2022年中国AI制药行业概览.pdf

12022 LeadL400-072-55882022年中国AI制药行业概览2022 China AI Pharmaceuticals Industry Overview概览标签：人工智能、药物研发、AI制药报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行为发生，头豹研究院保留采取法律措施，追究相关人员责任的权利。头豹研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。报告主要作者：崔靓2022/2AI制药优势愈发显著，药物研发转型升级势在必行01 中国“十四五”医药工业发展规划中指出要“坚持创新引领”，对医药工业创新研发提出进一步转型要求，在复杂的国际形势下，通过鼓励创新研发投入、AI先进技术赋能，调动制药领域创新的积极性和资本市场热度；AI技术的迭代推进了AI制药的发展进程，作为AI制药行业发展的根本，AI技术在制药流程中参与的环节越多、在各环节内渗透的程度越高，药物研发的效率也越高国内宏观政策利好AI制药领域，AI技术突破为赋能制药创造条件02癌症作为中国人口死亡的主要病因之一，抗肿瘤领域一直是新药研发的热门赛道；此外，由于庞大的人口基数及老龄化的加剧，中国的慢性病领域的潜在市场空间不断增长，对于国产创新药需求紧迫，或将成为抗肿瘤之外的另一研发重点；随着AI应用成熟度的提升，未来AI技术在制药领域的渗透率将不断提高，成为创新药研发的主流方式AI制药或将成为创新药物研发的主流方式，重点领域为癌症和慢性病032022开年以来接连达成巨额合作项目，AI制药领域或将进入快速上升期2022年年初，本土大型药企复星医药与知名AI制药公司英矽智能达成战略合作，将针对四个指定靶点以AI驱动药物研发，并共同开发合作英矽智能的QPCTL项目，项目首付款高达1300万美元，刷新业内记录。随着创新药物研发日益受到重视以及AI技术的迅速发展，AI赋能制药的大趋势愈发显著，AI制药相较传统制药可以大幅减少研发投入及时间成本，同时提高新药研发效率和成功率，AI制药在资本市场的热度逐渐升温。摘要 传统的药物研发研发周期长、资金投入大、研发风险高，而AI制药通过AI技术赋能可以快速精准地确定靶点、筛选最佳化合物分子、预测药代动力学性质，可大幅缩短药物研发各环节所需周期、降低企业在研发新药时的成本投入，同时提高药物研发的成功率、降低新药研发风险，提升企业的投资回报率32022 LeadL400-072-5588u 名词解释-u 中国AI制药行业综述-定义-应用情况-AI制药应用价值-发展历程-u 中国AI制药行业市场主体概况-市场主要玩家-大型药企-互联网头部企业-AI制药初创企业-u 中国AI制药行业驱动因素-宏观政策利好AI制药相关领域-AI制药市场投融资热度不断上升-AI技术的突破为赋能制药领域创造条件-u 中国AI制药行业市场局面及潜在空间-市场局面与核心竞争力-市场潜在空间-u 中国AI制药行业发展趋势-未来AI技术在制药领域的渗透率将不断提高，AI制药或将成为创新药药物研发的主流方式，重点研发领域为慢性病和癌症-领先的AI制药初创企业将拓展并形成更完整的业务链和多元化商业模式，进一步扩大市场优势-目录CONTENTS42022 LeadL400-072-5588u 企业推荐-晶泰科技-望石智慧-u 方法论-u 法律声明-目录CONTENTS52022 LeadL400-072-5588u Terms-u Overview of China AI Pharmaceuticals Industry-Definition-Applications-Application Value of AI Pharmaceuticals-Development History-u China AI Pharmaceuticals Industry Key Players Overview-Key Players-Big Pharma-IT Leading Firms-AI Pharmaceuticals Startup-u China AI Pharmaceuticals Industry Driving Factors-Positive Macro Policies-Booming Investment Market-Advanced AI Technologies-u China AI