每日财经新闻汇总顶点财经官方网站新浪博客宣布关闭
创始人兼CEO夏宁，在“计算+化学合成”这个方向钻研了10余年，他相信技术驱动和数据积累的价值，坚信医药行业也会出现一个 turningpoint——技术打败了人的经验
创始人兼CEO夏宁，在“计算+化学合成”这个方向钻研了10余年，他相信技术驱动和数据积累的价值，坚信医药行业也会出现一个
turningpoint——技术打败了人的经验。如今，技术创新和需求爆发这两条线相交，有机会让这个turning point早点到来每日财经新闻汇总。创业前，科因生物
创始人兼CEO王一恺，曾经从产业界转型做投资。他认为新型的工具平台公司和效率工具的出现，将使得中国有机会研发出具有全球竞争力的产品。于是，又毅然回到产业界，成为创业者。在「峰瑞创投对线场直播
，智化科技创始人兼CEO夏宁、科因生物创始人兼CEO王一恺，他们与峰瑞资本合伙人王蕾在线展开了一场深度对谈。在对谈中，除了行业里的机会、机遇，他们也聊到了失败。在他们眼中，生物医药是一个由失败驱动的行业，对失败和不确定性的认知，可能也是区分不同人的一个维度，
要学会“拥抱失败”。我们整理了他们对谈的部分内容，与你分享，希望能对你有所启发。他们探讨的内容包括但不限于：
这几年，药物研发行业出现了哪些 新变量？ 两位创始人是怎么找到机会的？如何看待 大分子和小分子 这两种技术路线？
我过往两段经历，都跟创业有关。第一段，我在药明康德的国内新药研发服务部，参与了很多项目研发的流程，对国内新药研发行业有深入的了解。这为我后来又回到产业做了铺垫和积累。第二段，2018年3月，我加入峰瑞，在生物医药领域做早期投资。“创业和投资是不分家的”。在早期确实是这样，你会觉得你所投资的公司，它们团队的变化发展、业务方向、技术的突破，都是你自己的事情。
当时我加入峰瑞，非常认可峰瑞的投资逻辑：在早期的方向和交叉的领域，关注新型的基础设施以及在这之上产生的新的产品的公司。
之后，在中国才能够真正第一次开始做全球有竞争力的产品。像我们这样的年纪，如果在欧美成熟的产业里每日财经新闻汇总，很多还是在原来的方向轨道上钻研，接触不到全景的、全流程的链条，很难有机会把自己的一些想法付诸实践。我从原来的产业中转到投资，再从投资转回产业，
我是智化科技的创始人兼CEO。特别感谢王一恺博士，他是我的天使投资人。从2008年博士毕业至今这十几年，我都在做同一件事情，就是就是用计算、大数据以及AI，提升化学合成的效率
。我并不是为了追风口或者抓机会，而是相信这件事一定能成。虽然我学的纯有机化学，但受家庭影响，我从小就学习编程，并且很有兴趣。我一直在寻找化学这个学科和编程的交叉点到底在哪。
我也一直在思考如何用计算来解决化学合成的效率问题。2018年，有学者在Nature上发了一篇论文，用AI来解决化学合成的路线设计问题。但此前，我们早已在这个领域做了很多的研发以及布局。
2018年底，我决定创业，正好碰到峰瑞的王一恺博士，他很认可我们认定的方向和思路。峰瑞投资智化科技之后的这两三年时间，我们进入了一个比较快的发展区间，快速地迭代，技术也在不断地成熟。
我回顾了一下当时投资智化科技的时间线号，我跟夏博加上微信。3月17号，那是个周日，我们在上海浦东第一次见面。见面之后，峰瑞就很快立项。21号，我就和丰叔一起到武汉，去了智化原来的办公室。我们跟夏博聊了大概有半小时，这个项目的投资决策就已经基本完成了。虽然峰瑞做早期投资，投资决策通常都挺快的，但是从8号加微信到21号做完决策，
