近年來(lái)，隨著人工智能技術(shù)的發(fā)展，及醫(yī)療產(chǎn)業(yè)和人工智能技術(shù)結(jié)合的不斷深入，醫(yī)療已成為人工智能技術(shù)最重要的和最快速的落地應(yīng)用場(chǎng)景之一，AI在影像輔診、藥物研發(fā)以及健康管理等各大方向的應(yīng)用已成為未來(lái)明確的發(fā)展方向。

而新藥研發(fā)作為醫(yī)藥領(lǐng)域最重要的板塊，近年來(lái)確因風(fēng)險(xiǎn)高、成本高、研發(fā)周期過(guò)長(zhǎng)等問(wèn)題，呈現(xiàn)出發(fā)展速度漸緩的趨勢(shì)，但人工智能技術(shù)的應(yīng)用，使得新藥研發(fā)中原本需要大量人力進(jìn)行的重復(fù)性工作有了被機(jī)器替代的可能性，從而縮短了研發(fā)時(shí)間，降低了研發(fā)成本。

匯眾研究院對(duì)近年來(lái)全球人工智能新藥研發(fā)企業(yè)進(jìn)行匯總梳理，結(jié)合近年來(lái)相關(guān)的統(tǒng)計(jì)數(shù)據(jù)，對(duì)行業(yè)整體情況進(jìn)行綜合分析，以期幫助資本方發(fā)現(xiàn)好的投資機(jī)會(huì)，共同推動(dòng)醫(yī)療產(chǎn)業(yè)的健康發(fā)展。

本報(bào)告包括以下內(nèi)容

一、 行業(yè)背景和市場(chǎng)數(shù)據(jù)

二、 產(chǎn)業(yè)圖譜

三、 國(guó)內(nèi)相關(guān)企業(yè)分析

四、 海外相關(guān)企業(yè)分析

五、 專(zhuān)利分析

六、 資本趨勢(shì)分析

七、 投資風(fēng)險(xiǎn)

一、 行業(yè)背景和市場(chǎng)數(shù)據(jù)

2017年7月，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，特別提出基于人工智能開(kāi)展大規(guī)?；蚪M識(shí)別、蛋白組學(xué)、代謝組學(xué)等研究和新藥研發(fā)，推進(jìn)醫(yī)藥監(jiān)管智能化。這一政策的出臺(tái)，使得人工智能在新藥研發(fā)領(lǐng)域的應(yīng)用得到了更多人的關(guān)注，也給行業(yè)的發(fā)展帶來(lái)了新的驅(qū)動(dòng)力。

來(lái)源：德勤

據(jù)德勤發(fā)布的相關(guān)報(bào)告，2017年新藥研發(fā)的投資回報(bào)率僅為3.2%，回報(bào)率自2010年起呈現(xiàn)出明顯的下降趨勢(shì)，而上市一款新藥的成本卻在逐年上升，截至2017年，上市新藥的成本已高達(dá)19.9億美元。

來(lái)源：tdi.ox.ac.uk

新藥研發(fā)的流程復(fù)雜，研發(fā)周期較長(zhǎng)，從最初的前期調(diào)研和基礎(chǔ)研究，到藥靶研究、生化研究、前臨床開(kāi)發(fā)、臨床試驗(yàn)（Ⅰ期、Ⅱ期、Ⅲ期）、藥物制劑階段以及上市后監(jiān)測(cè)（Ⅳ期），平均一個(gè)藥物的開(kāi)發(fā)周期超過(guò)6年，而最終的成功率不足10%，但人工智能技術(shù)可以對(duì)化合物結(jié)構(gòu)、基礎(chǔ)生理機(jī)制和基因等數(shù)據(jù)進(jìn)行快速分析，處理海量醫(yī)學(xué)數(shù)據(jù)，從而大大提高研發(fā)效率，縮短研發(fā)進(jìn)程，為整個(gè)醫(yī)藥行業(yè)節(jié)省數(shù)十億美元的研發(fā)成本。

來(lái)源：因鉭數(shù)據(jù)、網(wǎng)絡(luò)公開(kāi)數(shù)據(jù)

而從人工智能市場(chǎng)來(lái)看，中國(guó)近幾年發(fā)展速度很快，從2016年僅不足100億元，到2018年已上漲至約200億元，復(fù)合年平均增長(zhǎng)率超過(guò)40%，預(yù)測(cè)到2020年，中國(guó)人工智能總市場(chǎng)規(guī)模將超過(guò)400億元。目前國(guó)內(nèi)人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用普遍集中在影像輔診板塊，對(duì)新藥研發(fā)市場(chǎng)來(lái)說(shuō)，仍有非常大的發(fā)展空間。