Pharmaceuticals Industry Market Situation and Potential Market Space-Market Situation and Core competitiveness-Potential Market Space-目录CONTENTS62022 LeadL400-072-5588u China AI Pharmaceuticals Industry Development Trends-AI pharmaceuticals will become the mainstream way of innovative medicine R&D,focusing on chronic diseases and cancer-Leading companies will expand to form more complete business chains and models-u Recommended Companies-XtalPi-StoneWise-u Methodology-u Legal Statement-目录CONTENTS72022 LeadL400-072-5588图表1：AI技术类型及AI制药定义-图表2：AI医药应用环节-图表3：AI技术在制药环节的应用情况-1-图表4：AI技术在制药环节的应用情况-2-图表5：AI制药与传统制药药物研发对比-图表6：AI制药发展历程-图表7：当前AI制药市场主要玩家-图表8：2021-2022Q1全球开展AI制药项目数量领先的大型药企-图表9：大型药企进入市场主要方式-图表10：部分互联网头部企业在AI制药领域的布局-图表11：2021-2022Q1全球十大开展大型AI制药项目的AI初创企业-图表12：近年部分AI制药初创企业与大型药企的合作项目-图表13：部分AI制药领域相关政策-图表14：2016-2021年全球AI制药药物发现领域投资金额-图表15：2021年全球AI制药药物发现领域融资前十企业-图表16：2016-2021年中国AI制药初创企业融资金额-图表17：AI技术在制药流程中的主要赋能场景及典型企业-图表18：AI制药领域核心竞争力-图表19：2020-2021Q3中国主要AI制药初创企业与大型药企合作数量-图表20：中国部分AI制药初创企业当前业务布局-图表21：中国AI制药潜在市场空间，2018-2026年预测-图表22：当前市场中AI制药项目覆盖病种情况-图表目录List of Figures and Tables82022 LeadL400-072-5588图表23：2020年中国城市部分疾病粗死亡率(1/10万)-图表24：AI制药初创企业业务结构与商业模式的拓展优化-图表25：晶泰科技简介及企业架构-图表26：晶泰科技五大核心技术及相关产品-图表27：晶泰科技技术服务-图表28：近一年晶泰科技部分合作项目-图表29：望石智慧企业及研发体系-图表30：望石智慧核心产品-图表31：近一年望石智慧合作项目-图表32：望石智慧近期公开发布的最新科研成果-图表33：望石智慧近一年与会的部分学术交流会议-图表目录List of Figures and Tables92022 LeadL400-072-5588名词解释TERMSu人工智能：Artificial Intelligence，缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学uADMET：Absorption,Distribution,Metabolism,Excretion,Toxicity缩写，指药物的吸收、分布、代谢、排泄和毒性u机器学习：Machine Learning（ML），专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能u自然语言处理：Natural Language Processing（NLP），研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法u深度学习：Deep Learning（DL），学习样本数据的内在规律和表示层次，最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据u大数据：Big Data，或称巨量资料，指所涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯u生成式对抗网络：Generative