之所以能做出这样判断，可能跟峰瑞一直的坚持有关系。我之前也是做有机合成的背景，长期关注用数据加速有机合成提升效率这个方向。在我们投智化科技的时候，全球可能有几十个团队都在攻克有机合成的逆分成路线分析的问题，也有不少创业公司在做。而今天，智化科技在全球是比较领先的。
原因不一定是因为美国的高校做不了，而是有机合成这项产业，不管从供应链到人才还是市场，都主要在中国。并且，有机合成这项产业恰好遇到了新药研发投资的火热。
不光是有机合成逆合成分析，包括电镜、AI算法的应用、新型的检测工具、高通量的测试技术等等，在中国发展得非常之快。我最终之所以选择又回到产业中，和智化科技这些新的平台工具直接相关。
我们都知道，新药研发的周期长，投资回报低。在未来的时间内，如果新药研发想要持续地生长和发展，需要整个产业的基础设施进行迭代。与新药研发基础设施相关的新技术如果能够在中国落地，将会得到很多资金上的支持，应用在很多场景当中。
我们的核心是希望以计算，针对比较新的蛋白的靶标，当然需要有结构（也可以是模拟结构），来产生分子。这也是行业中大家的关注的、正在解决的问题。在这两年，在对蛋白的模拟、蛋白小分子相互作用的预测、小分子的产生这个大方向上，出现了比较多新的技术应用。
科因生物有很强的计算团队，也搭建了自己的平台，理所当然地，智化科技成为我们下游的合作方，关于我们设计出来的分子的路线以及最终怎么去做，智化科技可以为我们提供很好的解决方案，甚至是交付。
第一，环境上的变化。在早期的时候，整个大环境并不是很利于新药研发去做很多创新。举个例子，早期的合成主要是用人力。但最近几年，整个人力成本，尤其在药化领域大幅度上升，有些行业甚至需要外包到像印度、越南等地，来解决人力成本的问题。
第二，创新药特别是小分子药，分子越来越复杂，越来越难做。“低垂的果实都被摘了，剩下的都是挂在很高位置的果实。”当前通过AI等新技术设计出的分子，都不是特别好合成，这对合成能力提出了更高的要求。
还有一个最核心的转变是技术。举个例子，我在早期创业的时候，想法有了，思路也有了，但没法儿落地，为什么呢？技术不成熟。如今IT的云计算、用GPU的高通量计算这些技术，是整个用算法来解决制药复杂问题核心的基础。
另外，我们对于新技术的接受程度也在变。以前制药行业的思路偏传统，但最近几年，由于各种风口也好，或者新技术出现也好，大家都愿意尝试接受新的技术。这种行业认识上的转变，是很重要的。
夏宁：我们很早就有用技术提高合成效率的想法。我之前的两次创业经历，也与计算+合成密切相关，我们在各种方向试错，为后续积累了经验。
当看到相关技术出现突破之后，就立刻来应用，把想法付诸实践。恰巧在市场有需求的时候，我们出现了。可以说，技术创新和需求这两条线相交，才有了这个机会顶点财经官方网站。
我往产业下游多说一点。过去几年，国内创新药的研发如火如荼。很多项目得到了资金和政策上的支持。可能这其中或多或少有些泡沫，最近二级市场也在回调每日财经新闻汇总。
之所以会出现这样的局面，是之前的项目绝大部分是“fast follow”，就是在国外的这些靶点和分子已经进入临床之后，看到别人的结果之后，我们再来做。最大的风险，已经被国外的公司验证过了。我们就能理解，为什么这样的事情，在国内会出现一定程度的内卷。
但疫情出现之后，国内的生物医药行业都在谈first in class。做first in class的风险非常高，核心是要“跨越死亡之谷”。如何跨越？说白了是一个叫DMTA的循环。
