初窥“AI制药”：BAT们的下个万亿试炼场(6)

　　但资本的火热并不代表AI制药的成熟。早年彼得·蒂尔（Peter Thiel）一眼相中Abcellera的研发能力，该公司在上市之初市值一路干到了200多亿美元。不过因为AI制药公司需要长期的研发支出，外加医药领域对AI制药的谨慎态度，使得Abcellera今天的市值缩水到当初的十分之一。

　　03、AI制药的挑战

　　梳理了众多的AI制药公司后可以发现，AI制药虽然取得了不少成果，但仍算是一个相当早期的阶段。从产业研发特性来说，AI制药是一个高科技、跨学科、高支出、强监管的产业，这些挑战每一项都称得上是悬在头顶的“达摩克里斯之剑”。

　　首先，AI制药的跨界人才壁垒极高。AI制药不同于今天的各类型AI科技公司，AI制药对人才在AI和生物学、化学、物理学等等学科都要求精通。

　　对于AI科技公司来说，自动驾驶称得上是AI难度的巅峰之一了。但自动驾驶的核心难度在于如何将不同类型传感器的信息进行融合，对这些数据进行综合汇算，最后再调整汽车不同系统之间的配合，达到自动控制的效果。但成为一名驾驶员只需要考一本驾照。

　　而AI制药需要从业者拥有兼具两者的综合能力。不精通其他学科，调制的AI输出结果无效，白白浪费数据和时间。对AI技术不精通，那制作的模型和统计的数据就不能很好地被AI所用。

　　对于AI制药来说，这些差距是不能仅通过烧钱、跑测试就能弥补的，Abcellera和Schrodinger能够独霸一方，靠的正是多年专业能力的积累和AI技术的独门秘籍。

　　其次，AI制药初创公司难以获得高质量的数据。

　　拥有有效且翔实的数据来源是能够保障AI输出结果正确度的保障。目前，AI制药公司的数据源多来自于公开资料，如已发表的医学文献，公开的靶点库，药企、科研机构或院校的公开数据等。但最主要的高质量数据是来自药企自身的研发实验室，这部分数据属于商业机密，十分宝贵。

　　目前做的比较好的AI制药公司基本上要么是有自建实验室和研发管线，要么就是和大型药企以投资的方式合作（如药明康德领投Schrodinger的E轮融资）。

　　同时，缺乏数据也是大型科技企业的AI制药平台产出成果缓慢的核心原因。

　　缺乏数据和主动权的AI制药想要在业内真正拥有话语权，难度很大。不过目前特殊的例子也有，例如Relay Therapeutics（纳斯达克上市，市值18亿）在分子动力学的计算上见长。当然，这是因为他们真的有一台超算。