出品 | 妙投APP
作者 | 张贝贝
头图 | 视觉中国
核心看点：
药品行业安全监管较严属性下，AI+制药目前主要聚焦在药物发现的靶点、化合物/分子筛选，临床前的动物实验和临床阶段的人体试验还不能用AI模拟代替等，应用受限。
在全球AI制药赛道未有产品商业化落地的情况下，布局企业自我“造血”能力不足问题凸显。甚至，资金紧张下，已有企业开始裁员“节流”了。
如何突破盈利困境？单一模式均有隐忧下，“组合拳”模式布局的企业希望更大。
随着英伟达、谷歌等科技巨头纷纷进军AI制药领域，以及国内晶泰科技作为AI制药第一股在港股上市，AI制药再次站在了聚光灯下。
这是因为，市场普遍期待AI技术能解决制药行业长期面临的难题。
传统上，创新药的研发周期长、风险高且资金需求巨大，制药行业内部甚至有“双十定律”——即开发一款新药平均需要超过10年时间和10亿美元的投资。更严峻的是，新药的研发成功率通常不足10%。因此，这一行业的挑战可称为“三难困境”。
如果AI技术能够有效突破这些难题，预计药企的业绩将实现显著增长。
那么，AI助力制药行业的效果如何？还有哪些问题待解决？以及哪类企业最有希望穿越行业周期，持续留在牌桌上呢？详见下文。
理想丰满，现实骨感
AI制药是指将机器学习、深度学习、自然语言处理（NLP）及大数据等人工智能技术应用到制药领域各环节，致力于提高新药研发的效率及质量，降低试验失败概率及研发成本。
从流程看，AI制药与传统制药基本一致，主要分为药物发现（也称“药物筛选”或“化合物研究”）、临床前研究、临床试验（含药物上市后的Ⅳ期临床）三个阶段。接下来分别看各个环节AI技术赋能的进展效果。
1）药物发现是制药的第一步。此阶段,可利用NLP、知识图谱等AI人工智能技术对现有研究成果进行整合分析，并利用算法模型进行靶点发现、晶体预测，或者候选药物分子的筛选，达到提效降本的目的。
如AI制药企业英矽智能、福贝生物、清华大学、美国约翰斯·霍普金斯大学医学院、哈佛大学附属马萨诸塞综合医院等机构的合作研究中，利用AI技术平台分析了来自多个公共数据集的大量中枢神经系统样本转录组数据，以及大量“渐冻症”患者运动神经元样本的转录组和蛋白组数据后，发现“渐冻症”治疗新靶点，所用时间不到1年，优于传统新药研发2-4年的耗时（2021年8月英矽智能与福贝生物达成战略合作，2022年7月发现潜在靶点）。
2）临床前研究是制药的第二个环节，包括药学研究和安全性评价（动物实验）等。其中，药学研究可利用AI技术提升ADMET性质预测的准确度，但动物试验是人体试验前的安全保障，不能用AI模拟代替。（ADMET ：药物吸收、分配、代谢等情况）
则，临床前研究阶段，AI赋能的环节只有药学研究。
假设药学研究和安全性评价（动物实验）所用时间相等，取临床前研究阶段所需均值时间2.25年看，药学研究需1.2年左右，则AI节省时间预计在几个月。
3）临床试验阶段是制药的第三个环节，也是新药研究中周期最长、成本最高的环节。
此环节，AI人工智能技术的应用比较有限。主要系，药品作为具有医疗属性的产品，安全性监管要求非常严苛。所以对于药物在人体试验的环节，AI是无法介入的，毕竟谁都不敢用AI模拟的临床数据去代替真正的临床试验数据。
临床研究分为一期（安全性和药代动力学试验）、二期（在小量患者群体中试验剂量/疗效/毒性）、三期（在大量患者群体中试验剂量/疗效/毒性）、四期（又称药物上市阶段），时间跨度长达5-9年。
总结新药研发的三个环节所节省的时间看，AI赋能下预计可节省2-4年时间。
