ARTICLE · 1100200
算得了代码算不了人体,AI制药撞墙了?
最近做AI和做药的这两个圈子，被一条融资金额给炸开锅了。
字节跳动孵化出来的AI制药公司新生命实验室，拿到了一笔将近3亿美元的融资，公司估值直接被推到了15亿美元。
给钱的机构全是一线大牌，红杉、IDG、高瓴、五源一个没少。
这还只是冰山一角。放眼看去，互联网和科技巨头往药厂里挤，已经选好了两条不一样的路。
科技巨头的两条路线
第一条路，是科技巨头亲自下场当药厂。
从算法做起，自己挑靶点、自己设计药物分子，一路推进到临床试验。
像谷歌母公司拆分出来的AI制药公司，今年一笔就融了21亿美元，走的也是这条路。
第二条路，是做卖铲人。
像OpenAI和英伟达，自己不去试药、不承担临床失败的风险，而是开发专用的生命科学大模型，或者输出超强算力，卖给各大传统药企用。
放在过去，做新药那是辉瑞、罗氏这些老牌药企的主场，科技公司顶多帮着做点数据统计。
现在的变化是，手握大模型的互联网巨头跑到了产业最上游去挑大梁，传统药企反而排着队买对方的算法和算力。
这个角色互换，在几年前根本不可想象。
“双十定律”与早期的高光
很多资本也是带着这种乐观冲进来的。
但在药学专家眼里，做药的算账逻辑完全不是这么一回事。
业内一直有个公开的规律，叫做“双十定律”。
意思是研发一款全新的合格新药，平均要花上十年时间，砸进去十亿美元。
这里面花钱和费时间的地方，其实分为截然不同的前后两半场。
前半场叫早期药物发现。
研究人员要在成千上万个化合物里去挑，看哪一个能精准抓到导致疾病的靶点，把病灶堵住。
过去这步极其消耗人工，研究人员要在实验室里试过无数个试管，可能花上三五年才挑出几个候选者。
AI在这半场的效率确实高得惊人。
算法在电脑里跑一遍，几天时间就能筛选出几百万个分子结构，还能预测它们怎么跟人体蛋白质结合。
很多机构做过统计，在临床前的早期分子筛选阶段，AI设计的分子拿到临床一期，成功率可以高达八九成，比传统人工筛选高出整整一大截。
后半场的硬墙：极其复杂的人体
一期试验主要看药物有没有毒性，只要毒性不过界就能通关。
二期试验要放到真正有病的患者身上去验证疗效，这个阶段的成功率，AI设计的分子直接掉到了四成左右。
原因极其简单。
电脑里模拟得再完美，人体也是世界上极其复杂的系统。
一个分子进去，血液怎么流动？
肝脏怎么代谢？
免疫系统会出什么反应？
不同患者的基因差异带来什么变化？
这些复杂的生物学机制，目前的算法根本无法完全算出来。
试管里的成功，算不上最终的成功。
真正的金钱黑洞在临床
在整个研发周期里，前期筛选分子虽然烦琐，花的钱其实只占总预算的超小一部分。
真正大头全砸在后半场的人体临床上。
几百上千个病人参与二期、三期试验，医院的检测费用、临床监查费用、患者补偿费用，每一笔都是实打实的现金支出。
AI能在前半场帮企业节省几个月时间，或者省下几百万美元。
可一旦这个分子进入人体临床，二期试验效果不好，或者三期出了严重毒副作用，前面所有的努力和投进去的几亿美元现金，就会在一夜之间彻底归零。
资本退潮与传统药企的手牌
大量的AI制药企业，账上烧着几亿几亿的融资，手上拿出来的成果却全停在实验室或者临床早期。
前几年资本市场钱多的时候，靠着“AI概念加上早期数据亮眼”，公司就能不断拿到新一轮融资。
但现在投资人看账本看得很细。
大家发现光会画漂亮的分子结构图卖不上价，能真正走完人体临床把药卖出去才是硬道理。
这就导致那些只靠买几张显卡、招几个程序员就想颠覆传统药企的小团队，账上的钱快要扛不住了。
支撑大家硬扛的资金环境和预期发生了根本改变。
过去大家赌的是AI几年内就能造出神药，现在大家清醒地认识到，生物学本身的规律无法被算法硬生生抹平。
在这个阶段，传统药企看似落后，手里的牌其实张张不好打败。
老牌药企手上有积累了几十年的真实临床患者数据，有全套熟练的人体临床试验推进队伍，更有遍布全球的审批经验和销售渠道。
这些东西，全都是纯靠代码敲不出来的硬功夫。
回归药的本质：行业的分水岭
一方面，纯卖算法和模型的科技巨头会越来越像基础设施供应商。
就像当年淘金热里卖铲子的人一样，把算力和大模型卖给传统药企，收固定的软件服务费或者技术授权费，把临床失败的风险甩在外面。
另一方面，留在场上的AI药企，必须把自己的手脚伸进实验室和临床医院里去。
光有电脑跑代码不行，必须形成闭环。
在电脑里预测，去实验室验证，再把验证出来的数据喂回给模型，不断修正大模型的生物学认知。
对于那些手握大量资金和患者数据的传统药企来说，接下来最合算的策略不是自己花大钱去从零开发大模型，而是顺水推舟去收购或者深度合作那些缺乏现金流的AI团队。
这场关于技术的狂欢过后，大家终究要回到药本身去算账。
新药能不能救人，能不能走完人体临床，始终是检验一切技术的硬指标。
www.baogaopai.com