AIxplorerbio, Inc.

点击图片查看IDC2014第六届创新化学药会后报告，IDC2025合作热线：181 1603 6798 美国西部时间7月29日，勃林格殷格翰公司宣布，以最高13亿美元交易收购由维亚生物参与投资孵化的Nerio Therapeutics（“Nerio”）。 Nerio的核心管线为小分子PTPN1/2抑制剂，一款处于临床前阶段的肿瘤管线。该抑制剂通过抑制蛋白酪氨酸磷酸酶N1和N2（“PTPN1”和“PTPN2”），激活免疫系统，对抗癌细胞。此次收购将极大增强勃林格殷格翰公司的肿瘤免疫管线，目标是改善癌症患者的治疗效果。 顶级VC创立，维亚参与孵化 Nerio是一家专注于磷酸酶的药物发现及开发公司，由 Avalon Ventures 创立，并获得了包括 Bregua Corporation、Correlation Ventures、Alexandria Venture Investments 及维亚生物创新中心在内的投资机构支持。 Nerio是依托Avalon BioVentures加速器发展而来，受益于Avalon BioVentures加速器在早期药物开发方面的专长和全面的公司支持。Avalon Ventures 是一家长期专注于种子和早期公司的风险投资公司，成立于1983年，创立和资助了100多家信息技术和生命科学公司。 对于此次收购，Avalon BioVentures合伙人及Nerio Therapeutics联合创始人兼首席执行官Sanford Madigan表示：“我们相信Nerio的小分子PTPN1/N2抑制剂具有优越的药物特性，并提供了成为first-in-class的机会。” Sanford Madigan 拥有深厚的科学背景，且在企业融资、运营、业务开发和并购方面有超过 25 年的从业经验。除了上述两个职位外，他目前还是 Ankasa Rogenic Therapeutics 的首席执行官，也是 Strategic Enzyme Applications 的创始人兼首席执行官。不仅如此，Avalon Ventures的所有合伙人都是经验丰富的企业家，在生命科学和技术领域拥有丰富的公司组建、运营和价值创造的经验。 作为一家初创企业，Nerio不仅有Avalon Ventures这一强大的背书，其背后的其他孵化机构和投资机构同样实力不容小觑。其中，维亚生物创新中心作为一家国内孵化中心引人注目。其2017年由维亚生物正式成立，是公司三大业务板块之一。 维亚生物创新中心（Viva BioInnovator ，简称“VBI”）是维亚生物投资孵化和以服务换股权（EFS）业务的核心部门。维亚生物结合原有的以技术服务换取现金（CFS）和独创的技术服务换取股权（EFS）的创新型商业模式，既能实现稳定现金流入，又能实现长期药物孵化投资带来的高额收益。 凭借维亚生物在新药研发领域多年积累的丰富经验和技术优势，维亚生物创新中心根据新药研发及公司成长阶段的各类需求，提供投资并不断优化研发、场地和后勤支持、产业对接、投融资等一系列投后增值的平台化服务。 截至目前，维亚生物创新中心共计投资、孵化超过90家早期生物医药创新企业，孵化公司产品管线超200条，维眸生物、索智生物、璧辰医药都是其孵化投资的企业。 背后各大资本雄厚且资源丰富，想必也是Nerio能够快速发展，并且获得顶级药企认可的重要原因。 另有顶级MNC也在抢滩这一蓝海 除了背后资本背景雄厚之外，Nerio关注的不可成药领域同样具有价值。近年来，放疗、化疗等治疗手段快速发展，虽然这些治疗方式对肿瘤有一定杀伤作用，但其无差别的杀伤也会对患者健康的组织造成损害。许多患者由于无法耐受副作用选择停药，导致病情严重复发。 在此基础上，以PD-1及其配体PD-L1阻断剂为代表的靶向治疗快速发展。但是，目前只有约10%的靶点被成功开发出靶向药物用于治疗。