Adversarial Networks（GAN），一种深度学习模型，通过框架中（至少）两个模块：生成模型和判别模型的互相博弈学习产生相当好的输出u变分自编码器：Variational Auto-Encoder（VAE），组合了神经网络和贝叶斯推理这两种最好的方法，据它们所接受的分布来生成图像和数字，允许设置潜在的复杂先验，从而学习强大的潜在表征u循环神经网络：Recurrent Neural Network（RNN），一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络u长短期记忆人工神经网络：Long Short-Term Memory（LSTM），是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的u门控循环单元：门控循环单元（GRU）是循环神经网络（RNN）中的一种门控机制，与其他门控机制相似，其旨在解决标准RNN中的梯度消失爆炸问题并同时保留序列的长期信息102022 LeadL400-072-5588第一部分：中国AI制药行业综述主要观点：p AI制药是指将机器学习、自然语言处理及大数据等人工智能技术应用到制药领域各个环节，显著优化新药研发的效率及质量，降低临床失败概率及研发成本p 应用在制药环节的AI技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息，搭建精准模型，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标p 应用在制药环节的AI技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息，搭建精准模型，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标p 通过将AI技术应用于药物研发各环节，较传统制药研发可以更显著地缩短研发所需周期，从而降低企业研发成本，同时提高药物研发成功率和投资回报率，一般AI技术在研发过程中的渗透率越高、药物研发的效率越高p AI制药的应用场景可以追溯到20世纪80年代，经过数十年的发展，随着AI应用技术的不断成熟以及资本市场对该行业信心的不断增加，受国内外新冠病毒疫情形势影响，当前AI制药已步入快速发展期112022 LeadL400-072-5588人工智能技术类型涉及的资料量规模巨大到无法透过主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高新技术定义图表1：AI技术类型及AI制药定义图表2：AI医药应用环节来源：头豹研究院 AI制药是指将机器学习、自然语言处理及大数据等人工智能技术应用到制药领域各个环节，显著优化新药研发的效率及质量，降低临床失败概率及研发成本AI医药应用场景具体应用领域主要应用环节药物研发计算机视觉语音识别自然语言处理机器学习大数据机器代替人眼对目标进行识别、跟踪和测量，并进一步做图形处理，成为更适合人眼观察或传送给仪器检测的图像实现人与计算机之间用自然语言进行有效通信的各种理论和方法，应用于机译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别等方面人工智能的核心，计算机通过模拟或实现人类的学习行为获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能应用在制药领域的AI技术AI制药是指将自然语言处理（NLP）、机器学习（ML）及大数据（Big Data）等人工智能技术应用到制药领域各环节，以提高、优化新药研发的效率及质量，降低临床失败概率及研发成本用药安全供应链管理商业拓展个性化诊疗监管审批靶点确认基于表型的药物发现分子生成化学反应设计化合物筛选ADMET性质预测临床试验药物风险评估真实世界研究识别供应链流通中的假药劣药简化多渠道营销流程，优化客户关系管理个体最佳治疗方案线上远程诊疗优化药品审批流程122022 LeadL400-072-5588应用情况（1/2）图表3：AI技术在制药环节的应用情况-1来源：头豹研究院、中国医药报 