热点资讯

股票配资资讯

你的位置：天津股票配资公司-低息配资查询_股票配资资讯_线上配资门户 > 股票配资资讯 > 恒指开户配资对话成都先导董事长李进：资本冷静期是产业发展最佳窗口，AI技术在药物产业定位渐清晰

恒指开户配资对话成都先导董事长李进：资本冷静期是产业发展最佳窗口，AI技术在药物产业定位渐清晰

发布日期：2024-11-01 22:29 点击次数：91

此前，2023年9月25日，国家金融监督管理总局核准李民建设银行副行长的任职资格。截至去职，李民的副行长任期尚不满一年。简历显示恒指开户配资，李民1993年7月西安交通大学审计学专业本科毕业，2002年6月武汉大学金融专业硕士研究生毕业，经济学硕士，高级会计师。李民历任建设银行广东省分行行长助理、广东省分行副行长、河北省分行行长、总行人力资源部总经理兼建行研修中心执行副校长、建行（亚洲）非执行董事。

本期嘉宾简介：

李进博士，成都先导药物开发股份有限公司创始人、董事长兼首席执行官，英国皇家化学学会会士、四川大学客座教授，拥有30多年新药研发和管理经验，在分子设计、分子合成与分子筛选等领域取得重要成就，并在相关国际科学期刊发表论文和著作40余篇，获得授权发明专利60余项。

Key Points：

1、AI制药技术在产业应用端已出现一定积极信号，部分领域的应用前景逐步明确。

2、资本市场趋于冷静之际，正是产业界加大布局力度的最好契机

3、优质大数据将成为AI制药企业发展的最核心基石，但行业短期难以形成寡头格局。

正文：

一度风光无限的AI制药似乎在资本市场受到冷遇，头部企业抱团取暖，部分企业面临清盘，行业估值迅速回落。

不过，从实际发展来看，AI对于药物研发的积极影响正在逐步显现，而产业端对于AI技术的定位也愈发清晰，部分领域的应用前景已得到认可。

同时，AI技术可能带来的颠覆性效果，也让一些企业认清现实，并加速拥抱新技术，以寻求可持续发展。

褪去光环的AI制药产业前景是否还一如既往？未来究竟将如何发展，又有哪些企业能够从中脱颖而出？

第一财经探访国内行业领袖与专家，持续追踪AI制药行业的发展现状。

一、AI助力医药产业发展再上新台阶

第一财经：近年来AI技术在推动药物研发方面有哪些积极信号？

李进：尽管因为资本市场的追捧而出现了过热，但从行业实际发展来看，AI技术在药物研发领域的应用依然有不少非常正面的信号出现。一方面，近期部分公司在非常短的时间内，就将AI药物研发项目成功推进到了临床试验阶段，对行业而言这是非常鼓舞人心的。

同时还有一些系统性的积极信号，业内较为知名的波士顿咨询公司近期发布了相关研究文章，针对一些由AI技术深度参与到药物研发早期甚至一期临床阶段的研发管线进行统计，其一期临床试验获得成功的概率也是非常高的。

第一财经：AI技术给医药产业发展带来的影响是什么？

李进：医药产业一直以来都在试图利用信息技术帮助提升药物研发效率，包括靶点的选择、药物分子的设计、优化及评估等，但一直没有获得显著的成果。目前的AI技术，尤其是大数据、大模型、深度学习这些技术出现后，已将信息技术在药物研发领域的应用潜力推上了一个新的台阶。

二、资本退潮之际正是产业布局最佳窗口

第一财经：近年来资本市场对于AI制药行业的看法有什么变动

李进：近年来，AI技术在药物研发领域的应用前景一度受到资本的疯狂追捧，短时间内就涌现了数百家AI制药公司，并获得了不少的融资，甚至有不少头部企业在欧美市场成功上市。但从近期来看，有一些信号传出。

最近Recursion和Excientia宣布合并是行业内的重大事件，两家都曾是红极一时的企业，尤其Excientia还是英国在AI制药方面最为领先、规模最大成果也最明显的企业，为什么如今却不得不与Recursion相抱团取暖，这被投资界解读为一个负面的消息。此外在国内，也有不少AI制药企业进入了清算阶段，对于资本而言，这意味着未来在AI制药领域的投资必须要更为谨慎。

第一财经：如何看待这一转变？

李进：资本对于新技术的嗅觉更为灵敏，能够比产业端更早关注到新的趋势，是行业发展的一个风向标。但短期期望值的爆发以及投资规模的快速增长，往往会导致预期过热，期望值的冲高回落是必然趋势。

这并不意味着AI技术对于药物研发没有实际作用，从技术原理来看，AI技术在药物发现领域的应用前景还是非常可观的，但是可能在工业应用层面要达到可靠的程度，还需要一定的时间。

第一财经：医药产业如何看待AI技术的应用前景？

李进：与投资界对新技术的看法完全不同，产业界除了关注新技术是否具备更广泛应用空间外，更多从实际应用的角度来寻找新技术在产业中的定位，因此对于新技术带来的成功率、有效性以及可靠性等数据更加关注。