另有约10%的靶点正在研发中，被开发出靶向药物。而剩下的约80%的靶点在现有抑制剂药物研发技术看来则是不可靶向性靶点，无法被开发为靶向抑制剂药物。 仅针对20%可靶向性的靶点，每年产生的抑制剂靶向药物的市场就达2000亿美金，如果能够将剩下80%的不可靶向性靶点用于研发药物，市场不可估量。 磷酸酶由于具有高度极性活性位点，被公认是一类具有潜在高价值的“不可成药”靶点。 其中，蛋白酪氨酸磷酸酶PTPN2（也称TC-PTP）及其旁系同源物PTPN1（也称PTP-1B）在肿瘤细胞或免疫细胞中的基因缺失可促进抗肿瘤的免疫反应。因此，与目前的治疗方法不同，PTPN2/ N1靶向治疗可以通过直接作用于肿瘤细胞和增加免疫细胞的抗肿瘤活性来实现双重抗癌机制。 对此，Nerio已开发出新型、强效且高度选择性的PTPN2/N1抑制剂，具有卓越的药物特性。Nerio的PTPN2/ N1抑制剂为同类首创，可增强免疫功能，使肿瘤对促炎信号更敏感，从而促进强大的抗肿瘤活性。Nerio的小分子抑制剂不仅能作为单药治疗，还能与公司内部开发的多种癌症疗法联合使用，成为其治疗组合的重要补充。 目前，Nerio的PTPN2/N1抑制剂肿瘤管线尚处于临床前阶段，预计将在今年晚些时候向美国食品和药物管理局（Food and Drug Administration）申请批准开始临床试验。 此次收购是勃林格殷格翰向改变癌症治疗格局迈出的大胆一步。这进一步增强了其在癌症细胞靶向和免疫肿瘤学研究疗法方面的产品管线，旨在通过巧妙的产品组合为癌症患者提供最大获益。勃林格殷格翰董事会成员Paola Casarosa表示，“获得Nerio Therapeutics的创新免疫检查点抑制剂，为勃林格殷格翰创造了广泛而令人兴奋的新癌症治疗药物组合机会。这使我们离实现变革癌症患者生活的愿景更近了一步。” 值得一提的是，艾伯维也布局了相同靶点。其通过与Calico Life Sciences合作，设计出一种能进入细胞并与PTPN2和PTPN1磷酸酶结合的小分子，可有效通过免疫调控实现肿瘤治疗。该管线名为ABBV-CLS-484，目前处于临床1期实验阶段。 在国内，英矽智能通过其生成性AI平台Chemistry42，也开发了一种新型的具有药物相似特性和体内口服吸收的PTPN2/N1抑制剂。其具有纳米级的抑制效力，良好的体内口服生物利用度，以及强大的体内抗肿瘤功效。这项研究于今年4月发表在《欧洲药物化学杂志》上，相关研究目前则处于临床前开发阶段。 * 参考资料：维亚生物，《VIVA朋友圈丨13亿美元交易，维亚生物投资孵化公司Nerio与勃林格殷格翰达成收购》 *封面来源：pexels 点击图片查看IDC2014第六届创新化学药会后报告，IDC2025合作热线：181 1603 6798

2023年是人工智能崛起的一年，它正不断拓宽人类认知的边界。AI、大数据、云计算等新技术不断涌现，为各行各业带来了前所未有的机遇。AlphaFold2以及ChatGPT的出现，使得AI制药也迎来了飞速发展图源：据公开资料 动脉网整理据Research and Markets数据显示，2022年全球AI制药市场规模为10.4亿美元，预计到2026年，这一规模将增至29.94亿美元。此外，据AI咨询机构Deep Pharma Intelligence统计，截至2023年3月末，全球AI制药企业的投资总额已达到593亿美元。全球的AI制药公司争相抓住机遇，努力在数字化浪潮中立于不败之地。去年12月，机器学习免疫学公司Seismic Therapeutic（以下简称“Seismic”）宣布完成1.21亿美元B轮融资。