这个循环大药企可能在20多年前就开始做，每一次技术出现，都会做一次应用和迭代。未来，这个循环可能也会成为大家都要去解决的问题。（更多关于DMTA循环、新药研发效率的思考，详见《 峰瑞报告23：穿越“死亡之谷”：小分子新药研发的系统性新机会 》）前面我也说到了，中国出现了很多新型的工具平台公司，在本土做这样的整合和加速的循环，可能已经比跟在欧洲的公司合作更有效率。毕竟在本土交流方便，没有时差，而且这些公司在中国的成长和发展都很好。
在未来三到五年，新药研发行业还有哪些“无人区”或者说有哪些目前还没有被广泛应用，但是极具潜力的技术值得去探索？
现在很多时候靠的是经验和数据，效率还是比较低的。我希望在未来像量化这种计算方式，能够更加的精确。或者有一些新的方法出来，比如通过计算的方式去预测合成中涉及到的一些问题，而不是通过数据。第二，量子计算机也在研发之中。如果未来GPU的效率再提升几个级别，也可能产生巨大影响。
王一恺：我很认同。在研究生物体系的工具手段上，通量会变得更高，这件事情已经或多或少地应用了。不管是新的测试工具，单分子的成像，单分子的表征等等，都逐渐在行业内应用。
不管是在生物学、化学以及药物研发中，计算的作用会持续体现出来。最近，AlphaFold实现了对蛋白的复合物进行预测，实现了最新的突破。
▲AlphaFold-Multimer 对蛋白复合物进行结构预测，真实结构标为深蓝色，多聚物其他链以不同颜色区分。图片来源：智药邦。
未来，随着计算上的突破，以及动力学模拟这样的工具能更深度地应用在早期新药研发里，我们对生物过程的理解有更新迭代之后，会有一些新的方向、手段、工具，能让新药研发的过程加速，从而降低后期的失败率，提高投资回报率。/ 04 /
王蕾：在医疗领域，大分子和生物科技、基因治疗都很火热。在现有药物发现方法上，两位怎么看大分子、小分子、生物技术这些方向，哪个路线最有可能先做出被客户认可的新方法、新平台？
我是学化学出身，现在做的是小分子。不管是以创业者身份面对投资人，还是招聘的时候，多多少少会听到“大分子、基因细胞疗法非常热，小分子是明日黄花”这样的判断。
但实际上，如果你去观察最近几年在美国几家大的VC孵化的公司中，大家对小分子的投入一点都不少，小分子有很多新的发展。
另外，我们在新靶点的发现验证上因为有了CRISPR，对胞内小分子可以来作用靶点的发现和研究，甚至建立筛选流程，也都变得更加容易。
所以，在中国通过小分子这个路线，推出真正原创的药物原创产品，诞生更新的、更有效的技术平台，可能性反而是更大的。夏宁：
。两者起作用的方式不一样，抗药性也不一样。而计算赋能、AI赋能等方式，更容易在小分子上取得突破。相对来说，小分子结构比较简单，容易去计算。而大分子，还是需要通过很多试错的方式，或者生物的方式来做。未来，大分子、小分子这两种路线将会长期共存，都会发展得越来越好。
王蕾：聊完了行业里的变化和机会，好奇两位创始人是怎么理解新型的工具平台或者biotech公司和现有的大药企之间的关系，这些公司怎么共生共赢的？新型的公司如何说服大药企来尝试新的技术，会给这些大药企带来多大程度上的效率提升？
智化是以服务为主。我们去跟大药企聊合作，药企会问：“你的东西到底好不好？怎么证明你的东西确实有效？”
我们确实需要在药企内部进行一定时长的测试。因为合成这个问题，比较容易验证，通过自己的经验判断，或者一些简单的实验，就能知道效果到底怎么样。当然，还有一些比较新的技术，可能比较难去验证，就需要大药企相信这件事情的逻辑。
特别是在当前这个时代新浪博客宣布关闭，药企的核心痛点极其明确，就是加速研发，降低成本。从这个角度，即使你还没有得到一个相对完整的验证流程，还是会有一些公司愿意支持你。