应用在制药环节的AI技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息，搭建精准模型，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标制药环节AI技术类型应用情况药物研发靶点确认机器学习、深度学习q通过机器学习，在蛋白质的原始信息中提取关键特性，从而精准构建模型，来进行功能的推断、预测及分类q通过深度学习，从大量的患者样本及生物医学资料中整理筛选相关的基因组学、蛋白质组学、代谢组学等多组学数据，分析疾病与非疾病间差异、或寻找可对疾病产生影响的蛋白质大数据基于表型的药物发现机器学习q通过机器学习，直接使用生物系统进行药物筛选，在表型筛选中关联细胞表型和化合物作用方式，从而获得靶点、信号通路或遗传疾病相关聚类分子生成机器学习、深度学习q通过机器学习、深度学习中的变分自编码器（VAE）和生成式对抗网络（GAN）及基于自然语言处理的循环神经网络（RNN），长短期记忆人工神经网络（LSTM），门控循环单元（GRU）和Transformer等技术，对海量的化合物及药物分子进行学习，获取成药性及分子结构相关的规律，从而生成新的小分子作为候选药物分子，形成高质量、规模性的药物分子化合物库自然语言处理化学反应设计机器学习、深度学习q将药物分子结构映射为可通过机器学习算法处理的形式，形成多条合成路线，并推荐最佳合成路线，或在给定反应物的前提下通过深度学习预测化学反应结果化合物筛选机器学习q通过机器学习中的决策树、支持向量机、深度神经网络、随机森林等算法，及分子对接、自由能微扰等技术，构建化合物化学结构与生物活性之间的关系模型，实现对药物化合物作用机制的快速预测ADMET性质预测机器学习、深度学习q通过深度学习，对筛选后的化合物进行药代动力学测试识别，根据得到的相关特征，评估多个ADMET参数间的隐藏的关系和趋势，预测化合物的药性，如代谢性、细胞渗透性和溶解性、毒性等性质132022 LeadL400-072-5588应用情况（2/2）图表4：AI技术在制药环节的应用情况-2来源：头豹研究院、中国医药报 应用在制药环节的AI技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息，搭建精准模型，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标制药环节AI技术类型应用情况用药安全临床试验自然语言处理q通过自然语言处理和机器学习改善临床试验的设计、管理、监控和患者招募，从各种结构化和非结构化的数据类型中提取信息，找到符合临床试验入组标准的受试者，或关联各种大型数据集，找到变量之间的潜在关系，改进患者与试验的匹配情况机器学习药物风险评估机器学习q通过机器学习，实现从接收药物不良反应到报告全流程的自动化，提高药物警戒的工作效率，并通过样本分析和预测进行药物风险评估真实世界研究机器学习、深度学习q通过机器学习和深度学习，对真实世界数据进行识别，提出新假设，同时为进行中的临床试验不断提供新的有效信息，优化药物研发流程，提升用药安全qAI医药的应用场景主要包括药物研发、用药安全、供应链管理、商业拓展、个性化诊疗及监管审批六个方面，其中药物研发及用药安全是AI技术在制药环节的主要内容，药物研发包括靶点确认、基于表型的药物发现、分子生成、化学反应设计、化合物筛选、ADMET性质预测，用药安全则涉及临床试验、药物风险评估及真实世界研究q靶点确认是药物研发中的关键步骤，机器学习和深度学习是目前靶点研究的重要手段之一，当前已知的药物靶点大多为蛋白质，利用AI技术在蛋白质的原始信息中提取关键特性，从大量的患者样本及生物医学资料中整理筛选相关的基因组学、蛋白质组学、代谢组学等多组学数据，精准构建模型，来进行功能的推断、预测及分类q分子生成是药物研发中的另一重要环节，当前主要的技术涉及机器学习、深度学习中的变分自编码器（VAE）和生成式对抗网络（GAN）及基于自然语言处理的循环神经网络（RNN），长短期记忆人工神经网络（LSTM），门控循环单元（GRU）和Transformer等技术，其中VAE技术有极好的生成表现q化学反应设计是AI技术当前正在取得进展的环节之一，将药物分子结构映射为可通过机器学习算法处理的形式，形成多条合成路线，并推荐最佳合成路线，或在给定反应物的前提下通过深度学习预测化学反应结果，此外，AI技术还可以用来探索新的化学反应q临床试验是用药安全的最重要环节，也是整个制药过程中资金投入最多的环节，自然语言处理和机器学习等技术在相关临床试验的设计、管理、监控和患者招募方面均有应用及发展前景142022 