本文系基于公開資料撰寫，僅作為信息交流之用，不構(gòu)成任何投資建議。

AI的盡頭究竟是什么？有投資者說是光伏，也有投資者說是電力，而英偉達(dá)給出的答案則是生物制藥。

在英偉達(dá)2023年投資版圖中，除AI產(chǎn)業(yè)根基算法與基礎(chǔ)建設(shè)外，生物制藥是其重點(diǎn)布局的核心賽道。英偉達(dá)醫(yī)療保健副總裁Kimberly Powell甚至直言：“既然計(jì)算機(jī)輔助設(shè)計(jì)行業(yè)捧出了第一家2萬億美元市值的芯片公司，計(jì)算機(jī)輔助藥物發(fā)現(xiàn)行業(yè)為什么不能打造下一個(gè)價(jià)值萬億美元的藥物公司呢？”

圖：英偉達(dá)2023年投資版圖

由此不難看出，英偉達(dá)對(duì)于“AI+生物醫(yī)藥產(chǎn)”賽道的未來充滿信心，它是希望再造一個(gè)“英偉達(dá)”的。究竟為何英偉達(dá)如此看好這個(gè)賽道呢？想要弄明白這個(gè)問題，我們就必須先搞清楚醫(yī)藥賽道的核心痛點(diǎn)與底層邏輯。

01反摩爾定律

AI技術(shù)之所以能夠如此迅速的進(jìn)入大眾視野，離不開集成電路產(chǎn)業(yè)的高速發(fā)展。

英特爾創(chuàng)始人戈登·摩爾的在常年研究半導(dǎo)體產(chǎn)業(yè)后，提出這樣一個(gè)經(jīng)驗(yàn)之談：集成電路上可以容納的晶體管數(shù)目在大約每經(jīng)過18個(gè)月到24個(gè)月便會(huì)增加一倍。這就是大名鼎鼎的摩爾定律。

摩爾定律意味著，隨著產(chǎn)業(yè)不斷發(fā)展，處理器的性能大約每?jī)赡攴�一倍，同時(shí)價(jià)格下降為之前的一半。正是這個(gè)不斷技術(shù)迭代的過程，才使得人類計(jì)算機(jī)技術(shù)飛速發(fā)展，越來越多“玄幻”的功能得以實(shí)現(xiàn)。

不同于半導(dǎo)體產(chǎn)業(yè)摩爾定律的發(fā)展，生物制藥產(chǎn)業(yè)雖然也在不斷進(jìn)步，但其發(fā)展卻是呈現(xiàn)出“反摩爾定律”的趨勢(shì)。

一直以來，創(chuàng)新藥研發(fā)都有著“雙十定律”之說，即研發(fā)一塊新藥需要十年時(shí)間、需要耗費(fèi)10億美元成本。不過這些數(shù)據(jù)已經(jīng)是過去式了，最先的數(shù)據(jù)顯示，全球范圍內(nèi)創(chuàng)新藥的平均研發(fā)成本約26億美元，平均研發(fā)周期約為10.5年。

漫長(zhǎng)的研發(fā)周期與不菲的研發(fā)成本導(dǎo)致，創(chuàng)新藥研發(fā)風(fēng)險(xiǎn)極高，不僅需要大量的資金去做這件事，而且還存在極高的失敗風(fēng)險(xiǎn)。更為致命的是，這其中的研發(fā)難度是隨著時(shí)間推移而持續(xù)提升的，也就是當(dāng)人類發(fā)現(xiàn)的藥物與靶點(diǎn)越多，后續(xù)發(fā)現(xiàn)藥物與靶點(diǎn)所需要的成本也就會(huì)更多，投資收益率也就不斷下降。

圖：創(chuàng)新藥研發(fā)成本，來源：開源證券

在這種反摩爾定律下，創(chuàng)新藥研發(fā)門檻不斷提升，投資者的風(fēng)險(xiǎn)越來越大，漸漸地創(chuàng)新藥成為產(chǎn)業(yè)巨頭的生意。但實(shí)際上，醫(yī)藥產(chǎn)業(yè)發(fā)展卻注定是由“邊緣革命”推動(dòng)的，新的技術(shù)也往往都出現(xiàn)在初創(chuàng)公司中，當(dāng)技術(shù)不斷得到驗(yàn)證，巨頭才開始切入布局。