此轮融资由新投资者Bessemer Venture Partners领投，其他新投资者Amgen Ventures（安进风险投资）、Codon Capital、Alexandria Venture Investments、Gangels和GC&H，以及现有投资者Timothy A. Springer、Lightspeed Venture Partners、Polaris Partners、Boxer Capital、GV、Samsara Bio Capital以及公司管理层和创始人跟投。经过两轮融资，Seismic筹资总额已超2亿美元。B轮融资金额将用于 Seismic 两个主导项目的临床I期试验：泛免疫球蛋白(Ig)G蛋白酶雕刻(Sc)候选酶(S-1117)，和PD-1激动剂Fc gamma受体IIb选择性双细胞双向(DcB)候选抗体 (S-4321)。除此之外，Seismic将利用这笔资金扩大产品线，并加大机器学习在免疫学中生物制品药物发现领域的投资。在IgSc酶项目中，Seismic设计了新型泛IgG蛋白酶，旨在降低B细胞和T细胞免疫原性，同时保持酶活性和稳定性。新型泛IgG蛋白酶能降低IgG和免疫复合物水平，减少抗体效应器功能（如补体固定），并裂解自我反应记忆 B 细胞上的抗原受体，从而调节Ig介导的自身免疫和炎症，适用于治疗急性和慢性自身抗体介导的疾病。图源：Seismic官网DcB抗体疗法则专注于失调的细胞介导免疫，以最佳方式同时激活T细胞和B细胞等抗原递呈细胞，以恢复免疫平衡。通过激活这些途径，该疗法可以控制多种疾病，例如多发性硬化症、狼疮和类风湿性关节炎。DcB抗体能够同时参与一种以上免疫细胞类型的多种抑制途径，以实现对免疫突触两侧的精准调节。图源：Seismic官网IMPACT技术平台：跨学科融合＋“并行化”处理基于机器学习、结构生物学、转化免疫学和工程学，Seismic开发了IMPACT技术平台。该平台充分整合了机器学习与生物制剂药物发现的关键要素，能够大规模生成经过工程设计的药物分子，从而更有效地治疗自身免疫性疾病。IMPACT平台的独特之处在于将生物制剂开发的各个跨学科组成部分进行“并行化”处理，绕过了传统生物制剂开发中的反复试验和出错的路径。这种方法能够同时优化生物功能、降低免疫原性和开发风险，从而具备潜力创造出具有卓越特性的新型生物制剂。图源：Seismic官网该平台具有以下特点：1.可调活性：通过探索大量蛋白序列变化，采用更快的试错方法来优化治疗效果。2.隐形化：设计的候选药物在保持蛋白适应性和功能的同时，能够避免被免疫系统识别。3.并行化：使用快速设计-测试周期，以前所未有的规模同时识别和修改关键属性。4.药物开发：创造具有特殊药物特性的生物制品，从一开始就对药物可制造性进行调整，以实现高效生产和有效向临床过渡。图源：Seismic官网AI＋制药或将迎来新时代长期以来，药物研发领域流传着“双十定律”，即从新药研发开始到最终获批上市需要平均耗时十年，投入成本约十亿美元。随着AI参与到药物研发环节，“双十定律”或将打破。根据Tech Emergence研究报告预测，AI在化合物合成和筛选方面可节约40%至50%的时间，每年可为制药行业节约260亿美元的化合物筛选成本。自2015年开始，晶泰科技、亿药科技、星药科技、望石智慧、燧坤制药等众多国内AI制药初创企业如雨后春笋般涌现。传统药企也不甘落后，纷纷通过战略合作、股权投资等方式加入AI制药赛道。例如，药明康德先后投资了Strateos、Engine Biosciences、Insillico Medicine等7家AI制药企业；恒瑞医药与专门从事人工智能新药设计平台开发的法国Iktos公司达成合作，引进AI新药研发平台；复星医药与AI制药公司英矽智能合作开发的抗肿瘤候选药物获得国家药监局批准进入临床。除此之外，互联网大厂也力求在AI制药研发的蓝海市场中分一杯羹。例如，百度成立了生物计算引擎驱动的创新药物研发平台——百图生科，以及人工智能新药研发公司——索智生物；腾讯推出首个AI驱动的药物发现平台——云深智药；阿里巴巴也与全球健康药物研发中心合作，共同开发了AI药物研发和大数据平台。