AI 制药:聚焦药物研发领域 多种商业模式协同发展

一、产业概况:多场景、多领域赋能，技术突破推动前进 

• 基础概念

AI 制药是将机器学习(Machine Learning)、自然语言处理 (Natural Language Processing)及大数据等人工智能技术应用到制药 领域各个环节，进而促进新药研发降本增效。目前主要应用于药物研发 阶段的药物发现、临床前阶段，随着 ChatGPT 的不断应用，AI 向临床 开发阶段的渗透有望持续加快。 

AI+制药应用领域 

• 发展历程

人工智能(Artificial Intelligence)的概念在 1954 年首次被提出，每一次推动行业高速变革的底层逻辑主要是快速迭代的算法、海 量的实验数据及持续提升的算力。回顾历史，60多年的迭代主要分为四个阶段:

1、1943-1968 年(人工智能发展初期):人工智能概念提出，发 展出了符号主义、联结主义(神经网络)，相继取得了早期瞩目的研究成 果，如机器定理证明、跳棋程序、人机对话等;

2、1968-1995 年(AI 制药 发展初期):1968 年爱德华(Edward Feigenbaum)提出首个专家系统 DENDRAL，该系统具有非常丰富的化学知识，可根据质谱数据帮助化 学家推断分子结构，为计算机辅助药物设计中化合物转化为计算机语言 设立了雏形，此后，1980s 默沙东开始运用计算机辅助药物设计(CADD) 进行药物发现，开创了计算化学在药物研发领域的应用，即早期的 AI 制药;

3、1995-2010 年(人工智能快速发展期):由于互联网技术的迅速 发展，带来的大量数据推动 AI 进一步走向实用化。2000 年初，由于专 家系统的项目都需要编码太多的显式规则，这降低了效率并增加了成本， 人工智能研究的重心从基于知识系统转向了机器学习方向，2006 年杰弗 里及他的学生正式提出深度学习的概念(Deeping Learning)，开启了深 度学习在学术界和工业界的浪潮;

4、2010-至今(AI+高速发展期):伴 随大数据、云计算、互联网等信息技术及算力的持续突破，以深度神经 网络为代表的人工智能技术高速发展，踊跃出 AlphaGo、GPT、 AlphaFold 及 ChatGPT 等创新产品。其中 2021 年 AlphaFold 2 在蛋白 质结构预测大赛 CASP14 中，对大部分蛋白质结构的预测与真实结构只差一个原子的宽度，达到了人类利用冷冻电子显微镜等复杂仪器观察预 测的水平，开启蛋白解析新纪元，为 AI 制药在药物研发领域的应用带来了巨大的推动。  

AI 及 AI 制药发展历程 

AI制药有望助力传统药物研发降本增效。据TechEmergence数据，相较于传统药物成功率低，研发周期长、研发投入大，有 AI 加持的 AI 制药有望:

1、提高药物设计的命中率及成功概率:AI 有望将新药研发的成功率从 12%提高到 14%;

2、降低研发成本:有望每年节约数十亿美元 的研发费用;

3、缩短研发周期:在研发主要环节节约 40-60%的时间成本。 

AI 制药同传统药物研发对比 

二、未来趋势: 三种商业模式协同助推行业持续发展 

AI制药领域的商业模式可分为三种:

1、AI SaaS(SoftwareasaService) 服务:主要为客户提供 AI 辅助药物开发平台(一套标准化的产品/软件)， 通过平台为客户赋能，帮助客户加速研发流程，节省成本与时间;

2、AI CRO(Contract Research Organization)服务:通过人工智能的辅助，为客户更好地交付先导化合物或者 PCC，再由药企进行后续的开发，或者合作推进药物管线;

3、AI Biotech:则是以推进自研管线为主，较少进行外部合作的公司。

AI 制药领域的三种模式

目前国内及海外多数 AI 制药公司都会在 SaaS 服务商、AI CRO 和 AI biotech 的商业模式中兼容两种或者三种。据药智局及蛋壳研究院统计，2022年国内制药公司中，31%的公司兼容其中两种 商业模式，占比最高。其次为 AI Biotech，约 25%。第三为 AI CRO 约 23%。仅选择软件 SaaS 服务商占比最低，约 8%。源于 AI 制药在算法、算力及数据方面需要较大的投入，且单一路径发展或有一定局限，我们预计未来多种商业模式协同发展有望逐步成为趋势。  

2022 年国内 AI 制药公司商业模式统计(数量，%)