但從技術(shù)發(fā)展的較多來(lái)說(shuō)，目前新藥發(fā)現(xiàn)還處于技術(shù)萌芽推動(dòng)期，技術(shù)相對(duì)不成熟，未來(lái)該技術(shù)的成熟周期可能也會(huì)相對(duì)較長(zhǎng)。國(guó)外市場(chǎng)已有一些相對(duì)成熟的企業(yè)和應(yīng)用，而國(guó)內(nèi)整體起步相對(duì)較晚，未來(lái)還有很長(zhǎng)的路要走。

二、 產(chǎn)業(yè)圖譜

匯眾研究院根據(jù)人工智能新藥研發(fā)領(lǐng)域的特征，將其結(jié)構(gòu)為產(chǎn)業(yè)鏈和業(yè)務(wù)版圖，如下圖所示：

1、產(chǎn)業(yè)鏈

來(lái)源：因鉭數(shù)據(jù)

AI+新藥研發(fā)所針對(duì)的方向相對(duì)較窄，產(chǎn)業(yè)鏈所包含的企業(yè)類(lèi)型不多。上游主要包括科研輔助平臺(tái)、自動(dòng)化實(shí)驗(yàn)室以及大數(shù)據(jù)和人工智能工具化平臺(tái)，中游是最主流的藥物開(kāi)發(fā)輔助平臺(tái)，下游主要是藥物研發(fā)機(jī)構(gòu)，部分企業(yè)在研發(fā)藥物的同時(shí)，也自主開(kāi)發(fā)藥物開(kāi)發(fā)輔助平臺(tái)。產(chǎn)業(yè)鏈流動(dòng)關(guān)系體現(xiàn)為從底層支持技術(shù)或工具流向研發(fā)輔助工具再流向研發(fā)。

2、業(yè)務(wù)版圖

2.1 根據(jù)研究階段劃分

從研究階段來(lái)看，人工智能技術(shù)已逐步滲透到新藥研發(fā)領(lǐng)域的各個(gè)階段，從基礎(chǔ)研究到藥靶、生化活性、前臨床和臨床以及藥物聯(lián)用等領(lǐng)域均有豐富的應(yīng)用，其中以發(fā)現(xiàn)新靶點(diǎn)、藥物篩選和優(yōu)化，以及藥物重定向最具代表性，同時(shí)也是各國(guó)新藥研發(fā)領(lǐng)域人工智能技術(shù)使用的重點(diǎn)所在。

2.2 新藥研發(fā)中AI技術(shù)的其他應(yīng)用

來(lái)源：因鉭數(shù)據(jù)

除在新藥研發(fā)各階段的應(yīng)用外，還有一些其他與藥物研發(fā)相關(guān)的應(yīng)用場(chǎng)景，例如自動(dòng)細(xì)胞計(jì)數(shù)、中藥材鑒別、個(gè)性化用藥、論文閱讀與信息提取，另有與自動(dòng)化生產(chǎn)相關(guān)的如細(xì)胞治療自動(dòng)化生產(chǎn)和自動(dòng)化細(xì)胞培養(yǎng)等，各應(yīng)用場(chǎng)景均對(duì)新藥研發(fā)有一定的支持作用。

2.3 主要針對(duì)的疾病方向及相關(guān)技術(shù)

AI在新藥研發(fā)中主要應(yīng)用于一些較為嚴(yán)重的和難以攻克的疾病，如腫瘤、神經(jīng)退行性疾病、阿爾茨海默病、自身免疫病等，在其他高發(fā)但研發(fā)周期較長(zhǎng)、成本較高的相關(guān)疾?。ㄈ缧难堋⒋x疾病特別是糖尿?。?、細(xì)菌感染等相關(guān)治療藥物的研發(fā)中也有較多應(yīng)用。

從技術(shù)角度來(lái)看，除圖像識(shí)別、自然語(yǔ)言處理和機(jī)器學(xué)習(xí)三大人工智能核心技術(shù)以外，基因組學(xué)數(shù)據(jù)和云計(jì)算在A(yíng)I+新藥研發(fā)領(lǐng)域也較為重要。

三、國(guó)內(nèi)相關(guān)企業(yè)分析

匯眾研究院根據(jù)相關(guān)數(shù)據(jù)對(duì)國(guó)內(nèi)相關(guān)領(lǐng)域企業(yè)進(jìn)行綜合整理，

從目前國(guó)內(nèi)的企業(yè)情況來(lái)看，僅有14家企業(yè)在人工智能新藥研發(fā)領(lǐng)域有所布局，且全部集中在江浙滬、北京和廣東。

