36氪首發 ｜「深度智耀」獲紅杉中國近1500萬美元B輪融資，加速AI+新藥研發行業佈局
核心提示：
1.深度智耀的AI產品佈局，商業化程序如何？
2.產業鏈上的其它玩家有哪些？
3.中國AI新藥研發的機會和難點。
36氪獲悉，AI新藥研發企業 ofollow,noindex">深度智耀 （Deep Intelligent Pharma）已獲得近1500萬美元B輪融資，紅杉中國獨家投資。 創始人兼CEO李星表示，本輪融資將主要用於AI+醫藥研發領域的產品研發及業務拓展。 此前，它曾獲得 來自真格基金的數百萬美元Pre-A輪融資 ，後又獲得真格基金A輪追加投資。
用AI服務於新藥研發的全流程：從早期研發到上市
眾所周知，一款好藥的誕生可謂是“十年磨一劍”： 從臨床前研究（藥物靶點的確認 → 化合物的生成 → 活性化合物的篩選）；到臨床研究（一期 → 二期 → 三期）；再到審批上市（新藥申請 → 上市） ，涉及週期長、成功率低、成本高等痛點。像輝瑞等國際頂級生物製藥公司，至少需花費數十億美元、經歷10年左右的時間，才能成功研發並上市一款新藥。
藥企研發涉及大大小小上百個系統，造價高昂，卻需要大量人力來完成很多瑣碎的工作，比如查閱文獻、下載文獻、翻譯、寫報告、編排格式、錄入資料等；另外，資訊孤島嚴重，大量重複性的工作在各個不同部門發生。李星表示，“目前製藥行業還處於人海戰術階段，遠遠沒有實現智慧化管理。”
據悉，在圍繞“讓藥物研發更高效”上，公司已陸續推出了多個產品原型， 在早期研發階段，包括AI驅動的藥物合成、藥物設計、藥物活性預測；臨床研究階段，則包括AI驅動的藥物警戒系統、註冊事務系統、寫作翻譯平臺、臨床資料程式設計系統 等，覆蓋了新藥研發全流程上的一些關鍵節點。
圖片由團隊提供
商業路徑：用市場來反哺研發
據李星透露，公司目前已有50多家合作客戶，包括排名前十的跨國藥企、國內一線藥企、國內中小藥企，合作方式包括SaaS服務、本地部署、外包服務、戰略諮詢等。她 強調，與其它AI藥物研發公司的商業路徑不同， 深度智耀是通過“市場反哺研發”——即在能滿足市場需求的前提下，快速走向商用，以支援其它產品線的研發和產品迭代。
因此，在產品的商業化上，李星告訴36氪，目前 智慧化藥物安全警戒系統、註冊申報翻譯 已經市場化， 而 AI驅動的早期藥物發現平臺 及 AI輔助有機合成系統 （化學合成和工藝改善）將在今年11月進入商業化階段。
-
AI藥物警戒系統（Deep-PV）：可實時、全流程、全資料來源支撐藥企臨床研究以及上市後安全監測、風險預測。具體來說，它基於NLP技術，能實現個例藥物不良反應/不良事件報告的快速機器化無人化採集、翻譯、編碼、評估、評價，並多通道遞交監管機構；實時對累積所有個例報告的安全資料庫進行資料探勘，發現可疑安全訊號；實現各類安全性報告/檔案如PSUR/DSUR等生成自動化等。而平臺還將整合更多資料來源推進藥物安全向大資料化、智慧化演進。
-
AI自動翻譯寫作申報系統：寫作——協同寫作審閱平臺通過初稿一鍵生成、多人協同定稿讓科學寫作更流暢；翻譯——多語種全方位醫學翻譯解決方案通過人機互動翻譯平臺、高階醫學翻譯服務，解決研發過程中的語言障礙；申報——下一代法規申報資訊管理平臺通過一鍵格式修復、極速電子文件組裝出版、自動優化申報路徑等系統功能，讓申報更快捷。而傳統醫藥研發中，寫作-翻譯-申報相互割裂，前兩項還鮮有系統支援，註冊系統的智慧化程度又比較低，而深度智耀打通了三環節並通過AI提高了效率。
