6月13日，腾讯投资的中国AI药物研究公司晶泰科技（QuantumPharm）在香港上市，成为国产AI制药第一股。

中国的AI制药企业起步较晚，像晶泰科技、英矽智能都是2014年才成立，而国外同行Atomwise、BenevolentAI (伦敦)、Exscientia （牛津）过去十年来，都与跨国制药公司有着大量业务往来。而且，就连这两家国内最著名的AI制药公司也是在美国成立的。

当时，几乎没有人关注中国的AI药物研究。

晶泰科技的联合创始人马健表示，他2015年第一次回到中国开始与中国制药公司接触时，他们中的大多数人很明显对AI药物研发不感兴趣，或者说还没有准备好。

时过境迁。

有数据显示，截至2023年底，全球共有897家AI制药企业，国内相关企业占到93家。

晶泰科技曾助力辉瑞研发新冠药物Paxlovid，仅用六周时间，就完成了药物晶型预测与实验结果的相互印证和准确匹配。英矽智能也分别与复星医药和赛诺菲达成合作，旗下的AI平台也为11家全球排名前20的生物医药公司提供服务。

然而，与国际先进水平相比，中国的AI制药行业仍存在一些差距。

“数据孤岛”亟待突破

数据、算法和算力是AI新药研发的关键条件，尤其是数据。ChatGPT能一炮而红，就是因为经过大量的数据积累，量变引起了质变。

中国有14亿人口，医院规模庞大，可以提供丰富的数据，与西方同行相比，中国的AI公司享有一定优势，但是，用于训练公司算法的临床前和临床数据仍然存在一些质量问题。

目前AI药物研发主要的数据来源有公开数据与非公开数据。公开数据是指可以通过各种公开渠道获得或购买的数据，比如一些用于靶点识别的数据库。此类数据容易获取，但质量难以保证。而非公开数据主要是各药企内部项目数据，质量高，但属于公司机密信息，难以获得。

国际领先的AI制药公司，经过多年积累，已建立起多种获取数据的渠道（公共数据库、合作获得的研发数据集、企业自身研发积累的数据集等）。例如Verge Genomics与十多个医院、学术中心和生物样本库建立了合作伙伴关系，构建了自己的人体组织专有数据库（主要是大脑和脊髓），由6,800个人体组织样本构成，是最大的神经退行性疾病药物发现数据集之一。

而中国虽然也在积极推进生物医学数据的积累和共享，但与国际同行相比，数据标准化和共享机制尚有待完善，仍存在质量参差不齐、标准不统一的问题。北京大学深圳研究生院使用计算机辅助药物设计药物化学家叶涛称，数据质量绝对至关重要。上海交通大学分子研究实验室负责人张健教授表示，数据质量是一个问题，特别是北京和上海等少数医学研究中心以外的地区。他说：“可能只有在大城市才能获得质量好的数据，情况有点复杂。”

尤其是，如果某个疾病是中国特发、多发，进行新药研发就要考虑到人种差异，必须研究国内的疾病数据，但是，目前这些数据大多碎片化地分散在各个医院，制药企业无法获取，难以真正利用。

此外，数据隐私和安全性问题也需要进一步解决。在美国，AI公司尤其受到法律的限制，如1996年的《健康保险流通与责任法案》为如何共享电子病历设定了标准。只有保护好患者的数据，打消患者的顾虑，才能真正提高数据的可获取性和利用率，扩大AI在医药领域的应用。

跨学科复合型人才供不应求

顶尖的AI制药公司往往汇聚了来自生物医学、计算机科学、化学、药理学等领域的专家，形成强大的跨学科团队。它们在药物发现、临床试验优化等方面的成功，也得益于这些跨学科团队的协作与创新。

AI药物研发企业有3种主流商业模式：AI SaaS（售卖软件）、AI CRO（售卖服务）和AI biotech（研发药物），国内多数AI药物研发企业出于自身长远发展的考虑，都不会只从事1种模式的业务，而是同时从事2~3种。因此，构建跨学科团队至关重要。

虽然中国有不少优秀的AI和生物医药人才，但跨学科的综合人才相对较为稀缺。正因为如此，国内的龙头企业、行业巨头、新兴创业公司，以及外资企业都纷纷加强力度，提供丰厚的待遇，争夺该领域的优秀人才。

数据科学家的年薪通常在50万到120万人民币之间。数据负责人年薪高达150 - 220万人民币。入门级AI开发人员的最高年薪有时可达80万人民币。此外，薪酬制度还包括适当的股票期权等激励措施，这在初创企业中尤其常见。

