Fahami gambaran keseluruhan farmaseutikal AI dalam satu artikel: hasil tahunan sebanyak 30 bilion, dengan tiga eselon berbeza

Sejauh mana popularnya farmaseutikal AI dengan pusingan pembiayaan?

Tempahan asing telah mencapai maksimum 33.1 bilion yuan, yang hampir dengan pelaburan R&D syarikat farmaseutikal tradisional selama setahun penuh.

Pasaran domestik dianggarkan secara konservatif mencecah 204 bilion yuan, syarikat terkemuka Internet seperti BAT Byte dan Huawei sedang bersaing untuk pelaburan bahkan telah menyelesaikan tiga pusingan pembiayaan berskala besar dalam tempoh setahun...

△Sumber gambar: Quantum Think Tank

Dari Institut Penyelidikan Antara Disiplin Sempadan Universiti Peking, profesor dari universiti luar negara yang berprestij, hingga PhD MIT, mereka semua telah menyertai dalam bidang keusahawanan, malah ada yang menerima anugerah asing Pelajar dengan Ph.D tawaran dari universiti berprestij tercicir untuk menyertainya...

Namun, berbeza sekali dengan ledakan modal, keadaan industri semasa. pembangunan:

Jumlah syarikat farmaseutikal AI domestik yang disenaraikan hari ini ialah 0 , belum ada satu pun yang mencapai keuntungan lagi harga saham syarikat farmaseutikal AI asing telah menjunam secara mendadak selepas disenaraikan.

Pada masa ini, tiada ubat yang berjaya dibangunkan oleh AI telah berjaya dilancarkan di dunia Menurut maklumat awam daripada pelbagai syarikat permulaan, hanya terdapat 2 syarikat domestik dan 8 syarikat asing yang saluran paipnya baru memasuki klinikal. peringkat tempoh.

Sekarang semangat awal untuk industri itu telah berlalu, suara-suara keraguan telah menjadi semakin ketara:

Adakah industri farmaseutikal AI merupakan landasan bintang yang menarik perhatian dalam pelaburan dan pembiayaan masa depan, atau adakah ia gelembung PPT bertopengkan teknologi?

Bolehkah kesesakan data teknologi AI itu sendiri dan peranannya dalam bidang farmaseutikal benar-benar menyelamatkan keuntungan syarikat farmaseutikal tradisional yang merosot?

Bilakah farmaseutikal AI akan benar-benar membuahkan hasil?

Selepas menemu bual berpuluh-puluh institusi, kami menulis "Laporan Industri Mendalam Farmaseutikal AI", cuba menggambarkan situasi semasa industri farmaseutikal AI di dalam dan luar negara, serta kesukaran dan peluang dihadapi oleh industri ini.

AI Pharmaceutical "Peta Situasi Semasa"

AI farmaseutikal, untuk lebih tepatnya, sepatutnya "menggunakan AI untuk meramal ubat."

Ya, AI pada peringkat ini tidak benar-benar melanggar sistem penyelidikan dan pembangunan farmaseutikal tradisional Malah dari perspektif proses penyelidikan dan pembangunan, pengoptimuman AI adalah kurang daripada 40%.

Kedudukan ini memperhebatkan "ambivalence" farmaseutikal AI itu sendiri:

Di satu pihak, penemuan ubat adalah asas kepada keseluruhan ubat proses penyelidikan dan pembangunan, juga merupakan kejayaan yang paling menjanjikan untuk inovasi ubat, sebaliknya, 60-80% daripada kos percubaan klinikal penyelidikan dan pembangunan ubat tidak dapat dioptimumkan oleh AI.

Perasaan percanggahan ini juga dicerminkan dalam situasi pembiayaan, harga teknologi dan pelaksanaan R&D farmaseutikal AI.

Hanya melihat situasi pembiayaan, seseorang akan berfikir bahawa farmaseutikal AI adalah industri yang mempunyai prospek wang yang banyak.

Menurut data daripada BOC Securities, pada tahun 2020 sahaja, bilangan projek pembiayaan farmaseutikal AI+ di China meningkat dua kali ganda, dan jumlah pembiayaan pada tahun yang sama meningkat kira-kira 10 kali ganda tahun ke tahun.

