早在 1981 年，美国《财富》杂志就对计算机辅助的药物发现进行了专题报道。到了 2000 年，利用机器人进行“高通量筛选”已经被用来快速测试数百万种化合物。
如今，擅长数据处理和分析的 AI 有了用武之地，不少医药企业也“尝到了 AI 的甜头”，AI 制药这条赛道也不断升温。
大致上，AI 制药可以分为三派：传统药企派、互联网巨头派、AI 创企派。
传统药企派以默沙东、赛诺菲等老牌厂商以及药明康德、凯莱英等 CRO 龙头为代表，他们的研发资金厚实、数据积累和项目经验无出其右；
互联网巨头派以腾讯的云深智药、百图生科、华为的医疗智能体 EIHealth 等为代表，在 AI 技术和生态构建能力上，他们的实力毋庸置疑；
AI 创企派各立山头，国内外均有拔尖选手。例如国外的 Exscientia、Atomwise，国内的晶泰科技、燧坤智能、英飞智药、宇道生物、西湖欧米等，学术背景强大、资历够深，资方的投入意志坚定。
归根结底，三大派系都是为了“更快”、“更好”、“更便宜”地造出新药。然而，由于各自的长短板不尽相同，未来 AI 制药格局的格局将极具故事性。
有着深厚历史沉淀的百年药企，并不守旧，AI 公司、云服务商是他们在 AI 制药上的主要合作对象。
上世纪 80 年代初，美国《财富》杂志曾对默克公司使用计算机技术设计药物进行了封面报道，并称这项技术为“下一次工业革命”。
据 2020 年 6 月发表于 Drug Discovery Today 杂志的文章显示，21 家头部跨国药企在 2014-2019 年共发表 398 篇与“AI 药物研发”相关的论文，同时启动了 73 项内部 AI 研发项目、61 项与外部 AI 公司合作的项目、以及 11 项投资/收购初创 AI 企业。
默沙东是这些药企中，最早与 AI 公司达成合作的之一，最早可以追溯到 2012 年。
2017 年，武田药业与加州圣布鲁诺的 Numerate 公司正式签约，利用 AI 技术寻找肿瘤学、胃肠病学和中枢神经系统疾病的小分子药物。
同年，赛诺菲与苏格兰 Exscientia 公司签署了一项潜在价值为 2.5 亿欧元（约 2.8 亿美金）的合作和许可交易，用于开发针对代谢疾病的双特异性小分子药物。Exscientia 有 AI 技术，赛诺菲则提供化学合成。
2019 年 6 月，赛诺菲宣布与谷歌合作，共建医疗创新实验室，谷歌将其 AI 和云计算能力引入与赛诺菲的合作中。
2019 年 10 月，诺华宣布成立 AI 创新实验室，并选择微软作为其 AI 战略和数据科学合作伙伴。诺华将微软的 AI 技术应用于整个药物研发过程，包括研究、临床试验、生产、运营等环节。
国内药企也是不遑多让。
2017 年，正大天晴引入阿里云的业务中台架构，利用互联网中间件技术能力，提升了药企的低成本创新和快速试错能力。
2019 年 9 月，豪森药业与 AI 制药明星公司 Atomwise 达成合作，在多个治疗领域针对 11 个未公开靶标设计和发现潜在的候选药物。
现阶段来看，多数药企与 AI 创业的合作案例，更多是停留在前期的药物研发阶段。值得注意的是，药品的临床试验也需要 AI 的帮助。
药企希望通过分析大量电子病历数据集，代替冗长而昂贵的患者临床试验来获得药品批准。例如，辉瑞、强生和安进公司，就向 FDA 提交数据挖掘分析以寻求获批新药或新的适应症。
总体来说，药企在 AI 制药中的地位，有点类似于医学影像 AI 行业中的医院。药企拥有可追溯至 20 世纪 80 年代的大型临床前数据集，这些数据集是药企数十年积累下来的心血，轻易不肯示人。
毕竟，在人工智能时代，数据才是王道。
所以，抛开与外部 AI 公司的合作，药企也在搭建自己的 AI 团队和业内生态，把握更多的话语权。
葛兰素史克是最早在内部创建 AI 部门的药企之一。
据外媒报道，截至 2019 年 7 月，葛兰素史克的 AI 团队约有 50 名。2019 年 12 月，其宣布将扩大 AI 团队的人数，计划到 2020 年增加 80 名。
另外，医药魔方对药企参与的 AI 制药联盟进行过统计，共有 16 家药企加入了至少 1 个联盟，占所有制药企业的 36%。
比较有名的联盟是 MELLODDY。
这个联盟的目标是建立一个机器学习平台，这样就可以从多组专有数据中学习，同时又能尊重它们的高度机密性，因为在整个项目中，数据和资产所有者将保留对其信息的控制权。
还有一个联盟 ——MLDPS，它的特征是与学术高校走得更近，其目标是打破麻省理工学院机器学习研究和药物发现研究之间的鸿沟 —— 将麻省理工学院的研究人员和产业界聚集在一起，从而找出并解决 AI 辅助药物研发中最重要的问题。
