早在 1981 年，美國《財富》雜志就對計算機輔助的藥物發現進行了專題報道。到了 2000 年，利用機器人進行“高通量篩選”已經被用來快速測試數百萬種化合物。
如今，擅長數據處理和分析的 AI 有了用武之地，不少醫藥企業也“嘗到了 AI 的甜頭”，AI 制藥這條賽道也不斷升溫。
大致上，AI 制藥可以分為三派：傳統藥企派、互聯網巨頭派、AI 創企派。
傳統藥企派以默沙東、賽諾菲等老牌廠商以及藥明康德、凱萊英等 CRO 龍頭為代表，他們的研發資金厚實、數據積累和項目經驗無出其右;
互聯網巨頭派以騰訊的云深智藥、百圖生科、華為的醫療智能體 EIHealth 等為代表，在 AI 技術和生態構建能力上，他們的實力毋庸置疑;
AI 創企派各立山頭，國內外均有拔尖選手。例如國外的 Exscientia、Atomwise，國內的晶泰科技、燧坤智能、英飛智藥、宇道生物、西湖歐米等，學術背景強大、資歷夠深，資方的投入意志堅定。
歸根結底，三大派系都是為了“更快”、“更好”、“更便宜”地造出新藥。然而，由于各自的長短板不盡相同，未來 AI 制藥格局的格局將極具故事性。
藥企巨頭派
有著深厚歷史沉淀的百年藥企，并不守舊，AI 公司、云服務商是他們在 AI 制藥上的主要合作對象。
上世紀 80 年代初，美國《財富》雜志曾對默克公司使用計算機技術設計藥物進行了封面報道，并稱這項技術為“下一次工業革命”。
據 2020 年 6 月發表于 Drug Discovery Today 雜志的文章顯示，21 家頭部跨國藥企在 2014-2019 年共發表 398 篇與“AI 藥物研發”相關的論文，同時啟動了 73 項內部 AI 研發項目、61 項與外部 AI 公司合作的項目、以及 11 項投資/收購初創 AI 企業。
默沙東是這些藥企中，最早與 AI 公司達成合作的之一，最早可以追溯到 2012 年。
2017 年，武田藥業與加州圣布魯諾的 Numerate 公司正式簽約，利用 AI 技術尋找腫瘤學、胃腸病學和中樞神經系統疾病的小分子藥物。
同年，賽諾菲與蘇格蘭 Exscientia 公司簽署了一項潛在價值為 2.5 億歐元(約 2.8 億美金)的合作和許可交易，用于開發針對代謝疾病的雙特異性小分子藥物。Exscientia 有 AI 技術，賽諾菲則提供化學合成。
2019 年 6 月，賽諾菲宣布與谷歌合作，共建醫療創新實驗室，谷歌將其 AI 和云計算能力引入與賽諾菲的合作中。
2019 年 10 月，諾華宣布成立 AI 創新實驗室，并選擇微軟作為其 AI 戰略和數據科學合作伙伴。諾華將微軟的 AI 技術應用于整個藥物研發過程，包括研究、臨床試驗、生產、運營等環節。
國內藥企也是不遑多讓。
2017 年，正大天晴引入阿里云的業務中臺架構，利用互聯網中間件技術能力，提升了藥企的低成本創新和快速試錯能力。
2019 年 9 月，豪森藥業與 AI 制藥明星公司 Atomwise 達成合作，在多個治療領域針對 11 個未公開靶標設計和發現潛在的候選藥物。
現階段來看，多數藥企與 AI 創業的合作案例，更多是停留在前期的藥物研發階段。值得注意的是，藥品的臨床試驗也需要 AI 的幫助。
藥企希望通過分析大量電子病歷數據集，代替冗長而昂貴的患者臨床試驗來獲得藥品批準。例如，輝瑞、強生和安進公司，就向 FDA 提交數據挖掘分析以尋求獲批新藥或新的適應癥。
總體來說，藥企在 AI 制藥中的地位，有點類似于醫學影像 AI 行業中的醫院。藥企擁有可追溯至 20 世紀 80 年代的大型臨床前數據集，這些數據集是藥企數十年積累下來的心血，輕易不肯示人。
畢竟，在人工智能時代，數據才是王道。
所以，拋開與外部 AI 公司的合作，藥企也在搭建自己的 AI 團隊和業內生態，把握更多的話語權。
葛蘭素史克是最早在內部創建 AI 部門的藥企之一。
據外媒報道，截至 2019 年 7 月，葛蘭素史克的 AI 團隊約有 50 名。2019 年 12 月，其宣布將擴大 AI 團隊的人數，計劃到 2020 年增加 80 名。
另外，醫藥魔方對藥企參與的 AI 制藥聯盟進行過統計，共有 16 家藥企加入了至少 1 個聯盟，占所有制藥企業的 36%。
比較有名的聯盟是 MELLODDY。
這個聯盟的目標是建立一個機器學習平臺，這樣就可以從多組專有數據中學習，同時又能尊重它們的高度機密性，因為在整個項目中，數據和資產所有者將保留對其信息的控制權。
還有一個聯盟 ——MLDPS，它的特征是與學術高校走得更近，其目標是打破麻省理工學院機器學習研究和藥物發現研究之間的鴻溝 —— 將麻省理工學院的研究人員和產業界聚集在一起，從而找出并解決 AI 輔助藥物研發中最重要的問題。