若再结合昭衍新药年报药物发现、药学研究5%和10%的研发投入比，以及据德邦证券研报2018年一款新药从研发到上市需要资金不低于20亿美元看省钱效果，AI赋能药物发现、药学研究降本分别均达70%、80%和90%时，较传统制药的研发投入降低分别约10%、12%和15%。
则，AI赋能新药研发省钱省时间上确实是有效果的。
但即使这样，AI赋能下，新药研发耗时预计仍需8-11年，研发投入不低于17亿美元。则制药行业耗时高投入的两大难题只能说有缓解，离解决还有较远的距离。
而因为目前全球最快的AI制药产品才推进至临床Ⅲ期，且进入临床后，AI赋能影响有限，仍需经历传统制药面临的药物效果不如预期，或失败后被暂停或终止项目推进的风险，所以新药研发的成功率能否提高有待检验。
即使乐观点，参考科技媒体Tech Emergence曾发布的追踪全行业AI的应用报告，称AI技术能够将临床新药研发的成功率从12%提高到约14%，以及参考英矽智能招股书的临床前开发成功率69%和新药申请成功率91%看，通过药物发现筛选出来的候选分子最后能成功上市的概率也仅8.8%，仍是“九死一生”。
则，整体看，AI技术对于制药行业的“三大难题”目前起到的主要是缓解作用，离解决或突破还有较远的距离，并不像市场想象的那么乐观。
但毕竟“蝇子腿也是肉”，对于药企来说已经在研发时间和成本上有了减负。更不要说，未来随着技术升级，新药研发的其他环节或能有更多应用，省钱省时间的力度或会进一步加大，是有想象空间的。
这也是英伟达掌门人黄仁勋感慨“AI+医药”将成为下一个“黄金赛道”，以及国内外有多家企业布局AI制药的重要原因。据智药局统计，2023年度，国内有93家企业布局AI制药。
值得注意的是，虽然AI制药赛道发展前景较好，以及有英伟达等资本新进入，但先前布局的企业也有开始裁员的，为何出现了“冰火两重天”的情况？实操中AI制药赛道还有哪些问题待解决？
自我“造血”能力不足
国内外均有AI制药企业涉及裁员，但国内涉及裁员的相关企业未上市，公开资料较少，接下来对海外已上市的BenevolentAI、AbSci等企业裁员原因讨论分析。
总结看，无论是AI制药尚未有商业化产品落地带来的无营收或者是营收太低，甚至是临床管线失利带来的裁员，背后都是企业现金流支撑不足的问题，直指盈利困境。具体如下：
1）BenevolentAI：临床管线失败+现金流紧张，已裁员2次
BenevolentAI是一家成立10年，总部位于英国伦敦的AI制药公司。
这家公司基于AI技术平台，对现有药物分子的新适应症进行拓展和通过AI预测并设计全新的药物分子，并通过向药企交付有效靶标等获取收入，进行AI制药的产品研发。如，2022年度其向阿斯利康交付三个由AI平台的新靶标，获得1060万英镑收入。
不过，BenevolentAI在利用AI发现靶点、开发分子的过程中并不顺利，部分管线未能成功实现临床转化，这两年开始了裁员降本。
2023年5月，BenevolentAI由于主要管线BEN-2293（用于治疗特应性皮炎的局部泛Trk抑制剂）的IIa期临床试验，没有达到次要疗效终点，无法减少患者的瘙痒和炎症，即管线失败下，公司裁撤约员工人数接近50%，进行降本并押注其他新的AI制药管线。
同时，因资金吃紧，2024年4月Benevolent AI宣布削减软件产品发布计划，并宣布再裁员30%。其节省下来的资金用于开发BEN-8744，一款用于治疗溃疡性结肠炎、正在推进临床1b/2a期计划的PDE10抑制剂。
2）AbSci：营收低，通过裁员来“节流”
Absci主要是通过AI技术和合成生物学来进行生物药开发、蛋白质打印和菌工程，于2021年7月22日在美国纳斯达克上市，IPO融资约1.86亿美元。