Sejak itu, sekurang-kurangnya 11 syarikat farmaseutikal AI di seluruh dunia telah menerima pembiayaan berskala besar lebih daripada AS$100 juta. Dan data ini masih menunjukkan trend yang semakin meningkat:

△Sumber data: Bank of China Securities

Menurut Arteri Jingga Laporan itu menunjukkan bahawa "AI + farmaseutikal" telah menjadi salah satu landasan paling popular untuk modal pada tahun 2021, dengan 77 pembiayaan global berjumlah AS$4.56 bilion (kira-kira RMB 30.7 bilion), yang mana AS$1.24 bilion telah dikumpulkan dalam pasaran China .

Pada masa yang sama, situasi survival syarikat farmaseutikal AI+ juga sangat optimistik. Kira-kira 53% syarikat Siri A memasuki Siri B; 38% syarikat Siri B berjaya memasuki Siri C 46% daripada syarikat Siri D.

Melihat kaedah pengewangan syarikat AI, nampaknya mereka juga mempunyai potensi pelaburan.

Merujuk kepada data prospektus Benevolent, melihat kepada harga saluran paip yang dibangunkan sendiri sahaja, bayaran muka dan harga pembayaran penting yang ditetapkan oleh syarikat farmaseutikal AI adalah tidak rendah, terutamanya selepas fasa kedua ujian klinikal, penurunan harga. bayaran sahaja boleh mencecah hampir 1 bilion dolar.

△Sumber: Qubit Think Tank

Walau bagaimanapun, digabungkan dengan situasi penyelidikan dan pembangunan, wujud percanggahan yang kuat.

Sebagai contoh, masih tiada ubat yang diramalkan AI di pasaran dalam industri, malah tidak ada sebarang ubat di pasaran yang telah memasuki fasa kedua ujian klinikal secara terbuka.

Pada masa yang sama, farmaseutikal AI masih belum muncul dengan teknologi teras terobosan yang boleh membuktikan bahawa AI untuk penemuan ubat (AIDD) boleh dipercayai dan mampan, serta boleh menggantikan atau mengoptimumkan penemuan ubat komputer tradisional (CADD). ) proses.

Menurut data daripada Qubit Think Tank, ubat ramalan AI yang paling pesat berkembang pun hanya lulus ujian haiwan dan memasuki fasa pertama ujian klinikal.

Antara ubat ramalan AI yang berkembang pesat ini, hanya terdapat 3 saluran paip domestik Walaupun hampir 16 saluran paip asing telah memasuki ujian klinikal, semuanya masih dalam fasa pertama.

△Sumber: Qubit Think Tank

Keadaan sebegitu menyebabkan semangat modal beransur reda sejak 2021:

Pada masa ini, tiada syarikat farmaseutikal AI domestik telah menyelesaikan penyenaraiannya, dan tiada syarikat telah mencapai keuntungan.

Sekurang-kurangnya 7 atau 8 syarikat tersenarai asing, hampir tanpa pengecualian, telah melihat harga saham mereka menjunam.

Malah, berdasarkan pengalaman lepas, kebarangkalian kegagalan penyelidikan dan pembangunan ubat adalah sangat tinggi Pelaburan dalam ujian klinikal ubat-ubatan baru yang tidak terkira banyaknya berakhir dengan sia-sia, yang sekali lagi meningkatkan ketidakpastian ramalan AI. pelancaran dadah.

Terutama ubat-ubatan ini masih belum memasuki fasa kedua ujian klinikal, tiada jaminan sama ada ia boleh dilancarkan di pasaran.

Sejak "Insiden Thalidomide" pada tahun 1961, keupayaan untuk mengesahkan keberkesanan ubat sentiasa menjadi ambang terbesar untuk pelancaran semua ubat baharu. Jika "bukti besar" seperti data keselamatan yang boleh dipercayai dan data faedah yang jelas untuk pesakit tidak dapat diberikan, ubat itu berkemungkinan besar akan mati pada peringkat ini.

Jelas sekali, dalam tempoh ini, kebanyakan modal akan diketepikan sehingga ubat yang diramalkan oleh AI memasuki dan lulus ujian klinikal Fasa II.

