知的信息，為未知的事情提供可參考的解決方案。但若源頭的信息都是未知的，AI也就無從提供一個正確方案。

我們嘗試從AI發(fā)展的角度來理解這個問題。據(jù)業(yè)內(nèi)人分析，AI的能力是由“數(shù)據(jù)-模型-算力”三個維度構(gòu)成的。

就數(shù)據(jù)層面而言，以DeepSeek為例，作為一種面向普羅大眾的應(yīng)用，因其有大量語料數(shù)據(jù)可供“喂養(yǎng)”，因此它的優(yōu)勢也是在語言層面。多位行業(yè)人士判斷，DeepSeek在醫(yī)療的心理咨詢領(lǐng)域應(yīng)用空間可能較廣。

相比數(shù)據(jù)層面而言，人類對于生命認識的局限性，導(dǎo)致了分子作用具有一定“黑箱效應(yīng)”，那么制藥領(lǐng)域可供“喂養(yǎng)”AI的數(shù)據(jù)就“少得可憐”，更別提下一步的邏輯推演和模型建立。

不過行業(yè)人士對此仍持開放態(tài)度，“三年前我們也不知道AI現(xiàn)在能發(fā)展成這樣”。在未來AI會如何幫助人類探索解決生命科學(xué)領(lǐng)域的未知問題，進而應(yīng)用到制藥工業(yè)的臨床環(huán)節(jié)，仍難有定論。

包括在分子篩選環(huán)節(jié)，雖然AI篩選出的分子的有效性要經(jīng)過臨床環(huán)節(jié)驗證才能明確，公司們目前仍處在“說故事”的階段，然而，“許多偉大的事情都是從說故事開始的”。

突破何時來到？

行業(yè)人士認為，在AI制藥領(lǐng)域，大體上，目前中美公司的產(chǎn)品發(fā)展思路差不多，技術(shù)差距也并不算太大，“就看接下來哪邊能有一個明確的突破”。

其表達了對中國公司的信心，“據(jù)說DeepSeek 只用了Chatgpt 1/30的投入，就達到了這樣的效果。如果這是真的，足以說明我們能夠通過算法上的創(chuàng)新和優(yōu)勢，超越了那邊拿錢去‘砸’GPU 算力的做法。加上我們有這么多‘碼農(nóng)’，AI這塊我們的發(fā)展前景不會太差。”

不過現(xiàn)階段，比起一般的Biotech，除了共有的一級市場融資難問題，AI制藥公司還面臨一個特有的難題：生物數(shù)據(jù)。在中美貿(mào)易和地緣政治摩擦的背景下，生物信息成了一個格外敏感的問題。有華人創(chuàng)辦的公司盡管是“美國戶口”，但海外公司一看創(chuàng)始人名字是一個“中國的姓”，可能就會很快放棄合作。

涉及到臨床階段人體數(shù)據(jù)的AI 制藥公司尤甚。而若將融資目標(biāo)轉(zhuǎn)回到中國，國內(nèi)基金又慣于投資那些更“流行”、更“受歡迎”的，或是被大公司認可的標(biāo)的。因此，在完成“自研出上市藥物”這個漫長的目標(biāo)之前，這類公司需要尋求更好發(fā)展，和MNC 達成一筆合作就格外重要。

也就是說，MNC會不會開始花大手筆買入AI制藥相關(guān)的資產(chǎn)，或是能否自研出具有突破性的AI制藥成果，可能將會是行業(yè)能否迎來突破的一個風(fēng)向標(biāo)。

在黃予良看來，賽菲尼醫(yī)藥目前是從基因?qū)用姘l(fā)力，這是眾多影響藥物作用（藥效或副反應(yīng)）中有明確科學(xué)依據(jù)的基礎(chǔ)。只要方法得當(dāng)和效率合適（正好是AI 的長處），就可以尋求臨床階段入組患者的差異性。而在其他領(lǐng)域，如分子設(shè)計、作用靶點發(fā)現(xiàn)，以及找到患者之間蛋白質(zhì)、細胞層面等多組學(xué)的差異等，AI尚有發(fā)力和尋求證明的空間。