LeadL400-072-5588q早期化合物筛选及构效关系研究q候选化合物成药性初步评估q候选化合物工艺开发与优化q临床前研究q临床试验申请q临床试验q新药上市申请q药物研发阶段3-7年q用药安全阶段5-7年q新药审批上市1-2年q平均上市时间10-16年约26亿美元约10%当前主要涉及环节q药物研发（靶点确认、基于表型的药物发现、分子生成、化学反应设计、化合物筛选、ADMET性质检测）q用药安全（临床试验、药物评估、真实世界研究）q监管审批（优化药品审批流程）q总研发周期平均缩短1/2-2/3至少降低10%约14%AI制药应用价值图表5：AI制药与传统制药药物研发对比来源：Tufts CSDD、Tech Emergence、头豹研究院 通过将AI技术应用于药物研发各环节，较传统制药研发可以更显著地缩短研发所需周期，从而降低企业研发成本，同时提高药物研发成功率和投资回报率，一般AI技术在研发过程中的渗透率越高、药物研发的效率越高传统制药一般研发流程AI制药所需研发周期研发资金投入研发成功率q总的来说，传统的药物研发具有研发周期长、资金投入大、研发失败风险高的特点，传统新药研发环节较为复杂，药物发现和临床试验中累计研发成本投入持续增加，同时成功率却基本维持在10%左右，导致研发风险不断攀升，因此药物研发的转型升级势在必行qAI制药通过应用机器学习、深度学习、大数据和自然语言处理等AI技术，对化合物的结构、药物作用机制、基因等海量数据进行结构化分析处理，从而快速精准地确定靶点、筛选最佳化合物分子、预测药代动力学性质qAI制药可大幅缩短药物研发各环节所需周期、降低企业在研发新药时的成本投入，同时提高药物研发的成功率、降低新药研发风险，提升企业的投资回报率，相较于传统制药在新药研发领域拥有绝对优势，AI技术在研发各环节的渗透率越高、药物研发的效率越高头豹洞见152022 LeadL400-072-5588发展历程图表6：AI制药发展历程来源：头豹研究院 AI制药的应用场景可以追溯到20世纪80年代，经过数十年的发展，随着AI应用技术的不断成熟以及资本市场对该行业信心的不断增加，受国内外新冠病毒疫情形势影响，当前AI制药已步入快速发展期美国制药公司默沙东运用计算机辅助进行药物设计，涉及三维定量构效关系分析、分子对接、分子动力学模拟等计算技术20世纪80年代AI迅速发展首次正式应用制药领域2010-2015年首批AI制药初创企业涉足AI药物发现研发领域，由于行业发展前景尚不明朗，资本市场大多持怀疑和观望态度，业内仅有少数企业合作AI制药发展初期2016-2017年AI制药缓行过渡期2018年以来，国际市场涌现大批AI制药初创企业，投资者对于AI制药行业信心逐渐增加，大量资本开始涌入市场，当年国内外AI制药企业融资总额突破2010年以来新高2019年，由于商业化问题，整个AI医疗行业陷入低谷，受此影响，投资者对于AI制药领域的相对热度减退，投资增长缓慢2020年受疫情影响，医疗行业成为大热点，资本再次聚焦AI制药领域，随着一些老牌AI制药公司及行业新锐的加入，AI制药的投融资市场迎来新一波热潮一方面是由于行业研究重心放在制药单个环节上，导致AI制药的规模化商业化受阻；另一方面，该时期的研发成果未能有效证明AI在新药研发过程中有显著的加速增效作用自此，部分初创企业开始探索新的商业模式，纵向拓展服务链条，如直接生产分子化合物2018年-至今AI制药快速发展期162022 LeadL400-072-5588第二部分：中国AI制药行业市场主体概况主要观点：p 当前国内外AI制药市场的主要玩家主要有三类，即大型药企、AI制药初创企业和互联网头部企业，其中大型药企又分为传统药企和CRO企业，截止2022年第一季度，全球相关AI制药企业累积超过595家p 当前市场上参与AI制药的大型药企以外资跨国企业为主，本土药企在该领域的涉足相对较为谨慎；当前药企进入市场的主要方式为企业内部自建AI研发团队、外部投资并购以及与互联网巨头或AI初创公司合作p 近年来国内外互联网头部企业相继通过对AI制药初创企业进行投资、自主研发建立AI制药平台和与外部机构合作研发AI制药项目的方式进入市场，利用自身在算法和算力上的优势推动AI制药领域的快速发展p 当前AI制药初创企业作为核心主体，通常利用自身的AI技术优势进入制药场景中的一个或多个环节，通过与药企、医院、实验室等外部机构合作，利用获取的差异性公开数据训练模型，优化制药流程，提高研发效率172022 