Berbanding dengan syarikat farmaseutikal tradisional, syarikat farmaseutikal AI tidak bersaiz besar. Dalam situasi di mana risiko dan kos ujian klinikal adalah sangat tinggi, "kemungkinan kegagalan" ini sama ada dipindahkan atau hanya boleh ditanggung oleh syarikat itu sendiri.

Dengan ini, syarikat farmaseutikal AI telah membentuk dua model perniagaan utama.

Yang pertama ialah model CRO (Organisasi Penyelidikan Kontrak) yang memindahkan risiko R&D Syarikat akan "menyumber luar" kepada syarikat farmaseutikal tradisional atau syarikat lain dan menggunakan teknologi AI untuk meramalkan ubat yang diperlukan oleh Pihak A.

Yang kedua ialah model saluran paip pembangunan diri yang sanggup menanggung risiko kegagalan R&D Syarikat memegang paten ubat dan teknologi di tangannya Setelah ia berjaya dilancarkan atau mencapai nod pengewangan tertentu (. seperti penyelidikan pra-klinikal), ia boleh Membuat wang dengan memindahkan paten atau mengenakan bayaran.

Bagaimana untuk memutuskan sama ada untuk menjadi CRO atau saluran paip yang dibangunkan sendiri?

Salah satunya ialah situasi pembiayaan Dana yang diperlukan untuk saluran paip yang dibangunkan sendiri adalah sangat tinggi. Syarikat yang tidak kekurangan wang boleh terus membangunkan saluran paip mereka sendiri; syarikat yang ingin membangunkan saluran paip mereka sendiri tetapi kekurangan dana boleh terlebih dahulu menjana wang melalui penyumberan luar CRO, dan kemudian menggunakan wang yang diperoleh untuk membangunkan saluran paip mereka sendiri.

Satu lagi ialah perbezaan kedudukan. Berbanding dengan sebilangan besar teori berkaitan farmaseutikal yang dikuasai oleh syarikat yang berasal dari syarikat farmaseutikal tradisional, CRO lebih sesuai untuk pemain "usahawan merentas sempadan" untuk segera mewujudkan tandatangan teknologi AI mereka sendiri memerlukan pengalaman dan sumber farmaseutikal yang lebih tinggi .

Malah, CRO kini lebih popular di China Sebagai perbandingan, ia membuat keuntungan lebih cepat, mempunyai model pengewangan yang lebih jelas dan tidak perlu menanggung kos risiko ujian klinikal berikutnya.

Selain itu, syarikat yang tidak mempunyai kepentingan untuk memegang paten ubat AI dan hanya menjual perkhidmatan teknikal juga hanya boleh menjadi CRO.

Ini juga telah membawa kepada model perniagaan ketiga - mereka yang pakar dalam platform teknologi dan menjual perisian farmaseutikal AI kepada syarikat lain untuk penyelidikan dan pembangunan ramalan Walau bagaimanapun, pada masa ini terdapat sangat sedikit syarikat domestik yang sebenarnya mengenakan bayaran.

Jelas sekali, kedudukan dan kelebihan teknologi syarikat farmaseutikal AI akan mempengaruhi pilihan model perniagaan mereka.

Terdapat ramai pemain yang sudah pun menyertai permainan ini, daripada PhD dan profesor daripada universiti tempatan dan asing yang berprestij, kepada gergasi Internet dan syarikat farmaseutikal tradisional, kepada inkubator modal, menunjukkan trend yang pelbagai.

Pertama, mari kita bercakap tentang situasi profesor kedoktoran dari universiti terkenal memulakan perniagaan mereka sendiri. Mengambil Teknologi Jingtai sebagai contoh, ini adalah kes tipikal PhD MIT dalam fizik kuantum yang kembali ke China untuk memulakan perniagaan. Memandangkan kelebihan syarikat terletak pada teknologi AI dan keupayaannya untuk menerajui industri dengan bantuan penyelidikan teori dalam fizik kuantum, Jingtai Technology telah menjelaskan bahawa ia akan memberi tumpuan kepada model CRO dan tidak membangunkan saluran paipnya sendiri.

Terdapat juga kes profesor universiti mengubah hasil penyelidikan Sebagai contoh, Perubatan Pintar Huashen diasaskan oleh profesor UIUC, Peng Jian, sebelum ini telah membina pencapaian yang relevan dalam bidang ramalan molekul protein mengenai pembangunan platform teknologi.