產(chǎn)業(yè)發(fā)展規(guī)律與產(chǎn)業(yè)發(fā)展驅(qū)動(dòng)力之間，實(shí)則已經(jīng)形成了明顯的剪刀差。這是一種極不尋常的現(xiàn)象，意味著人類醫(yī)療技術(shù)的進(jìn)步將逐漸停滯，相信沒有人愿意看到這種情況。

生物制藥產(chǎn)業(yè)存在必須改變的需求，而不斷攀升的創(chuàng)新藥研發(fā)成本又給這件事留有足夠的空間。這兩點(diǎn)是促使英偉達(dá)看好AI技術(shù)能夠重塑醫(yī)藥產(chǎn)業(yè)的立足點(diǎn)。

02經(jīng)驗(yàn)與直覺

現(xiàn)代醫(yī)藥產(chǎn)業(yè)，是一座由直覺建起的圍城。

創(chuàng)新藥上市雖然需要經(jīng)歷嚴(yán)苛且系統(tǒng)化的臨床驗(yàn)證，但藥物發(fā)現(xiàn)的過程卻充滿隨機(jī)性。藥物研發(fā)路徑呈現(xiàn)漏斗型，一款藥物的確立，是需要經(jīng)歷藥物發(fā)現(xiàn)、臨床前期驗(yàn)證、臨床期驗(yàn)證三個(gè)階段的，每一階段的成功管線的數(shù)量不斷降低。

這其中最難的是藥物發(fā)現(xiàn)階段，需要在無數(shù)化合物中篩選出1萬個(gè)左右適合的化合物，然后在一步一步的篩選，最后找到合適的化合物。某一個(gè)靶點(diǎn)的發(fā)現(xiàn)與確立，不僅頗具偶然性，而且驗(yàn)證過程極為繁瑣，找到合適的分子更是難上加難。

圖：藥物篩選過程，來源：浙商證券

盡管一代又一代的創(chuàng)新藥研發(fā)努力使得藥物發(fā)現(xiàn)逐漸有跡可循，但在龐大的化合物數(shù)據(jù)面前，一切還是高度依賴于研發(fā)人員的直覺，數(shù)據(jù)能夠提供的幫助并不多。努力的前提是方向正確，如果選擇了一條錯(cuò)誤的賽道，那么再多努力也終將化為徒勞。過度依賴于直覺，使得傳統(tǒng)藥物研發(fā)偶然性不可控，這也是為何創(chuàng)新藥研發(fā)成本不斷抬升的本質(zhì)原因。

如果現(xiàn)代醫(yī)藥產(chǎn)業(yè)想要成本降低，就必須擯棄過往依賴于專家直覺的方向，而是應(yīng)該更多的以數(shù)據(jù)為導(dǎo)向。所謂數(shù)據(jù)，實(shí)則就是一次次經(jīng)驗(yàn)的結(jié)晶，數(shù)據(jù)化并不代表創(chuàng)新藥研發(fā)不會(huì)失敗，而是可以將這次失敗轉(zhuǎn)化為下一次研發(fā)的基石。通過系統(tǒng)性的大模型訓(xùn)練，AI對(duì)于藥物篩選將更加快速、準(zhǔn)確。

實(shí)際上，創(chuàng)新藥研發(fā)就好像一款Roguelike游戲，看似一切都是由隨機(jī)構(gòu)成的，每一次的游戲體驗(yàn)可能也不盡相同，但在一次又一次的失敗過程中，游戲會(huì)不斷積累經(jīng)驗(yàn)與數(shù)據(jù)，從而降低下一次游戲的攻關(guān)難度。

AI制藥，本質(zhì)上就是摒棄過去的專家直覺，高度依賴于數(shù)據(jù)反饋，通過不斷地模型訓(xùn)練，進(jìn)而找到正確的研發(fā)路徑。由依靠專家直覺，切換到AI大模型篩選，這是一種由具象化走向數(shù)據(jù)化的過程，也是由感性向理性過度的路徑。

