近一半創始人出自高校,清北佔領“半壁江山”,AI+新藥領域的人才從哪...

圖片來源@視覺中國

文 | 動脈新醫藥

2021年下半年,全球醫藥投資進入至暗時刻,國內絕大多數上市的Biotech企業的股價都出現了50%以上的回撥,進入業內人士所稱的“資本寒冬”。

AI+新藥在資本寒冬中難得“堅挺”,“逆流而上”甚至拉高了當下醫藥板塊的整體表現。

據動脈橙產業智庫不完全統計,

2021年,全球AI+新藥領域的融資表現再創新高——融資事件達83起,融資總額達46.13億美元。步入2022上半年,全球AI+新藥融資市場繼續延續火熱發展態勢

——據智藥局不完全統計,2022年上半年全球AI+新藥市場累計發生75起融資事件,融資總額逼近40億美元。無論是融資事件數還是融資總額,上半年全球AI+新藥領域市場表現已經逼近2021年全年的市場表現。

在AI+新藥行業的這一關鍵發展時段,蛋殼研究院繼續對該領域進行了深入研究,透過對近20位AI+新藥行業資深人士進行深度訪談以及充分的案頭研究,製作了《2022 AI+新藥研發行業研究報告》,以期更準確地描繪出AI+新藥研發行業當下的發展真態。

在整理國內

16家

高校/科研機構累計

47個

課題組的科研及成果轉化情況時,我們發現:

▶ 切入AI+新藥領域進行研究的課題組,以藥學、化學、生物學和生命科學這些藥物研發相關方向的課題組居多、而人工智慧課題組切入AI+新藥領域的目前相對較少。

▶ 在國內AI+新藥團隊中,將近一半的團隊都是高校/科研機構背景出身。國內AI+新藥領域的科研成果轉化率達到了

25.5%

,大幅超過了當前我國科研成果的整體轉化率

15%

▶ 在由國內高校/科研機構背景團隊組成的AI+新藥創始人團隊中,僅

清華、北大

這兩所高校背景的團隊,就佔領了AI+新藥創始人軍團的“半壁江山”。

為什麼切入AI+新藥領域進行研究的課題組以藥物研發背景為主,但人工智慧課題組切入AI+新藥領域並不多?AI+新藥領域高校/科研機構背景出身的初創團隊比例為何如此高?AI+新藥領域的科研成果轉化成功率相比其他領域更高是什麼原因?為什麼清華、北大這兩所高校在AI+新藥領域科研成果轉化事業中表現的最為出色?還有哪些院校也交出了值得借鑑的答卷?

動脈新醫藥與多位行業人士一起聊了聊以上話題。

01

選擇涉足AI+新藥領域的課題組大多是藥學、生物化學、計算生物學、物理化學、生物學等藥物研發相關方向的課題組,這部分課題組佔所有AI+新藥課題組數量的78。7%,而人工智慧課題組切入AI+新藥領域的目前相對較少,僅佔21。3%左右。

業內人士認為,出現該現象主要有兩方面原因。

一方面,人工智慧經歷了“技術驅動”和“資料驅動”階段,現在已經進入“場景驅動”階段,開始深入落地到各行業中解決不同場景的問題。

從應用成熟度來看,人工智慧在安防、零售、物聯網、金融等領域的成熟度非常高;從應用火熱程度來看,人工智慧在在保護人類免受網路安全威脅、創造元宇宙以及在自動駕駛等場景都發展的非常火熱。

01

“從人工智慧的角度看,可以應用、發展的領域方向太多了,不一定非要往醫療領域鑽。”一位剛剛拿到人工智慧視覺演算法博士學位的畢業生如是說。

另外,醫藥行業較高的專業壁壘成為限制AI領域人才進入的又一個因素——製藥領域面臨眾所周知的“三座大山”:投入成本大、投入週期長、投入風險高。開發一種新藥通常需要10-15年,成本高達28億美元,而80-90%在臨床上遭遇失敗。

“生命現象太過複雜,生命科學領域相關機制並不清晰,當前還面臨著諸多未能解決的難題。”英飛智藥藥物化學總監郝天龍表示,除非是強烈的興趣驅動,否則很少有人會跨領域進行生命科學領域進行科學研究。

醫療行業對於AI領域的人才而言,只是市場潛力巨大的場景之一。

然而對於身處其中的製藥人而言,AI+新藥是行業未來的大勢所趨。跨入AI+新藥的研究是順時而為。

這主要歸結於製藥行業當下面臨的“反摩爾定律(Eroom’s Law)”困境——自1950年以來,每10億美元研發投入獲得批准的新藥數量幾乎每9年減少一半,該趨勢在60年間非常穩定,被稱為是製藥行業的反摩爾定律。

此外,隨著全社會在數字化、資訊化上的快速推進、藥物研發裝置的升級和長期的積累,可用的藥物研發資料越來越多,以至於在一定時間範圍內無法使用常規方法和軟體工具分析和處理所有資料。製藥企業正在經歷數字化轉型,大量的資料正在不斷地產生,而傳統的統計學在浩瀚的大資料面前越來越力不從心。

於是,

“相比在其他相關機制已經研究十分透徹、行業標準相對清晰的領域而言,AI在生命科學領域的切入會有更多的不確定性。”

而本質是資料驅動從而進行歸納、學習和創造的AI成為破解資料困境的潛力解決方案。

AI被看作是破解制藥行業反摩爾定律的關鍵武器,

在國內現有的AI+新藥團隊中,將近一半的團隊都是高校/科研機構背景出身。AI+新藥領域的成果轉化率(25。5%),大幅超過了當前我國科研成果的整體轉化率(15%)。原因何在?