此外，华为、字节跳动等其他互联网公司也基于自身的AI算法等优势，相继打造了药物研发平台。值得注意的是，除了互联网巨头，传统药企及相关产业也开始涉足AI制药领域。例如，中国平安保险于2020年成立了AI药物研发团队；云南白药已与华为签署《人工智能药物研发全面合作协议》，双方将在AI药物研发领域开展广泛的交流和合作，包括但不限于大小分子设计、相关病症、数据库开发等。为推动AI行业以及AI新药研发的发展，我国政府也发布了一系列政策法规。2022年1月，九部门联合印发的《“十四五”医药工业发展规划》中就提出，以新一代信息技术赋能医药研发。同年8月，《关于支持建设新一代人工智能示范应用场景的通知》提出，基于医疗领域数据库知识库的规模化构建、大规模医疗人工智能模型训练等智能医疗基础设施，运用人工智能可循证诊疗决策医疗关键技术，建立人工智能赋能医疗服务新模式据蛋壳研究院不完全统计，截至2023年11月，进入临床的生命科学AI管线已有16款停止研发或从官网撤下，1款药物被降低了临床试验优先级。不过，管线总量仍在以较快速度持续增加。全球处于临床阶段且保持活跃状态的 AI 参与研发的管线总计97项，超过一半的管线处于临床I期，超过1/3的管线处于临床II期。这些管线中有67项来自国外，占比69.07%，30项来自国内，占比30.93%。英矽智能、冰洲石科技、未知君、埃格林医药、药物牧场、锐格医药等企业均有多条管线同时进行临床试验，推动中国进入AI制药全球领先队列。迄今为止，尚未有AI辅助研发的新药上市。可见即使有AI辅助，药物研发仍然存在诸多挑战。但可以明确的是，AI与药物研发的结合必然是未来制药行业的发展趋势。相信在未来十年甚至二十年的时间内，这一结合将对医药领域带来颠覆性的革命，迎来新的时代。参考资料：1、 中国医药报《是助力还是颠覆？AI制药或将终结药物研发“双十定律”》2、 蛋壳研究院《2023医疗人工智能报告：从边缘跃入核心，医疗人工智能重押“治疗”》近期推荐声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。动脉网，未来医疗服务平台

前言2018年前后，中国涌现大量的AI制药公司。一方面，AI对于医药研发领域确实能够起到加速作用。比如靶点的筛选，组学研究，药物设计等，但正如业界分析，AI并非万能，人工智能，机器深度学习是从量变到质变的，还有一段漫长的迭代之旅。AI制药能否突破现有的知识边界，小分子vs.大分子，谁能率先胜出？立项策略和商业模式选择上，如何平衡风险，运筹帷幄？分享嘉宾：从左至右魏    君：睿健医药创始人/CEO陈    航：星亢原生物联合创始人/CEO瞿佳润：百图生科战略与投资副总裁朱祯平：华深智药总裁/联席CEO（主持）许大强：索智生物联合创始人/董事长/CEO牛张明：德睿智药创始人/CEO邢    莉：朗睿医药创始人/CEO✎ 辩题一  在未来3-5年内，AI赋能的哪个领域可能率先获得突破？ 正方观点：从公司成立时间，小分子算法开发时间，真正介入临床的数量等因素来看，AI+小分子完胜AI+大分子。反方观点：随着Alpha fold 2等底层工具取得的突破，AI+大分子在未来的5年以内会有非常大的突破。   正方一辩： 我方认为AI+小分子领域会率先取得突破。☆ 公司数量：从第一个AI小分子公司成立和IPO的时间来说，都远远早于AI+大分子的公司。只有成立了公司，相应的技术才能突破，因此，AI+小分子公司有更深厚的技术积累。☆ 管线进展：从处于临床阶段的药物数量和临床进展来说：AI+小分子药物已经有30多个，远超AI+大分子。☆ BD/商业化程度： 越来越多的跨国药企与AI+小分子公司达成合作。比如2022年1月份，赛诺菲和Exscientia在肿瘤免疫领域的合作高达52亿美金，这是2022年AI制药领域第一大单，此外BMS和EVOTEC也达成了52亿美元的AI药物开发项目。