是很重要的。我们现在在做新靶点的项目研发。一些通过计算设计出的分子，合成起来并不容易。当然仅有合成路线是不够的，一定要得到最终的分子实体，才能在生物实验中验证是否有效。从这点也能看出有机合成以及新药研发整个行业，可能跟互联网行业有一些不同，因为新药研发这个行业最终的结果是需要实验来形成数据闭环的每日财经新闻汇总。对于科因生物来说，怎么理解跟大药企之间的关系？
当然，我们还需要最终的验证，形成闭环。只有拿到了数据和结果，才有机会和这些大的药厂沟通和谈合作。
夏宁：智化科技在和客户合作过程中，也是注重结果的，最终还是要有一个能够可验证的流程。要拿事实说话，是必须要做到的。
只靠讲概念不能长期地维持合作。智化内部极为重视验证的过程，要通过一些试实验，对设计的路线做一些验证。这是在新药研发领域，计算驱动的公司都要面临的一个问题。
王蕾：对于新型的工具平台或者Biotech公司来讲，未来是打算一直做服务，还是说可能会下场去做产品，成为行业里的重要玩家？
夏宁：两条路都可以走，但方式不一样。AI最核心的是要有足够多的数据量，才能形成壁垒。如果选择做产品，可能没有特别多的资金做很多的管线，数据量整体会偏少。但如果做服务的话，我们可以快速服务于很多管线，整体的数据量会很大。从这个角度，智化科技的
王一恺：毫无疑问，生物医药是一个朝阳产业，会一直热下去。当然这个热的前提是新浪博客宣布关闭，每个玩家都需要在自己专长的方向和阶段上，能够做到极致。未来中国的生物医药产业可能会跟欧美类似，有更细的分工和专注的方向、阶段。这其中有初创的新型biotech公司，也有
。借助big pharma很强的后期临床以及销售能力，biotech公司研发的药品才能更有可能让病人受益每日财经新闻汇总。我们需要行业内各类公司一起打造良性的生态。这里面比较“惨”的可能是biotech公司，失败率很高，但新的靶点和方向的风险很大，失败也属于正常的。
王蕾：在数据积累上每日财经新闻汇总，有的观众提问：“大药厂的合成数据肯定是积累多年，而且量特别大，自己也可以做自动化和算法平台。这块儿智化科技如何去竞争？”
夏宁：如果做产品的话，可能药企过往确实积累了很多数据，但每年速度可能相对较慢。如果做服务的话，会有更大数据的增量。
药企积累的数据本身肯定有价值，但如果这些数据要为AI学习做准备的话，颗粒度要极其精细、标准化。准确、标准化地记录数据
除了计算、软件上的技术，智化科技是怎么考虑硬件产品组合落地，也就是在自动化合成方面有什么样的布局？夏宁：
智化科技在自动化这方面也有布局，我们内部正在研发。为了快速地积累大量的数据，以及标准化可以学习的数据，我们确实要做自动化。王蕾：有些CRO公司的合成专家反馈说，合成类的软件可能对初学者的用处更大，对有经验的人来讲，用处可能相对小一些。您认为是这样的吗？智化科技能带来的优势能是多大呢？
夏宁：这个问题确实很多人会关注。我们可以拿围棋来类比。AlphaGo不断地学习演化，打败棋手之后，人们意识到人已经玩不过AI了顶点财经官方网站。
当合成类的软件技术刚开始出现，可能会比一些三四年经验的博士生要做得好，但相比于做过十年合成的老专家，水平还是很有限的。
可能这才是真正能够解决有机合成问题的途径。从发展的眼光来看，这个turning point是注定要来到的。
夏宁：从做工具平台来讲，前景较好。整个行业对于高效工具的需求极为强烈。同时，它的天花板也足够高。做服务，可能在单个的产品中，能看到收益的天花板，但
从数据计算的角度，这个行业有比较深的门槛，不容易陷入红海的竞争顶点财经官方网站。我们的竞争对手很有限，而且随着时间的积累，技术研发更深入，能够建立起非常核心的壁垒。这个壁垒最终可能能够转化成一个数据的壁垒。这时我们就有点像互联网公司。当互联网公司做到足够大，可能从市场、数据角度，别人就很难再复制了。