LeadL400-072-5588市场主要玩家图表7：当前AI制药市场主要玩家来源：Deep Pharma Intelligence、头豹研究院 当前国内外AI制药市场的主要玩家主要有三类，即大型药企、AI制药初创企业和互联网头部企业，其中大型药企又分为传统药企和CRO企业，截止2022年第一季度，全球相关AI制药企业累积超过595家c大型药企互联网头部企业AI制药初创企业传统药企CROq根据Deep Pharma Intelligence的数据，截止2022年第一季度，全球参与AI药物研发的大型药企超过56家，其中包括逾36家传统药企和20家CRO企业；相关互联网头部企业超31家，AI制药初创企业超过495家本土海外本土海外182022 LeadL400-072-5588大型药企图表8：2021-2022Q1全球开展AI制药项目数量领先的大型药企来源：Deep Pharma Intelligence、头豹研究院 当前市场上参与AI制药的大型药企以外资跨国企业为主，本土药企在该领域的涉足相对较为谨慎；当前药企进入市场的主要方式为企业内部自建AI研发团队、外部投资并购以及与互联网巨头或AI初创公司合作q随着国内外大型药企逐渐意识到AI技术应用在制药领域的价值，为了进一步提高新药研发效率，越来越多的传统药企和CRO企业涌入AI制药领域，全球范围内AI制药项目数量逐年递增q根据Deep Pharma Intelligence的数据，2021年-2022年第一季度全球开展AI制药项目数量领先的企业以大型外资跨国药企为主，其中阿斯利康、默克和辉瑞分别以25、19和16项位列前三q相较于国际市场和外资公司，中国AI制药行业起步较晚，本土药企在AI制药领域的涉足则更为谨慎，但近年来市场的热度整体仍呈大幅上升趋势；如2022年1月，复星医药与AI制药初创公司英矽智能达成战略合作，包括针对四个指定靶点以AI技术开展药物研发和英矽智能的QPCTL项目合作，项目首付款为1,300万美元，创造了目前中国AI制药合作交易首付款的最高记录图表9：大型药企进入市场主要方式单位：项131313131415161925123456789大型药企市场进入方式内部自建AI研发团队外部投资并购与互联网巨头或AI初创公司合作案例q葛兰素史克和诺华均较早在内部建立了AI部门q目前全球前十的大型药企都已在AI制药领域有所布局，未来或有更多传统药企和CRO企业进入该领域q大型药企进入市场的方式主要有三种，一是内部自建AI研发团队，如诺华和葛兰素史克是业内较早设立自己的AI部门的药企；二是对外部AI制药初创企业进行投资并购，如复星医药今年宣布在合作的同时将向英矽智能提供股权投资；三是与互联网巨头或AI初创公司合作，如正大天晴通过与阿里云合作获得一种全新的化合物筛选方法、药明康德和Schrdinger合资成立了FaxianTherapeutics以加速新药发现等q复星医药将向英矽智能提供股权投资192022 LeadL400-072-5588互联网头部企业来源：头豹研究院 近年来国内外互联网头部企业相继通过对AI制药初创企业进行投资、自主研发建立AI制药平台和与外部机构合作研发AI制药项目的方式进入市场，利用自身在算法和算力上的优势推动AI制药领域的快速发展图表10：部分互联网头部企业在AI制药领域的布局市场进入方式企业AI制药领域相关布局投资AI初创企业腾讯在2015年和2018年参与了晶泰科技的A及B轮融资，目前晶泰科技已成为国内AI制药头部企业自主研发建立AI制药平台腾讯开发的AI驱动临床前新药研发开放平台“云深智药”，是基于腾讯AI Lab自主研发的深度学习算法，同时提供数据库和云计算支持，主要功能有蛋白质结构预测、虚拟筛选、分子生成、ADMET预测和合成路线规划华为开发的华为云“EIHealth“，基于华为云AI和大数据技术优势，为基因组分析、药物研发、临床研究三个领域提供专业AI研发平台字节跳动成立了专门负责大健康业务的极光部门，其AI Lab部门正在北京、上海、美国加州三地招揽AI制药领域的人才，或有进行AI制药平台自主研发的计划谷歌母公司Alphabet成立AI制药公司Isomorphic