投中網

在全球人工智能大浪潮下，“AI+生物醫藥”越發引起重視，全國乃至全球的AI制藥都處于一個很“卷”的狀態。

在這個“卷”勢之下，惠正奇醫藥創始人、董事長兼CEO、中國生物醫藥產業鏈創新轉化聯合體副理事長回愛民提出了一個自己的觀點，叫“跳躍性的趕超”。即緊緊地盯著最前沿的技術，像細胞治療、基因治療，mRNA醫學，歐美比我們先進，但是還沒有走得太遠，我們落后的不多，我們有了一定的技術就可以跳到最前沿。不過他也表示，這個跳躍性的趕超，需要大家要跳出靶點，要在技術上下功夫。

合源生物科技（天津）有限公司CEO呂璐璐同樣表示要擺脫“卷”不是要去發現更多的靶點，而是要盯著疾病本身去做新藥的研發。

她認為，不要怕卷，因為生物制藥是一片藍海。“我們有這么多的治療手段，還是遠遠不能滿足臨床治療的這種需求。大部分的疾病現在還沒有被我們真正的攻克，亦或是治愈，亦或是讓患者真正像一個健康人正常的生活，遠遠沒有到那個地步。”

AI作為一個優秀的工具，確實可以幫助生物制藥的一些階段提高效率，甚至發現新的制藥思路。但喜鵲醫藥首席運營官張倩也表示，雖然要采用AI不斷提升研發效率，但AI目前無法幫助我們解決核心技術，還是需要依賴專家的研究和積累。目前AI只能在人類現有知識的基礎上快速學習并通過算法開發推出新的東西，對人類未知的領域很難去開拓或者引領。

那么，AI如何使用才能發揮最大功用呢？作為有20多年AI從業經驗的老兵，碳硅智慧創始人、CEO鄧亞峰認為，當前并不是要用AI代替專家，而是用好AI后，專家能夠做得更好。“未來一定是基于AI建模+自動化試驗+專家的模式，代替原來傳統上專家+實驗的方式。”

 AI大潮的情況下，生物醫藥賽道一定是投資人不能忽視的大賽道，應該怎么去做AI的生物制藥的投資？

就軟銀中國合伙人劉纓看來，投資人著重看的其實并不是那么技術的點，而是在于看某一種藥的類型，看這個藥適不適合用AI來篩選，以及它未來的一個市場和應用的增長。

越秀產業基金合伙人吳煜認為，AI如果和藥放在一起的時候需要注意兩點，第一，AI作用的定位是什么，是能夠為生物醫藥帶來新的思路方向，還是為藥物研發帶來賦能加速的工具；第二，AI本身目前還有一些局限性，包括在自動駕駛等近些年熱點的應用領域，那么在醫藥行業，這個局限性是否還在？

元禾原點合伙人楊艾瑛認為，生物醫藥一定會引入AI，雖然當前AI只是在藥物發現上注重于效率提升，對后期的實驗及臨床驗證幫助不大。畢竟新藥研發是涉及幾十個學科，指望AI一下子給出一個藥是不現實的。但是AI確實現在在新藥研發的各個環節都在努力，未來AI不會取代新藥研發科學家，但會AI的科學家更有可能會勝出。

由廣州開發區產業基金投資集團有限公司主辦，投中信息、廣州開發區投資基金管理有限公司承辦，廣州產業發展研究院作為支持單位的“2023粵港澳大灣區硬科技產業大會”于2023年12月8日在廣州開發區盛大舉辦。惠正奇醫藥創始人、董事長兼CEO、中國生物醫藥產業創新與轉化聯盟副會長回愛民、合源生物科技（天津）有限公司CEO 呂璐璐、喜鵲醫藥首席運營官張倩、碳硅智慧創始人/CEO鄧亞峰、軟銀中國合伙人劉纓、越秀產業基金合伙人吳煜、元禾原點合伙人楊艾瑛、愛思邁創始人張文軍、道彤投資創始合伙人黃寧以《創新加AI，打開生物醫藥產業的無限未來》為主題，進行了巔峰對話。

作為本場對話的主持人，道彤投資創始合伙人黃寧總結到，對于AI的理解，可能不僅僅是一個靶點的問題，而是在整個制藥創新藥的過程中要找到應用的機會。

展望未來，我們不僅要用善用AI，更要實現有效果、用得起的制藥夢想。因此愛思邁創始人張文軍也在圓桌論壇中提到，小分子、抗體、CGT都會成為一個趨勢，以后的藥可能是越做越復雜，效果越來越好，成本也會越來越低。

以下為圓桌演講實錄，由投中網整理：

黃寧：首先感謝投中給我們很好的平臺，并且邀請到醫藥產業的大咖級的創始人和知名的GP來參加這個論壇。“AI+生物醫藥”在全球人工智能大浪潮下，最近在行業內又引起了不少關注。那在中國是一個什么樣的現狀呢？今天請各位專家和投資人對目前一些熱門的話題進行討論。我就直接進入第一個題目，當前全國乃至全球的AI制藥都是一個很卷的狀態，大家在各自的產業和投資過程中對這個話題有什么樣的理解和體會？先請鄧總。

怎么看AI制藥的卷？ 

鄧亞峰：非常感謝組織方的邀請。我是一個AI背景的人，從2002年開始就在做人工智能，大概做了20多年，在百度、360工作過，也在科創板上市的一家AI公司做過高管。我們公司的名字叫碳硅智慧。碳是組成生命體的基本元素，硅則代表了芯片、AI，所以我們是一家想把AI和生命科學結合到一起的公司。我們做的事用一句話描述就是基于最新的人工智能生成和預訓練大模型技術打造分子設計平臺，同時基于該平臺提供藥物設計等服務，是一家以產品加服務模式，來幫助藥企提高藥物研發的效率的公司。 