在药物研发领域，有一个“化学空间”的概念，所谓类药的（drug-like）分子可能有10的60次方个。这意味着，我们目前对可成药分子的探索极为有限。这是问题的一个方面。另一个方面是，在我们看来有很多可做的蛋白靶标，之前因为技术原因，没有办法做。但现在随着工具手段的进展和生物学的发展，逐渐变成可以探索的生物空间。
也恰恰是因为出现新的工具和更高效的合成技术，探索过程的成本才有可能变得可以接受。进一步说，在新的靶点的发现上，我们现在有能力去探索更多可成药的分子。过去一个项目，做一千个分子。未来有了更高效的有机合成，或许可能能做一万个分子。这一千个分子原来是集中在某一个母核结构上，未来可能会有机会探索十个或一百个母核结构。通过这样的方式才有可能探索到
王蕾：想跟两位讨论一下大家关注的人才问题。新的工具平台、新型Biotech公司正在持续发展，药化、泛有机化学、生物、AI等等这些不同类型的人才，未来有什么机会和挑战？
我建议大家能够向交叉的方向发展。我个人机缘巧合，学了化学读到博士，最后又从事化学信息学写代码。我们公司也对人才进行培养，如果你某在一个领域，比如合成、制药这些细分领域有很深的积累，在另外一个领域比如编程算法刚刚入门，我们非常欢迎。我们在团队内部看到很多人才，学习能力极强，很快地就能通过实践掌握这些技术通。今年9月，华中科技大学和智化科技联合创办了“人工智能化学试验班”，共同培养化学&AI双重背景的人才。有志于AI自动化合成方向的同学们，欢迎多多关注我们并加入。
大家对失败和对不确定性的认知，其实是区分不同人的一个维度。任何科学、技术方面突破，不确定性都很大，失败是常态，尤其在新药研发领域，可能95%以上的分子，最终会因为各种原因“废掉”。其实可以有一个预设：这件事是一定会失败的，这样你在做项目的时候，就不会那么惧怕失败了。
有很多伙伴愿意跟我们一块做这样的积累，愿意承担风险，每天被不理想的数据打击，有这样的韧性来做一种延迟满足的尝试。这个过程中，最难得的是，大家积累了真正的行业的Knowhow，和新工具应用的经验。
在我们做算法研发中也相当重要。大家可能觉得算法是很确定的东西，实际上我们是在不断失败的过程中，找到那个真正可行的方法。失败十次，成功一次，已经算很不错了。从这个角度来看，我们是一个失败驱动的研发企业，和制药是一样的。
王蕾：有观众想要了解，在现在这个阶段，领域的知识和计算能力，哪个更占主导？夏宁：其实两个都很重要。如果非要从中挑出一个，可能领域的知识更重要。因为化学或者制药这个行业，本身门槛很高，如果没有这个基础，直接就通过计算或者AI来切入，可能难度较大。
在这篇里，作者分享了关于新药研发的研究。特别欢迎你在留言区分享你的观察和思考：你如何看待新药研发行业的发展，从中发现哪些机会？
直播内容回顾对于11月14日举办的「峰瑞创投对线场——《药物研发大变局下的新机会》感兴趣的朋友，更多精彩内容欢迎扫码下方的二维码，回顾当天的直播。
▲ 峰瑞收获清科、投资界、投中&GEW、CVCRI、融资中国、万榜RB、蓝鲨消费的10项认可 峰瑞事务所▲ 峰瑞报告24 迎接最「聪明」的风口，为脑与神经科学勇敢投资
▲ 峰瑞报告23：穿越“死亡之谷”：小分子新药研发的系统性新机会▲ 为什么AI制药这么火，为什么是现在？ 峰瑞生物医药创投峰会实录
免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186