所以无论是从0-1的突破，还是说从商业化的程度，以及临床阶段的突破，我方认为AI+小分子都已经远远早于AI+大分子。  反方一辩：商业上的Activity不等同于技术上的成就，应该从技术层面来分析哪个领域会最先突破。首先，是底层工具技术突破：☆ Alpha fold 2：已经解析出全部蛋白的结构，这必将给后续药物开发带来革命性的进步；☆ ChatGPT：蛋白质最终还是通过核酸序列编码，和自然语言很像，经过多年的进化已经有其内在逻辑，那么AI在人类自然语言方面的进展比如ChatGPT，很容易会延伸到大分子设计领域中。其次，基于底层技术的革新，已经看到AI技术在大分子领域设计应用的成功案例。☆ 最典型的是，David baker实验室利用AI成功从单元结构构建出符合预期三维结构的复杂大分子，并且能从复杂结构出发追溯到所需要的性质，这证实了结构决定功能。☆ 与此同时，其实验室还通过全新蛋白序列设计的方法，成功设计出一个和对标药物Lucentis®生物学功能相当的蛋白。这具有里程碑意义，意味着从需求出发设计出特异性的抗体是行得通的，预示无限大的前景。David baker实验室提出了一种“Top-Down”的基于强化学习的蛋白设计新思路；来源science  正方二辩：对方辩手刚刚提到David baker实验室及自然语言在大分子领域的一些突破，但在全新药物设计领域（de-novo design），AI+大分子的进展目前更多还是停留在论文层面，仅仅实现了从0到1的突破，作为药物研发还有许多工作待完善。目前大分子药物获取的途径主要还在依靠免疫的途径，而让AI模拟自然体内的进化是非常有挑战的，所以说AI+大分子目前还没有突破人类现有的知识边界。反观AI+小分子早在100年前就已经实现了全新药物设计，不依靠药物化学家，能够设计出自然界不存在的分子结构，所以AI小分子已经突破现有的知识边界。刚才我方一辩明确指出“只有成立了公司，相应的技术才能突破”！大概2018年前后，AI+大分子方向才陆续有公司成立，没有公司何来突破？  反方二辩：流水不争先，争的是滔滔不绝！虽然一些AI+小分子公司（Exscientia和Benevolent）早在2010年就成立了，但是他们管线失败的也多；虽然赛诺菲和Exscientia达成53亿美元的合作，首付款其实只有1亿美金，后续能否拿到还是未知。而AI+大分子不仅有单抗/双抗，还有ADC，所以未来可期；美国一家AI+大分子公司做的IL-2已经进入了1期临床，虽然进度上落后于AI+小分子管线，但是进展非常快；此外，抗体AI制药公司AbCelera 2022年全年营收12.8亿美金，是所有AI制药公司里面规模最大的公司。更不要提，David Baker实验室从头设计出能特异性催化底物的荧光素酶LuxSit，是计算酶设计的一项重要里程碑，还可以从需求出发设计出来有着特异性功能的抗体，这些都代表着大分子在可预见的短期未来非常有前景。David Baker正在展示他所在团队设计制作的人工蛋白模型  正方三辩：首先，对方辩友主要是拿David Baker实验室来举例子证明说大分子可以实现Delivery Design，但从小分子的发展历程来看，早在100年前人类就可以实现Delivery Design，设计一个全新自然界不存在的小分子，而大分子能实现这样设计的也只是最近5-10年，所以从Delivery 这个角度来讲小分子胜于大分子。其次，对方辩友提出“流水不争先，争的是滔滔不绝”，其实已经没有了从时间线上的底气，说实话，从AI在小分子临床失败的角度并不能证明什么，因为至少AI的小分子有几十个进入临床，而AI+大分子，临床结果都没有出来，更何谈失败的对比？所以，我方认为该辩题的核心点在于“如何突破现有的知识边界？”，怎么来定义这个现有的知识边界？是只有人脑作为现有知识边界吗？