以“項目制”為特征的醫藥研發行業中，藥企大鱷是當之無愧的 C 位，把握十足的主動性，極大程度上決定了 AI 制藥公司的未來走向。
互聯網巨頭派
有創業機會的地方，就有 BAT 的身影。
習慣“買買買”的騰訊，早在 2015 年和 2018 年就參與晶泰科技的 A 及 B 輪融資，現在晶泰科技也成為國內 AI 制藥領域的頭部企業。
除了投資，騰訊也在自起爐灶。
2020 年 7 月 9 日，騰訊正式進軍 AI + 新藥研發，其開發的人工智能藥物發現平臺“云深智藥”將向科研人員全面開放。
華為在醫療領域布局了華為云 EIHealth，基于華為云 AI 昇騰集群服務、華為云 ModelArts 一站式 AI 開發與管理平臺的 AI 能力，集成了醫藥領域眾多算法、工具、AI 模型和自動化流水線。
阿里云與全球健康藥物研發中心合作，開發 AI 藥物研發和大數據平臺，并針對 SARS/MERS 等冠狀病毒的藥物研發進行數據挖掘。
去年，字節跳動也成立了專門負責大健康業務的極光部門，AI Lab 位于北京、上海、美國三地的團隊也被曝招攬 AI 制藥領域人才。
平安科技研究院最近也曬出一個成果 —— 他們和清華大學聯合在計算生物學頂刊 BIB 上發表了一篇論文，首次公開了用于藥物發現的分子預訓練模型。這個模型具有 5300 萬參數，有點類似在 NLP 領域取得重大突破的 BERT 模型。
目前，平安 AskBob 智藥平臺已經與日本鹽野義制藥開展合作，在抗感染和中樞神經系統疾病領域以及阿茲海默癥的藥物重定向研發和抑郁癥等方面進行合作。
從互聯網派 AI 制藥勢力來看，它們的最大優勢在于算力和算法，自身的短板在于對藥物知識的深刻見解和人才隊伍。
在以“暴力計算”為特征的 AI 技術加持下，輔以藥企多年來的珍貴“數據池”，藥企一旦與生態鏈豐富的互聯網巨頭牽頭，未來的前景會非常可觀。
AI 制藥創企派
2020 年，被稱為 AI 制藥的“元年”。
據健康界統計，國內目前從事 AI 藥物研發的企業近 20 家，超半數企業成立時間主要集中在 2015-2018 年，融資輪次集中在 A、B 輪。
同時，受疫情等多方因素影響，2020 年，國內獲得融資的 AI 藥物研發企業有 8 家，包括望石智慧、晶泰科技、星藥科技、冰洲石科技等，總額達 14.16 億美元 —— 合人民幣近百億元。
在這樣的融資力度下，AI 制藥似乎成為了下一個“現象級”的創業賽道。
值得一提的是，現在的二級市場，有兩支“AI 制藥”概念股，Schrodinger 和 Relay Therapeutics 已分別于 2020 年 2 月和 7 月在納斯達克上市。
其中，作為行業內第一家計算藥物研發上市公司，Schrodinger 的股價從首發價 17 美元，一度漲到近百美元。
能有這樣的股價表現，說明 AI 制藥公司是有不少干貨的。
今年 3 月，英矽智能宣布，在全球首次利用 AI 技術發現新機制特發性肺纖維化(IPF)藥物新靶點，以及針對該靶點設計的全新化合物。
當然，與其他 AI 行業的同行一樣，制藥的最大難點也是數據。
目前，AI 制藥企業主要依靠公開數據來進行模型訓練，同時，通過合作的方式從藥企、醫院、CRO、實驗室獲得差異性數據。
英矽智能的 CEO AIex Zhavoronkov 就表示，AI 新藥研發往往需要更多的試驗數據，擁有頂尖水平的科學家才能獲得合作伙伴關系，并讓算法進一步優化。而中國本土的 AI 新藥研發企業總是缺少創新，經常依賴于開源的東西來進行復制。
創立了億藥科技的謝正偉博士，也曾向《生輝》表示，一家 AI 制藥公司的核心競爭力，主要體現在商業發展上，可以簡單歸結為兩個指標：
第一個指標是做技術服務的能力，是否能拿到大公司的訂單;
另一個指標是自研管線，是否有成為創新型研發中心以及未來成為藥企的潛力。
從大公司拿訂單，是現在 AI 制藥公司走得比較多的路，也就是上文所說的“項目制”方式，這條路線較為傳統，也是最為穩妥的一條路。
而一些 AI 制藥公司在不斷壯大后，也在往第二條道路走。例如，從晶泰科技孵化出的劑泰醫藥，就已經基于其專有的高通量 AI 制劑平臺搭建制劑新藥管線等。
結語
在十年以前，我們可能沒有想過，有一天 AI 會自己設計出化合物。
和其他 AI 賽道一樣，我們可以相信的是，AI 制藥會經歷一個成長爬坡期，未來，AI 藥物研發將不再是生物醫藥行業中一個概念性技術，而是成為行業中非常核心的存在。
如果用武林門派來形容上面的三類廠商，藥企更像是“少林派”—— 天下武功出少林，所有紛繁復雜的變化都有跡可循;
互聯網企業更像是“明教”，群眾基礎大，陣容雄厚;
而各個 AI 制藥公司，則是散落在中原大地上的各個門派，招式各有不同。
圍繞三大派系，AI 制藥的江湖故事將會不斷上演。
