财政部：大力推进数字乡村建设拓展农业农村大数据应用场景

对于AI的应用场景，市场此前的关注点集中在游戏、传媒、电商、智能家电等领域，而生物医药领域其实也是AI应用落地的重要场景，那么当前AI制药的商业模式有哪些？制约其大规模落地的因素又有哪些呢？

百度以第一完成单位在《Nature》正刊发表论文

(资料图)

北京时间5月2日凌晨，国际顶级学术期刊《Nature》正刊发表了百度与合作单位在生物计算领域的研究成果——《Algorithm for Optimized mRNA Design Improves Stability and Immunogenicity》，提出mRNA序列优化算法LinearDesign。

这是中国科技企业首次以第一完成单位的身份在《Nature》杂志发表论文。鉴于论文对生物医学领域的重要性，Nature杂志在正式排版之前先将预览版快车道上线 (accelerated article preview)，这也是AI应用于mRNA领域的首篇CNS主刊论文。

而百度的这一成果也再一次验证了AI在生物制药领域的巨大应用潜力，那么所谓的AI制药是什么呢？

AI 制药内涵丰富，主要包括：数字生物学、计算机药物发现、实验室自动化、AI 辅助临床试验等。整体而言 AI 技术在制药领域的应用价值主要体现在缩短试验周期、节省成本、促进新事物发现、提升试验成功概率等。

具体来看，人工智能在医药领域的应用前景主要体现在三个方面。一是人工智能可以大幅降低药物研发成本。创新药物的研发通常需要花费数十亿美元，大量的资金被用于临床试验，人工智能的应用可以模拟筛选和分析大量样本数据，通过智能化模拟试验降低成本。二是人工智能可以缩短药品研发周期，实现从靶点发现到临床试验的药物研发全流程优化，明显提升药物研发效率。三是人工智能可以借助机器强大的计算能力，实现传统方法难以实现的成绩。

根据英伟达公开资料，使用 AI 技术可使药物早期发现所需时间缩短至 1/3 倍，成本节省至 1/200 倍。

AI制药商业模式有哪些

而对于所有的新兴行业来说，商业化是必须要走的一步。那么当下，AI制药的商业模式又有哪些呢？

目前AI制药企业的商业模式主要分为三种，即AI SaaS软件服务、AI+CRO及AI+Biotech。据药智局及蛋壳研究院统计，2022年国内AI制药公司中，31%的公司选择兼容其中两种商业模式，只有8%选择仅AI SaaS的商业模式。

导致这一现象的主要原因是AI SaaS业务的收入规模过低。据了解，目前AI SaaS市场份额最高的薛定谔(80%左右)，2022年上半年软件业务收入约为0.63亿美元。有业内人士透露，一般企业软件授权费一年能达到几百万美元就已相当可观，相对于药物研发获得的动辄千万甚至上亿美元的收益，可以说是不值一提。

基于AI技术在临床前研究领域的巨大应用潜力，不少企业选择了AI+CRO模式，不过有分析指出，随着药明等CXO龙头开始积极布局AI技术平台，AI+CRO模式未来竞争可能加剧，因为传统CRO企业无论是实验数据还是资金等都更具优势，中小型AI+CRO企业或将面临挑战。

从行业上下游来看，AI医疗产业主要包括上游基础层，中游技术层，下游应用层。行业巨头偏向基础层，在算力等领域已呈寡头局面，技术壁垒较高，具有高投入高收益特点，市场格局较为稳固；

在技术层中，基于深度学习的计算机视觉发展快，目前各大科技企业与物联网巨头已基本完成布局；应用层可触达全医疗服务场景，为当前大量互联网医疗与传统医疗公司涌入的赛道。

AI制药仍有不少困难

尽管市场前景广阔，但在实际应用中，AI制药仍存在不少挑战。

4月27日，在亚马逊云科技医疗与生命科学行业峰会上，亚马逊云科技大中华区战略业务发展部总经理顾凡指出，通过长期生物制药、基因测序和医疗保健领域的客户需求，发现行业内存在三大共同挑战：数据挑战、算力挑战及解决方案挑战。

在数据方面，在药物发现领域，科学家需要在10的60次方已知化合物里找到可能成药的化合物，若科学家通过现实试验进行分析，可能穷极一生也无法筛选完这些化合物。

数据的爆炸式增长带来两个挑战。第一是数据的存储，而且是更高性价比的存储。第二是数据快速自动化分析，否则数据本身并不会对于业务有任何帮助。

在算力方面，尽管我国目前在算力规模上已具优势，但仍面临着算力的高质量供给和普惠服务问题。业内人士介绍称，我国的算力结构有待优化，自创资源不足，而且算力分布不均衡，算力的获取门槛比较高。

在创新解决方案上，用户不仅需要云服务，还需要更多的解决方案，尤其是符合行业要求、符合客户需求的即开即用的解决方案，而不是客户从头去构建。

此外，一款新药是否成功最终还是需要通过上市销售来验证，而AI制药虽然想象空间巨大，但到目前为止尚未有AI技术辅助研发的药物实现上市。

据统计，81个进入临床阶段的AI药物中，多数也处于临床早期，仅有极个别药物进入临床II期研发阶段。