下面我簡單來講一下我對黃總提的這個問題的看法。我覺得靶點的卷其實可以從兩個角度考慮。一個就是需要找到全新的、有成藥性可能的新靶點；另外一個，哪怕是一個靶點，大家其實可以開發更有針對性的不同定位的產品，就是設計新的差異化結構。我從這兩個角度講一下我的看法。

首先，從靶點選擇角度，目前專家往往是閱讀文獻，然后結合生物驗證的方式，去找一些新靶點。我們知道，學術界做了非常多的新靶點，但這些靶點往往比較難驗證。我是AI背景，對AI比較了解。從人工智能和信息來看，人類歷史上所有的實驗結論是記錄在論文和專利中的，同時我們在不斷產出重要的試驗數據，比如各種組學數據，我們能否基于組學數據和文本數據構建多模態模型，來更好地做靶點發現，找到靶點和疾病的對應關系。我認為這里面是有技術變革的機會的。當然我們還是要尊重生物試驗驗證。也就是通過最新的組學文本多模態模型構建疾病-靶點關系可以幫助發現新的靶點，這是我的第一個觀點。

其次，從結構發現的角度看。即使同一個靶點，也可以設計不同的分子結構。但相對來說，特別是國內，今天大家做的結構其實是很像的，有的甚至只做一個簡單的原子級別的改變。這個做Fast Follow項目是是沒問題的，但很難差異化，后面做得團隊的商業價值低了很多。比如現在很卷的PD-1。包括最近GLP1的靶點，很多Follow輝瑞的分子，結果輝瑞分子自己三期失敗了，之前的投入全都白投入了。所以我的觀點是說，今天AI技術其實也提供了很多新的工具和方法，可以幫助我們設計更加新穎性的結構，避免我們在同質化結構上去卷。

所以我認為，從兩個角度，無論是AI方法找到新的靶點，或者AI設計全新結構，都能看到新的可能性。這是我的觀點，謝謝。 

黃寧：謝謝鄧總，現在AI在靶點和序列設計上的應用，確實是大家都非常關注的。下面請回總做個分享，回總是非常知名的醫藥大咖，我們都知道疫情期間復必泰救了很多外國人，先請回總和大家做個簡單的自我介紹。

回愛民：謝謝，我是回愛民，惠正奇醫藥。我本身是一個腫瘤醫生出身，但是早年也做過分子生物學的博士、博士后，后來在東京大學任教也有自己的實驗室，再后來就到美國做轉化醫學、臨床轉化做了七年，做了七年以后就到藥企了，在國際藥企一直做到2017年，2017年加入復星醫藥，負責全球研發，最近幾年做的一個事就是mRNA疫苗的研發。

包括我在復星醫藥、賽諾菲也好，大家說靶點，靶點，我們選什么靶點？其實我個人不太看重靶點。首先要看你是要解決什么問題，我們是從疾病出發的，我想解決肝癌、腦腫瘤的什么問題，靶點不是一個主要的東西。我從來不說選靶點，我們就是選這個靶點怎么和我要做的這個疾病能夠匹配得上，能夠搭得上，這是一個重點，我們追求的是與我們要解決問題的疾病相匹配的靶點，而不是一味地追求所謂新的靶點。

另外靶點沒有好壞。為什么這么說呢？同樣一個靶點，10個公司去做9個公司沒做出來，1個做出來了。你說是靶點不好嗎？這是你的技術不行。還有就是靶點的成藥性是跟誰技術而變化的。我們人類發現第一個腫瘤基因k-ras已經六七十年了，做了六七十年就是做不出藥來，最近兩年用一些新的技術做出來了，這不是靶點的問題，它是一個技術的更新。所以我一直不強調靶點,更注重技術。

那么說到突破，我就側面的回答這個問題。最近我一直講，我有一個觀點，叫跳躍性的趕超。過去說彎道超車，我不理解什么叫做彎道超車，交規上彎道是不能超車的。但是又要做得快，我提了一個看法叫做跳躍性趕超。小分子，抗體我們可以進一步的改進，和歐美他們去競爭。跳躍性趕超是我們就緊緊的盯著最前沿的技術，像細胞治療、基因治療，mRNA，歐美比我們先進，但是還沒有走得太遠，我們落后的不多，我們有了一定的技術跳到最前沿。這個跳躍性的趕超，需要大家要跳出靶點，要在技術上下功夫。 

黃寧：謝謝，接下來請我們合源的呂總。合源是我們道彤投資的一家優秀企業，并一路陪伴、見證了企業的發展，呂總的整個創業過程，我們可以說是感同深受，雖然經歷過一些艱難時刻，但總會克服萬難，為患者帶來生存的希望。值得驕傲的是，上個月我們合源的CAR-T產品作為國產的第一個用于高治療成人復發或難治性B細胞急性淋巴細胞白血病產品被國家藥品監督管理局(NMPA)批準，正式上市，而且上周開出了第一張處方。下面請呂總先和大家介紹一下你自己。

呂璐璐：大家好，我是合源生物呂璐璐。合源生物是一家專注在細胞基因療法的生物制藥企業。就像剛才黃總講的，我們的第一個CAR-T產品是針對急性淋巴細胞白血病的，也是中國第一款，剛剛獲批。我本人是血液科醫生出身，原來做骨髓移植，后來在幾家跨國企業做新產品上市。2018年出來我們建立合源生物。我想簡單的針對剛才講的各種靶點的卷還有AI的話題，談一些個人的觀點。