Selepas ini, syarikat gergasi Internet dan syarikat farmaseutikal tradisional turut memasuki pasaran.

Yang pertama mempunyai kelebihan kuasa pengkomputeran algoritmiknya sendiri, dan mudah untuk menggunakan pengaruh Internet itu sendiri untuk mengembangkan "sfera pengaruh"nya dengan cepat Contohnya, Baidu dan Tencent telah menubuhkan platform Baitu Biotech dan Yunshen Pharmaceutical, menggunakan pengalaman algoritma AI terkumpul mereka untuk memasuki industri dengan cepat Alibaba mewujudkan hubungan huluan dan hiliran dengan cepat berdasarkan kelebihan kuasa pengkomputerannya.

Yang terakhir ini mempunyai pengalaman penyelidikan dan pembangunan ubat yang mendalam, dan telah menubuhkan pasukan penyelidikan dan pembangunan farmaseutikal AI atas dasar ini, contohnya, AstraZeneca, Merck, Pfizer dan Teva telah bekerjasama dengan Amazon AION Labs telah ditubuhkan bersama dengan Israel Biofund.

Akhirnya, terdapat keusahawanan modal dan situasi inkubasi dana Sokongan aliran tunai adalah mencukupi, malah pelabur sendiri telah berubah menjadi keusahawanan AI Contohnya, Wang Yikai, pengasas Coin Biotech, adalah naib presiden daripada Fengrui Capital Selepas menubuhkan syarikat Ia menerima pelaburan daripada Fengrui Capital.

Menurut data Qubit Think Tank, pasaran farmaseutikal AI dijangka mencecah 7.2 bilion pada 2025 dan 204 bilion pada 2035.

Tiba-tiba, ramai pemain berpusu-pusu ke trek farmaseutikal AI. Bagaimanapun, jika dilihat dari situasi semasa dan situasi semasa pemain, adalah mustahil untuk menilai prospek pembangunan syarikat farmaseutikal AI melalui kekuatan teknikal tulen atau kelebihan kewangan.

Siapakah pemain sebenar antara mereka dan syarikat yang paling menjanjikan untuk melancarkan ubat AI baharu yang pertama?

Siapakah yang boleh menjadi yang pertama memasarkan ubat AI yang pertama?

Terdapat banyak piawaian dan dimensi, tetapi terdapat 4 dimensi teras yang tidak boleh dipintas dalam industri:

01, bilangan saluran paip dan kemajuan R&D

Memandangkan kerumitan daripada proses farmaseutikal, kadar kegagalan adalah tinggi, ia adalah proses yang sangat panjang dari kelulusan klinikal, penyelidikan hingga pemasaran akhir. Untuk peringkat semasa, bilangan saluran paip adalah salah satu manifestasi kekuatan yang paling langsung.

Seperti yang dinyatakan sebelum ini, saluran paip terbahagi kepada saluran paip pembangunan diri dan saluran paip kerjasama luar (CRO).

Untuk saluran paip yang dibangunkan sendiri, syarikat boleh memindahkan hasil saluran paip pada nod tertentu, seperti sasaran baharu, calon ubat, dsb.; mereka juga boleh menggunakan CRO untuk maju ke peringkat klinikal setelah penyelidikan dan pembangunan berjaya dan paten pemasaran diperolehi, keuntungan akan meningkat Sangat mengagumkan. Walau bagaimanapun, risiko saluran paip yang dibangunkan sendiri juga jelas: kaedah pembayaran tidak jelas, dan akan ada persaingan dengan syarikat lain dalam saluran paip yang sama.

Oleh itu, apabila memberi perhatian kepada saluran pembangunan diri syarikat farmaseutikal AI, anda perlu memberi lebih perhatian kepada kemajuan penyelidikan dan pembangunannya serta potensi hala tuju ubat yang dipilih.