02

其中,海外高校/科研機構背景出身的AI+新藥團隊有13家,國內高校/科研機構背景出身的AI+新藥團隊有22家。

在國內高校/科研機構背景出身的AI+新藥團隊中,有12家屬於高校/科研機構的成果轉化,因此國內AI+新藥領域的科研成果轉化率約為

02

,是當前國內目前平均科研成果轉化率(

經動脈新醫藥不完全統計,在國內71家AI+新藥企業中,高校/科研機構背景出身的AI+新藥團隊佔國內所有AI+新藥團隊數量的49.3%。

)的

25.5%

倍。

包括曾堅陽、許錦波、彭健、謝正偉、裴劍鋒、馬麗佳、郭天南、楊勝勇、張春明、洪亮、雲彩紅在內的多位國內高校教授透過自主創業或者將智慧財產權授權的方式將科研成果成功產業化,分別落地為燧坤智慧、分子之心、華深智藥、億藥科技、英飛智藥、雲谷智藥、西湖歐米、奧睿藥業、哲源科技、天鶩科技、紅雲生物等AI+新藥企業。

AI+新藥領域科研成果轉化率高的背後,是不是AI+新藥領域相比其他領域在成果轉化這項工作上做的更好?部分產業人士並不認同這一說法。

一位不具名的產業人士告訴動脈新醫藥,“AI+新藥人才領域的轉化率比較高只是表面現象,更深層次的原因在於這個領域發展還不太成熟。”

他認為,

15%

“除了原先研究CADD的部分人才加入到AIDD的隊伍中來,產業界其他領域的人才能夠向AIDD匯聚的並不多。反而因為政策支援,高校積累了較多這方面的基礎研究

1.7

產業界發展不成熟、相關人才較少,於是更多的創業團隊從高校中被培養出來,才造成了行業表面上看起來AI+新藥領域科研成果轉化率的假象。

也有產業人士略持不同意見。一位不具名的投資人認為,AI+新藥是醫藥行業未來的大勢所趨,無論是產業界還是科研界都會大力培養人才、推動成果落地以促進行業快速發展。“恰恰因為AI+新藥領域新、未來有廣闊發展前景,潛藏著大量科研寶藏,因此對於科研界而言,一是會刺激研究員積極開展這方面的研究,推動成果落地;二是部分高校在AI+新藥領域也會給到更多支援。這些因素都刺激了AI+新藥領域的科研成果轉化。”

動脈新醫藥則注意到,以上

和合成生物學領域一樣,AI+新藥產業發展時間較短,產業界並沒有太多直接相關的人才,需要從源頭(科研界)培養,

。”

——2018年,AI+新藥行業進入概念驗證初期,最早一批AI+新藥企業陸續開始獲得臨床前候選藥物一類驗證性成果,刺激行業發展;2020、2021年,包括Exscientia、Relay、Recursion、英矽智慧等在內的多家AI+新藥公司紛紛宣佈自家AI藥物步入臨床,包括薛定諤、Exscientia在內的多家AI+新藥企業順利奔赴二級市場,包括谷歌、騰訊、百度在內的數家科技網際網路巨頭相繼宣佈進場AI+新藥……這在一定程度上說明了行業火熱發展本身對成果落地的刺激。

國內高校/科研機構教授領銜/參與建立AI+新藥初創企業的時間段主要集中在三個節點:2018年、2020年、2021年,

在由國內高校/科研機構背景團隊組成的AI+新藥創始人團隊中,僅北大、清華這兩所高校背景的團隊,就佔領了AI+新藥創始人軍團的“半壁江山”……

這幾年恰好是國內AI+新藥行業發展極具代表性的幾個時間點

其中,北京大學開展了

03

個AI+新藥相關的課題研究,孵化出了包括英飛智藥、紅雲生物、億藥科技等3家AI+新藥企業;清華大學開展了8個AI+新藥相關的課題研究,孵化出了包括華深智藥、分子之心、燧坤智慧等3家AI+新藥企業。

另外包括中科院、西湖大學在內的高校/科研機構也表現的非常不錯,各孵化出兩家AI+新藥初創企業。

除上文提到的一些來自行業的宏觀影響,以上高校/科研機構在AI+新藥領域成果轉化方面表現優異,秘訣何在?

