Helixon Biotechnology (Suzhou) Co., Ltd

英矽最引以为豪的护城河组成部分上，六个风险叠加在一起，不是一个点、一个面的威胁，而是对整个公司竞争壁垒的多角度挤压一、基础模型代际落后：别人用上了4K激光雕刻，英矽还在用五年前的彩印机AlphaFold3和4、RFdiffusion3、Chai-1、Boltz-1，还有字节跳动的Protenix和SeedFold、探序秩元的IntelliFold2——这一大批新一代AI模型，在蛋白质和药物分子如何结合的预测上，已经远远甩开了上一代技术。它们能做到“全原子精度”——什么叫全原子？就是不只是大概告诉你分子骨架长什么样，而是精确到每一个原子在空间中的坐标、每一条氢键的角度、每一个水分子的位置。这种精度在过去是需要用昂贵的冷冻电镜或X射线晶体学花几个月才能看到的。而英矽智能的Pharma.AI平台，核心架构是在2019到2021年间搭建的，用的是当时最好的生成式模型——VAE和GAN。这些技术在当年确实前沿，但到2024年以后，整个行业的标杆已经变成了“扩散模型”和“流匹配”——一种效率更高、效果更好的生成范式。英矽不是不能用这些新东西，问题的实质在于：它的整个管线数据积累和内部工具链都是围绕老架构建的，换引擎没那么容易。市场最直接的担忧是：竞争对手用新模型生成的分子，在电脑上就做得更准、拿到实验室里成功率更高、做出来的药专利保护更严密——这三个“更”叠加在一起，英矽的分子设计在精度、多样性和成药性上被拉开了代差。先解释这个风险在说什么：想象一下，药物研发就像做一把能精准插入靶点锁孔的钥匙。AI的作用是在电脑里先模拟出这把钥匙长什么样，再让化学家去实验室里做出来。这个“模拟钥匙”的能力，过去几年在飞速升级。早年间（2020年前后）的AI模型，能大概告诉你“钥匙”长什么样，但精度粗糙——好比用老式打印机打出来的黑白照片。到了2023-2024年，新一代AI模型登场了——AF3、RFdiffusion3、Protenix这些东西——它们已经到了“全原子4K激光雕刻”的水平，不仅能精确模拟钥匙的每一个齿，还能模拟出钥匙插入锁孔那一瞬间的分子间作用力、氢键角度、疏水区域的精准配合。英矽智能的Pharma.AI平台，核心技术架构是在2019-2021年间搭建的，用的是当时最好的VAE和GAN这类生成式技术。这些技术在当年是最前沿的，但放在今天看，就像别人都用上4K摄影机了，你还在用五年前的1080p设备。这个风险具体如何削弱英矽的竞争力？第一刀，砍在“分子设计精度”上。英矽Chemistry42平台生成出来的分子，在电脑上看起来可能和靶点结合得不错，但拿到实验室里一测，死活结合不上去——因为模型没有精确模拟出结合位点里那几个关键水分子的位置，或者没算准一个关键氢键的角度。新一代全原子模型能把这些细节都算清楚，生成的分子“虚报率”低十倍。这意味着：竞争对手用新模型跑出来的第一批候选分子，质量就比你迭代好几轮的好，实验室成本比你低，推进速度比你快。第二刀，砍在“可专利性”上。这不是技术问题，是商业死穴。AI生成的分子最怕什么？做出来一看，十年前早就被人专利覆盖了。新一代模型之所以在这个维度占优，是因为它们生成的分子“化学空间更广”——能在更多维的参数约束下探索真正的无人区。英矽如果长期用旧架构生成分子，哪怕命中了活性分子，专利律师一查，发现化学空间很狭窄，难以形成强保护——这个大药企在BD尽调时一眼就能看出来，直接影响授权金额和谈判筹码。护城河怎么被削的？英矽最引以为豪的壁垒之一是“我能用AI设计出别人设计不了的分子”。但当竞争对手拿出的分子精度更高、专利性更强、实验室验证更快时，这个壁垒就不是壁垒了——变成了一堵正在被重型挖掘机蚕食的土墙。二、数据壁垒不足：练了一身花架子，没吃过真正的亏做AI制药的人现在有一个共识——真正决定模型好坏的，不是算法谁的更花哨，而是数据谁的更独特。