Sebaliknya, bilangan saluran paip kerjasama di bawah model CRO ialah cara yang lebih langsung untuk menilai kekuatan teknikal syarikat. CRO merujuk kepada syarikat farmaseutikal AI yang menyelesaikan tugas khusus syarikat farmaseutikal tradisional Selepas bayaran pendahuluan, harga kerjasama ditentukan berdasarkan kemajuan tugas (seperti penemuan ubat-sintesis-penyelesaian penyelidikan klinikal), juga dikenali. sebagai bayaran penting.

Menurut anggaran Qubit Think Tank, bayaran pendahuluan purata untuk saluran paip domestik ialah AS$2.8 juta, harga Milestone sangat turun naik bergantung pada ubat tertentu, malah boleh mencecah puluhan bilion yuan selepas siap. Sesiapa yang mendapat lebih banyak saluran kerjasama bermakna kekuatan teknikalnya lebih diiktiraf oleh syarikat farmaseutikal, dan lebih banyak dana akan dilaburkan dalam penyelidikan dan pembangunan, memasuki lingkungan yang mulia.

Merujuk kepada kerjasama antara Exscientia asing dan Sanofi pada awal 2022, bayaran pendahuluan ialah AS$100 juta Selepas menyelesaikan tugas, mereka akan menerima "kontrak harga setinggi langit" sebanyak AS$5.2 bilion, bersamaan dengan. kira-kira 33.1 bilion yuan.

Menurut data daripada Qubit Think Tank, sekumpulan ubat ramalan AI yang memasuki fasa klinikal kedua akan muncul pada 2023-2024, dan ubat AI pertama yang berjaya dilancarkan akan muncul paling awal sekitar 2026.

Sebelum ubat itu dilancarkan, bilangan saluran paip kerjasama dan kemajuan penyelidikan dan pembangunan saluran paip yang dibangunkan sendiri adalah salah satu hala tuju untuk menilai kekuatan teknikal syarikat farmaseutikal AI.

02. Sumber data yang stabil dan boleh dipercayai

Untuk industri farmaseutikal AI, sebagai tambahan kepada wang, perkara yang paling kurang mungkin adalah data syarikat farmaseutikal tradisional pembangunan sebagai salah satu aset teras mereka aliran keluar set data.

Walau bagaimanapun, menurut Qubit Think Tank, data pada masa ini tidak menjadi masalah untuk syarikat farmaseutikal AI terkemuka, malah ia boleh mencapai prestasi yang lebih kompetitif dalam industri.

Oleh itu, cara mendapatkan data yang stabil dan boleh dipercayai juga merupakan kriteria penting untuk menilai daya saing syarikat farmaseutikal AI.

Secara umumnya, terdapat empat kaedah berikut untuk mendapatkan data AI, dan kestabilan serta kebolehpercayaannya telah bertambah baik secara beransur-ansur:

(1) Set data awam/pihak ketiga

Jenis data ini sangat penting kepada industri farmaseutikal AI semasa, tetapi ia tidak mempunyai faedah jangka panjang dan tidak dapat membantu syarikat memperoleh daya saing teras. Selain itu, lebih banyak data yang tersedia pada sasaran sedia ada bermakna penerokaan lebih lengkap dan nilai pembangunan lebih nipis.

(2) Data maya

Kaedah pemerolehan data ini adalah melalui pemodelan fizikal dan data latihan yang dijana oleh AI Ia biasanya berdasarkan sasaran lama seperti penisilin untuk menghasilkan data dalam jangka pendek. Ia nampaknya tidak begitu bernilai. Ia terutamanya menyediakan data latihan untuk model ramalan untuk meningkatkan ketepatan ramalan.

(3) Data pengumpulan/kerjasama asing bebas

Untuk syarikat yang mempunyai saluran paip pembangunan diri yang jelas/kedudukan asas, mereka boleh mengumpul data yang berkaitan melalui pasukan pembinaan bebas, atau mencapai hubungan kerjasama data dengan syarikat farmaseutikal.

Di luar negara, Tempus, yang diasaskan pada 2015, membina genom tumornya sendiri dengan menyediakan penjujukan gen yang kos efektif, penstrukturan data, analisis imej patologi dan perkhidmatan pemodelan biologi kepada hospital, pakar onkologi, pusat kanser, dsb. Saintifik + klinikal pangkalan data.

Ia mengambil masa 4 tahun untuk membina salah satu pangkalan data kanser terbesar di dunia, dengan hampir 1/3 daripada pangkalan data kanser AS.