首先，大家拉出來各種靶點以后，一是可能這些靶點一張紙都拉不滿。第二，每一個靶點后面各種的研發、臨床研究、藥，甚至一個PD1，可能都得有七八十個。我覺得這也不奇怪，但是如果你再看另一邊又特別的奇怪。奇怪在哪兒呢？一邊你有這么多的靶點，這么多的臨床研究，這么多的藥。另外一邊我們去看病的話，醫生有時候很無奈，醫生看病的時候是“偶爾會治愈，總是在安慰”。所以這體現了什么呢？真正你去瞄準這個疾病的時候，你會發現我們有太多的無奈，有的病你只是緩解癥狀。說到底臨床的剛需永遠在那里，我們有這么多的治療手段，還是遠遠不能滿足臨床治療的這種需求。你去呼吸科看一下，有什么病可以治愈？可能只有大葉性肺炎，大部分的疾病都是延長生命。所以第一點我想分享的是，不要怕卷，生物制藥是一片藍海，大部分的疾病現在還沒有被我們真正的攻克，亦或是治愈，亦或是讓患者真正像一個健康人正常的生活，遠遠沒有到那個地步。  

第二點，我們如果想擺脫剛才說的那種卷，用新的技術可以多多的發現更新的靶點，是不是可以呢？可以。比方說有一個藥上市了，是一個減肥藥，大家很激動，都在議論是哪一個靶點，等等，這沒有問題。但是另一個我也想提醒大家，我們是制藥的，我們瞄準的不是靶點，我們瞄準的是疾病，比方說肝癌，比方說白血病。大家都說的很簡單，但是我們真正去看的時候，為什么我們沒有有效的藥去攻克呢？首先對這個疾病的理解，我們還是遠遠的不夠。它是什么原因引起來的？真的是一個單靶點病嗎？如果它就是一個單靶點的病，你搞一個單靶點的藥把它去對上了，這個病就治愈了。但是如果它是由免疫調控引起來的呢？那這個靶點是搞不定它的呀。如果它是一個再生性的疾病，它是細胞再生引起來的疾病，你不可能因為一個靶點就把它搞定了。所以我想分享的第二個點是，我們還是要盯著疾病去做新藥的研發。 

第三點，從我個人來講，細胞基因療法確實是未來的藍海性的方向。全球，包括中國都在一個剛剛起步的階段。還是從疾病角度去講，舉個例子，我們說到腫瘤，為什么免疫治療蒸蒸日上？腫瘤就是正常的細胞它不受控制的去擴增，它沒有受到免疫系統的監視。免疫細胞還在，但是不認識它了，或者認識它了但打不過它了。我們每個人身體里的變異的細胞分分鐘就被免疫細胞干掉了。所以我們第一款藥物CAR-T細胞，就是利用了這個疾病發病的道理，我們去把T細胞提出來，它不認識腫瘤細胞，我把它加一個彈頭，使得它可以認識。不光加一個彈頭，我們還可以加更多的活化序列，使它見到了腫瘤細胞以后可以一變十，十變百。同時我們通過工藝使得一部分具有免疫記憶的細胞能夠長期長存，這樣的話未來腫瘤再出來的時候它又可以去干掉它。所以我第三點想講的是，還是瞄準這個疾病本身。未來以CAR-T為代表的細胞基因領域，在腫瘤性疾病、自身免疫性疾病，以及再生醫學領域方面，都是一片大海等著我們去探索。

如何做AI在生物制藥的投資？

黃寧：在生物藥的行業里面，大家也許聽到過“雙十”或者是“三個十”的概念，就是說十年研發、十億美金投入、10%成功概率。那么從投資人的角度，看到今天AI這一波大的浪潮，AI生物制藥的投資我們應該怎么做呢？我請我們軟銀的劉總先來分享。

劉纓：謝謝。軟銀中國資本從2006年就開始投資醫療健康領域，但是我們重點可能不單單放在藥上，我們投了很多器械類的，IVD類的，也有投部分的醫藥項目。在AI這一塊，我們機構近年來有專門募集了一只美元基金，專門去投AI領域的項目。在我看來，我非常同意回總講的，AI其實在我們看來只是一個工具。我們在看藥這個類別的項目的時候，也看藥企它本身。AI它節約了研發的時間，節約了后面其他的管線的時間。也許我們投進去的時候它只有幾個管線，公司再后續發展有其他的管線，會用AI去縮短時間、縮短周期。對我們投資機構來講，這個確實是縮短了成藥的時間，這是我們非常愿意去看到的，我覺得這是AI帶來的進步和更新。就我看來，AI在其他方面的應用，比如社會醫療，最后用藥的方面等等，包括人工機器人方面，其實它解決的還是一個效率的問題，在生物醫藥上也是一樣的。就我們剛才的問題來講，我們投資人可能還是看某一種藥的類型，然后看這個藥適不適合用AI來篩選，它未來的一個市場和應用的增長。 

黃寧：我們產業的創始人觀念其實都一致，還是要盯著疾病。雖然新藥開發難度越來越大，靶點被前人開發了很多，現在新的靶點難度越來越大，最后醫藥創始人的企業做成功，可能靶點只是其中的一個手段。從我們投資的角度來看，要投早、投小，發現一些更有價值的醫藥創業公司。請越秀產業基金的吳總聊聊，吳總看了很多醫藥項目，我想他的觀點更有獨特之處。    

吳煜：我是來自于越秀產業基金的吳煜，先要特別感謝投中和投中的伙伴們，感謝你們把這么重要的年度會議放在了我們廣州的開發區，同時和我們的廣開基金攜手，也把你們相應的伙伴們都一塊帶來了。  

