近年来 AI 制药沸沸扬扬，一度成为重要风口。承袭上世纪 90 年代 CADD（计算机辅助药物设计）而来至今的 AIDD（AI 辅助药物设计）已经发生裂变。形成了包含药物靶点发现，候选化合物设计、筛选，DMPK 预测，临床病人筛选，药物新用途发现等覆盖制药相关方方面面的模型、算法及创业公司。生物医药的资本和互联网资本的共同追逐，在过去两年达到高峰。然后，大风之后，似乎有点地方被卡住了，不太顺畅。
这些卡点的外在表现是：
AI 制药公司从传统药企获得服务订单不容易、或不持续、或价值金额有限。
获得资金支持的 AI 制药公司比较普遍的尝试自己直接开发药物。而这并不是 AI 制药团队所熟悉的工作。
Exscientia (EXAI. US)：2022 年 Q2 财报实现营收 870 万美元，前值为 40 万美元，预期值为 2542 万美元，比市场预期低 65.77%。 据动脉橙报告显示,“AI+制药”成为2021年最受资本欢迎的赛道之一，全球融资77起，金额合计45.6亿美元（约合人民币307亿），其中中国市场融资12.4亿美元。 AI 制药管线数量：
针对第一点，我想分享 2021 年初，我们参与某国家顶级院校的团队的 AI 制药创业项目说起。团队和项目本身的信息我不便多透露，只从逻辑上分享当时我的观察与思考。
1. 不能明确定义自己的产品与服务。交易成本必然很高。
参与该 AI 制药项目的第一天，我便通过产业资源，为其介绍从事药物创新研发的下游企业客户。尽管 AI 制药团队可以提供从文献挖掘、靶点推荐，直到适应症推荐和老药新用等各项服务。然而这些服务都还是非标准化的，是高度定制的。
这是商业化非常危险的一类情况。当你不能明确定义自己的产品与服务，就意味着你的交易成本会非常高。即使获得几项探索性的服务订单，也不代表其能持续。
从下游客户新药研发企业来看，一家公司愿意把自己工作的一部分外包，而不是自己亲自做。核心原因是外部做的成本低于内部做的成本。外部做的成本包括外部团队做的成本，外部团队的合理利润，以及双方沟通的交易成本和信任成本。只有标准化的定义明确的服务，其交易成本和信任成本才可能有效降低。因此，我们看到最容易外包给 CRO 的工作，像动物毒理、药理、合成、筛选等等……都是定义明确的——你要我做什么，我做到什么程度交给你，你付钱。
而彼时，我们看到的 AI 制药服务，根据具体课题，客户提供什么，AI 服务能够达成什么，都是高度不确定的，都是高度非标准化的，以至于收费也没有对应的价目表，非常不透明。
我们当时提出的方案是：①经营层面，首先梳理产品服务，需要明确定义，力争标准化，降低交易沟通成本。②融资层面，由我们出面引进由多家药企组成的联合体作为种子用户的同时成为战略股东，降低信任成本。我们保留董事会席位，并兼顾问。③估值层面，保持克制。如果实在克制不了，为弥合分歧、快速推进，必须加上估值调整协议，战略轮估值不得高于后续轮次估值的8折。
在我们的方案提出后，双方客客气气几个月都没有肯定的答复后，我们果断中止了这个项目的推进。
项目方的犹豫是可以理解的。毕竟在大风口上，投资机构都踏破了门槛，互联网大资金又在跑步入场。
我们的中止也非常坚决。因为我们的方案与行业脉络的分析梳理已经和盘托出，利害关系非常清楚。要么是项目方的商业理解和决断力不足，要么是项目方的技术尚不能实现预期的交付……不论是哪一种情况，我们都应该坚决中止。
2. 客户不好搞定。就自己把客户的活给干圆了，让万恶的客户下岗?