業內人士指出,

03

包括清華、北大、中科院、西湖大學等在內的院校/科研機構顯然都建立起了相對完善的成果轉化體系和組織政策,是國內科研成果轉化的典型院校/機構。

為大力支援和驅動前端原始創新、高階“硬技術”創新以及引導高階科研成果孵化,2020年11月,

從國內16家高校/科研機構開展的47個相關課題研究和企業孵化情況來看,可以發現,北大、清華這兩所學校/科研機構表現的最為突出,各孵化出三家AI+新藥初創企業。

科技成果轉化基金宣佈募整合立。2021年1月,“元培基金”也順利組建完成。為進一步加強智慧財產權資訊化建設,北大在建立完整的智慧財產權管理體系之外,還積極探索引進資訊化手段,建設了“科技成果評估與管理系統”,以高效覆蓋北大智慧財產權保護和成果轉化活動的全流程管理。

眾所周知,

11

科研經費常年位居國內高校第一。清華大學已經出臺了近11項促進成果轉化的相關政策,形成了一套完備的政策體系;此外,清華大學積極擁抱產業界和各級地方政府、推進產學研一體化大融合,設立了許多研究院透過推動技術二次開發、孵化企業等方式積極進行成果轉化。

跟科研成果轉化緊密相關的,主要在於背後的成果轉化體系和組織政策。

近年來一直都在探索科技成果轉化新模式,早在2017年9月就啟動成立了中國科學院科技成果轉移轉化母基金,期望引導社會資源解決中科院成果轉化的問題;

北京大學

自不必說,由著名科研成果轉化專家許田教授親自坐鎮副校長職位,直接為該校帶去了超20年全球科研和成果轉化方面的經驗。

總的來說,我們認為,

清華大學

可見對於想進行成果轉化的科學家而言,

中科院

國內相關立法其實有提及學校與專利發明人(科技成果完成人/課題負責人)之間的權益劃分,但並未明確劃分它們之間科研成果收益的具體比例,因此落到每個學校的執行層面就各不相同。

靈活的成果轉化機制、開發支援的態度是有意願進行科研成果轉化的科研人員十分看重的兩點因素。

以中科院為例,中科院(計算技術研究所)的成果轉化機制成熟,會給有意願進行科研成果轉化的科研人員充分的選擇權——無論是辭職投身產業界創業,還是身兼多職進行成果轉化,所裡都非常支援和開放。在開放支援的成果轉化氛圍下,這些年中科院計算所成功孵化了包括聯想、曙光、寒武紀、龍芯等一系列上市公司。

但中科院的做法並不具有普遍性,

西湖大學

當然,

清晰的智慧財產權劃分體系、靈活的成果轉化機制以及開發支援的態度這三點因素對於推動成果轉化最為關鍵。

可以看到,以上科研成果轉化和高校/科研機構開展AI+新藥課題研究具有很大的正相關性。

“不論是從企業的角度來看,還是從投資人的角度來看,具有較好理論背景支撐、而且具有一些成功案例的相關研究,轉化的成功率會更高,大家的信心也會更強。”英飛智藥郝天龍表示。比如英飛智藥團隊核心成員是國內最早一批從事AI+藥物設計的交叉學術團隊,擁有超25年的CADD+AIDD技術積累。在創業前,核心團隊就已經有轉讓First-in-Class候選藥品種的成功經驗。

“由於AI+新藥交叉學科下高研究壁壘的存在,能夠從科研界跨界出來創業,帶頭人一般都是這個領域的領軍人物,或者是很具備話語權和經驗豐富的專家,其帶領的團隊能力毋庸置疑,基本可以實現成員間能力互補,且具有很強的工作默契。如果能在產業界找到與其科研能力進行互補的產業團隊,團隊獲取成功就會容易很多。”

哲源科技聯合創始人趙宇指出,哲源科技就是這樣一個帶頭人在行業具備話語權、且核心團隊成員能力互補的典型團隊,形成了交叉學科“總師”,這一點在全球也非常難得。哲源科技創始人、中科院計算所副研究員張春明教授擁有超過十年的資訊和生命的交叉工作經驗;公司聯合創始人牛鋼博士擔任圖靈·達爾文實驗室主任,曾經主持分析了世界上最大的肝癌PDC資料專案;趙宇本人擔任COO,他曾在微醫擔任負責市場及戰略的副總裁,多年深耕“網際網路+醫療”領域,具有非常開闊的行業視野及豐富的產業界經驗。

一個落實到紙面上的清晰的轉化路徑——用什麼樣的價格、什麼樣的方式,在什麼樣的時間內能夠迅速地license-out或者創立公司十分重要。

人才問題是當前AI+新藥領域面臨的核心問題之一。作為一個多學科交叉的複合領域,AI+新藥行業複合型人才稀缺問題一定程度上限制了該行業的發展。即使目前產業界、學業界都在努力尋求各種解決方案,但由於人工智慧和藥物研發兩個領域之間的專業壁壘較高、複合型人才培養困難,AI人才和藥物研發人才的融合同樣需要一定時間,因此複合型人才稀缺並不是短期內可以得到充分解決的問題。

因此對於AI+新藥行業而言,要想加快解決人才問題,不僅僅是需要企業在招募方面下功夫以及科研界加強人才培養,更需要企業在人才管理培養制度方面進行探索,瞭解如何透過規範制度培養複合型人才、哪些崗位真正需要複合型人才,如何在這些崗位充分發揮稀缺複合型人才的作用。

頂部