可能不是的，可能也包含自然界中的所有知识边界，纵观历史，其实小分子从很早之前就已经进入到人工化学家设计范畴了，而大分子主要还停留在免疫和自然界体内的进化。所以，如何能用AI替代自然体内的进化，其实是一个更Challenge的问题。而小分子，不管是从商业还是临床，还是化合物专利，都已经可以说明已经突破了现有知识边界。  反方三辩：不管是小分子还是大分子，需要考虑AI到底是用来解决什么问题！首先，AI本质上是根据数据建模来做预测，它要求数据本身必须要有底层逻辑和内在的Pattern才能归纳总结出有用的模型。而在这点恰恰是生物大分子特有的，大分子相比于小分子空间结构的规则更简单，更具有可预测。因为大分子只有21个氨基酸，其结构具有一定的规则，这也是为什么Alpha fold可以给出相对精确的结构。而目前小分结构子还是很难预测。第二，大分子跟自然语言非常接近，经过那么多年的研究，已经形成了内在逻辑，很多大语言模型可以直接应用于大分子的预测、设计、应用，但无法应用于小分子的设计和预测。第三，大分子在确定序列后，一般都能表达出来，进行功能验证。而小分子存在可合成性的问题，所以有很多设计出来的小分子，没法合成出来，也就没法验证。✎ 辩题二  立项策略：更倾向于用AI做全新分子设计vs.现有分子改造(me-better)正方观点：全新分子设计，源头创新，克服内卷，AI技术应着力攻克科学家难以解决的真正有需求的疾病。反方观点：基于前期数据积累、AI技术辅助设计和改良，me-better可以更快完成POC、早日实现市场价值。  正方一辩：相比于me-too，me-better，或者me-worse，用AI做全新分子设计一定有更广阔的需求或前景。不管做药哪个环节，我们做药人都认同一个非常基本的理念就是以终为始，全新分子设计就是完全从临床需求这一终极目标出发。从内卷问题来讲，内卷也是由太多me-too现象造成的，如果我们能够更多去开发全新的领域，做一些源头创新，就会减少一些内卷场景，避免陷入不好的恶性竞争环境。从回报角度来讲，通过“全新药物设计”产生的项目往往具有更高的投资回报，更好融资。从政策的导向来讲，新出台的一些政策也不断的在引导我们从源头创新，从更高的层面去挑战壁垒更高的领域，让我们整个行业有更强的生命力。  反方一辩：从解决临床不足的角度来看，用AI做me-better也是从解决临床不足出发，但是对原有药物进行补定式的开发改造无疑比从头开始设计更有效率。此外，新药市场上，最重要的是完成POC（Proof of concept，概念验证），没有POC，就基本没有投资！所以如何快速的完成POC？我方认为在现有的基础上进行改造，可以有足够的数据支持后续的开发，并且为后续开发提供明确的指导意见。另外，商业角度上，做新药开发，不仅仅是从0-1的创新，me-better也是一种创新，只要是出于临床需求的me-better药物就会有商业前景，其价值不亚于首创新药。比如武田与Nimbus合作TYK2变构抑制剂NDI-034858并非首创新药，但是交易金额仍然是40亿美金首付款，20亿里程碑付款。来自：武田官网此外，监管难度上，已经有了前期原研与官方沟通的基础，后续me-better企业来做加成式的沟通，也是加速me better药物进入市场，快速获取成功的关键。所以，我方观点认为，我们在原有基础上进行新分子的改造，目前来说是非常棒的商业模式。  正方二辩：补充一下我方观点。目前我国政策引导企业从源头创新，而且做药不能一直等着别人的原始创新，被国外技术卡脖子，风险也大。同时，如果未来专利政策变了，改良式创新可能就没有机会了。仿创药物造成大量内卷，造成恶性竞争，不利于行业发展。目前还有很多无药可用的疾病，我们也是希望使用AI这一突破性的技术把一些真正有需求的、仅仅依靠科学家难以解决的疾病攻克。而me-better药物很难达到这一目的。就像发现电和火的意义与发现仿创事物的意义完全不一样。  