精确来说，最有价值的数据不是那些发表了论文、放在公共数据库里每个人都能下载的“成功案例”，而是两类别人看不到的东西：大量失败的实验结果、以及药企内部几十年来积累的真实临床数据。失败数据为什么比成功数据更值钱？训练过AI的人都知道，一个模型如果只见过“好分子”长什么样，没被足够多的“坏分子”毒打过，它就像一个只见过好人没被骗子骗过的门卫——谁放进来都觉得安全，等进了实验室才发现闯了大祸。临床的负样本——那些因为肝毒、心脏毒性、脱靶效应被淘汰的化合物——才是让模型真正长出“鉴别力”的训练素材。大药企是怎么做的？礼来、葛兰素史克这几家，这几年不再只是给外部AI公司甩几百万美元的小合同，而是在内部建专门团队，用自己过去十几年积累的私有数据训练专属AI模型。这些私有数据包括从未发表过的失败实验记录、真实世界的临床安全性信号、内部化学家迭代优化过程中的抉择逻辑——这些都是AI制药公司用公开数据库永远拿不到的“秘方调料”。英矽智能有什么？它的训练数据主干是公开数据库——PubMed上的文献、PDB蛋白结构库、ChEMBL化学活性数据。BD授权从合作药企那里是拿到了一些数据，但通常都是经过法律合规层层脱敏之后的版本，真正敏感的失败数据和临床安全性细节，药企不可能完整交出。先解释这个风险在说什么：这个道理其实特别朴素。一个好厨子是怎么练出来的？不是光靠在网上看菜谱，是在厨房里被烟熏火燎、做过一万次菜、做糊过三千次、被客人骂过五百次之后，才练出来的。那三千次失败的经验，才是他真正的本事。AI制药完全一样。真正值钱的训练数据不是公开数据库里那些光鲜亮丽的成功案例（“这个分子和靶点结合得很好”），而是那些见不得人的失败数据（“这个分子在电脑上表现完美，但在动物实验里把小白鼠的肝给毒废了”）。英矽的数据从哪来？大头是公开数据库。PubMed上发的论文、PDB里公开的蛋白质结构、ChEMBL里收集的活性数据——这些都是全世界科学家都能用的公开菜谱，不是英矽的独家秘方。BD合作里从药企拿到的数据有吗？有，但药企给你的是经过筛选、脱敏、合规处理之后的“可公开版本”，真正的失败实验、毒性数据、临床翻车记录，人家不可能完整交出来。这个风险如何削弱英矽的竞争力？第一刀，砍在“临床毒性预测”上。这是AI制药最疼的一刀。一个AI设计的分子在细胞实验里表现完美，推进到动物实验，发现肝酶暴增——这个分子就废了。问题是：你的模型为什么没在上千个候选分子里提前把可能肝毒的挑出来淘汰掉？因为模型训练的时候，就没见过足够多的“肝毒”数据。负样本不足的模型，就像一个只见过好人没见过骗子的门卫——谁都放进来，等进了门才发现混进了不该进的。英矽的核心管线ISM001-055目前IIa期结果积极，好事情。但推到III期、样本量放大、患者群体更复杂之后，如果出现早期数据里没见过的安全性信号，追溯源头，很可能就是“模型没被足够多的负样本训练过”。第二刀，砍在“成熟靶点竞争”上。当一个热门靶点（比如某个肿瘤靶点）有十家公司同时在用AI做药，谁赢？不是谁的模型跑分高，是谁对“这个靶点上其他九个对手踩过什么坑”知道得更多。大药企如礼来、GSK自己内部积累了十几年的临床失败数据——他们自建AI团队用这些数据训练出来的模型，对这个靶点的理解深度，是外部AI公司靠公开数据永远追不上的。英矽的BD里就算拿到了药企数据，也是经过层层合规过滤的版本，而不是那种能让模型“顿悟”的原始负样本库。护城河怎么被削的？英矽对外讲的故事是“我们的AI能做药”。但如果你用来“做药”的核心AI引擎，是用全行业都可以吃的“公共食谱”训练出来的，那你做出来的菜，和大药企内部团队用私藏秘方做出来的菜，就不可能是一个水平的。这个数据壁垒的缺口，随着大药企纷纷自建AI团队，会暴露得越来越明显。三、技术路线被全链条包抄：人家都在造整车，你只做发动机药物研发不是只有小分子这一种武器。除了小分子，还有抗体药、RNA药物、基因编辑、细胞疗法、药物递送系统——就像一个武器库，小分子是手枪，抗体药是导弹，RNA是敌方指令篡改器，递送系统是把武器准确运到战场上的运输系统。英矽智能的主营业务，靶点发现到临床前候选化合物优化，最核心的输出一直是小分子——就是那把手枪。