越秀產業基金依托于越秀集團，而越秀集團是廣州市市屬國有企業。我們作為產業投資平臺，在成立以來的這12年中，一直把醫藥作為貫徹始終的投資方向。早期，我們關注一些成熟的小分子化藥，過往五到六年是抗體偶聯、雙抗等大分子，今天逐漸到細胞治療、基因治療、生命科學服務等。  

接著黃總講的話，對于AI和藥方面的看法，就我個人而言做一個補充。相較于前面產業方和從業者，無論講的深度也好，或者廣度也好，我作為一個產業外的投資人，始終是一個相對的外行。我們在AI方面布局投資了商湯、云從、第四范式等重要項目，基于過往在AI方面的投資會有一個對技術的理解，從知識圖譜到神經網絡，到今天我們往強人工智能方向發展的生成式AI，今天如果AI和藥放在一塊的時候，我想講兩點，第一，AI作用的定位是什么，是能夠為生物醫藥帶來新的思路方向，還是為藥物研發帶來賦能加速的工具；第二，AI本身目前還有一些局限性，包括在自動駕駛等近些年熱點的應用領域，那么在醫藥行業，這個局限性是否還在？這兩點我做一個補充。  

第一，基于藥物的分子結構設計，使用AI技術，包括小分子藥物的設計，其實都可以根據以往知識圖譜這樣的傳統方式去呈現。但是，不管AI自身技術的迭代有多快，它在制藥當中仍然還是一個成藥機制的工具。這個工具當中，它真正能給現在做醫藥帶來的是方向性，還是加速性？這一點我們要想清楚。因為對于方向性的東西，以我們自身為例，這些年對于診療來說，以及來滿足我們未被滿足的患者需求來說，我們成藥的方向是在變的，包括今天講的原位神經再生（論壇前一場陳功教授分享演講的技術內容）以及這樣一個NeuroD1因子的作用機制，雖然目前還是在探索當中，它屬于方向性。如果AI結合到生命科學的研發過程當中，目前到底是輔助加速，還是能幫助我們揭示新機理、開辟新方向，這個定位要想到。  

第二個是局限性的問題。AI的局限性很多，比如，眼前最不值得一提，但是也必須要提的，就是算力成本的問題，這個就不展開了。AI另外一個特點是它的可解釋性，或者叫可依賴度。剛才呂總講到“偶爾能治愈”，就是說不能拿診療的個例去做成效，然后去重復的時候，發現都是安慰，這也是一個很基本很重要的生物統計有效性的問題。因為我本人學統計，所以在早期投資AI項目的過程當中，我們都會關注AI模型的算子設計、隱藏層級、去投喂數據，但一直以來對AI仍然相當重要的就是可解釋性、可重復性以及魯棒性的問題。在這個問題上，我們在其他領域都面臨著深層的思考，最典型的是AI做自動駕駛已經這么多年，能不能基于AI或者僅就圖像FSD方案的最大一個問題是AI所基于的推薦機制，最后能否實現真正的強人工智能下的決策機制。

如果把這個東西放到成藥或者研發領域，也是這個問題，它的定位到底是方向還是加速。如果是加速，那么在一件事情上OK了，能不能反復依賴，或者能夠通過它形成正循環幫助成藥，幫助AI反過來提升自身工具。僅從我們自己出發，不管是投藥過程的階段演變，以及在人工智能方向投資的案例交叉思考，大體就做這兩點補充。    

黃寧：謝謝，吳總專業講解了AI跟生物醫藥的邏輯。還有一個問題值得思考，AI在整個創新藥研發過程當中，到底是哪個階段有作用？像我們剛才提到的，對于序列設計和架構設計可能是有幫助的。現在，AI在合成方面也有一些價值，但都還拘泥于效率的提升，而且這個效率提升針對的還是五年前甚至十年前的設計。因為藥是一個特別的產品，不像其他消費領域，它要經過從動物、人體外到臨床實驗等等一系列漫長的過程，十年以后再成藥的時候，當年那個設計序列可能早就落后了，所以這個很矛盾。那么也想請楊總談一下，像AI在制藥里面，剛才吳總講的這些邏輯，您是否有什么不同的觀點？   

楊艾瑛：大家好，我是元禾原點的楊艾瑛。元禾從2001年就開始做投資，元禾原點2013年成立，2023年正好是元禾原點10周年。不管是大元禾系還是元禾原點，生物醫藥一直是我們比較重要的一個領域，現在也在整個資產中占比超過50%。今年市場比較冷，很多的投資人都離開了，但是我們依然在這個市場，而且今年是應投盡投，并沒有說今年市場環境不好，就不投生物醫藥。  

先回應一下靶點的問題。元禾原點在創新藥領域投得比較早，經常有人說我們投的比較猛，曾經有第三方專門做了一張我們投的靶點圖。今天來討論靶點卷不卷，我覺得是對過去已經投下去的靶點做一個回顧和分析，當下是需要解決和消化一些國內靶點同質化的問題。但是在全球范圍，可能這也不是一個問題，更重要的是怎么從現在開始面向未來去布局，突破空間從長期來看需要基礎科學的進步+開放創新的生態；短期來看，立項之初一定要有堅實的科學邏輯和商業邏輯的基礎。不一定要一味追求全球新的靶點，FDA獲批的新分子實體只占少部分，新靶點比例就更少了。任何基于臨床需求的不管是基于生物學機制研究的新靶點，還是基于已成藥靶點的新化合物、新劑型、新modality都是有價值的。  

關于AI，我覺得AI和新藥融合也好，或者說相互嫁接，這個不能忽視，生物醫藥一定會引入AI，雖然當前AI只是在藥物發現上注重于效率提升，對后期的實驗及臨床驗證幫助不大。畢竟新藥研發是涉及幾十個學科，指望AI一下子給出一個藥是不現實的。但是AI確實現在在新藥研發的各個環節都在努力，未來AI不會取代新藥研發科學家，但會AI的科學家更有可能會勝出。   

