首頁 > 個股 > 正文

英偉達進入投資，Ai+醫藥研發要起飛了？

2023-08-11 20:11:07來源：丫丫港股圈  

今年的Ai板塊可謂風頭一時無兩，各種大小模型齊飛，美股科技股再度迎來牛市。

而在市場稍作調整之際，醫藥板塊搶過風頭，隨著減肥藥的銷售節節高，諾和諾和和禮來雙雙打開藥企天花板。醫藥行業的創新也不容小覷。而這個時候，英偉達向一家名為Recursion的醫藥公司伸出橄欖枝，投資5000萬美元，更是打開了AI+醫療領域的想象力。


(資料圖片僅供參考)

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

從初期解決當下新藥研發困難，臨床成藥概率低的問題。聽起來很震撼，加上當下算力的快速發展，讓很多不可能完成的復雜數據模型運算變得可行起來，基于Ai的醫藥開發小模型，會是下一個爆發的Ai細分領域嗎？

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。希望建立一個專屬的數據系統，來重塑藥物開發的過程，加大成功概率。

具體而言，就是利用Ai的學習能力，盡可能多地生產備選化合物，使得可選擇的基數變大，其次，參照過去的歷史經驗，快速篩選出最好的那一個分子，相比過去的藥物開發模型，確實在選擇的廣度和速度上有所進步。

與其他行業的Ai模型相似，公司的技術建立在對過去歷史經驗數據的大量學習和歸納之上。大家原理相通。

例如文生圖，其中就要學習大量帶有標簽的圖片，讓模型學會怎么樣根據文字信息展開一幅圖片，而chatgpt，則需要大量的語料進行學習，通過以適應在不同提問中獲取最優的回答結果。

類似地，Recurison的思路顯然是學習過去不同分子或蛋白質結構組合的經驗，可以在給定靶點藥物框架的前提下，類似于Aigc中產生盡可能多的備選項，然后再根據過去成功的藥物和藥物作用機制經驗，以評估其最終成功概率，最終選出概率最高的選項。

可以說Recurison的本質是一家分子結構Aigc公司，在它的幫助下在開發藥物時，人們可以很快地找到理想的結構，可以比之前的開發更加快速高效。

而當下大部分的Ai醫療公司，也基本是按這個套路去做，而且數量還不少，類似的公司還有：ABCL、SDGR、RLAY、ABSI。

二、挑戰仍巨大

但正如我們肉眼可見的那樣，如果看看上述股票的股價，我們則發現，從RXRX到ABSI，它們的股價表現都非常不理想，這個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，其實資本市場對這個賽道依然存在很大的懷疑。

從行業的角度出發，首先Ai制藥的問題是，能幫助醫藥從業人員多少？其市場空間有多大？

固然，我們看到了其在分子結構篩選方面的優勢，但這仍是命題作文方面的能力，就是在給定具體靶點，具體藥物框架前提下，這些Ai制藥公司才能發揮其在結構生成方面的能力。

而假設沒有命題，例如目標是肺癌，要尋找新機制新靶點，則恐怕Ai程序難有發揮。與目前的chatgpt已經可以根據模糊需求進行自然語言編程還有很大差距，因為藥物作用機制發人類還未了解完全，發散性巨大。而當開發需求精確化以后，恰好，最關鍵也是最難的部分已經跳過了。

我們看到一個新藥的開發成分構成里面，最大的成本耗在是早期藥物發現和先導優化，看上去這些Ai制藥的公司目標市場巨大，但實際上，里面花費最大的部分是在黑暗中摸索新機制和新靶點，而這并不是Ai的工作區域。只是有了具體的線索以后，再讓Ai來進行大量的generate。

畢竟對于沒有發生過的案例，如同LLM中Ai未曾被喂養過的語料，Ai無法回答它沒有學習過的內容，例如在過去30分鐘發生的事件，網絡上還沒有大量報道的文章資料可參考，LLM可回答的東西會非常少，而對于沒有應用過的靶點機制，對Ai來說是一片黑暗。