整體來(lái)看，國(guó)內(nèi)企業(yè)進(jìn)入較少最可能的原因在于此板塊國(guó)內(nèi)發(fā)展相對(duì)較晚，且技術(shù)上進(jìn)入壁壘較高，且在國(guó)內(nèi)的這些企業(yè)中，部分企業(yè)（如太美醫(yī)療、醫(yī)數(shù)據(jù)、嘉興麥瑞醫(yī)療等）早期業(yè)務(wù)主要在于醫(yī)療信息化系統(tǒng)業(yè)務(wù)，逐步拓展業(yè)務(wù)范圍至人工智能方向，此板塊并非企業(yè)的最主要和核心的業(yè)務(wù)。

2、產(chǎn)業(yè)鏈和業(yè)務(wù)梳理

匯眾研究院根據(jù)對(duì)該領(lǐng)域產(chǎn)業(yè)鏈、業(yè)務(wù)版圖的綜合整理分析，對(duì)國(guó)內(nèi)企業(yè)涉及的業(yè)務(wù)板塊統(tǒng)計(jì)如下：

來(lái)源：因鉭數(shù)據(jù)

除百奧知為科研輔助平臺(tái)外，其他13公司均提供藥物開(kāi)發(fā)輔助業(yè)務(wù)，其中醫(yī)智囊同時(shí)提供藥物開(kāi)發(fā)輔助和科研輔助平臺(tái)服務(wù)。

來(lái)源：因鉭數(shù)據(jù)

根據(jù)對(duì)企業(yè)涉及業(yè)務(wù)板塊的分析，目前在創(chuàng)新靶點(diǎn)鑒定和化合物篩選方面，國(guó)內(nèi)企業(yè)布局相對(duì)集中，在14家企業(yè)中有至少4家企業(yè)有所布局，論文閱讀與信息提取、選定先導(dǎo)化合物、藥物分子涉及、藥物警戒、藥物合成路線(xiàn)設(shè)計(jì)等業(yè)務(wù)在14家企業(yè)中均有至少2家有所布局，而其他各類(lèi)業(yè)務(wù)均布局相對(duì)較少。

四、海外相關(guān)企業(yè)分析

匯眾研究院根據(jù)相關(guān)數(shù)據(jù)對(duì)全球其他國(guó)家AI+新藥研發(fā)相關(guān)企業(yè)進(jìn)行整理，根據(jù)不完全統(tǒng)計(jì)，目前總計(jì)149家（含部分已被并購(gòu)企業(yè)，不包含巨頭藥廠(chǎng)自主研發(fā)的相關(guān)新藥研發(fā)平臺(tái)，詳細(xì)列表參見(jiàn)附件1）。

1、全球企業(yè)數(shù)量分布情況統(tǒng)計(jì)

來(lái)源：因鉭數(shù)據(jù)

從目前的數(shù)據(jù)來(lái)看，美國(guó)在A(yíng)I+新藥研發(fā)方面布局最深，企業(yè)數(shù)量多達(dá)86家，占比超過(guò)50%，其次為英國(guó)和加拿大，分別有27家和11家企業(yè)。法國(guó)、德國(guó)、日本、加拿大等地也有分布。

2、企業(yè)成立時(shí)間統(tǒng)計(jì)

來(lái)源：因鉭數(shù)據(jù)

從企業(yè)成立時(shí)間上來(lái)看，除部分2000年以前的老牌企業(yè)將AI+新藥研發(fā)作為轉(zhuǎn)型方向或業(yè)務(wù)拓展方向以外，2000年以后注冊(cè)成立的企業(yè)占絕大多數(shù)，尤其是2011年以后，每年注冊(cè)的企業(yè)數(shù)量均超過(guò)10家（2018年統(tǒng)計(jì)數(shù)據(jù)尚不完整，謹(jǐn)供參考），且2008-2016年間，每年成立的企業(yè)數(shù)量呈現(xiàn)明顯的逐漸上升趨勢(shì)，2017年開(kāi)始有所下降。

從海外公司對(duì)于A(yíng)I+新藥研發(fā)方向的布局情況來(lái)看，與國(guó)內(nèi)企業(yè)有較為明顯的不同，海外企業(yè)更多集中在臨床試驗(yàn)患者群體篩選、個(gè)性化用藥、藥物重定向、論文閱讀與信息提取，尤其是對(duì)臨床試驗(yàn)患者亞型和群體的分層技術(shù)重視程度很高。