黃寧：AI這個技術都要擁抱，不能沒有，但是不等于現在都要用AI強行加上去，對嗎？    

楊艾瑛：對，因為新藥研發太復雜了。這些年AI還是更多在從某一個環節去做，但是整體對新藥研發的加速，最終還需要用實力交付答案，整體提高新藥研發效率。   

黃寧：謝謝楊總。無論從投資人的角度還是創業者的角度看AI，其實底層邏輯都是一樣的，不能因為AI而AI。下面請喜鵲的張總講一講他的看法。喜鵲醫藥有非常成功的管線，二期臨床、三期臨床目前也都在順利推進中。    

AI如何在生物制藥中發揮作用 

張倩：非常感謝黃總，也要感謝一下投中，在昨天的晚宴上，投中的曉磊總講到，17年來投中的會第一次放在廣州，所以還要非常感謝開發區基金，能夠把投中的會落在廣州，這非常不容易。另外曉磊總也講到，他很奇怪為什么中國頭部GP的總部沒有一家在廣州，其實這個問題也很值得我們思考。從企業的角度來講，我們也覺得很難，一直說廣州是創投的沙漠，找錢真得是很難很難，所以非常感謝開發區基金搭的這個臺，給我們這個機會來進行分享。 

簡單的介紹一下喜鵲醫藥，我們扎根在廣州，在2011年成立，到今年已經是第12年了。我們聚焦的是中樞神經系統疾病，剛才陳功教授已經把中樞神經系統疾病給大家做了一個科普。因為前兩年我們在融資的時候，很多投資人都不知道CNS是做什么的。這兩年，CNS也慢慢被大家尤其是投資人了解，但大家還是非常畏懼，覺得這個領域的難度非常高、風險非常大。 

喜鵲在這個領域深耕12年，正是源于我們的創始人王玉強教授。他在1983年就去到美國，在MD安德森癌癥中心和耶魯大學進行藥物化學的研究，也曾經參與了多間Biotech的創立，有一些公司已經在納斯達克上市或者被并購。2003年,他有一款治療AD的藥物美金剛上市，現在也是這個領域的金標準，這款藥物的銷售峰值達到30億美金。王教授在2005年回到中國，出任暨南大學藥學院首任院長，之后也把研發思路進行了調整。  

回應一下靶點的問題。因為暨南大學藥學院的班底是天然產物，已經在姚新生院士的領導下積累了十幾萬甚至現在有幾十萬的天然分子的數據庫。王教授就在這個基礎上，對現代的藥化和天然且有效的成藥性產物進行了很好的結合。我們現在的定位是中藥原性的小分子化學創新藥，現在所有的品種都是1.1類的化學創新藥。至今為止，我們已經取得7張二期臨床批件，有三個項目完成二期臨床，還有兩個二期臨床正在推進中，現在三期臨床也正在啟動。在國內CNS領域，應該是管線最豐富和進展最快的項目。預計未來兩年內，我們會有首款藥物上市，而CNS領域有巨大且未被滿足的臨床需求。剛才陳功教授也講，像卒中，也就是我們常說的中風或者腦梗，包括阿爾茨海默、帕金森，以及近幾年被大家熱知的漸凍癥，這些疾病有巨大的臨床市場未被滿足，主要是它的治病機理非常復雜，現代科學對于治病機理的研究和認知還非常有限。在這個領域，我們對治病機理的研究目前只掌握了10%，就是我們講的所謂靶點，也是因為對這個疾病的認知還不充分。 

我同時再回應一下AI的問題。在來這里之前，我們正在接待珠海一個做藥物AI的公司，同時也很樂于去跟他們合作。在未來的研發中，無論是在劑量、劑型，包括適應癥的選擇上，會采用AI的手段提高我們的效率。但是回歸到底層邏輯，AI只能是在人類現有知識的基礎上，能夠快速學習并通過算法開發推出新的東西。對人類未知的領域，它很難去開拓或者引領，不過應用是一定要應用的。作為我們這樣的公司，要去采用AI的方式不斷提升研發效率，但是AI能夠幫我們解決核心技術嗎？現在可能還是需要科學家在這個領域研究和積累。 

黃寧：謝謝張總。我們對于AI的理解，可能不僅僅是一個靶點的問題，而是在整個制藥創新藥的過程中要找到應用的機會，剛好今天投中請來的嘉賓非常有代表性，一個是CGT的企業，一個是小分子的平臺，一個是做抗體的，把生物藥具有代表性、領先性的企業都請來了。先請文軍總介紹一下自己。   

張文軍：我簡單介紹一下我們公司和個人，我是張文軍，2016年從美國回來在廣州開發區創辦了愛思邁，一家專注于做腫瘤免疫藥物開發方向的公司，我們主要是做雙特異性抗體或者是多特異性抗體藥物。  

我簡單談一下我個人的看法，靶點肯定是卷，我在美國的時候做了兩年的functionalgenomics，該工作的目的就是找一些可能成為靶點的基因，對當時的我來講這是一個很糾結的問題，因為人的全部基因只有3萬個左右，3萬個都能作為靶點嗎？肯定不可能。只能選一些與疾病有關的，或者是在腫瘤和正常組織之間有不同表達水平的基因來做為靶點。  

所以這個靶點的局限性帶來的卷是無法回避的現實，不卷不行。這是第一點，可以成藥的靶點不多，一共只有1000多個。既然靶點少，在確定靶點以后，可以用很多不同的技術、不同的途徑來針對這個靶點開發藥物，繼而達到一個完整的治療這個疾病的目標。