在资本市场的热度逐步回落当下，资产价值逐渐回归合理，而产业界对AI技术在药物研发领域的实际应用也已经有了更为明确的认知，因此正是其布局AI技术的重要窗口。

至少对于成都先导在内的CRO企业，以及一些大型的制药公司而言，在当前市场环境下并不会选择放弃AI技术，甚至会在预算范围内进一步增加投入。

第一财经：AI在药物研发领域的应用可能会有哪些突破？

李进：从此前一些企业的探索结果来看，原先最被看好的，将AI应用于药物靶点的选择，可能还存在较大的不确定性，后续企业继续在这个方向的投入或许更为谨慎。

目前更多的应用是将AI作为试验辅助工具，在具体的小分子药物发现、肽分子设计或者抗体的优化等方面进行应用，并且已经展现出非常好的效果，甚至可能会有超乎预期的影响。

除此之外，在临床试验设计和临床数据解读方面，AI技术也可能会有不错的应用前景。尤其是将临床数据与组学数据进行结合后，相比于传统的基于经验判断所产生的数据可能更具科学基础。如果最终验证可行，这一应用将具备更为可观的工业价值。

三、成功率和大数据是AI制药企业脱颖而出的关键

第一财经：为什么AI制药技术依然没有获得普遍认可？

李进：AI技术用于未知靶点探索的成功率尚不明确，是其应用大规模铺开的一个障碍。

在工业化场景下，大型制药公司为保障平稳运行，通常都非常看重项目执行的规划性和计划性，这就要求药物研发管线从药物发现到临床试验各个环节的成功率都能够预测。目前在化合物发现阶段所使用的技术手段是高通量检测（HGS），历年下来的成功率是50%。而AI技术在该领域发展时间尚短，仅仅在化合物发现阶段也尚无一家AI制药公司有足够的成功案例可以证实成功率。未来只有这一成功率数据逐渐明确，并且被证实可以超过50%，AI技术在化合物发现环节才有替代现有技术的可能。

成都先导所处的DEL领域（DNA编码化合物库），是更为早期的药物研发阶段，在完成了50多种不同的生物学靶点家族的数百个靶点的验证后，我们目前已十分有信心地将成功率定在75%-80%，也确实因此获得了持续不断的订单。

第一财经：AI制药行业的发展还受到哪些因素影响？

李进：早期的AI制药公司可能更多将精力投入到了算法的开发，但是没有解决AI大模型进行深度学习的最关键问题，就是大数据。只有通过足够量的数据训练大模型，才能更加有效地使用AI进行分子生成或者分子预测。前期一些公司失败与成功，或多或少都与此有关。

第一财经：哪一类企业可能在AI制药领域脱颖而出

李进：目前看下来，AI技术发展最为核心的还是数据，不同数据所能够培育出来的大模型各不相同，最终所产生的预测结果也不尽相同。因此，那种能够持续不断产生高质量，涉及靶点范围、分子类型范围，生物模型范围更广的大数据企业，在AI对药物设计或药物优化等应用领域的发展可能会更具活力。

CRO企业通过为大量客户提供研发服务，可以接触到更多药物合成、药物分析等环节的非公开数据，这是一般Biotech公司所不具备的，也为CRO公司快速推动AI技术的发展提供更好的支持。

第一财经：AI制药行业是否会因为一些极具资源禀赋的企业介入而形成寡头格局？

李进：对于人类而言，生命科学领域依然充满了未知，有着极高的不确定性，很多疾病的致病机理以及药物的作用机制都很不明确，这也是导致目前创新药临床试验成功率不足10%的关键原因。再丰富的数据资源在这种巨大的未知和不确定性下，仍然只是沧海一粟。因此，行业内很难出现能够绝对垄断的龙头企业，这一点与消费市场或传统的互联网市场有着极大的区别。

四、拥抱新技术，创造全新业务能力

第一财经：CRO企业引入AI技术是否是必然趋势？

李进：一些依靠单一技术，单一业务模式，以及较低门槛的优势而生存的CRO企业，未来在AI技术的挑战下，其现有技术优势和业务模式可能会被完全颠覆，因此这一类企业如果不寻求引入AI或其他新技术，在未来可能会面临被淘汰的命运。

成都先导作为以DEL技术为核心优势的企业，积极引入AI技术正是出于能够更好发展，避免被颠覆的目的。

第一财经：成都先导引入AI技术的目标是什么？

李进：成都先导在AI技术方面的布局，依然是从维护企业现有竞争优势，扩大企业的商业价值为核心理念。公司现有的1.2万亿化合物库是我们在DEL领域所构筑的核心技术优势，未来将以此为基础，通过寻求外部合作，利用AI技术能力进一步扩大公司数据资源优势。

另一方面，则是希望利用AI技术实现业务范围向小分子结构的发现和优化等领域进行延伸拓展。尤其是分子结构的优化，单项目订单价值较现有业务更高，约有5-10倍左右，是一个很好的拓展方向。

第一财经：公司具体如何推进AI技术能力的建设

李进：一方面我们紧跟最新的AI算法和技术发展趋势，有好的案例尽快将其消化，用来夯实我们自身的AI技术。

此外，成都先导目前正在建设高通量智能化实验室，并通过购买等方式建设了一些高通量的生物化学检测平台。实验室每个月可以生产近万个化合物，而通过高通量检测平台又能够筛选出生物活性、成药性评价的一致性指标等数万组数据。这些数据可以用来培训新的模型，同时建立一些新的能力，帮助公司逐渐扩大数据库规模，并推动业务能力逐渐向分子结构优化领域延伸，最终形成在多个业务领域可以稳定输出成果的AI平台。

举报相关阅读