但它的竞争对手们在干什么？有些在造全兵工厂，有些在专精造导弹，有的专心做运输系统。造全兵工厂的，AI预测加上机器人实验再加上全链条自动化，从头到尾一条龙。专攻抗体的，至少有一家已经把自己的AI抗体推进到III期临床试验，这是吃药的人能感受到的最实在的进度。做运输系统的，专攻LNP递送技术——这是RNA药物能不能真正到达靶细胞的核心瓶颈。做新一代结构预测的，在全原子精度上持续拉高行业标杆。英矽在这些方向上有布局吗？有相关的内部研发动作，但进度相对有限，目前还没有在这些高价值赛道上拿出足够对外的成果。当整个行业都在往抗体、RNA、基因编辑这些更有技术含量和商业价值的赛道上冲的时候，英矽仍然是一位以小分子手枪为核心输出武器的选手。先解释这个风险在说什么：药物研发不是只有小分子一种武器，还有抗体药、RNA药、基因编辑、细胞疗法、药递送系统。就像一个武器库，小分子是手枪，抗体是导弹，RNA是指令篡改器。英矽的主业是造手枪里的核心零件——靶点发现和分子生成。但它的竞争对手在干什么？晶泰在搭整个军工厂——AI预测、机器人实验、数据分析全链条；华深智药在专攻抗体导弹；剂泰医药在做导弹的运载火箭（LNP递送系统）；探序秩元、字节在做新一代全原子精准制导系统。这个风险如何削弱英矽的竞争力？第一刀，砍在“平台叙事”上。英矽一直对资本市场的标签是“AI药物研发全平台”，但它的“全”主要体现在了靶点发现到临床前候选化合物（PCC）优化这段，最核心的输出是小分子。当整个行业都认为——高价值赛道在抗体、在RNA、在细胞疗法——你作为一个“全平台”，在这几条赛道上几乎没产出，资本会开始怀疑你是不是只在上一场比赛里拿冠军。这个估值的压缩，就是风险里那句“估值逻辑从全平台退化为小分子AIBiotech”。第二刀，砍在“BD天花板”上。大药企来谈授权，想买的是多样化资产——有抗体会先看抗体，有RNA会优先看RNA。如果你的货架上全是小分子，大药企的BD负责人做完一轮筛选后可能会判断，和你做的是窄品类交易，而不是战略级合作。潜在合作金额的天花板，从横向维度上被锁死了。护城河怎么被削的？英矽的护城河标签——“AI驱动的全平台药物发现”，当行业里出现真正意义上的“全链条新玩家”，这个标签本身就在褪色。竞争对手拿一个抗体管线加一个RNA管线加小分子管线，让你在BD桌前显得没那么不可替代。护城河没消失，但竞争对手的护城河比你挖得还宽。四、AI制药2.0：开始要看真金白银，而你的王牌还在“待验证”状态先解释这个风险在说什么：这行前几年是“故事驱动”——我有AI平台、我有独特算法、我的模型跑分世界第一，投资人给了高估值。到了2025-2026年，整个市场审美疲劳了。新叙事变成了“临床数据拿出来”“现金流亮出来”“管线成功率亮出来”。英矽的现状：核心管线ISM001-055是全球第一个AI全流程设计并拿到积极IIa期结果的——值得肯定，这是公认的里程碑。但它还没进III期，没有任何一款AI设计的药物获批上市，公司的收入九成以上来自BD首付款和里程碑，不是药品销售，也不是持续高频的服务费。这个风险如何削弱英矽的竞争力？第一刀，砍在“信任度”上。当竞争对手已经用实际行动证明自己的分子能过III期、能拿FDA批文（比如Generate、Exscientia走的路径），而你还在IIa→III爬坡，这场“AI制药能成药”的终极信任投票，你就还没拿到满分。资本会继续给后发者估值，但溢价幅度会因为“没有III期数据”被扣一个很大的折扣。第二刀，砍在“现金流稳定性”上。英矽的收入是脉冲式的——大药企的BD里程碑今年触发，营收大涨；明年不触发，营收大跌。2023年营收+69.8%，2024年+67.7%，2025年跌了34.5%，就是这种脉冲的实证。资本市场开始要求“持续良好的现金流”时，英矽拿不出来，估值就会承压。护城河怎么被削的？英矽最深层的护城河是“临床验证”——这个标签在IIa期阶段依然是最领先的那一批。但在AI制药2.0时代，市场要的不是“最领先的IIa”，而是“有III期成功记录的公司”。