1天达成超5亿美元合作，AI制药公司的春天到来了吗？

12月5日，赛诺菲和艾伯维在同日官宣了新的AI制药公司合作。

赛诺菲与法国制药公司Aqemia签署多年期研究合作协议，为几个不同的未公开的治疗领域开发小分子候选药物。Aqemia将利用其人工智能(AI)平台设计药物分子，利用基于物理学的计算来生成数据，以加速药物发现。赛诺菲将负责湿实验室的研究、开发和商业化活动。根据协议条款，Aqemia将在所有项目的前期及里程碑阶段，获得总额高达1.4亿美元的资金。  

艾伯维与BigHat宣布建立合作研究，发现和开发肿瘤学和神经科学领域的下一代治疗性抗体。BigHat将利用其Milliner ^TM平台，这是一套集成高速湿实验室的机器学习技术，用于指导针对多种治疗目标的高质量抗体的设计和选择。根据协议条款，BigHat公司将获得3000万美元的预付款，并可能有资格获得总计约3.25亿美元的研究和开发里程碑，还有可能获得进一步的商业里程碑以及净销售特许权使用费。

度过争议风雨，活下来的AI制药Biotech不再走“出售管线”的变现路径，而是走向“研发合作”。他们的春天到来了吗？

回顾两段合作，不难发现这次达成合作的两家Biotech仍然是聚焦药物分子/抗体开发与设计的早期领域。但不同于早期“卖管线”的方式，与pharma的合作用词均为“多年期”“多领域”“多种治疗目标”的大规模、长周期深入合作。

以“AII in AI”的赛诺菲为例，无论是与英矽智能、Aqelia将持续多年、针对多个靶点的研究合作，还是与百图生科基于大模型、共同开发药物发现模型的合作，均为长周期、宽范围的战略性合作。

对于Biotech而言，战略性合作不再是一锤子买卖，而是一锤无法定输赢、拥有试错和改进机会的深度合作。一方面，Biotech将从合作中获得pharma的资源、协作及潜在的数据共享机会，更新与迭代自有平台。正如与Aqemia的合作中，赛诺菲将利用其全球研发专门知识，且独自负责湿实验的研究、开发和商业化活动。另一方面，多线并进下，单个药物管线一旦成功，Biotech也可获得特许权使用费和相应里程碑款项。

对于Pharma，深度合作无疑是风险更小、代价更低的长期投资。关键问题在于，AI制药Biotech如何脱颖而出，进入Pharma视野？

不同于需要实验数据进行训练的AI平台，Aqemia通过使用牛津大学、剑桥大学和 ENS/CNRS12年来研究的独特量子物理算法，生成自己的数据，并从最初阶段就处理药物发现项目。Aqemia称其深层物理算法可达到10000倍的速度，有效指导生成式人工智能快速、规模化发现药物项目，推出创新引擎Launchpad。与赛诺菲、扬森、赛维尔高达数百万欧元的合作中，基于Launchpad结果，多个药物管线研究已经启动，尤其聚焦肿瘤学和肿瘤免疫学。

BigHat的Milliner ^TM平台则将机器学习技术、集成合成生物学的高速湿实验室为一个完整的抗体发现和工程平台。经过平台迭代与机器学习模型设计后，BigHat可在自有实验室中采取合成生物学技术多次测试。基于细胞或其他功能的测定方法，BigHat复制体内疾病过程，来测量每个变体的生物物理特性和对疾病活性的影响，并更新模型、迭代预测。

AI制药Biotech不再选择一味扩张，而是卖模型、谈合作；Pharma既自建AI团队，又积极合作各类脱颖而出、充满潜力的AI制药Biotech。当赛道交易回归冷静，既是戳破泡沫之后的理性发展，也是去污名化、良性竞争的开端。

回顾10年代中后期，谷歌DeepMind陆续研发的AlphaGo、AlphaZero、AlphaFold1，尤其是AlphaFold2在蛋白质空间预测上的一大飞跃。人工智能和机器学习解决了制药工业数百年来的难题，被捧上神坛。一度，人们认为AI和ML可以解决所有医药工业存在的问题，甚至进化至产生药物。

众口悠悠，神话与追捧创造了AI制药的巨大泡沫——赛道火热、资本入场、企业纷起、管线发现与技术故事也天花乱坠。但坑一早就已埋下：走到实际应用中，AI制药究竟能在制药工业中发挥多大的作用？降本增效的神话下，药物走至临床II期、III期的成功率有多高？一时间，AI制药的泡沫被戳破，“神话”变成了“污名”。

泡沫的破灭也是赛道筛选与迭代的过程。FDA与EMA对AI/ML提出了明确的定义，目前的共识是：AI/ML只是一种能够帮助医药工业发展的辅助性工具。

看回当下赛道中的企业：底层算法创新、AI与遗传学创新共同主力药物研发、AI药物发现集成湿实验室、AI应用于临床试验开发、AI化学路线设计+实验室数字化管理......回归理性之后，AI/ML正在逐步走向更垂直、更专业、更贴近工业端的应用方向。

此前，前FDA高级评审官员、深圳埃格林医药董事长杜涛博士接受动脉网专访时提到，未来的医药工业中，AI/ML的作用会越来越大。因此，AI技术在医药工业一点不过热，而是还不够成熟，或者说中国的AI医药工业覆盖面仍然不够广泛。以现在的情况来看，AI在医药工业还处于一个早期阶段，未来将会通过各个AI服务机构与传统医药企业的密切结合，使AI在医药研发流程中的应用越来越广泛。

今年，英矽智能、 晶泰科技递交上市申请，冲刺港交所。走向工业端、走向合作共赢的AI制药公司，正迎来更多可能，保持理性，充满期待。