Kilang Farmaseutikal Janssen negara saya mencapai kerjasama dengan Tempus pada tahun 2020 dan secara terbuka menyatakan bahawa penggerak utama kerjasama itu bukanlah algoritma tetapi data.

(4) Secara bebas menghasilkan data eksperimen melalui makmal pintar

Kaedah ini terutamanya merujuk kepada menjalankan eksperimen basah secara langsung untuk menjana data secara bebas sebagai tambahan kepada eksperimen kering yang dijalankan di makmal, membentuk basah dan kering tertutup gelung.

Berbanding dengan kelajuan perlahan pemerolehan data basah tradisional, kelajuan pemerolehan data boleh dipertingkatkan dengan ketara dengan menggunakan teknologi berkaitan seperti pemprosesan tinggi, pintar, automatik, boleh dikawal dan CV untuk mengenal pasti morfologi sel.

Dalam biologi, eksperimen kering dijalankan melalui kaedah simulasi komputer dan bioinformatik. Eksperimen basah ialah penyelidikan yang dijalankan di makmal menggunakan kaedah ujian molekul, selular, dan fisiologi.

Eksperimen gabungan kering dan basah boleh membantu syarikat pemula farmaseutikal AI mencipta halangan persaingan baharu dari segi data Pengiktirafan ini telah mencapai kata sepakat dalam industri.

Selain pasukan merentas bakat biologi dan bakat komputer, membina platform sedemikian juga memerlukan sokongan perkakasan yang kukuh, termasuk peralatan percubaan dan sumber pengkomputeran, serta keupayaan untuk menyepadukan kedua-dua sumber ini.

Pada masa ini, syarikat farmaseutikal AI domestik terkemuka, termasuk Baidu Shengtu, Teknologi Jingtai dan Yingsi Intelligent, mempunyai platform percubaan sedemikian.

Dengan dana yang mencukupi, syarikat farmaseutikal AI asing terkemuka telah mula memperoleh terus syarikat huluan dengan data dan teknologi eksklusif.

Sebagai contoh, Schrödinger memperoleh XTAL BioStructures untuk mengembangkan keupayaan biologi strukturnya, dan Relay Therapeutics memperoleh ZebiAI untuk mendapatkan keupayaan pembelajaran mesin dan pangkalan data yang besar.

Oleh itu, seperti yang dianalisis oleh Qubit Think Tank, syarikat farmaseutikal tradisional secara keseluruhannya mempunyai kelebihan dalam data, tetapi ia tidak datang daripada data terkumpul pada masa lalu, tetapi daripada platform percubaan lengkap yang mereka miliki. Untuk permulaan farmaseutikal AI dengan dana yang mencukupi, halangan ini tidak tinggi dan mereka boleh mengemas kini dengan cepat ke tahap yang sama.

03. Pengiktirafan syarikat farmaseutikal koperasi

Dengan penubuhan pasukan pintar dalam syarikat farmaseutikal tradisional, algoritma mungkin tidak dapat menjadi kelebihan daya saing jangka panjang syarikat farmaseutikal AI.

Seperti yang dinyatakan sebelum ini, farmaseutikal AI tidak mematahkan proses R&D industri farmaseutikal tradisional Selain membina platform makmal mereka sendiri untuk "bekerja secara berasingan", kerjasama antara syarikat farmaseutikal AI dan syarikat farmaseutikal adalah sama. penting.

Oleh itu, bilangan syarikat farmaseutikal koperasi dan status industri syarikat farmaseutikal ini juga telah menjadi kriteria penilaian intuitif.

Pada masa ini, syarikat pemula farmaseutikal AI yang terkemuka secara beransur-ansur menunjukkan monopoli ke atas kerjasama dengan syarikat farmaseutikal tradisional. Di luar negara, mengambil Exscientia sebagai contoh, ia telah mendedahkan kerjasama dengan syarikat farmaseutikal terkemuka termasuk Roche, Bayer, Sanofi, GSK, Sumitomo dari Jepun dan Evotec.

