一、什么是人工智能？
1、人工智能（Artificial Intelligence，简称“AI”），是计算机科学的一个分支，是一种仿生学计算机程序。
2、通过这一系列的高级计算机程序和函数计算，AI可以在某些方面像人一样，“看到”和“听到”环境的变化，并根据环境变化做出合理的判断和行动，从而实现我们所设定的既定目标。
AI这一概念最早于1956年在美国达特茅斯会议上确立。发展至今，AI共经历了三次发展浪潮（第一次浪潮：1956年-1974年；第二次浪潮：1980年-1987年；第三次浪潮：1993年-2001年）和二次低迷期（第一次低迷期：1974年-1980年；第二次低迷期：1987年-1993年）。
AI总共有以下三个发展阶段：
1.运算智能：快速计算和记忆存储能力。（初级智能）
2.感知智能：获得视觉、听觉、触觉等感知能力。（初级智能）
3.认知智能：具有推理、可解释性的能力和决策能力。（高级智能）
我们现在尚处于从感知智能跨入认知智能的过程，仍处于初级智能，尚未完全进入高级智能阶段。
二、AI与药物研发为何能有效结合：
传统药物研发面临以下几大痛点：
1.昂贵：平均花费26亿美元
2.耗时长：平均需10-15年才能完成研发
3.研发风险高：平均成功率不到10%
4.结果不尽人意：药企内部投入产出比不断下降
为了弥补传统药物研发效率下降，很多药企开始以license-in或资产收购的方式来获得新产品，这直接导致近几年的license-in交易数量大幅提升，交易价格也随之水涨船高。药企急需一种能够显著提高药物研发速度和效率、允许快速试错的破局新方法。
而AI有以下几大优势可以帮助药物研发：
1.提升现有研发速度、效率和经济性：通过将传统的药物研发过程（例如高通量筛选）和试验（例如ADMET试验）虚拟化和程序化，可以提升现有方式下药物研发的速度和效率，允许企业快速试错，提高成功率，并节省试验费用。
2.创造突破性药物研发新方法：传统的药物研发方式受到试验本身难易程度的限制，但AI允许我们从全新的角度来思考和进行药物研发，突破传统药物研发方法的局限性和瓶颈，从疾病的最根本为出发点，找到全新的研究方向。
3.给予了我们挑战疑难杂症的能力和可能性：由于AI药物研发的高效性、创新性和经济性，这允许我们去关注和研究那些传统研发方法无法挑战的疑难杂症，特别是像罕见病或神经性疾病等，从而允许我们去找到更多疾病的治疗手段。
三、AI与药物研发结合的主要适用场景：
由于AI算法的多样性、迭代性和复合性，这使得AI可以被有效运用于药物研发的全生命流程。
（1）新靶点/药物发现阶段的主要应用：新靶点和生物标志物发现、先导化合物研究、化合物合成。
（2）临床前阶段的主要应用：新适应症发现、晶型预测。
（3）临床试验和上市后阶段的主要应用：临床试验设计优化、患者匹配、上市后药物警戒。
（4）其他主要应用：信息和数据挖掘、收集和分析。
四、AI药物研发海外市场发展情况：
自2014年开始，有大量资本（风投+医药产业资本）开始投入海外AI药物研发初创公司，热度持续升温。在2014年-2020年的7年时间里，年度投资额从2014年的2.2亿美元提高到了2020年的18.4亿美元，增幅达到737%。在投资机构方面，像Google Venture、Y Combinator、软银-愿景基金、药明康德、礼来亚洲、真格基金、红杉资本、J&J Innovation等知名机构都已进行投资。
美国在AI药物研发公司数量和投资金额方面有绝对优势，英国位居第二，加拿大和中国紧随其后。在投资金额方面，美国在这一领域的投资金额是第二名英国的14倍，公司数量是英国的4倍。
全球前20大医药巨头在AI药物研发领域都积极开展布局，与头部公司达成多个药物研发相关的战略合作，并已进入初步收获期。在这些合作中，AI药物研发公司利用他们的AI技术平台，帮助医药巨头探索新靶点或筛选FIC/BIC先导化合物。在合作过程中，医药巨头向AI药物研发公司（1）开放自有的海量数据库；（2）提供药物研发方面的专业知识；（3）提供首付款、里程碑付款和产品分成等财务回报。
海外AI药物研发公司成立较早（不少头部公司于2015年前就已成立），发展时间较长，已进入初步成长期。同时，海外头部公司（特别是美国、英国、加拿大和以色列）非常重视药物研发专业在公司中的地位和配备，公司发展的关注点不仅限于AI技术开发，公司通常都会有资深药物研发团队来分析AI的数据反馈和指导AI技术平台的发展，为AI提供高效正确的反馈。
在业务模式方面，主要分为：（1）利用AI技术加快药物研发型（“AI药物研发型”）；（2）利用AI技术为医药企业提供服务（“AI CRO型”）；和（3）混合型三种主要业务模式。其中，以进行新靶点发现和先导化合物筛选/优化的AI药物研发型公司为主。
除进一步完善现有AI技术平台外，海外头部公司已开始进行进一步的生态和产业链布局，包括：
– 应用场景打通，提供更全面的交钥匙服务（例如从新靶点发现拓展至先导化合物筛选和优化，或从晶型预测拓展至先导化合物优化）；
– 在研药物内部推进，增加在研药物价值（例如在发现了FIC/BIC先导化合物后，自行开展临床前试验或早期临床试验，内部推进在研药物的进度）；
– 配套硬件规模化，降低试验成本，增加反馈效率（例如自行建立化合物合成平台）。
五、中国AI药物研发市场现状：
与其他AI+医疗领域（特别是影像诊断）不同，AI药物研发在中国属于一个小众的新兴领域，起步较晚，在公司数量、市场容量和成熟度方面与国外有较大差距。
1、在技术实力方面，得益于中国在AI领域的基础研究和发展，中国的AI药物研发公司在AI方面有较强技术实力，但是在药物研发方面的知识和能力较弱，普遍存在”偏科”现象。这一问题也导致了中国的AI药物研发公司主要以AI CRO型业务模式为主，以利用AI技术加速内部的药物研发为辅。
2、在地区分布方面，主要分布在北京、深圳、上海、杭州这几座AI技术实力第一梯队城市。
3、在市场参与方面：
– 除了像华东医药、豪森医药、药明康德等少数国内药企愿意尝试与AI药物研发公司合作外，绝大多数国内药企对于AI药物研发这一领域了解较少，尚处于观望状态；
– 国内AI头部公司已开始在这一领域进行提前布局，例如腾讯的云深智药、华为的华为云ElHealth、百度的百图生科等。