另外，藥物發現和先導化合物篩選的成本，很多花在了動物實驗身上，而這些數據的驗證需要耗費動物，這部分也很難因為Ai的出現而跳過，這是剛性成本，綜合以上的要素，這就使得Ai制藥工具的目標市場變得非常限制。

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

三、軟件or制藥？

單純去做一個在藥物開發階段的工具商，實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在藥物結構開發上相對此前的人工開發有優勢，那么理論上，提升20%的成藥概率，對于一個目標10億美元，開發成功率50%的藥物來說，那就是增加了1億的收入預期，對項目的估值加成了1億*10倍PS=10億美元。這樣去算目標市場，才會吸引人并打開天花板。

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

但是，醫藥行業是一個極度重視驗證和統計的行業，一個產品的真實效果要通過多期臨床試驗才能完全揭露，不等幾年無法評估其最終結果。于是這些Ai制藥公司為了更高的商業空間和自我證明，不得不逐漸轉變為了制藥公司。

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，最終來看看其結果和那些非Ai篩選的同靶點藥物有無優勢。并評估其成功概率獲益。這是最大化效應的道路，而不去這樣做，也很難讓別人信服技術是有價值的。

這樣的模式就變得有點殘酷了，制藥公司化以后，這些公司的支出將變大。并且承擔起開發風險，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，因為沒有對照組，不可能像醫藥臨床一樣，設置一個控制組，A醫藥公司跟RXRX合作開發T靶點的藥物，而有一個B公司不用Ai開發，兩者其他的條件控制一致，哪里會有這樣的B公司？

而且，假設RXRX有能力將藥物開發的成藥概率從10%提升到15%，但仍然是一個大概率失敗的項目，RXRX很可能在數次項目重復失敗后被否定。

想要發掘這個較低但真實存在的概率獲益。就要根據臨床統計的方法，需要大樣本來得到顯著的統計學意義，這就需要最終RXRX幾十甚至上百次項目來驗證，可是這樣的驗證，要等待的實在太久了。

另一方面，如今越來越多的公司都在應用不同的Ai技術手段（不管是內部的還是外部）來開發，這就使競品的成功概率也不低，Ai制藥公司要拉開，驗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參與前的靶點選擇上，又或者在Ai參與后的臨床方案設計和適應癥選擇上，甚至是商業化策略上。這卻是一家醫藥公司的多維度素質了。

AI制藥公司要獲得高收益，不得不去參與藥物開發的過程，并在臨床期做出足夠強的數據。當然它們都會與其客戶，也就是傳統的生物醫藥公司合作，但問題是，共同開發成功過后，到底是藥企在靶點理解上面的貢獻重要，還是Ai的設計重要呢？

這也是困擾眾多Ai的一個問題。到底是提供prompt的思路重要，還是工具的效果重要？一個制作精良的圖畫作品，里面應該有多少價值給創作者，多少價值給工具的訂閱費用？

四、結語

所以目前Ai制藥公司仍然處在一個較為尷尬的發展階段，軟件工具提供商還是制藥公司？能否成為一個通用化的商業環節？抑或是只能跟醫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目中，也沒有什么項目就因為結合了Ai，成為了重磅藥物，這才是這個賽道一直往下掉的原因。而且在商業模式未明朗的前提下，競爭公司眾多，這也是一個很棘手的問題。

對于Ai+醫療，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，或者在醫藥研發中開始起關鍵作用，例如可以仿真細胞與藥物反應，例如可以替代成本高昂的動物驗證，例如AI優化結構后的化合物臨床成功概率提高一個數量級。

在此之前，我們不妨還是以看醫藥公司的方法，按照管線和其預期市場空間來進行定價。按照每個臨床階段披露的數據來修正。而不是像Ai公司一樣一來就幾十倍PS。

Chatgpt或者midjourney的爆發，無不來自其產品革命性的功能進步，暫時來看，Ai+醫療沒有捷報。技術的進步并不是一蹴而就的，而技術與商業與現實的結合，經常比人們想象中的、資本市場預期中的，要慢得多。

關鍵詞：

責任編輯：hnmd003

相關閱讀

推薦閱讀