Laboratories，旨在运用AI技术加速生物医学突破并找到治疗疾病的新方法百图生科BioMap是生物计算引擎驱动的创新药物研发平台，将先进AI技术与前沿生物技术相结合，构建独特的靶点挖掘及药物设计能力，开发创新药物与外部机构合作研发AI制药项目阿里巴巴旗下阿里云与全球健康药物研发中心合作，开发AI药物研发和大数据平台，针对SARS/MERS等冠状病毒的药物研发进行数据挖掘平安科技研究院与清华大学联合在计算生物学顶刊BIB上发表论文，首次公开了用于药物发现的分子预训练模型微软与诺华合作，共建AI创新实验室，以加速药物研发进程；与UCB战略合作，将自己的计算服务、云和AI与UCB的药物发现和开发能力相结合，开发口服抗新冠病毒药物q当前互联网头部企业在AI制药领域的研究主要集中在新药研发环节q互联网头部企业在AI制药领域所必须的数据库、云计算等AI技术领域较AI制药初创企业和大型药企而言拥有得天独厚的优势，近年来国内外互联网巨头相继对AI制药领域展开布局，其进入市场的方式主要有对AI初创企业进行投资、自主研发建立AI制药平台及与外部机构合作研发AI制药项目三种q在本土互联网头部企业中，腾讯、华为、百度均已开发出AI制药平台，字节跳动或有相关平台自主研发的计划；阿里云则是与全球健康药物研发中心合作开发AI药物研发和大数据平台q预计未来互联网巨头在AI制药领域的活跃度和渗透率将更高，利用自身在算法和算力上的优势持续推动该领域发展202022 LeadL400-072-5588AI制药初创企业图表11：2021-2022Q1全球十大开展大型AI制药项目的AI初创企业来源：Deep Pharma Intelligence、头豹研究院 当前AI制药初创企业作为核心主体，通常利用自身的AI技术优势进入制药场景中的一个或多个环节，通过与药企、医院、实验室等外部机构合作，利用获取的差异性公开数据训练模型，优化制药流程，提高研发效率q根据Deep Pharma Intelligence的数据，全球范围内，在2021年-2022年第一季度开展大型AI制药项目的前十大AI初创企业中，英矽智能和Atomwise位列第一，其中英矽智能达成了最大的一项AI药物发现合作，即与复星医药针对四个指定靶点以AI技术开展药物研发和QPCTL项目的合作qAI制药初创企业通常利用自身的AI技术优势切入制药场景中的一个或多个环节，一般以与大型药企合作的形式进入市场q目前AI制药初创企业的商业能力主要体现在两个方面，一是AI技术服务的能力，技术优势越明显，越能获得大型企业合作方的青睐；二是自研管线，转型为创新型研发中心或药企后进一步扩大行业领先优势图表12：近年部分AI制药初创企业与大型药企的合作项目单位：项776655554412345678910近年来，越来越多的在AI制药领域有所布局的传统药企和CRO企业选择与头部AI制药初创企业合作，旨在最大程度节省研发成本，利用双方优势提升新药研发效率AI制药初创企业市场其他主体项目多靶点合作协议，利用Reverie技术平台对多个激酶抑制剂发现项目进行虚拟筛选加快药物的发现，开发和试验的速度利用Insilico的AI药物靶点发现平台Pandomics为许多疾病潜在治疗靶点的开发寻找真实世界证据在肿瘤疗法开发中使用AI和真实世界数据寻找在研肿瘤药物潜在的新适应症AI辅助抗体选择心血管疾病靶点研究利用深度学习技术对现有药物进行扫描、重新设计，应对旧的及新的适应症寻找用于治疗糖尿病及其合并症等代谢性疾病的双特异性小分子药物212022 LeadL400-072-5588第三部分：中国AI制药行业驱动因素主要观点：p 近年来，国家相继出台一系列政策，旨在推动人工智能领域和制药领域的创新发展，重点推进智能制造，加大创新药物研发投入，鼓励将人工智能等新一代信息技术赋能医药研发，为AI制药行业兴起奠定基础p 从全球角度或中国范围来看，近六年AI制药领域的投融资金额整体呈上升趋势，受全球疫情形势影响以及AI应用技术的成熟，未来或将有更多的资本涌入该市场，助力AI制药尤其是药物研发领域的迅速发展p AI技术是AI制药领域的核心内容，其在制药流程内参与的环节越多、在各环节中渗透的程度越高，药物研发的效率越高；近年来AI技术的不断突破助力AI制药行业的快速发展222022 LeadL400-072-5588宏观政策利好AI制药相关领域 近年来，国家相继出台一系列政策，旨在推动人工智能领域和制药领域的创新发展，重点推进智能制造，加大创新药物研发投入，鼓励将人工智能等新一代信息技术赋能医药研发，为AI制药行业兴起奠定基础来源：工信部官网、发改委官网、头豹研究院图表13：部分AI制药领域相关政策q国家多个“规划”和“行动计划”中要求推动智能化制造发展，鼓励大型企业加大5G、大数据、人工智能等数字化技术应用力度，强调科技前沿技术攻关，有利于人工智能领域的深入发展，为相关企业AI技术研发的进一步突破创造良好的政策环境q“十四五”医药工业发展规划中指出要“坚持创新引领”，与“十三五”规划中提到的“坚持创新驱动”不同，是对医药工业创新研发的进一步转型要求，实质是从“Me-too”、“Fast