这个护城河目前是半成品，需要进一步浇筑，而竞争对手的混凝土搅拌车已经开到工地了。五、亚洲快追模式：你还在烧钱，别人已经快速迭代先解释这个风险在说什么：AI制药拼到最后不是比谁的模型最高端，是比“谁的试错成本更低，迭代速度更快”。国内对手（比如晶泰、华深、剂泰）在很大程度上不需要承担“全球合规”“跨境VIE架构”等复杂成本，且很多在以更灵活的方式——借成熟开源大模型、实验室外包、利用中国丰富的临床资源做快速验证——进行试错。风险如何削弱英矽竞争力？英矽团队分布全球，要维持一个庞大的全球研发和BD网络，这在AI制药早期阶段是优势，但在降本增效周期里成了劣势。国内对手用更低成本、更快速度推进管线，比如一年内把从靶点推进到PCC（临床前候选化合物），英矽要维持全球标准可能慢一些。护城河被削在哪？英矽早期建立起的全球网络和合规体系，曾经是护城河，但当行业进入烧钱模式需要降本时，这座护城河反而变成了成本结构的负担。竞争对手不是在翻墙，而是在绕墙——用更低成本走另外一条路，追上你。六、BigPharma自建能力：客户在学着自己造车轮大药企曾经是AI制药公司最理想的客户——有资金、有管线需求、有临床资源，愿意为外部AI能力支付高额首付款。但从2024年开始，情况发生了一个微妙但意义深远的转变。他们开始自己造AI。礼来成立了自己的生物大模型团队，不再只是对外采购。赛诺菲搭建了内部AI研发平台。葛兰素史克绑定专属AI模型。这些动作的背后是同一个逻辑：经过前面几年跟外部AI公司的合作试用，大药企内部已经完成了一轮技术评估，得出结论——AI确实是未来，但最核心的靶点和最敏感的数据，应该掌握在自己手里。他们还在对外合作——现在的策略是把核心资产留给内部团队，把边缘靶点或早期概念验证项目外包给外部AI公司试一试。有一个细节很说明问题：某大药企和英矽签的12亿美元总价协议，实际兑现率远低于签约金额。另一个值得注意的是：同一家大药企和另一家外包公司的合同金额显著高于给英矽的——这说明不是这家药企没钱，而是对不同靶点和合作对象有分层策略。英矽的现状是什么？营收高度集中——前五大客户占比超过九成。这是双刃剑：一方面说明客户关系非常深入，另一方面意味着一旦这些大客户的AI战略发生转向，对英矽的收入影响会是结构性的，而不是局部的。先解释这个风险在说什么：大药企曾经是AI制药公司最理想客户，但从2024年开始，情况变了——他们开始自己造AI。礼来成立了自己的生物大模型团队，赛诺菲建了AI研发平台，GSK绑定了自己的专属模型。他们还在对外合作，但开始把核心靶点留给自己内部团队做，把不那么核心的靶点外包给AI公司试水。风险如何削弱英矽竞争力？英矽前五大客户占收入超过90%，一旦这些大客户的自建AI团队在内部通过验证、获得管理层信任，他们对外部授权商的选择标准就会骤然提高——不再给你大额的早期开发费，而是压低首付、压低里程碑，只给你那些“内部团队看不上的靶点”。赛诺菲那笔总价12亿美元的合作，实际兑现率偏低，就是一个预警信号——签约金额不等于入账金额，里程碑触发条件可能非常严苛。当未来BD条款变得更苛刻，英矽的议价权就在系统性下降。护城河被削在哪？英矽原来的护城河之一是“大药企信任网络”，但当大药企自己也开始拥有可规模化产出药物的能力时，信任网络变成了一座正在融化的浮冰，它依然存在，但承载的持续性取决于脚下的冰面还剩多少厚度。

点击上方蓝字·关注我们 4月16日，我院消化内科“一项随机、双盲、安慰剂对照的Ⅱa期临床试验以评估HX15001注射液在中、重度活动性溃疡性结肠炎患者中的安全性、耐受性、药代动力学和初步有效性”项目正式启动。该项目由华深智药生物科技(苏州)有限公司发起，目前已成功获得国家药品监督管理局的批准，同时也通过了本院伦理委员会的严格审核。现面向社会招募受试者！ （启动会现场） 01 药物背景介绍 HX15001 是一种人源化单克隆抗体，能够以高亲和力和特异性结合人肿瘤坏死因子样细胞因子1A（tumor necrosis factor-like cytokine 1A，TL1A）。