反方二辩：我方观点很明确，Best-in-class价值不亚于First-in- class，比如说TYK2变构抑制剂NDI-034858，Nimbus Therapeutic将它以40亿美金首付款+20亿里程碑付款的金额卖给了武田制药（Takeda）。请问这个是First-in-class吗？当然不是。  正方三辩：AI是做原创还是me-better？只要有价值都可以做。但AI的优势在于能够从无到有地设计出一个先导化合物，并且能够做一些理化性质的预测，而这对于药物化学家来说是很难的。而Me-better是靠科学家个人的经验背景就可以做出来的，AI在这块并没有绝对的优势。所以在全新分子设计领域AI的增量作用更为明显，能够发挥更大的价值。反方三辩：目前AI在全新药物设计领域还处于一个初期发展阶段，技术成熟度还有待论证。AI在做改良型新药方面其实更有优势，因为已经有前期数据的积累。我们可以基于既有一些分子做改造，一方面避免免疫原性等风险，另一方面可以更快的完成POC，早日实现市场价值。✎ 辩题三  哪种商业模式更适合AI制药公司? CRO服务模式vs.自建管线Biotech模式正方观点：AI+CRO模式：投入少、起步快、周期短、现金回流快、风险小。反方观点：AI+Biotech管线模式：具有更大的产品价值和潜在回报率。  反方一辩：我方观点为应该选择AI自建管线的模式。做管线具有更大的潜在回报，虽然管线具有一定的风险，但是药物研发一旦成功，带来的社会接纳度以及持续的收入是非常可观的，正所谓不入虎穴焉得虎子。做管线拥有全部知识产权的控制权，因此也拥有未来更灵活的选择权。服务平台型公司一般估值在5000万到1个亿，而Biotech的估值一般都是50亿美金以上。在纳斯达克上市公司的所有的市值加起来，有50%是来自biotech，而他们的贡献主要基于其进入临床二期和三期的管线的价值。目前AI上市公司比如Benevolent，Exscientia都是靠自己的管线支撑10亿美金估值。AI价值最大化也在于早期临床靶点发现到后期临床上POC验证。所以，我方观点认为AI公司通过自建管线对外授权，收取授权费的模式是biotech能够持续的发展下去的最佳模式。  正方一辩：我方观点为应该选择AI+CRO模式。从平台价值的角度来讲，我们认为平台价值高于管线价值，管线价值通常是绑定在某一个特定的产品上，风险是相当高的，生物医药行业的特点是高风险，从价值的角度来讲，平台的价值更稳定、更可持续性。从投资回报率来看，CRO服务模式比Biotech模式回报率更高，比如药明康德分拆多个板块上市，中国没有几家市值比其高的。从IP灵活性角度来看，我们认为平台能力的建设更能够支持多方面的需求，也能够为企业提供更大的灵活性。不管是客户多方面需求满足的场景下，还是企业底层能力建设上，平台应用场景会有更多、更灵活、更丰富的机会。从投资人角度来看，相对于biotech长周期的性质，CRO服务模式投入少，起步快，周期短，现金流回流快，企业更快实现盈利，在目前资本寒冬的大环境下自我造血的能力更强，更能够生存下去。而Biotech模式的价值通常是绑定在某一个特定的产品上面，自建管线是一个长周期的模式，风险是相当高的，生物制药晚期临床失败是非常常见的，也是非常致命的。从人才质量的要求来看，CRO人才对技术和制药行业的领悟和要求更低一些。对于AI生物医药这类需要跨学科的领域来讲，难题是懂药的不懂计算，懂计算的不懂制药，所以纯AI技术背景出身的人，从服务模式切入是非常好的一种方式，通过和有深厚制药经验积累的药企合作，更容易做成药。  反方二辩：AI制药公司目前更多还是聚焦在早期开发阶段，所以如果AI制药公司做CRO，可以想象的空间不大，很难覆盖医药产业全链条。再者营收问题。作为AI制药公司，如果做服务，有多少达到了盈利？什么时候才能达到40亿美金？