像HER2，像PD-1這種靶點，不說百年一遇，至少是幾十年一遇。靶點開發基本不可能今天找一個新靶點，明天再找一個新靶點。像國際上的大公司，針對一個靶點會開發很多東西，舉個簡單的例子，比如現在的淋巴瘤或者是白血病，CD19、CD20就是比較普遍，也是比較經典的靶點。這些靶點其實也有小分子，也有抗體，也有細胞治療，有可能以后也會開發siRNA這些東西來治療這些疾病。你可以通過不同的技術手段不同的途徑開發一些更有效的藥，比方說我們開發的雙抗藥物，肯定是比單抗藥要更有效率，當然它也存在一些其他的難處。 

我覺得除了找新靶點以外，我們也可以針對同一個靶點采用不同的技術，不同的平臺來開發藥物，第一要針對疾病，第二要針對這個未被滿足的臨床需求。未被滿足的臨床需求是什么意思？針對一個病的藥有很多種，比方說乳腺癌，現在DS8201是比較火的，在這之前已經有很多的藥治療這個病，但是效果不佳，DS8201的出現取代了之前的這些藥。我們的臨床需求除了療效以外，還有一個重點就是病人能不能用得起。有些藥的價格動不動就是上百萬，有幾個人能用得起？我們在開發的時候，要考慮開發一些療效好但成本低的藥，這樣的藥也更有利于進入各個國家的醫保。現在藥在美國的定價是比較高的，但是從其他的國家來看，包括歐洲，包括中東，包括東亞的日本、韓國等——這些國家的醫保都是政府在負擔，負擔很重，所以他們都希望要高效低價的藥，這個也是我們研究的方向。 

講到AI，AI已經不算新的技術了，在其他領域用的非常多，在制藥等醫療領域應用的也慢慢多了，這是一個從淺入深的過程。比方說現在靶點的篩選可以用AI，更多的可能是分子設計，小分子這一塊可能會獲益多一點。像大分子，細胞治療這些目前從AI上獲益比較少，因為蛋白質畢竟結構比較復雜，雖然現在有AlphaFold的這些東西來弄，但我覺得還不那么完美，細胞治療就更復雜一些。 

我們要擁抱AI，要適應時代的發展，但我們也不能完全依賴于AI。科學家有幾十年的經驗，這也是非常重要的，我們研發的每一個環節要把AI和科學家的知識、經驗結合起來，使開發的過程越快越有效果。   

回愛民：AI是一個工具，要考慮該怎么用才好。另外，在不同的技術領域AI的應用是不一樣的，小分子，抗體我們也做過，如果說對于小分子，對于抗體抗體藥物的研發，AI是一個可選項的話，那如果做mRNA的腫瘤疫苗，尤其是腫瘤新抗原疫苗，AI可能就變成一個必選項，為什么？我們人類有龐大的基因組，一個腫瘤有數不清的基因突變，你把這個腫瘤標本取下來了，它的基因突變數百個，用人工去篩選最特異的，免疫性最強的突變去做抗原是不可能的，只有借助AI。 

AI也是人把知識輸進去，比如這些腫瘤性抗原，最后起主導作用的還是人，而不是AI，從這個角度來看，AI在醫藥方面的應用就是如何用好它，對小分子，抗體是個可選項，但對于mRNA腫瘤新抗原疫苗研發，它是必選項。     

黃寧：謝謝回總。全球在藥物AI的應用上，主要的玩家是IT巨頭，AI的藥物初創企業和一些大的藥廠。藥物AI只是其中的一個手段，像楊總講的，不能拒絕它，同時也不能完全依賴它。 

從投資的角度看一些AI的創新藥企，我看到碳硅有很多不一樣的特點，特別是碳硅做的生成式AI，請鄧總把創新的點講一講。   

鄧亞峰：謝謝黃總的介紹，聽了大家的觀點收獲很多。首先，我想強調，AI在生命科學領域的真正落地是從2021年AlphaFold2才開始的，之后逐漸出現了生成式人工智能和預訓練大模型。大家經常質疑AI設計的分子有沒有被批準上市，但實際上，今天臨床的分子，都是七八年前的人工智能設計的，那時候的AI還處于一個相對早期的狀態。在新一代人工智能的潮流里面，我們內部看到了很多全新的可能性。專家設計其實是有自己的盲點的。比如我們內部專家針對一個分子做結構優化，他想了幾天后想到50多個分子，這50多個分子我們通過分析發現只有五個相似的結構，同質化很高。而我們通過AI生成近百萬個分子，再通過AI從中選擇出符合專家要求的好分子100個左右，這100個分子我們最忠只需要合成五個，就找到了一個非常好的新結構，具有新的關鍵相互作用，在突變型上比參考化物活性要好7倍。因此，不是要用AI代替專家，而是用好AI后，專家能夠做得更好，這是一定會發生的事情。

未來一定是基于AI建模+自動化試驗+專家的模式會代替掉傳統上專家+實驗的模式。AI最近幾年的發展趨勢是指數級上升的，我自己對未來AI的期待還是很高的。再講一個大家可能沒有特別關注的技術方向：DeepMind最近在研究任何分子與蛋白分子結合模式預測的模型，這其實是活性預測最核心的模型，而且，這里的蛋白是不需要結構信息的，只需要序列信息就可以。那么，如果這個模型成功的話，人體內共有3萬個蛋白，真正有結構的只有幾百個，傳統方法只能研究這有結構的幾百個蛋白，而新模型可以研究所有有序列的幾萬個蛋白，這不僅僅可以針對任何靶點做分子設計，還可以研究脫靶效應和中藥的網絡效應。所以，我個人認為AI還是非常值得期待的。