TL1A 属于肿瘤坏死因子超家族（tumor necrosis factor receptor superfamily，TNFSF）的配体成员，在人类内皮细胞中高表达，尤其以人脐带静脉内皮细胞的表达为最高；在T细胞、B细胞、NK细胞、单核细胞及树突细胞中少量表达，但在激活状态下表达显著增多。人类TL1A编码基因位于第9号染色体（9q32），由4个外显子和3个内含子组成。TL1A是II型跨膜蛋白，由251个氨基酸组成，它以膜结合形式和可溶性形式存在，其受体亦有死亡受体3（death receptor 3，DR3）和可溶性诱杀受体3（decoy receptor 3，DcR3）两种。 TL1A 在抗原呈递细胞中由Toll样受体（toll like receptor，TLR）配体、促炎性细胞因子、或Fc受体（Fc receptor，FcR）交联等激活，通过与DR3结合，为T淋巴细胞的激活提供协同刺激信号，促进Th1、Th2、Th9和Th17细胞的激活，进而在机体免疫调节中发挥重要作用。 02 主要入组标准 1.年龄18 ~ 80周岁（包括18、80周岁）的男性或女性; 2.体重≥40 kg； 3.筛选前至少12周已确诊溃疡性结肠炎（UC）。 4.中度至重度活动性疾病[改良Mayo评分（便血、排便次数和内镜发现）：4-9，Mayo内镜评分≥2，中心阅片得出的内镜评分将用于计算改良Mayo评分]；且筛选时疾病累及范围距离肛外缘≥15cm。 5.广泛性结肠炎病史≥8年或仅局限于左半结肠受累≥10年的受试者必须：在研究药物首次给药前1年内进行完整的结肠镜检查，以评估是否存在异型增生或在筛选期间进行完整的结肠镜检查，并进行异型增生的活检监测作为基线内镜检查。 6.在既往治疗中，对以下至少一种治疗有应答不足(定义为无应答或失应答或无法耐受)记录的受试者：氨基水杨酸、糖皮质激素、免疫抑制剂、生物疗法、S1P受体调节剂和/或JAK抑制剂。 注：以上列出的报名条件是主要报名条件，最终是否符合所有入选标准由研究者评估，并以患者的全面检查结果为准。 03 联系方式 如果您对该研究感兴趣，您可以与我院以下人员联系，她将向您详细介绍研究的具体信息，并对您提出的问题进行详细解答。 联系人：俞老师 联系电话（微信）：15949121820 联系地址：盐城市人民南路66号盐城市第一人民医院主院区消化内科门诊 供皮区修复新方案：非晶硅再生修复材料临床研究启动 疏风止痛胶囊防治偏头痛Ⅲ期临床试验正式启动 维迪西妥单抗联合方案一线治疗HER2高表达胃/胃食管结合部腺癌Ⅲ期研究招募 维迪西妥单抗联合方案一线治疗HER2中低表达胃/胃食管结合部腺癌Ⅲ期研究招募 临床招募｜多中心随机设盲对照研究：MC2-01乳膏助力斑块状银屑病治疗 强直性脊柱炎新希望——VC005片Ⅲ期临床研究启动与受试者招募 维得利珠单抗治疗中国中重度克罗恩病Ⅲ期诱导及开放扩展招募 供稿：颜婷婷 编辑：薛佳慧 审核：孙   关

AI创新药与《孙子兵法》：药物研发的战略博弈艺术 作者：小百 | 来源：AI创新药日报 | 2026年3月29日🔥 引言：药物研发是一场没有硝烟的战争 公元前5世纪，孙武在吴国写下《孙子兵法》十三篇，探讨如何在战争中取胜。 公元2026年，AI制药企业在全球范围内展开激烈竞争，争夺有限的靶点、专利和市场份额。 两场相隔两千五百年的竞争，遵循着同样的规律。 当晶泰控股成为首家盈利的AI制药企业时，当诺和诺德用AI智能体缩短临床试验周期时，当石药集团与阿斯利康达成138亿美元交易时—— 我们看到的不仅是技术的进步，更是《孙子兵法》战略智慧的现代演绎。一、「知己知彼」→ AI的情报分析系统《孙子兵法》核心 “知彼知己，百战不殆；不知彼而知己，一胜一负；不知彼，不知己，每战必殆。”（《谋攻篇》）现代解读 药物研发竞争的本质是信息战： - 知”彼”：竞争对手在做什么？到什么阶段？ - 知”己”：我们的优势在哪里？