英伟达进入投资，Ai+医药研发要起飞了？

今年的Ai板块可谓风头一时无两，各种大小模型齐飞，美股科技股再度迎来牛市。

而在市场稍作调整之际，医药板块抢过风头，随着减肥药的销售节节高，诺和诺和和礼来双双打开药企天花板。医药行业的创新也不容小觑。而这个时候，英伟达向一家名为Recursion的医药公司伸出橄榄枝，投资5000万美元，更是打开了AI+医疗领域的想象力。

(资料图片仅供参考)

这家名为Recursion（RXRX.N）的公司，在消息公布后股价飙升了80%。其旨在药物发现阶段，通过AI模型精确识别分子结构，使得能从更广范围的备选分子中选出最优，并大大加速这一过程。

从初期解决当下新药研发困难，临床成药概率低的问题。听起来很震撼，加上当下算力的快速发展，让很多不可能完成的复杂数据模型运算变得可行起来，基于Ai的医药开发小模型，会是下一个爆发的Ai细分领域吗？

一、更窄的漏斗

RXRX成立于2013年，由两名研究生和一名教授在盐湖城成立。希望建立一个专属的数据系统，来重塑药物开发的过程，加大成功概率。

具体而言，就是利用Ai的学习能力，尽可能多地生产备选化合物，使得可选择的基数变大，其次，参照过去的历史经验，快速筛选出最好的那一个分子，相比过去的药物开发模型，确实在选择的广度和速度上有所进步。

与其他行业的Ai模型相似，公司的技术建立在对过去历史经验数据的大量学习和归纳之上。大家原理相通。

例如文生图，其中就要学习大量带有标签的图片，让模型学会怎么样根据文字信息展开一幅图片，而chatgpt，则需要大量的语料进行学习，通过以适应在不同提问中获取最优的回答结果。

类似地，Recurison的思路显然是学习过去不同分子或蛋白质结构组合的经验，可以在给定靶点药物框架的前提下，类似于Aigc中产生尽可能多的备选项，然后再根据过去成功的药物和药物作用机制经验，以评估其最终成功概率，最终选出概率最高的选项。

可以说Recurison的本质是一家分子结构Aigc公司，在它的帮助下在开发药物时，人们可以很快地找到理想的结构，可以比之前的开发更加快速高效。

而当下大部分的Ai医疗公司，也基本是按这个套路去做，而且数量还不少，类似的公司还有：ABCL、SDGR、RLAY、ABSI。

二、挑战仍巨大

但正如我们肉眼可见的那样，如果看看上述股票的股价，我们则发现，从RXRX到ABSI，它们的股价表现都非常不理想，这个赛道基本上都是反向10倍股。而在今年的Ai热潮之下，显得格外冷淡，其实资本市场对这个赛道依然存在很大的怀疑。

从行业的角度出发，首先Ai制药的问题是，能帮助医药从业人员多少？其市场空间有多大？

固然，我们看到了其在分子结构筛选方面的优势，但这仍是命题作文方面的能力，就是在给定具体靶点，具体药物框架前提下，这些Ai制药公司才能发挥其在结构生成方面的能力。

而假设没有命题，例如目标是肺癌，要寻找新机制新靶点，则恐怕Ai程序难有发挥。与目前的chatgpt已经可以根据模糊需求进行自然语言编程还有很大差距，因为药物作用机制发人类还未了解完全，发散性巨大。而当开发需求精确化以后，恰好，最关键也是最难的部分已经跳过了。

我们看到一个新药的开发成分构成里面，最大的成本耗在是早期药物发现和先导优化，看上去这些Ai制药的公司目标市场巨大，但实际上，里面花费最大的部分是在黑暗中摸索新机制和新靶点，而这并不是Ai的工作区域。只是有了具体的线索以后，再让Ai来进行大量的generate。

毕竟对于没有发生过的案例，如同LLM中Ai未曾被喂养过的语料，Ai无法回答它没有学习过的内容，例如在过去30分钟发生的事件，网络上还没有大量报道的文章资料可参考，LLM可回答的东西会非常少，而对于没有应用过的靶点机制，对Ai来说是一片黑暗。

另外，药物发现和先导化合物筛选的成本，很多花在了动物实验身上，而这些数据的验证需要耗费动物，这部分也很难因为Ai的出现而跳过，这是刚性成本，综合以上的要素，这就使得Ai制药工具的目标市场变得非常限制。