follow”向“First-in-class”的转变，在复杂的国际形势下，通过鼓励创新研发投入、AI先进技术赋能，调动制药领域创新的积极性和资本市场热度q此外，中国于2018年通过并开始实行药品集采制度，至今已进行至第七轮带量采购，进一步压缩了仿制药的利润空间，部分企业必须考虑由仿制药生产向创新药研发转变政策相关内容“十四五”规划q加深化医药卫生体制改革，完善创新药物、疫苗、医疗器械等快速审评审批机制q新一代人工智能，前沿基础理论突破，深度学习框架等开源算法平台构建，学习推理与决策、图像图形、语音视频、自然语言识别处理等领域创新q加强建设包括大数据、云计算、人工智能、物联网等在内的数字经济重点产业“十四五”医药工业发展规划q要大力推动创新产品研发，推动企业围绕尚未满足的临床需求，加大投入力度，开展创新产品的开发；支持企业立足本土资源和优势，面向全球市场，紧盯新靶点、新机制药物开展研发布局，积极引领创新q以新一代信息技术赋能医药研发，探索人工智能、云计算、大数据等技术在研发领域的应用，通过对生物学数据挖掘分析、模拟计算，提升新靶点和新药物的发现效率；在实验动物模型构建、药物设计、药理药效研究、临床试验、数据分析等环节加强信息技术应用，缩短研发周期、降低研发成本。推进健康医疗大数据的开发应用和整合共享，探索建立统一的临床大数据平台，为创新药研发及临床研究提供有力支撑q推动医药工业高端化、智能化和绿色化发展，促进互联网、大数据、区块链、人工智能等新一代信息技术和制造体系融合，提高全行业质量效益和核心竞争力工业互联网创新发展行动计划（2021-2023年）q推动智能化制造发展；鼓励大型企业加大5G、大数据、人工智能等数字化技术应用力度，全面提升研发设计、工艺仿真、生产制造、设备管理、产品检测等智能化水平，实现全流程动态优化和精准决策232022 LeadL400-072-5588AI制药市场投融资热度不断上升 从全球角度或中国范围来看，近六年AI制药领域的投融资金额整体呈上升趋势，受全球疫情形势影响以及AI应用技术的成熟，未来或将有更多的资本涌入该市场，助力AI制药尤其是药物研发领域的迅速发展图表14：2016-2021年全球AI制药药物发现领域投资金额图表16：2016-2021年中国AI制药初创企业融资金额来源：Deep Pharma Intelligence、智研咨询、头豹研究院q全球范围内，自2016年以来，AI制药药物发现领域的投资金融整体呈上升态势；2019年全球资本市场对AI医疗热度减退，投资金额大幅缩水，2020年受疫情影响，AI医疗尤其是药物研发领域重新获得投资者关注，全球AI制药药物发现领域的投资金额较上年增长约71.5%，该数字至2021年再创新高，达到127.3亿美元q与全球AI制药药物研发发展趋势类似，2016-2021年的中国AI制药初创企业融资金额整体呈上升态势，2021年达到约12.4亿美元q在2021年全球AI制药药物发现领域融资前十的企业中，晶泰科技作为中国本土AI制药初创企业以7.9亿美元的融资金额位列第5；本土创新药企再鼎医药则在2021年与Schrdinger展开了一项肿瘤候选药物的研发及商业化合作，截止2021年底累积获得16.6亿美元的融资3.423.362.527.447.0127.3201620172018201920202021单位：美元 亿元图表15：2021年全球AI制药药物发现领域融资前十企业单位：美元 亿元5.76.16.67.47.57.910.715.916.620.912345678910单位：美元 亿元1.60.31.11.04.712.4201620172018201920202021242022 LeadL400-072-5588AI技术的突破为赋能制药领域创造条件 AI技术是AI制药领域的核心内容，其在制药流程内参与的环节越多、在各环节中渗透的程度越高，药物研发的效率越高；近年来AI技术的不断突破助力AI制药行业的快速发展图表17：AI技术在制药流程中的主要赋能场景及典型企业来源：火石创造、头豹研究院AI技术主要赋能场景典型企业相关技