短板是什么？AI的对应：竞争情报与管线分析 AI正在构建制药业的”情报系统”： 孙子兵法 AI应用 案例 知彼 竞争对手管线监测 自然语言处理分析专利文献 知己 内部能力评估 机器学习评估平台技术成熟度 知天 市场趋势预测 AI预测疾病负担和市场需求 知地 监管环境分析 预测各国审批政策变化 晶泰控股的”知彼”实践： - 建立全球药物研发数据库 - 实时监测数千个在研项目 - AI分析竞争对手的技术路线和专利布局 - 避免撞车，寻找差异化定位 英矽智能的”知己”实践： - AI评估自研平台的能力边界 - 明确优势（端到端生成）和劣势（临床资源）- 选择与复星医药合作，互补短板启示 AI情报系统的价值： - 不是偷取机密，而是分析公开信息 - 预测竞争态势，提前布局 - 避免”不知彼而知己”的盲目冒险二、「不战而屈人之兵」→ 专利布局与BD交易《孙子兵法》核心 “百战百胜，非善之善者也；不战而屈人之兵，善之善者也。”（《谋攻篇》）现代解读 最高级的竞争是不战而胜： - 不通过正面冲突，而是通过战略布局让对手无法竞争 - 在制药业，这意味着专利护城河和生态控制AI的对应：知识产权战略 AI如何助力”不战而胜”： 1. 专利布局AI（防御战） 传统方式：研发成功后再申请专利AI方式：早期预测可专利性，提前布局案例：- AI分析技术空白点- 在竞争对手之前申请关键专利- 构建专利丛林，阻挡后来者 2. BD交易AI（联盟战） 传统方式：面对面谈判，信息不对称AI方式：数据驱动，精准匹配案例：- AI分析全球在研项目- 预测哪些项目最可能被转让- 评估交易估值的合理性 石药集团+阿斯利康案例： - 总交易额达138亿美元（12亿首付+138亿里程碑） - 这是”不战而屈人之兵”的现代版 - 不是通过竞争击败对手，而是通过合作让对手为己所用 AI在其中的作用： - 石药用AI平台快速筛选和优化多肽药物 - 阿斯利康用全球资源推进临床开发 - 双方互补，实现1+1>2启示 AI时代的”全胜”战略： - 不是击败所有竞争对手 - 而是通过合作、专利、生态控制 - 让竞争变得不必要三、「兵贵神速」→ 研发速度的竞争《孙子兵法》核心 “兵之情主速，乘人之不及，由不虞之道，攻其所不戒也。”（《九地篇》）现代解读 速度是战争的生命线： - 先入为主：第一个上市者获得最大市场份额 - 时间窗口：专利期有限，每一天都很宝贵 - 先发优势：建立品牌、医生习惯、支付体系AI的对应：加速药物研发全流程 AI如何”兵贵神速”： 传统研发 AI加速 时间节省 靶点发现：4-5年 AI预测：数月 80% 苗头化合物：2-3年 AI生成：数周 90% 先导优化：2-3年 AI迭代：数月 80% 临床试验：5-10年 AI智能体：缩短数周至数月 10-20% 英矽智能的速度案例： - 传统研发周期：4.5年 - AI平台周期：12-18个月 - 提升：3-4倍 诺和诺德的AI智能体： - 预计缩短临床试验周期：数周至数月 - 预计带来额外收入：数亿至数十亿美元孙子兵法的速度原则 “疾如风”（《军争篇》）： - 药物发现阶段要快速迭代 - 快速试错，快速优化 “动如雷震”： - 一旦确定方向，全力投入 - 晶泰控股2025年集中资源实现盈利启示 AI的速度优势不是万能的： - 快是手段，不是目的 - “兵贵神速”的前提是”知己知彼” - 盲目求快可能导致失败（如临床前优化不充分）四、「避实击虚」→ 差异化竞争策略《孙子兵法》核心 “夫兵形象水，水之形，避高而趋下；兵之形，避实而击虚。”（《虚实篇》）现代解读 不要攻击敌人的强点，要找弱点打：- “实”：竞争对手的优势领域 - “虚”：市场空白、技术盲区、未满足需求AI的对应：靶点选择与市场定位 AI如何发现”虚”处： 1. 未满足需求分析 AI分析：- 哪些疾病负担重但药物少？- 哪些靶点被忽视但科学基础好？- 哪些患者群体被主流忽视？案例：罕见病药物- 大药企不愿做（市场小）- AI可以低成本设计（技术可行）- 这是"击虚"的典型 2. 