五、專(zhuān)利分析

匯眾研究院對(duì)AI新藥研發(fā)領(lǐng)域內(nèi)包含國(guó)內(nèi)國(guó)外的總計(jì)163家公司所有的專(zhuān)利申請(qǐng)情況進(jìn)行統(tǒng)計(jì)，對(duì)相關(guān)領(lǐng)域的專(zhuān)利情況匯總?cè)缦拢?/p>

根據(jù)AI新藥研發(fā)領(lǐng)域內(nèi)包含國(guó)內(nèi)國(guó)外的總計(jì)163家公司所有的專(zhuān)利申請(qǐng)統(tǒng)計(jì)數(shù)據(jù)，自2011年以來(lái)，該領(lǐng)域內(nèi)專(zhuān)利在數(shù)量上具有明顯的提升，在2016年到達(dá)頂峰，2017年略有下降。

由此可知，近年來(lái)對(duì)于該領(lǐng)域的研發(fā)熱情整體上維持上升趨勢(shì)，于2016年的研發(fā)熱情和技術(shù)競(jìng)爭(zhēng)激烈程度到達(dá)頂峰，2017年競(jìng)爭(zhēng)程度略有放緩（由于專(zhuān)利數(shù)據(jù)的特殊性，2018年的統(tǒng)計(jì)數(shù)據(jù)尚不完善，該部分內(nèi)容僅供參考）。

根據(jù)對(duì)AI新藥研發(fā)領(lǐng)域公司專(zhuān)利申請(qǐng)?jiān)鲩L(zhǎng)率進(jìn)行統(tǒng)計(jì)，AI新藥研發(fā)領(lǐng)域整體維持了較高的增長(zhǎng)率，在2013年后增長(zhǎng)率有所放緩。

造成這一現(xiàn)象的原因主要是行業(yè)本身專(zhuān)利基數(shù)的逐漸增大，同時(shí)對(duì)新的進(jìn)入者來(lái)說(shuō)，進(jìn)入難度正在逐漸提升。

根據(jù)領(lǐng)域內(nèi)專(zhuān)利涉及的板塊分布情況，有機(jī)成分醫(yī)藥配方類(lèi)專(zhuān)利占據(jù)最為主要的部分，由此可知，AI新藥研發(fā)的主要服務(wù)對(duì)象是化學(xué)藥。

占比排名第二的領(lǐng)域?yàn)樘厥庥猛镜臄?shù)據(jù)計(jì)算或處理方法類(lèi)專(zhuān)利，此板塊為AI制藥結(jié)合技術(shù)領(lǐng)域中競(jìng)爭(zhēng)最為激烈的技術(shù)領(lǐng)域，以及企業(yè)實(shí)現(xiàn)自己競(jìng)爭(zhēng)優(yōu)勢(shì)最為重要的領(lǐng)域。

其他有一定代表性的領(lǐng)域包括酶或微生物的鑒定方法、非常見(jiàn)有效成分的醫(yī)藥配置品（如以各種生物因子為有效成分的配置品）、用于生物模型的計(jì)算機(jī)系統(tǒng)、非常規(guī)材料的自動(dòng)分析技術(shù)以及物理圖像及文字識(shí)別技術(shù)類(lèi)專(zhuān)利等。

對(duì)AI新藥研發(fā)領(lǐng)域公司的專(zhuān)利申請(qǐng)數(shù)量進(jìn)行排名后可知：在該領(lǐng)域內(nèi)，專(zhuān)利申請(qǐng)數(shù)量最多的公司是Pharnext（法國(guó)生物制藥公司，主要治療領(lǐng)域?yàn)樯窠?jīng)系統(tǒng)疾病）。該公司的專(zhuān)利申請(qǐng)數(shù)量比排名第二的企業(yè)多一倍，該公司相較領(lǐng)域內(nèi)的其他公司具有很強(qiáng)的技術(shù)競(jìng)爭(zhēng)優(yōu)勢(shì)。

排名第二和第三的分別為美國(guó)的生物技術(shù)公司Berkeley Lights和英國(guó)的臨床前外包公司Charles River，專(zhuān)利申請(qǐng)數(shù)量分別為212件和181件。其他的專(zhuān)利申請(qǐng)數(shù)量超過(guò)100件的公司分別為美國(guó)的微生物基因測(cè)序公司uBiome和英國(guó)的創(chuàng)新藥研發(fā)公司e-Therapeutics。

對(duì)專(zhuān)利申請(qǐng)數(shù)量排名在Top3的公司進(jìn)行統(tǒng)計(jì)后可知，近五年來(lái)，Berkeley Lights公司的專(zhuān)利申請(qǐng)數(shù)量增長(zhǎng)明顯，預(yù)計(jì)未來(lái)具有較為強(qiáng)勁的技術(shù)爆發(fā)潛力。而Pharnext和Charles River今年專(zhuān)利申請(qǐng)數(shù)量下降趨勢(shì)較為明顯，兩家公司近年來(lái)的創(chuàng)新活力不足。