當然，最后必須強調一下，還是要尊重專家，需要AI+專家，這個非常重要。  

黃寧：謝謝鄧總，確實以前的盲人摸象跟現在的按圖索驥還是有很大的區別。請愛思邁的張總為大家講講，小分子、雙抗，又有什么樣的區別。 

實現有效、用得起的夢想 

張文軍：現在做藥是有幾大類，傳統的是小分子和抗體等生物制藥，現在CGT是比較新的了，一個是細胞治療，一個是基因治療，包括mRNA等等。我的感覺，第一，要看它的療效，有些病用基因治療是非常好的，比如說代謝病，地中海貧血等；有些病用細胞治療效果也非常好。但是這兩個東西有一個特點，就是價格都非常貴。所以我們在開發這些藥的同時，也可以考慮比方說小分子或者是抗體能不能做到同樣的效果。

比如說減肥的小分子藥物的效果就特別好，如果我們能夠開發一些效果又好，成本又低的藥，這是最理想的。再一個就是個性化治療，中國人開發的CAR-T很難應用于外國人。所以我們在做雙抗時有一些分子做出來之后，在療效上可以達到或者超過CAR-T的療效，而且我們的毒副作用非常低，穩定性也非常好。 

成本低，效果好是我們做藥的追求。做中國人用得起的藥，這也是我們的追求。雖然有些價格貴的藥我們是必須要做，但是能夠做出一個90%的人能都用得起的藥，我覺得對整個人類文明是一個貢獻。 

從以后的發展趨勢來講，小分子、抗體或者CGT都會成為一個趨勢。比例來看，預計會是4：3：3的比例。小分子是四成，抗體，包括多抗以及其他蛋白藥物占到三成，CGT會占到三成。以后各種療法的結合交叉也會比較多，比如細胞治療跟基因治療的結合，抗體也可以跟基因治療結合，以后的藥可能是越做越復雜，效果越來越好，成本也會越來越低。 

黃寧：期待張總的抗體能夠把CAR-T的100萬變成十幾萬一個量產，感謝您的分享。下面一個問題我想請喜鵲醫藥的張總聊一聊，您作為一個成功的新藥研發企業，這么多成功產品，您怎么看小分子抗體跟CGT未來的一些競爭或者說合作？     

張倩：非常巧，我前兩周參加了南方醫科大學的論壇，剛好查閱了一些數據，就是沙利文的一份報告恰恰對這個問題進行了預測，報告顯示，到2030年我們剛才講到的這幾種不同的治療方法，肯定還是化藥為主導。現在化藥還是占比超過57%，到2030年預計化藥是占比37.3%，抗體藥、基因治療、細胞治療等這些生物技術占到31.3%。另外大家沒有談到一個不可忽視的力量，就是中成藥，中成藥也將占到29.4%。其實疫情提高了國人對中藥的認知，它會發展成自我保健，自我診斷，自我治療的趨勢。所以沙利文的報告預測未來可能是一個三分天下的格局，化藥還占主導，因為它相對比較成熟，療效比較明確。 

我們還是要聚焦未被滿足的臨床需求，這個過程兒童用藥會越來越受重視。現在兒童用藥劑型比較少，劑量不準確等等用法還是沒有明確標準，所以兒童用藥將是一個有廣闊前景的市場。此外罕見病在國內也將越來越受到關注，也將不斷的被納入醫保。比如說我們自己也有幾個罕見病的藥，知道在國內可能這個價格是很難做的，量又小，價格又很難上得去，這些品種我們都是拿了美國的臨床批件，未來肯定都到國外去，尤其在美國進行授權或者是在那邊進行商業化。但中國隨著醫保政策的變化，罕見病也逐漸被受到關注，不斷納入基本醫保目錄，這將是一個非常大的市場。 

另外就是腫瘤，腫瘤在未來醫療藥品中占據20%，就是五分之一的比例。我們正在從事的中樞系統疾病市場確實是大，目前全球所有的疾病領域，所有的腫瘤加在一起都不及心腦血管疾病造成的死亡率高。它是至今死亡率最高的一個病，而且全球人均終生發病率是在40%，65歲以上老齡人口的發病率在70%到80%，80歲以上的老人發病率已經到達了80%或90%，致殘率是70%，所以這個領域非常缺藥，幾乎家家戶戶都會因為患有中風、老年癡呆等的老人困擾到整個家庭，所以這部分慢慢的也會被得到重視和發展，謝謝。  

黃寧：請楊總從投資者的角度講一下這三個方向目前是什么樣的格局，我們投資人會怎么看這個格局？   

楊艾瑛：其實如果大家早一些開始投醫療的話，2008年左右，你要去投大分子和CGT其實沒有什么標的。這十幾年我覺得在大分子和CGT領域是突飛猛進，但是我也非常同意張總剛才講的，就是小分子有它不可替代的存在，大分子有一些抗體藥的價格已經比較便宜了。在CGT領域，價格是未來的挑戰，但我們作為早期投資人永遠是心懷夢想，就是先解決有，再解決價格，因為價格的問題它還是一個更加社會經濟各方面綜合的因素，但是我們先解決有的問題。有了之后我們希望在支付體系上能夠有一些更加貼合實際的改革，從支付端去解決這個問題。    