然而仅在公司上市一年后，2022年8月，创始人Sean McClain在官网发布裁员通知，裁员比例约20%，简化运营和研究业务，以应对不断变化的经济状况。
究其原因，还是公司的收入太差了。
财报显示，2020-2023年Absci营收分别为478万美元、478.2万美元、574.7万美元和571.8万美元，即公司年收入从未超过600万美金。但要每年面临上千万的研发投入，上述年份研发投入分别为1144.8万美元、4458.6万美元、5890.8万美元和4806万美元。
当然还有销售、管理等费用，所以这几年公司利润处于持续亏损状态。2020-2023年，公司净利润分别为-1435.3万美元、-1.010亿美元、-1.049亿美元和-1.106亿美元。
也就是说公司每年收入仅500余万美元，亏损额却达到了1亿美元。
主要系：①截至目前AbSci公司尚未有进入临床阶段的管线，没有持续的销售收入进账；②公司虽然与默沙东、阿斯利康等有合作开发协议，通过AI CRO业务进行“开源”，但短期首付款或预付款金额并不大，没有带来多少收入；而更多里程碑收入需要后续动物实验、临床试验等验证成功后才有机会入账，短期现金流压力较大。
则在AbSci公司的自研产品上市需要较长时间，合作开发服务价值短期较少的情况下，“开源”难度显然较大，“裁员”节流的选择就能理解了。
那么，AI制药的布局企业所面临的盈利困境能否突破？或者哪类企业最有希望穿越AI制药从发展初期到快速发展期的行业周期，持续留在牌桌上？
接下来从商业模式层面进行讨论分析，投资时可重点关注。
单一模式均有隐忧，“组合拳”布局或是大趋势
目前，AI制药的商业模式主要有AI+SaaS、AI+CRO、AI+Biotech三种，即出售软件、服务和研发药物，分别占了商业模式总数的25%、23%和8%。
只不过，至今还没有一种商业模式被证明比其他的商业模式在所有方面都好，且各有隐忧。
在上述情况下，AI制药企业开始拓展2种及以上多种商业模式组合布局，对比看，“AI+SaaS+Biotech”、“AI+CRO+Biotech”或“AI+SaaS+CRO+Biotech”等组合拳模式布局，优于单一模式，具有短期现金流有入账，长期可博成长空间的优势，更有希望穿越行业周期。
这也是布局2种或3种“组合拳”商业模式企业占比达到半壁江山的重要原因，未来或有更多企业由单一商业模式向“组合拳”模式布局拓展。
不同商业模式的优劣势如下：
1）AI+Biotech单一商业模式：销售天花板高，但变现相对较慢。
AI+Biotech商业模式，实质就是企业利用AI技术赋能,以自主、授权或合作方式推进药物研发上市，带来效率提高、成本降本和成功率提升的突破，是AI制药赛道最重要的支撑。
不过，除了对外授权可以在短期获得现金流外，采用自研或与合作研发（主要是与CRO企业的里程碑合作）推进自研管线的布局企业，在产品成功上市前，要经历较长周期的“纯资金投入”阶段，无营收更无盈利，且面临药物开发较高失败的风险；但产品若能商业化上市销售，则有机会获取较高的商业回报。
再结合AI biotech以推进自研管线为主,较少进行外部合作看，布局这类模式的企业平均变现速度会比较慢。
且在当下全球AI制药企业均未有产品商业化上市销售的大环境下，单一AI+Biotech的商业模式布局面临较大的压力，需要采用其他方式获得持续的现金流支撑产品研发，这是多种商业模式“组合拳”布局拓展的重要原因。
2）AI+CRO单一商业模式：变现较快，成长空间尚可，但布局企业较多，竞争激烈。