Sudah tentu, kerjasama antara syarikat farmaseutikal tradisional dan syarikat farmaseutikal AI adalah dua hala: syarikat farmaseutikal menyediakan pangkalan data dan pengetahuan profesional, dan seterusnya memerlukan farmaseutikal AI syarikat Menyediakan teknologi.

Oleh itu, kerjasama perniagaan dengan syarikat farmaseutikal tradisional telah menjadi salah satu model yang paling biasa diterima pakai oleh syarikat farmaseutikal AI.

Menurut Deep Pharma Intelligence, sehingga 2020, 93% daripada 44 syarikat farmaseutikal tradisional terkemuka dunia telah menyelesaikan pengaturan kerjasama. Terutamanya dalam kalangan 10 syarikat farmaseutikal terbaik dunia seperti Roche, Novartis dan Pfizer, mereka telah bekerjasama dengan syarikat farmaseutikal AI lebih daripada 6 kali secara purata.

Selain status dan pengiktirafan kuantitatif syarikat farmaseutikal koperasi, syarikat CRO yang dipilih oleh syarikat farmaseutikal AI juga merupakan salah satu sumber rujukan.

Dalam industri farmaseutikal tradisional, CRO mempunyai status istimewa, dan ciri ini akan diteruskan dalam industri farmaseutikal AI.

Syarikat farmaseutikal AI boleh menjadi CRO syarikat farmaseutikal tradisional, tetapi sebaliknya, syarikat farmaseutikal AI juga memerlukan CRO mereka sendiri, termasuk rakan kongsi data, pembekal untuk ujian dan eksperimen, dsb., untuk melengkapkan permohonan Kelulusan, pengumpulan data, ujian klinikal dan tugas lain.

Bagi syarikat farmaseutikal AI, pilihan CRO akan mempengaruhi projek klinikal dan proses pengkomersilan mereka.

Walau bagaimanapun, dengan penubuhan pasukan AI dalaman dalam syarikat farmaseutikal, halangan kemasukan untuk permulaan farmaseutikal AI baharu terus meningkat Selain itu, pertindihan semasa dalam keseluruhan industri adalah agak tinggi, dan kebanyakan syarikat. talian paip sudah dibangunkan berdasarkan sasaran yang terbukti.

Dalam erti kata lain, menggunakan AI untuk meningkatkan kecekapan penemuan ubat bukanlah perkara baharu dalam industri ini Pada masa ini, syarikat farmaseutikal AI terkemuka telah membangunkan keupayaan inovatif untuk menggunakan AI untuk menerokai "tanah tiada manusia".

Oleh itu, amat penting bagi pemula baharu untuk mempunyai titik masuk unik mereka sendiri dalam senario atau teknologi perniagaan.

Ini mungkin memerlukan syarikat farmaseutikal AI untuk bermula daripada teori asas, termasuk mentakrifkan semula masalah perubatan, secara kreatif menggunakan perspektif pelbagai disiplin seperti fizik dan kimia, mentakrifkan semula senario dan masalah dalam penyelidikan dan pembangunan ubat, dan menggunakan pelbagai prinsip untuk mengimbangi AI Ralat dan ketidakpastian yang wujud dalam model dan meningkatkan kecekapannya.

Akhir sekali, di bawah empat kriteria penghakiman ini, pemain manakah yang boleh muncul di atas dahulu?

Menurut peta landskap farmaseutikal AI global Qubit Think Tank, walaupun kebanyakan pemain terkemuka hadapan adalah syarikat asing, pemain tempatan seperti Jingtai Technology dan Yingsi Intelligent juga boleh dilihat:

Selepas landasan farmaseutikal AI menjadi popular, ramai profesor PhD dari universiti asing terkenal kembali ke China untuk memulakan perniagaan mereka sendiri dengan projek dan teori, dan mereka juga cepat membuat keputusan. kerana kekurangan keupayaan inovasi teknologi dalam industri farmaseutikal domestik.

Kali ini, dalam gelombang inovasi farmaseutikal yang dipacu oleh teknologi baharu, adakah China akan melahirkan kilang farmaseutikal bertaraf dunia?

Ada trend dan lebih berpotensi.

Atas ialah kandungan terperinci Fahami gambaran keseluruhan farmaseutikal AI dalam satu artikel: hasil tahunan sebanyak 30 bilion, dengan tiga eselon berbeza. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!