按一单10万来计算的话，需要40万单，一年一万单也需要40年。  正方二辩：不同意反方观点，举例Benevolent和Exscientia签订的最大的订单都是从CRO服务模式获得的，其中Benevolent与AZ合作开发，已经收到了几亿欧元的付款。Exscientia 53亿美金的订单也是从CRO服务模式获得。虽然Nimbus 40亿美金的产品是自建管线产品，但是只有这一个案例，所以事实证明大多数AI公司还是从CRO服务模式切入会更好。包括上一代CADD公司Vertex，自研管线直到成立十几年后才做出来，前期一直是靠着和大药企合作的方式获得稳定的收入，活到他有机会做出自己的产品。图：Nimbus的管线布局  反方三辩：对方二辩很巧妙地做了一个概念偷换，论题是CRO模式vs.自研管线，这两个东西之间有一定的灰度。CRO模式在我们看来是一种平台技术模式，而不是狭义的CRO模式。自研管线模式不是说百分之百自主权才算自研，基于这个概念，我们认为如果一家有实力的AI公司，是完全可以follow Benevolent和Exscientia的模式，首先通过自主研发、自主投入，做自主立项，把一定的管线带到商业里程碑，通过这种能力自我证明之后，再可以和更大的企业去签订大型订单，所以这种模式也是目前唯一跑得通的模式，而不是狭义的CRO模式。狭义CRO的模式，就像对方辩友所说的，它很容易陷入到一种收费的模式，目前其实大多数AI制药公司是不盈利的，CXO看重的是收入，靠每一个小金额订单远远不及靠产品授权获得的授权费用快。AI公司如果按照传统的CRO服务模式，市场定价是覆盖不了成本的，这种模式在现有市场上是行不通的。而Benevolent和Exscientia与大药企的合作并不是传统的CRO服务，更准确的说是一种平台技术合作，AI公司在这些产品中是占有一定权益的，从某种层面来说其实可以定义为自研管线。对方辩友提到关于风险的问题，因为需要通过CRO模式来分散风险，在AI模式下，还有另一种模式分散风险，那就是通过批量化的自研管线，因为能实现更高的效率，降低对人工成本的需求，可以同时批量做50个管线，成功率自然也提高了，不需要受制于单一风险。  正方三辩：对方三辩说我们偷换概念，其实你真的是在偷换概念。首先，不管是做CRO还是自己的管线，没有什么两样，都是做药，利用AI技术帮助做药，提高做药的效率和差异化创新，两者没有什么高低之分。但是我们要从投资人/股东的角度来考虑到底做CRO还是管线，怎么做才能为投资人创造价值？对方辩友说一条管线就可以支撑市值，这只看到了成功一面，稳可能会更重要。第二，从长远的角度来考虑能不能为公司创造价值，CRO公司确实有它的独到价值，药明康德有好几千亿的市值，CRO的模式度过资本周期的能力要比做管线的模式好得多，所以如果从长远角度来看做CRO更有利。总 结 从20年前深蓝下象棋，到AlphaGo，到现在的Alpha Zero一路进化，算法不断完善，说明只要制定一个非常完善的规则，AI在制药领域也是有机会做到一些突破的。  正方辩友：☆ 从公司成立时间，小分子算法开发时间，真正介入临床的数量等因素来看，AI+小分子更容易实现突破，但AI+大分子更多还仅仅停留在文章阶段。☆ Me-better并不是没有市场价值，但如果AI可以真正为制药业带来革命性突破，一定是做全新分子设计。☆ 商业模式选择上：AI+CRO做起，通过技术的积累做底层的赋能和贡献是更有意义的。  反方辩友：☆ Alpha fold 2：已经解析出全部蛋白的结构；基于底层技术的革新，已经看到AI技术在大分子领域设计应用的成功案例。☆ AI公司在前期的数据积累上做新药的改良，这是有天然的优势的。Me-better也是一种市场可以接受的创新，而且一定会对市场带来社会价值和经济价值的双赢。☆ 不管是从成功率、商业过程中价值还是终端产品价值来看，我们都认为自建管线是优于CRO的服务模式。 图：AlphaFold2