六、資本趨勢(shì)分析

匯眾研究院對(duì)AI新藥研發(fā)領(lǐng)域內(nèi)包含國(guó)內(nèi)國(guó)外的總計(jì)163家公司的融資歷史進(jìn)行統(tǒng)計(jì)分析，相關(guān)情況匯總?cè)缦拢?/p>

來(lái)源：因鉭數(shù)據(jù)、Crunchbase、CBinsight

截至2019年3月，國(guó)內(nèi)外共有140多家AI+新藥研發(fā)公司獲得融資，累計(jì)交易次數(shù)為342起，獲得融資總額為483億美元。其中，國(guó)外企業(yè)累計(jì)融資金額為455億美元，國(guó)內(nèi)企業(yè)僅有1家未發(fā)生過(guò)融資，累計(jì)金額共計(jì)27.92億美元。領(lǐng)域內(nèi)超過(guò)90%的企業(yè)有過(guò)融資歷史，資本熱度極高。

從每年獲投的事件分布上來(lái)看，從2001年起到2018年，交易次數(shù)和融資額逐年增多，其中2017年與2018年交易次數(shù)持平，但2018年融資額最高，達(dá)18億美元，獲投企業(yè)數(shù)量占比超40%。

從投資輪次來(lái)看，獲投項(xiàng)目多處于種子輪，交易次數(shù)占比超70%，融資額占比近30%，大額融資主要集中在B輪、C輪和D輪。此外，各國(guó)對(duì)于此領(lǐng)域發(fā)展的重視程度較高，通過(guò)政府補(bǔ)貼的方式獲得投資的次數(shù)高達(dá)32次，融資額超6億美元。

從公開(kāi)歷史數(shù)據(jù)來(lái)看，參與AI+新藥研發(fā)的投資機(jī)構(gòu)共計(jì)445家，其中交易5起以上的有11家，AME Cloud Ventures， Khosla Ventures 和Goole Ventures交易次數(shù)最多。值得一提的是，Bill Gates個(gè)人參投的交易事件有5起，且全部投給Nimbus TherapeuTIcs一家企業(yè)。

七、 投資風(fēng)險(xiǎn)

1、AI+新藥研發(fā)人才匱乏

根據(jù)相關(guān)調(diào)查，330位藥物研發(fā)科學(xué)家中，41%的人并不了解AI技術(shù)，也就無(wú)法利用AI來(lái)進(jìn)行新藥的篩選。AI人才匱乏和研發(fā)人員對(duì)于A(yíng)I技術(shù)的不了解，可能會(huì)導(dǎo)致學(xué)科之間的融合度不能在短短幾年時(shí)間內(nèi)達(dá)到較好的程度，未來(lái)跨學(xué)科人才的培養(yǎng)不足可能會(huì)對(duì)領(lǐng)域的發(fā)展產(chǎn)生制約作用。

2、復(fù)雜的生物學(xué)使得藥物研發(fā)的難度比預(yù)期大

由于生物學(xué)本身極其復(fù)雜的特性，理論和模型上能起效的新分子，在人體中可能會(huì)出現(xiàn)各種不可預(yù)料的結(jié)果，可能與其他分子發(fā)生復(fù)雜的反應(yīng)，同時(shí)個(gè)體差異性也進(jìn)一步增加了藥物研發(fā)的復(fù)雜程度，這也給AI技術(shù)的應(yīng)用增加了很大難度。

3、優(yōu)質(zhì)數(shù)據(jù)不足

市場(chǎng)上被批準(zhǔn)使用的新藥數(shù)量有限，這些數(shù)據(jù)量遠(yuǎn)遠(yuǎn)不夠。新藥研發(fā)規(guī)則不明確，數(shù)據(jù)不明晰而且充滿(mǎn)了高度不確定性，這給以數(shù)據(jù)集為基礎(chǔ)研究的人工智能帶來(lái)巨大的障礙。而在專(zhuān)利保護(hù)層面藥物專(zhuān)利，尤其是最核心的化合物專(zhuān)利，制藥公司通常不會(huì)公開(kāi)太多數(shù)據(jù)，更不可能分享他們目前正在開(kāi)發(fā)的最熱門(mén)靶點(diǎn)數(shù)據(jù)，這讓能利用的數(shù)據(jù)量較理論上更少，進(jìn)而進(jìn)一步限制了優(yōu)質(zhì)數(shù)據(jù)的可得性。

?