不過當(dāng)前AI制藥企業(yè)多為“單點突破”：分子設(shè)計、靶點發(fā)現(xiàn)、患者篩選等環(huán)節(jié)各自為戰(zhàn)，從技術(shù)到商業(yè)模式階段都在各自摸索著，沒有人去傳遞大家成果之間的“偶聯(lián)性”。

黃予良期待，將來會出現(xiàn)一個角色，串聯(lián)從靶點篩選到臨床驗證的全鏈條，實現(xiàn)“AI驅(qū)動新藥研發(fā)閉環(huán)”，進而開創(chuàng)性地完成“整個創(chuàng)新藥的全過程介入”，屆時研發(fā)新藥的所需時間可能會大大縮短。

AI能取代的，和不能取代的

雖然業(yè)內(nèi)判斷，制藥業(yè)因AI產(chǎn)生革命性改變尚需時日；但從個人層面而言，AI取代制藥行業(yè)的某些人類工作也許已經(jīng)不遠了，比如一般性的臨床方案設(shè)計。

但目前AI不能取代的工作仍舊很多。

在“數(shù)據(jù)-模型-算力”這個AI能力的三角里，即便解決了數(shù)據(jù)和算力問題，假設(shè)AI也有自我搭建邏輯框架模型的能力，但那個“最初的模型”，終歸需要人來搭建——黃予良稱，他花了整整兩三年的時間，與行業(yè)內(nèi)不同的人不斷交流，才逐漸理解出“AI識別患者基因不同”這個公司發(fā)展的核心概念。

“如果沒有很好的邏輯，AI拿再多的數(shù)據(jù)也都是發(fā)散性的，不能給你提供有效的信息。AI是為了更好的把數(shù)據(jù)信息化、有效化起來。”黃予良稱，“隨著全球科學(xué)、技術(shù)和經(jīng)濟的發(fā)展，我們進入了可能需要由AI來串聯(lián)和整合信息的時代。應(yīng)該積極擁抱和深刻參與這個進程。”

不過如今在醫(yī)學(xué)領(lǐng)域的現(xiàn)實是，AI雖然能收錄汗牛充棟的醫(yī)學(xué)臨床指南，但還無法取代醫(yī)生對患者的個體情況進行判斷，從而給出最合適的用藥方案；

AI雖然能幫助篩選出理論上最有可能成功的藥物分子，但還無法取代科學(xué)家進行基礎(chǔ)研究和臨床研究，盡可能窮盡生命科學(xué)的謎底，進而在臨床階段保證藥物的有效性和安全性。

投資醫(yī)藥也是一樣。彭巍認為，制藥過程中最難讓AI賦能的環(huán)節(jié)是靶點的預(yù)測與選擇，因為致病機理是最復(fù)雜的，特別是非腫瘤適應(yīng)癥，很多基因有一定相關(guān)性，但并不是一個好的做藥靶點。這種know-how（技能），需要兼具對biology（生物學(xué)）的深入理解和多年的制藥經(jīng)驗，綜合評估，不屬于AI容易挖掘到的數(shù)據(jù)。

事實上，當(dāng)年她投資宜聯(lián)生物、橙帆醫(yī)藥等平臺型公司的時候，除了看重公司的下一代大分子技術(shù)（ADC、雙抗等）能夠提高治療窗口、精準(zhǔn)靶向，實體瘤靶點的布局和BIC/FIC管線的優(yōu)先次序也是重要的考量因素。而這些策略性思考，并不是用AI整理一張ADC競爭格局的表格就能得出結(jié)論的。

至少目前而言，“經(jīng)驗賦予的靈感，智慧給以的勇氣，同理心造就的奇跡”，仍是人性閃耀的獨有之處。比如科學(xué)家靈光乍現(xiàn)時，比如投資人憑借前瞻性思考看到并助力行業(yè)實現(xiàn)發(fā)展拐點時，制藥公司破釜沉舟一擲千金跟進時，醫(yī)生超適應(yīng)癥用藥和同情用藥時。這場冒險，可能會失敗，但也造就了人類的成功，造就了AI難以替代之處。

來源：深藍觀 作者：韋曉寧