在市場佈局上，考慮到醫藥資訊化的市場成熟度，李星表示，深度智耀初期會鎖定中國、北美和日本，後續再逐步向全球擴張。
技術和行業共同驅動AI藥物研發的爆發
正如前文所言，AI等相關技術的興起讓藥物研發行業向更“智慧”的方向推進。根據TechEmergence的研究報告，AI可以將新藥研發的成功率從12%提升至14%， 能為整個生物製藥行業節省數十億美元，同時，還能省下很多研發時間。
隨著AI技術進入商業化落地的爆發期，以及中國整個醫藥行業逐漸 發力“新藥研發”和“原研藥” ，AI+新藥研發也到了一個爆發節點。
國內已有初創公司分別在藥物研發的不同環節謀求突破，按照藥物研發的流程從前到後，有 聚焦靶點和生物標記物篩選的 尋百會 生物（獲得IDG領投數千萬元天使投資） ； 已開發出 抗病毒領域 虛擬藥物篩選分子對接工具的 智藥科技 （今年7月獲得天使輪融資）和利用AI針對生物藥進行藥物篩選的 冰洲石生物科技 （去年12月獲得新一輪融資）； 專注晶型預測的 晶泰科技 （今年1月完成 1500萬美元B輪融資 ） ；和 側重臨床試驗的 零氪科技 等。
深度智耀則率先從新藥研發兩端切入，用AI加速早期藥物發現和藥物臨床研究。李星表示，未來大家的競爭要素主要在於產品質量、落地速度和價格上。從市場化程序和產品佈局來看，深度智耀已是國內AI藥物研發賽道的第一梯隊。
國外除了一些諸如Atomwise、BenevolentAI、Insilico Medicine（藥明康德參與投資）等知名創業公司， 近兩年，輝瑞、GSK、強生、羅氏等巨頭也在AI+製藥領域的動作頻出。譬如 輝瑞在2016年就與 IBM Watson Health達成合作，將Watson的AI技術用於其研發新型抗癌藥。
機會和挑戰
從市場層面來看， AI+其他醫療方向（譬如“AI+醫療影像”）一般要在院內銷售產品，它們在大規模落地應用之前，要進行臨床實驗並申請CFDA或FDA註冊，獲得盈利的週期很長；而AI+製藥的目標客戶是藥企，不涉及資質問題，商業化路徑往往更清晰； 此外，中國特有的商業風險和政策風險在新藥研發上的影響相較影像小得多；最後，新藥研發的科學性和邏輯性更強，對技術要求更高，利於參與者通過技術建立有效壁壘。
也就是說，AI+製藥的機會很大但技術門檻高，不會像AI醫療影像一般快速形成競爭紅海和遇到商業瓶頸。這個意味著，這一賽道的競爭格局會相對明朗：技術+商業化速度會構建起參與者的護城河。
不過李星也強調，藥物研發流程涉及約20個功能模組，即使是某個模組的專家對其它模組業務也只能瞭解大概，尤其“製藥還是離IT和網際網路非常遠的行業”， 這造成了AI醫藥研發賽道當前的最大挑戰——醫藥專家和AI工程師的有效融合，或者說“行業+技術”跨界人才的獲取 。她表示，“深度智耀的人才結構已十分完備，醫藥專家已有部分成功轉型為AI產品經理、資料探勘，或AI教練。”
至於難點，除了前文所述的市場競爭和人才吸納；作為藥物發現工具，AI需要資料集才能進行培訓。而國內創新藥研發起步較晚，與國外相比，對於優質資料的積累還有一定距離；另外 生物學發展、法律監管等都可能成為其發展過程中的挑戰。
關於團隊
團隊方面，創始人兼CEO李星畢業於北大藥學院，先後在輝瑞、賽諾菲、強生等跨國藥企的新藥研發部門就職超過12年，曾主導強生在亞太地區的首個AI專案——基於神經網路的註冊申報資料機器翻譯引擎。其它核心團隊成員均具備跨國500強醫藥企業研發以及BAT等頂級網際網路企業的背景。目前整個團隊近百人，AI人才和新藥研發人才各佔一半。