或许更应该做的，是像工业工程软件一样，提供仿真模拟。如同达索软件这些仿真软件来提供建筑、桥梁、汽车、飞机的风洞测试。但在人类没有完全理解细胞之前，去做这样可以模拟人体细胞全部反应的软件，似乎也是异想天开。

三、软件or制药？

单纯去做一个在药物开发阶段的工具商，实际上能获得的收益很小，这也给了这些公司很低的天花板。

但倘若Ai在药物结构开发上相对此前的人工开发有优势，那么理论上，提升20%的成药概率，对于一个目标10亿美元，开发成功率50%的药物来说，那就是增加了1亿的收入预期，对项目的估值加成了1亿*10倍PS=10亿美元。这样去算目标市场，才会吸引人并打开天花板。

那么对这些公司而言，想要证明自己产品的必要性和优势，就不得不去证明成药概率上的获益。

但是，医药行业是一个极度重视验证和统计的行业，一个产品的真实效果要通过多期临床试验才能完全揭露，不等几年无法评估其最终结果。于是这些Ai制药公司为了更高的商业空间和自我证明，不得不逐渐转变为了制药公司。

RXRX的管线

Ai不是能造更好的药吗？那这些公司这么牛的话，就跟着自己做的药，推到三期，最终来看看其结果和那些非Ai筛选的同靶点药物有无优势。并评估其成功概率获益。这是最大化效应的道路，而不去这样做，也很难让别人信服技术是有价值的。

这样的模式就变得有点残酷了，制药公司化以后，这些公司的支出将变大。并且承担起开发风险，这就跟软件公司旱涝保收截然不同了。

其次，获益概率也很难确定，因为没有对照组，不可能像医药临床一样，设置一个控制组，A医药公司跟RXRX合作开发T靶点的药物，而有一个B公司不用Ai开发，两者其他的条件控制一致，哪里会有这样的B公司？

而且，假设RXRX有能力将药物开发的成药概率从10%提升到15%，但仍然是一个大概率失败的项目，RXRX很可能在数次项目重复失败后被否定。

想要发掘这个较低但真实存在的概率获益。就要根据临床统计的方法，需要大样本来得到显著的统计学意义，这就需要最终RXRX几十甚至上百次项目来验证，可是这样的验证，要等待的实在太久了。

另一方面，如今越来越多的公司都在应用不同的Ai技术手段（不管是内部的还是外部）来开发，这就使竞品的成功概率也不低，Ai制药公司要拉开，验证自己的概率获益太难了。

这样的话，只有做到最好的药物才行。但偏偏，药物的成功已经与Ai的成功绑定，而药物的成功决定因素又不止于Ai，更多在Ai参与前的靶点选择上，又或者在Ai参与后的临床方案设计和适应症选择上，甚至是商业化策略上。这却是一家医药公司的多维度素质了。

AI制药公司要获得高收益，不得不去参与药物开发的过程，并在临床期做出足够强的数据。当然它们都会与其客户，也就是传统的生物医药公司合作，但问题是，共同开发成功过后，到底是药企在靶点理解上面的贡献重要，还是Ai的设计重要呢？

这也是困扰众多Ai的一个问题。到底是提供prompt的思路重要，还是工具的效果重要？一个制作精良的图画作品，里面应该有多少价值给创作者，多少价值给工具的订阅费用？

四、结语

所以目前Ai制药公司仍然处在一个较为尴尬的发展阶段，软件工具提供商还是制药公司？能否成为一个通用化的商业环节？抑或是只能跟医药公司合体作为子部门存在？

目前在已披露的Ai制药公司参与的药物项目中，也没有什么项目就因为结合了Ai，成为了重磅药物，这才是这个赛道一直往下掉的原因。而且在商业模式未明朗的前提下，竞争公司众多，这也是一个很棘手的问题。

对于Ai+医疗，我们还是需要理性地看待，算力的突破并不代表着什么，重要的也许是这些软件或者工具的功能真正看到了革命性，或者在医药研发中开始起关键作用，例如可以仿真细胞与药物反应，例如可以替代成本高昂的动物验证，例如AI优化结构后的化合物临床成功概率提高一个数量级。

在此之前，我们不妨还是以看医药公司的方法，按照管线和其预期市场空间来进行定价。按照每个临床阶段披露的数据来修正。而不是像Ai公司一样一来就几十倍PS。

Chatgpt或者midjourney的爆发，无不来自其产品革命性的功能进步，暂时来看，Ai+医疗没有捷报。技术的进步并不是一蹴而就的，而技术与商业与现实的结合，经常比人们想象中的、资本市场预期中的，要慢得多。

关键词：