针对那些业已拿到大量融资的头部 AI 制药公司，我们也看到了一个奇怪但比较普遍的现象。就是这些公司开始利用手中的财务资源，开始构建自己的新药管线，转型为一家新药研发公司。—— 这似乎表明：的确交易成本太高，“客户太难服务”。但给出的解决方案，并不是投资改善自己的产品与服务，以赢得客户。而是干脆自己把客户的活给干圆了，让万恶的客户下岗。—— 逻辑没问题，但是反常识。也许有公司比较幸运能够走通。但是药物开放的流程非常长，涉及的学科也非常多，很多环节并不是AI公司所擅长的，潜在的风险和总体投入也是非常庞大的。
打个比方，今天的 AI 制药就好像早期的火药。开了天眼的我们知道，火药继续发展出枪炮，将彻底变革战争的形态，开启新的纪元。然而早年的火药枪，打不准，伤害小；远远不如强弓硬弩实用。
按理说，兵工厂拿到融资之后，应该将资金投入到枪炮的研发改进上。尽管不是那么容易，但天眼告诉我们，这是历史正确的方向。
如果兵工厂把融资拿来的钱组建集团军队，包括步兵、骑兵、弩兵，以及杀伤力不大、也打不太准的火药兵一起。火药兵虽然打不准，杀伤力有限，但是打辅助，烘托氛围，肯定也是有帮助的。通过集团军多打几场胜仗，来证明火药的力量。—— 是否感觉到了。逻辑没问题，但是反常识。一来，这么做其实是对火药未来的潜力投了“不信任票”。你肯定是认为火器改造的空间没有那么大或没有那么容易了，所以才把有限的财务资源用于组件集团军。二来，组建一支能够打胜仗的集团军，到底要花多少钱？没打过仗的人，往往容易低估之。不仅花钱是海量的，而且也 No garantee 一定打胜仗。
3. AI制药充满希望。关键是如何破局？
那你是对 AI 制药感到悲观绝望吗？不，恰恰相反。我对越来越丰富的生物医学大数据所加持下的 AI 制药充满希望。我坚定相信生物医学大数据、药物开发大数据时代正不可回避地向我们走来，并且其中充满改天换地的能量。就像当年的火药一样。
NGS 测序、单细胞测序、空间转录组、蛋白组，及各种多组学的研究方法和工具，正在为生物医学带来指数级增长的大量数据。这些大数据，必将推动生物医学的研究从传统的单变量（单因素、单靶点）研究时代，过渡到系统生物学研究时代。
现在寄希望于针对某个单一靶点的干预而达到理想治疗效果的药物的开发正越来越困难。因为那些药物都是低垂的果实，是大自然的巧合，是人类的幸运。更多的疾病并不是因为单一靶点的错误而发生的。很多疾病的发生都是一个动态的过程，在时间和空间维度上都存在着异质性，都发生着与正常组织、免疫系统的持续互动。而过去，我们对此非常无知。变革的钥匙就藏在日益增长的生物医学大数据和AI工具当中。今天AI制药的颓势，并不是AI制药的道路错了，而是今天的AI制药还不够强。
我们知道每年都有大量的生物医学论文发表，每年还有大量的企业研发数据没有公开。各大小实验室、研究所、医学的测序仪、质谱仪都持续分析着样品，产生着越来越多的生物医学大数据。然而这些数据是分散的数据孤岛。很多数据在沉睡、甚至被遗弃。一些数据被上传到了公共数据库中，但是标注不详或数据质量一般。说到底，大量的数据持续产生着，但是大家公开和共享数据的激励不足。而没有足够数据的滋养，AI制药的功力便大打折扣。如何破局？如何加速嬗变的到来？
4. 区块链技术与 DAO
近年来，在世界的另外一个角落，币圈在区块链技术以及泛滥的流动性的滋养下，繁荣发展，并调动了大量的资源，搅动了巨大的泡沫。从区块链技术、加密资产、智能合约，一直发展出了 Web3.0 和 DAO（decentralized autonomous organization）。区块链技术之上的加密资产及 DAO 的组织方式，很有可能对促进生物医学大数据的全球大分享发挥积极的作用。
AI 制药力量的羸弱，其根本原因是数据量的不足。全球生物医学大数据，形成孤岛的根本原因是对数据生产方的分享行为的激励不足。
数据使用方，是最大受益者。而数据生产方承担了大量的实验成本、数据整理、分析的成本。数据是特殊资产。生产方一旦对外公开，就失去了对数据的控制。而数据使用方一旦获得数据，其对数据的使用便很难被控制。数据生产方和数据使用方，在成本的承担、收益的享受两方面都非常不对等，且双方天然缺乏信任。因此，当前公开的生物医学大数据集，往往都是以数据生产方基于科学或公益的原则，主动放弃收益权，选择性部分公开而形成的。这只是每年所产生的生物医学大数据的一小部分。
区块链技术加持下的 DAO，可以忠实记录数据的分享和使用的行为，并且按照预先约定的规则，以程序代码的方式固定下来，忠实的执行，并且就数据使用所产生的价值对数据生产方以加密 token 的方式进行忠实的分配。Token 即是贡献凭证，即是未来收益的分配权，可以像其他币（比特币、以太坊、NFT等）一样，进行流通交易，发挥最大的激励和动员效力。
如此一来，一个良好设计的生物大数据 DAO，可以最广泛地动员每一个实验室，分享其每一份生物样品测试所获得的生物医学大数据。而基于此 DAO 大数据，所开放出来的 AI 模型，其收入的一定比例，强行归属于此 DAO，并按照 Token 所有者进行分配。如此，AI制药的新纪元一定能够加速到来。
限于个人眼界与认知水平，难免发生谬误。请大家勿偏听偏信，坚持独立思考判断。期待时间给出答案。