尤其在很多未攻克的空白適應(yīng)癥上，專家直覺的成功可能與擲骰子無異，持續(xù)高通量的AI模型試錯(cuò)才是降低失敗率的最好方法。AI制藥，不僅降低了研發(fā)成本，而且也能有效地提升研發(fā)效率。

03數(shù)據(jù)資源最為珍貴

算法、算力、數(shù)據(jù)庫，這是AI技術(shù)的三大核心要素。

在大多數(shù)場(chǎng)景的AI應(yīng)用中，算法都是三要素中最終要的一環(huán)，算力與數(shù)據(jù)庫雖然也很重要，可大多數(shù)投資者依然更關(guān)注大模型算法的構(gòu)建。

但在生物制藥領(lǐng)域，算法為王的情況卻可能并不適用。與其他場(chǎng)景相比，生物制藥賽道的數(shù)據(jù)資源更加珍貴，它是非開源的，是各大藥企的核心資源。無論成功與失敗，都是經(jīng)過大肆燒錢的臨床試驗(yàn)而得來的。由此可見，數(shù)據(jù)庫才是AI制藥賽道最核心的競(jìng)爭(zhēng)力所在。

縱觀國內(nèi)火熱的AI制藥公司，多是由CRO公司轉(zhuǎn)型而來。與普通醫(yī)藥公司相比，CRO公司擁有極為豐富的研發(fā)經(jīng)驗(yàn)，雖然最終研發(fā)數(shù)據(jù)歸甲方公司所有，但其卻能夠在一次又一次的研發(fā)中，潛移默化的積攢大量的過程數(shù)據(jù)與方法論，這使得CRO公司在構(gòu)建數(shù)據(jù)庫方面擁有得天獨(dú)厚的優(yōu)勢(shì)。

基于生物制藥數(shù)據(jù)的非開源性，AI制藥的發(fā)展最終很有可能走向兩個(gè)方向。第一種是財(cái)力雄厚的MNC，它們常年積累了大量的研發(fā)經(jīng)驗(yàn)與數(shù)據(jù)，并且全面開始投資布局AI資產(chǎn)；第二種則是以國內(nèi)為主向AI制藥轉(zhuǎn)型的CRO公司，由于它們此前承接了大量的國內(nèi)外研發(fā)項(xiàng)目，因此具備很強(qiáng)的數(shù)據(jù)庫構(gòu)建能力，欠缺的只是算法大模型的構(gòu)建，而算力問題完全可以通過與阿里云、騰訊云等科技公司合作解決。

由于國內(nèi)生物制藥產(chǎn)業(yè)剛剛起步，尚未形成擁有長(zhǎng)期創(chuàng)新藥研發(fā)布局的MNC，因此第一種模式很可能在國內(nèi)難以行得通。在未來的數(shù)十年中，CRO公司很可能將切換成為中國AI制藥的核心資產(chǎn)，而海外則更多是各家MNC之間的對(duì)立與競(jìng)爭(zhēng)，并不會(huì)愿意將數(shù)據(jù)開放給第三方，就連英偉達(dá)想要入局都需要通過投資生物制藥公司的方式才得以實(shí)現(xiàn)。

現(xiàn)階段，國內(nèi)AI制藥正處于發(fā)展初期，大致上可以分為三個(gè)梯隊(duì)。第一梯隊(duì)是已經(jīng)布局AI制藥技術(shù)多年的公司，如成都先導(dǎo)、泓博醫(yī)藥、晶泰科技、藥石科技等；第二梯隊(duì)則是擁有豐富的研發(fā)經(jīng)驗(yàn)，但在AI制藥領(lǐng)域的布局卻剛剛起步，如藥明康德、美迪西、皓元醫(yī)藥等；第三梯隊(duì)則是研發(fā)經(jīng)驗(yàn)豐富，但暫時(shí)還沒有在AI布局太深的其他CRO公司。

AI制藥領(lǐng)域，數(shù)據(jù)才是產(chǎn)業(yè)第一性，數(shù)據(jù)庫的價(jià)值遠(yuǎn)高于算法和算力的價(jià)值，這也是為何CRO公司會(huì)站在目前國內(nèi)AI制藥產(chǎn)業(yè)第一線的原因。

       原文標(biāo)題 : 為什么說AI的盡頭是生物制藥？