英矽智能首席执行官Zhavoronkov称，在中国，这个行业的顶尖专家薪酬高于美国，而且流动性高。

那么，什么样的人才最受这个行业欢迎呢？一言以概之：年富力强、受过高等教育、经验丰富的专业人士。

由于AI制药本就是相对较新的领域，创始团队通常也很年轻，所以他们通常也更青睐年轻的求职者，比如硕士学位+1-3年的工作经验，或者刚获得博士学位的候选人。根据Hays的统计，市场对0-5年工作经验的算法工程师和数据科学家需求很高。同时，拥有深度学习、机器学习等强人工智能项目经验的人才会更具竞争力。

要缩小这一人才缺口，必须制定并执行有针对性的教育措施和培训计划，提供学习多学科技能的机会。而企业如果想留住顶尖人才，也应更加注重清晰打造企业文化，鼓励员工不断学习，制定人才发展战略，实现人才的可持续发展。

融资市场起伏不定

4月24日，Xaira Therapeutics获得了10亿美元的种子轮融资，是今年到目前为止AI制药行业最大的一笔融资。就在同一天，另一家老牌AI制药公司BenevolentAI却由于资金吃紧，宣布裁员30%并关闭美国办公室。就在去年五月，BenevolentAI刚裁员180人。

资本市场瞬息万变，经常一半是海水，一半是火焰。回望过去数年，国内AI+医药投资市场也经历了一波过山车行情。

2018年，AlphaFold在第13届CASP（Critical Assessment of protein Structure Prediction）上惊艳亮相，预测蛋白质结构的准确率接近60%。2020年，AlphaFold 2面世，准确率达到了90%。

随之，AI赛道迎来了前所未有的热度。无论国内国外，2021年都是AI制药融资的高峰。

但是，2022年，海外AI制药投融资依然如火如荼，中国的热潮却开始冷却，新增的AI制药公司大幅减少。2023年中国新成立的AI制药公司更是只有3家，2021年可是足足有31家！

今年2月起，这条赛道在中国热度重燃。截至5月，今年全球AI制药融资55起，其中17起来自中国，占比前所未有地超过了30%。

然而，热闹的表象下，我们也必须清醒地看到，94家国内AI制药企业，除已经成功上市的晶泰科技和已同样在港交所递交招股书的英矽智能外，进行到C轮的只有药物牧场、深势科技、甫康药业、中科新生命、黑玉科学、明度智云6家企业，B+轮只有红云生物和奕拓生物2家，大部分企业都还在很早期轮次而同期海外市场上，Schrödinger、Recursion Pharmaceuticals、Relay Therapeutics等都已陆续上市。

这一方面说明中国的AI制药公司都还处于早期发展阶段，另一方面也说明中国风险投资的规模和力度不稳定，大多数投资者规避风险，喜欢投早期、投小钱，对AI制药依然抱有观望心理，投资环境仍有改进空间。

虽道阻且长，行则可至

为了应对数据缺口，英矽智能组建了自己的数据挖掘团队，在苏州建立了智能机器人实验室，干湿实验结合生成高质量数据。目前，靶点识别平台PandaOmics已集成了五百万级组学数据样本和百万级化合物&生物制剂等数据。

为了组建既懂人工智能又懂医药的团队，角井生物挖来了迟颖。迟颖是科技部十四五“生物技术和信息技术融合”专家组成员，浙江大学和南洋理工大学博士生导师，曾担任阿里巴巴达摩院制药智能负责人，是国内横跨医药和人工智能两个学科的顶尖人才。

为了兼顾人工智能与生物医药，计算机和商业专业出身的英矽智能CEO Alex Zhavoronkov举荐前GSK首席科学官任峰出任联合CEO。

AI biotech研发投入巨大，需要疯狂烧钱。放眼全球，实现盈利的也只有Schrödinger一家。中国的AI制药企业成立时间更短，更是如此。但是如果能做好药物的对外授权（license out），就可以回笼资金、自我造血、甚至实现盈利，提升投资者的信心，实现资产的良性循环。

今年的全国两会，“人工智能+”首次出现在政府工作报告中。从2015年的“互联网+”到2019年的“智能+”，再到今年的“人工智能+”，中国产业升级转型不断提升。国家会高屋建瓴地强化战略设计，加快形成人工智能驱动的新质生产力。

截至2023年，全球有102条AI药物管线成功进入临床阶段，其中56条处于临床一期，41条处于临床二期，5条已进行到临床三期，其中就有2条来自中国：

一、剂泰医药的MTS004，适用于神经系统疾病，2022年6月获国家药监局药品审评中心同意三期临床试验

二、埃格林医药的EG-007，适用于子宫内膜癌，2021年8月获FDA批准进入三期关键性临床试验。

目前全世界还没有一款真正的AI药物成功上市，乾坤未定，你我皆是黑马。

凤凰网《角井生物迟颖：聚力开发首个基于AI的大分子药物进入临床》