技术差异化定位 | 公司 | 避开的”实” | 攻击的”虚” | |:—|:—|:—| | 晶泰控股 | 传统化学合成 | AI+机器人自动化 | | 英矽智能 | 单一环节服务 | 端到端生成平台 | | 康方生物 | 单抗红海 | 双抗/三抗蓝海 | 康方生物的”避实击虚”： - 避开单抗的激烈竞争（实） - 专攻双抗/三抗（虚） - AK150成为全球领先的三抗药物启示 AI帮助企业找到”虚”处： - 大数据分析发现市场空白 - 预测哪些技术路线竞争者少 - 但”击虚”后要有能力守住 - 否则竞争者会迅速跟进五、「出奇制胜」→ 突破性创新《孙子兵法》核心 “凡战者，以正合，以奇胜。”（《兵势篇》）现代解读 “正”是常规，“奇”是变数： - 正面作战是 necessity - 出奇制胜是 key to victory - 没有”奇”，就没有胜利AI的对应：颠覆性技术路线 AI制药的”奇”： 传统（正） AI（奇） 效果 高通量筛选 AI生成式药物发现 效率提升100倍 单一靶点药物 多特异性抗体 疗效倍增 人工设计分子 AI自主生成 突破人类想象力 经验驱动研发 数据驱动研发 可预测、可重复 华深智药的”出奇制胜”： - 传统：AlphaFold 2是标杆（正） - 华深：半年内开发出更优模型（奇） - 融资7.87亿美元，创全球纪录 百图生科的”奇”： - 传统：单一模型（正） - 百图：生命科学大模型（奇） - 秘密递表港交所，冲刺IPO出奇的风险 《孙子兵法》的警示： > “奇正之变，不可胜穷也。” AI的”奇”也有风险： - 技术太新，监管不熟悉 - 临床验证数据少 - 市场接受度不确定 平衡之道： - 以”正”为基础（扎实的科学基础） - 以”奇”为突破（AI技术创新） - 奇正相生，循环无穷六、「上兵伐谋」→ 战略规划的AI化《孙子兵法》核心 “上兵伐谋，其次伐交，其次伐兵，其下攻城。”（《谋攻篇》）现代解读 四个层次的战略： 1. 伐谋：破坏敌人的战略计划 2. 伐交：破坏敌人的联盟 3. 伐兵：击败敌人的军队 4. 攻城：强攻敌人的城池AI的对应：战略决策支持系统 AI在四个层次的应用： 层次 孙子兵法 AI应用 伐谋 预测对手战略 AI预测竞争对手管线策略 伐交 破坏对手联盟 AI分析BD交易网络，寻找合作机会 伐兵 正面竞争 AI优化自身研发效率 攻城 强攻市场 AI辅助市场准入策略 AI战略决策的案例： 伐谋： - AI分析竞争对手的研发投入、人才招聘、专利申请 - 预测其未来3-5年的战略方向 - 提前布局，抢占先机 伐交： - AI分析全球制药企业的合作网络 - 发现潜在的合作机会 - 评估合作的战略价值启示 AI让”伐谋”成为可能： - 传统：战略规划依赖高管经验 - AI：数据驱动，预测对手行为 - 但”谋”的最终决策，仍需人来定七、「知己知彼」的升级版：AI的实时战场感知《孙子兵法》的局限 传统”知己知彼”是静态的： - 战前侦察，战中难以及时更新 - 信息滞后，决策依据过时AI的革新：实时情报系统 AI制药的”战场感知”： 实时数据流：├── 全球专利数据库（每日更新）├── 临床试验注册（实时监测）├── 学术文献（自动分析）├── 监管审批（动态跟踪）├── 市场动态（社交媒体分析）└── 竞争对手财报（季度分析）AI处理：├── 自然语言处理提取关键信息├── 知识图谱构建竞争态势├── 预测模型预判对手动作└── 决策支持系统推荐策略 实时感知的价值： - 竞争对手刚提交专利，24小时内知晓 - 临床试验刚更新数据，立即分析影响 - 监管政策刚发布，预测对管线的影响案例：AI监测竞争对手 场景： - 某竞争对手在ClinicalTrials.gov注册新试验 - AI自动提取：靶点、适应症、入组标准、终点指标- AI分析：与自家管线的竞争关系 - AI预测：成功概率、上市时间、市场影响 - 系统推送：给相关团队预警 这就是”知己知彼”的实时版。