关键提示：

1.沈志耀的AI产品布局、商业化进程怎么样？

产业链上的其他玩家有哪些？

中国AI新药研发的机遇和困难。

36氪获悉，AI新药开发企业Deep Intelligent Pharma获得了近1500万美元的B轮融资、红杉在中国的独家投资。创始人兼CEO李成表示，此次融资将主要用于AI医药研发领域的产品开发和业务拓展。之前从实际基金获得了数百万美元的FRE-A轮融资，之后又获得了实际基金A轮追加投资。

利用AI提供新药开发的全过程：从早期开发到上市

众所周知，良药的诞生是“十年磨刀”。临床前期研究(药物靶标的确认化合物的生成活性化合物的筛选)；临床研究(第一阶段第二阶段第三阶段)；包括上市批准(新药申请上市)周期长、成功率低、成本高等方面。辉瑞等国际一流生物制药公司至少需要数十亿美元、10年左右才能成功开发和推出新药。

制药公司R & ampD涉及大大小小的数百个系统，成本很高，但需要大量人力来完成文献审阅、文献下载、翻译、报告编写、格式化、数据输入等琐碎任务。此外，信息孤岛严重，多个部门经常发生重复性工作。李成说：“目前制药行业处于人流战术阶段，完全没有进行智能化管理。”

据悉，该公司在AI驱动的药物合成、药物设计、药物活性预测等早期研发阶段，陆续推出了围绕“使药物开发更加高效”的各种产品原型。临床研究阶段涵盖新药开发全过程的关键节点，包括AI驱动药物预警系统、注册交易系统、翻译平台编写、临床数据编程系统等。

照片由团队提供

商业路径：利用市场培育研发。

据李成透露，该公司目前拥有前10家跨国制药企业、国内一线制药企业、国内中小企业等50多家合作客户，合作方式包括SaaS服务、本地布局、外包服务、战略咨询等。她是其他AI药物研发专家；与D公司的业务路径不同，深度智尧通过《市长/市场颁布研发》——，在满足市长/市场需求的前提下，迅速进入商业，成为其他产品线的研发amp强调支持d和产品迭代。

因此，在产品商业化方面，李成告诉36氪，目前智能药品安全警戒系统、注册申报翻译正在市场化，AI驱动的早期药物发现平台及AI辅助有机合成系统(化学合成和工艺改进)将于今年11月进入商业化阶段。

AI药物警报系统(Deep-PV):实时、全过程、全数据源支持制药企业临床研究和上市后的安全监控、风险预测。特别是，可以实现基于NLP技术的药物不良反应/不良事件报告的快速机械化无人化收集、翻译、编码、评价、评价和多渠道提交管理机构。通过对积累所有案例报告的安全数据库进行实时数据挖掘，发现了可疑的安全信号。自动化各种安全报告/文件(如PSUR/DSUR)的生成。

AI自动翻译写举报系统：写——联合写检讨平台通过生成一个草稿按钮，多人共同完成工作，使科学作文流畅。翻译——多语言综合医学翻译解决方案通过人机交互翻译平台、先进的医学翻译服务，解决研发过程中的语言障碍。申报——新一代法规申报信息管理平台通过一键式格式恢复、超高速电子文档组装发布、自动优化申报路径等系统功能，加快申报速度。在传统医学研究开发中，写作-翻译-申报相互割裂，前两个几乎没有系统支持，注册系统的智能化程度低，深度智尧打通了三个部分，通过AI提高了效率。

在市长/市场布局上，考虑到医药信息化的市长/市场成熟度，李成表示，沈志耀早期锁定了中国、北美和日本，今后将逐步向世界扩张。

技术和产业共同主导AI药物开发的爆发。

如前所述，随着AI等相关技术的出现，药物开发行业正在以“智能”的方式推进。TechEmergence的研究表明，AI将新药开发成功率从12%提高到14%，为整个生物制药行业节省了数十亿美元，同时节省了大量研发时间。

随着AI技术进入商业化落地的爆发期，中国整个医药行业逐渐依靠“新药研发”和“原研究药”，AI新药开发也达到了爆发节点。

国内已有初创公司分别在药物开发的各个环节寻求突破，随着药物研发过程的推进，前后都有以目标和生物标记筛选为重点的百回生物(获得IDG英数千万元天使投资)。开发抗病毒领域虚拟药物筛选分子对接工具的智能药物技术(今年7月天使轮融资)和利用AI筛选生物药物的冰锡生物技术(去年12月新融资)。包括以结晶型预测为重点的正泰技术(今年1月完成1500万美元B轮融资)临床试验为重点的零氪技术等。

沈志尧率先进入新药研究开发的两端，用AI加快了早期药物发现和药物临床研究。李成表示，未来大家的竞争要素主要在于产品质量、落地速度和价格。从市场化进程和产品布局来看，沈志耀已经是国内AI药物开发赛道的第一梯队。

国外除了Atomwise、Benevolen之类的。

tAI、Insilico Medicine（药明康德参与投资）等知名创业公司，近两年，辉瑞、GSK、强生、罗氏等巨头也在AI+制药领域的动作频出。譬如辉瑞在2016年就与 IBM Watson Health达成合作，将Watson的AI技术用于其研发新型抗癌药。

机会和挑战

从市场层面来看，AI+其他医疗方向（譬如“AI+医疗影像”）一般要在院内销售产品，它们在大规模落地应用之前，要进行临床实验并申请CFDA或FDA注册，获得盈利的周期很长；而AI+制药的目标客户是药企，不涉及资质问题，商业化路径往往更清晰；此外，中国特有的商业风险和政策风险在新药研发上的影响相较影像小得多；最后，新药研发的科学性和逻辑性更强，对技术要求更高，利于参与者通过技术建立有效壁垒。

也就是说，AI+制药的机会很大但技术门槛高，不会像AI医疗影像一般快速形成竞争红海和遇到商业瓶颈。这个意味着，这一赛道的竞争格局会相对明朗：技术+商业化速度会构建起参与者的护城河。

不过李星也强调，药物研发流程涉及约20个功能模块，即使是某个模块的专家对其它模块业务也只能了解大概，尤其“制药还是离IT和互联网非常远的行业”，这造成了AI医药研发赛道当前的最大挑战——医药专家和AI工程师的有效融合，或者说“行业+技术”跨界人才的获取。她表示，“深度智耀的人才结构已十分完备，医药专家已有部分成功转型为AI产品经理、数据挖掘，或AI教练。”

至于难点，除了前文所述的市场竞争和人才吸纳；作为药物发现工具，AI需要数据集才能进行培训。而国内创新药研发起步较晚，与国外相比，对于优质数据的积累还有一定距离；另外生物学发展、法律监管等都可能成为其发展过程中的挑战。

关于团队

团队方面，创始人兼CEO李星毕业于北大药学院，先后在辉瑞、赛诺菲、强生等跨国药企的新药研发部门就职超过12年，曾主导强生在亚太地区的首个AI项目——基于神经网络的注册申报资料机器翻译引擎。其它核心团队成员均具备跨国500强医药企业研发以及BAT等顶级互联网企业的背景。目前整个团队近百人，AI人才和新药研发人才各占一半。