以“项目制”为特征的医药研发行业中，药企大鳄是当之无愧的 C 位，把握十足的主动性，极大程度上决定了 AI 制药公司的未来走向。
有创业机会的地方，就有 BAT 的身影。
习惯“买买买”的腾讯，早在 2015 年和 2018 年就参与晶泰科技的 A 及 B 轮融资，现在晶泰科技也成为国内 AI 制药领域的头部企业。
除了投资，腾讯也在自起炉灶。
2020 年 7 月 9 日，腾讯正式进军 AI + 新药研发，其开发的人工智能药物发现平台“云深智药”将向科研人员全面开放。
华为在医疗领域布局了华为云 EIHealth，基于华为云 AI 昇腾集群服务、华为云 ModelArts 一站式 AI 开发与管理平台的 AI 能力，集成了医药领域众多算法、工具、AI 模型和自动化流水线。
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，并针对 SARS/MERS 等冠状病毒的药物研发进行数据挖掘。
去年，字节跳动也成立了专门负责大健康业务的极光部门，AI Lab 位于北京、上海、美国三地的团队也被曝招揽 AI 制药领域人才。
平安科技研究院最近也晒出一个成果 —— 他们和清华大学联合在计算生物学顶刊 BIB 上发表了一篇论文，首次公开了用于药物发现的分子预训练模型。这个模型具有 5300 万参数，有点类似在 NLP 领域取得重大突破的 BERT 模型。
目前，平安 AskBob 智药平台已经与日本盐野义制药开展合作，在抗感染和中枢神经系统疾病领域以及阿兹海默症的药物重定向研发和抑郁症等方面进行合作。
从互联网派 AI 制药势力来看，它们的最大优势在于算力和算法，自身的短板在于对药物知识的深刻见解和人才队伍。
在以“暴力计算”为特征的 AI 技术加持下，辅以药企多年来的珍贵“数据池”，药企一旦与生态链丰富的互联网巨头牵头，未来的前景会非常可观。
2020 年，被称为 AI 制药的“元年”。
据健康界统计，国内目前从事 AI 药物研发的企业近 20 家，超半数企业成立时间主要集中在 2015-2018 年，融资轮次集中在 A、B 轮。
同时，受疫情等多方因素影响，2020 年，国内获得融资的 AI 药物研发企业有 8 家，包括望石智慧、晶泰科技、星药科技、冰洲石科技等，总额达 14.16 亿美元 —— 合人民币近百亿元。
在这样的融资力度下，AI 制药似乎成为了下一个“现象级”的创业赛道。
值得一提的是，现在的二级市场，有两支“AI 制药”概念股，Schrodinger 和 Relay Therapeutics 已分别于 2020 年 2 月和 7 月在纳斯达克上市。
其中，作为行业内第一家计算药物研发上市公司，Schrodinger 的股价从首发价 17 美元，一度涨到近百美元。
能有这样的股价表现，说明 AI 制药公司是有不少干货的。
今年 3 月，英矽智能宣布，在全球首次利用 AI 技术发现新机制特发性肺纤维化（IPF）药物新靶点，以及针对该靶点设计的全新化合物。
当然，与其他 AI 行业的同行一样，制药的最大难点也是数据。
目前，AI 制药企业主要依靠公开数据来进行模型训练，同时，通过合作的方式从药企、医院、CRO、实验室获得差异性数据。
英矽智能的 CEO AIex Zhavoronkov 就表示，AI 新药研发往往需要更多的试验数据，拥有顶尖水平的科学家才能获得合作伙伴关系，并让算法进一步优化。而中国本土的 AI 新药研发企业总是缺少创新，经常依赖于开源的东西来进行复制。
创立了亿药科技的谢正伟博士，也曾向《生辉》表示，一家 AI 制药公司的核心竞争力，主要体现在商业发展上，可以简单归结为两个指标：
第一个指标是做技术服务的能力，是否能拿到大公司的订单；
另一个指标是自研管线，是否有成为创新型研发中心以及未来成为药企的潜力。
从大公司拿订单，是现在 AI 制药公司走得比较多的路，也就是上文所说的“项目制”方式，这条路线较为传统，也是最为稳妥的一条路。
而一些 AI 制药公司在不断壮大后，也在往第二条道路走。例如，从晶泰科技孵化出的剂泰医药，就已经基于其专有的高通量 AI 制剂平台搭建制剂新药管线等。
在十年以前，我们可能没有想过，有一天 AI 会自己设计出化合物。
和其他 AI 赛道一样，我们可以相信的是，AI 制药会经历一个成长爬坡期，未来，AI 药物研发将不再是生物医药行业中一个概念性技术，而是成为行业中非常核心的存在。
如果用武林门派来形容上面的三类厂商，药企更像是“少林派”—— 天下武功出少林，所有纷繁复杂的变化都有迹可循；
互联网企业更像是“明教”，群众基础大，阵容雄厚；
而各个 AI 制药公司，则是散落在中原大地上的各个门派，招式各有不同。
围绕三大派系，AI 制药的江湖故事将会不断上演。