该模式指通过人工智能的辅助为客户更好地提供技术服务，并交付潜力靶点或先导化合物等，再由药企进行后续的开发或者与药企合作推进药物管线。
从收费结构看，主要包括两种：
1）AI CRO企业为制药企业提供涉及靶点确定、检验、先导化合物生成等药物发现服务后，收取服务费，纯做“卖水人”角色，变现较Biotech模式快；
2）AI CRO企业将临床前阶段的潜力靶点、先导化合物等对外授权，获得首付款；而后与客户进行临床试验阶段的费用分摊，获得里程碑付款+销售分成，换取部分产品上市销售后的上行空间收益等。从这个维度看，该模式的成长空间也是可以的。
但要注意，AI CRO商业模式布局的企业不仅有英矽智能、晶泰科技等AI制药企业布局，传统CRO对AI应用也进行了拓展，如药明康德、康龙化成作为全球前Top3的药物发现供应商，均推进了AI应用布局。
整体看，该模式下竞争激烈，布局企业面临项目价格比拼下销售额成长空间被压制的风险，业绩弹性短期可能不会很大。
参考海外上市企业AbSci，在当下AI CRO业务推进下，每年收入不超过600万美元，亏损1亿美金的情况，可进一步侧面验证上述观点。这或许也是国内主营AI CRO业务的晶泰科技上市后，未能有持续向上行情出现的重要原因。
当然，若未来包括晶泰科技在内的AI CRO类企业，有合作的AI制药产品商业化落地，获得合作产品上市销售分成后，企业业绩和行业成长空间会有较大幅度的提升，届时该模式下的布局企业在资本市场有望活跃。
（资料来源:公开资料梳理）
3）AI+SaaS软件售卖单一商业模式：变现快，但成长空间有限。
该模式指为客户提供AI算法辅助药物开发平台，帮助企业加速研发流程，节省成本与时间。医药专业性较低，可快速切入市场并创造营收。
不过，由于AI制药行业处于发展初期，进行AI技术赋能制药的企业渗透率还比较低，以及软件使用不会快速更换，所以每年的软件售卖销售额并不大。
参考国外AI制药赛道主营软件售卖的代表性公司Schrodinger薛定谔，自其1992年售出第一款软件至今30余年，全球前20大药企以及全球约1350家科研机构使用其软件的情况下，2023年软件销售额也仅1.59亿美元，远低于今年5月晶泰科技与礼来一项AI CRO合作金额（预付款及里程碑总收益可达2.5亿美元）。
可看到，AI+SaaS软件售卖业务的销售额成长空间也有限。
且Schrodinger薛定谔公司利润情况也不是很理想，2017-2022年净利润均为负值。但2023年其凭借拓展AI+Biotech自研新药管线对外授权扭亏为盈，虽并不稳定，2024年1季度净利润再次亏损，但可侧面验证多种商业模式“组合拳”布局是有希望扭亏为盈的判断。
总结看，目前AI制药企业的单一商业模式均有隐忧，但不同模式组合可进行“变现、市场成长空间”的有效互补。如“AI+CRO”或“AI+SaaS”业务可快速变现带来现金流，“AI+Biotech”业务可博未来业绩成长。
同时，在AI制药未有产品商业化落地带来收入情况下，布局企业需要用其他方式提供持续的现金流支撑产品研发，那么与自研管线有关联的AI SaaS或AI CRO业务是很好的选择，并有望突破盈利困境。
所以，多种不同商业模式“组合”布局或是AI制药赛道未来的大趋势。
国内“组合拳”模式布局的代表性企业为英矽智能，在“AI+CRO”、“AI+SaaS”和“AI+Biotech”三种主流模式上均有布局，但还未实现盈利。所以，在其“组合拳”模式布局突破盈利困境之前，即使上市，资本市场更多是博弈性机会。详见《英矽智能：为何红杉、高瓴都“看好”？》
免责声明：本文内容仅供参考，文内信息或所表达的意见不构成任何投资建议，请读者谨慎作出投资决策。
评论