黃寧：吳總也分享一下。    

吳煜：總結剛才喜鵲張總的意見。我覺得是兩個，一個是空間的問題，一個是創新的問題。做小分子也好，或者做化藥，追溯到15年前，我剛工作的時候，那個時候在投中看到那一代的美元基金最早投藥的會發現，它投的那些藥，包括今天仍然是產業內非常成功的上市公司。他們的注冊地在哪里，在蘇北、湖北，甚至還有在青海、西藏，今天他們仍然有很大的市場空間，這就是空間的角度。我們看到小分子藥物，其實是在創新上，現在遇到的是瓶頸。而我剛才講到的另一個詞就是創新方向，以CGT為代表它其實就是一個方向，它們具備更好的創新，但是目前來說的落地還是有限的，但我們認為這不是CGT未來的可實現的價值空間，而是當前市場實現角度，還是比較讓我們有糾結的地方，投資機構去看待這個問題的時候其實是一個予取予求的問題。  

如果投資方看中已市場空間就可以做空間（大的小分子品類），比如說越秀強調更多的是ESG，我們在一些單基因致病類的治療需求，能夠迅速的去決策判斷基因藥物是否有效的方向領域，我們會把這些當成我們在醫藥投資上的一個重點，以及我們抓住未來的一個走向。所以回過頭來講，投資機構去看不同階段其實還是基于自身的定位以及他想得到的是什么。從產業的角度，我剛才講空間的問題也好，方向的問題也好，創新的問題也好，其實產業比我們更清楚。投資還是一個資源的配置，我們如何把我們手上有限的資源配置到所傾向的方向當中去。但回過頭來，不管是哪個方向，都要對這個國家和社會有益，我們對傳統化藥、小分子產品是不是不去進行資本支持？如果國家安全受到威脅的時候，或者我們有產業鏈顧慮的時候，特定環境下這類產品也會有特定需求和重要社會意義。   

黃寧：謝謝吳總，投資人還是心懷夢想，利用最先進的技術去投一些未來的認知。呂總，您也來簡單講講，您的企業可以說是一個很典型的CTG創業成功生物藥企代表了。   

呂璐璐：我是一個堅定的CTG的相信者和踐行者。我做藥也20多年了，從醫生開始，從時間維度去看，30年前沒有抗體藥，第一個抗體藥的出現，也就是三十幾年的時間。那個時候就是小分子，100%都是，但沒有人想到過第一個抗體藥出來二三十年的時間蒸蒸日上，已經占了半壁山。如果從今天看未來的十年，CGT領域一定是成長性最好的一個制藥的領域。 

黃寧：讓更多的人戰勝白血病，能夠過上非常有質量的生活，由衷地祝愿合源發展得越來越好，為更多的患者帶去生存的希望。接下來請劉總簡單講兩句。    

劉纓：我覺得大家都講得很好，我很同意前面幾位的意見，不管你是小分子、大分子，不管你是任何藥，你要解決臨床的問題。先解決臨床的問題才會有空間，我非常同意李總的意見。治療費用這個問題我們有很多的辦法去解決，而且中國30%的人口占到70%醫保費用的時候，這部分人的高端醫療還是有市場的，有價值的。我們軟銀中國資本也是在醫療健康領域堅持不斷地投、不斷摸索與復盤，在生物醫藥這一塊到最后還是要看市場的應用和療效。  

回愛民：首先我非常同意大家的意見，我覺得小分子，抗體、生物藥都非常重要，甚至化療藥也很重要，傳統的化療藥目前在我們的肺癌、胃癌、淋巴瘤、胰腺癌還在廣泛應用。我想說的一個觀點是什么呢？以腫瘤為例，我們實際上強調的是綜合治療。不要說什么新的技術出來了我們就把腫瘤治愈了，短時間內治愈不了。我們能夠做的就是讓病人活得時間更長一些。就像高血壓、心臟病哪個病我們都治愈不了，只是改善癥狀，延長生命。腫瘤治療就是如何讓病人活得時間更長。實際上我們是綜合治療，手術、放療、藥物治療，藥物治療不是單一的治療，都要做聯合用藥。我做過小分子藥，做過抗體，做過mRNA的產品，如果能解決同樣的問題，方法越簡單越好，這是一個重要的鐵律。但是沒有一種方法能解決所有的問題，所以我們要綜合治療，mRNA為我們的綜合治療提供了一個新的手段。

我覺得我們看問題要有一個動態的眼光來看，過去沒有抗體，那就是化藥的市場，抗體出來了，他要分享一部分市場。誰能想到mRNA新冠疫苗在2021年、2022年有四百億美金的銷售額，沒有這些新的療法出現就沒有這個市場。所以我們要動態的看。另外還有一個問題，如果說制藥市場小分子三分之一，抗體三分之一，其他生物藥三分之一，我們還要想到，我們有多少家小分子的藥企在分享這些三分之一，多少個抗體的藥企在分享這個三分之一，多少個其他生物制藥公司在分享另外的三分之一。mRNA新冠市場一下子就六七百億，主要只有這兩個公司在分享。好，我就說這么多。  

黃寧：謝謝回總。最后我也站在投資機構的角度分享一下我的想法，今天投中給了我們一個舞臺講AI和生物技術，作為投資人，我們還是要懷抱美好的愿望，目前世界上依然有很多疾病是無藥可治的，一些特異性的腫瘤，一些自身免疫性的疾病，未來，這些疾病獲得治愈的可能性也許就在于“AI+生物技術”的突破。AI帶給了我們一個機會來推動新藥的發展，如果哪一天我們能夠把國內這些大藥廠的失敗研發數據投入到AI上，那隨之而來的價值就大了。就目前而言，我們學的都是成功的例子，但更有研究和應用價值的數據往往是各企業內部的商業秘密，外部是拿不到的。AI如果只學好的、看不到壞的，是無法成為真正有價值的AI。隨著產業逐漸發展、進步、成熟，我們還是充滿信心，這一天一定會到來。