八、「全胜」思想 → 生态系统的构建《孙子兵法》核心 “夫用兵之法，全国为上，破国次之…是故百战百胜，非善之善者也；不战而屈人之兵，善之善者也。”（《谋攻篇》）现代解读 “全胜”不是战胜，而是使对方无法抵抗： - 保全对手，收为己用 - 不是摧毁，而是整合 - 构建生态系统，让对手加入AI的对应：平台战略与生态构建 晶泰控股的”全胜”战略： 不是击败所有竞争对手，而是： 1.构建AI+机器人自动化平台 2. 开放给全球药企使用 3. 合作伙伴越多，平台价值越大 4. 竞争对手变成客户 生态系统的力量： 晶泰生态：├── 辉瑞（合作药物发现）├── 强生（合作固态研发）├── 国内药企（合作管线开发）├── 学术界（合作基础研究）└── 供应商（合作设备材料）结果：- 竞争关系 → 合作关系- 零和博弈 → 正和博弈- 独善其身 → 兼济天下启示 AI时代的竞争是生态竞争： - 单一企业难以全胜 - 平台+生态才是终极形态 - “不战而屈人之兵”的最高境界九、《孙子兵法》的局限与AI的超越《孙子兵法》的时代局限 1. 零和博弈思维 - 孙子兵法假设：一方之得即另一方之失 - 制药业现实：可以合作共赢（BD交易、联合开发） 2. 对抗性思维 - 孙子兵法：战争是零和对抗 - AI制药：更多是非零和合作 3. 静态情报 - 孙子时代：情报收集困难，更新缓慢 - AI时代：实时数据，动态更新AI如何超越 1. 从”战胜”到”共生” - AI让企业更容易找到合作点 - 大数据匹配互补资源 - 从”伐交”到”建交” 2. 从”奇正”到”无限” - 孙子兵法：奇正相生，但变化有限 - AI：算法可以产生无限变化 - 从有限博弈到无限博弈 3. 从”人谋”到”人机协同” - 孙子依赖将领的智慧 - AI时代：人定方向，AI优化执行 - 从”上兵伐谋”到”上兵人机协同”十、结语：AI制药的”全胜”之道四经对比的新维度 经典 核心 AI应用 层次 《道德经》 道法自然 AI顺应规律 道 《黄帝内经》 整体平衡 系统生物学 法 《阴符经》 盗机 发现隐藏规律 术 《易经》 变易 动态优化 变 《孙子兵法》 全胜 战略规划、竞争情报 争《孙子兵法》给AI的独特启示 1. 竞争是必要的，但不是全部 - AI让”不战而屈人之兵”成为可能 - 生态构建比击败对手更重要 2. 速度是优势，但不是唯一 - “兵贵神速”需要”知己知彼” - 盲目求快可能导致失败 3. 差异化是生存之道 - “避实击虚”找到蓝海 - AI帮助发现被忽视的”虚”处 4. 战略需要实时更新 - 传统”知己知彼”是静态的 - AI实现实时战场感知 5. 最终目标是”全胜” - 不是击败所有对手 - 而是构建让对手愿意加入的生态终极思考 《孙子兵法》开篇即言： > “兵者，国之大事，死生之地，存亡之道，不可不察也。” 药物研发同样如此： - 关乎患者生死（死生之地） - 关乎企业存亡（存亡之道） - 不可不察（需要AI的深度洞察） 但孙子的终极目标是： > “不战而屈人之兵” AI制药的终极目标也是： > 不是通过竞争击败疾病，而是通过创新让疾病无法抵抗。 从对抗到超越，从竞争到生态，从战胜到全胜。 这就是《孙子兵法》给AI创新药的终极启示。 🎯附录：《孙子兵法》十三篇与AI制药对照 篇名 核心思想 AI应用 计篇 五事七计，庙算 AI战略规划系统 作战篇 兵贵神速 AI加速研发 谋攻篇 不战而屈人之兵 专利布局、BD交易 形篇 先胜后战 AI风险评估 势篇 出奇制胜 颠覆性技术创新 虚实篇 避实击虚 差异化定位 军争篇 以迂为直 间接路线战略 九变篇 灵活应变 AI自适应学习 行军篇 地形分析 市场分析 地形篇 知天知地 监管环境分析 九地篇 置之死地而后生 突破性创新 火攻篇 慎用火攻 风险控制 用间篇 情报工作 AI情报系统 关于作者：小百，AI创新药日报主理人，相信战略思维与技术创新的结合能创造更大价值。 免责声明：本文仅供行业交流，不构成投资建议。 本文首发于AI创新药日报 | 转载请注明出处