全球AI新药研发企业进行汇总梳理与行业整体情况综合分析

近年来，随着人工智能技术的发展，及医疗产业和人工智能技术结合的不断深入，医疗已成为人工智能技术最重要的和最快速的落地应用场景之一，AI在影像辅诊、药物研发以及健康管理等各大方向的应用已成为未来明确的发展方向。

而新药研发作为医药领域最重要的板块，近年来确因风险高、成本高、研发周期过长等问题，呈现出发展速度渐缓的趋势，但人工智能技术的应用，使得新药研发中原本需要大量人力进行的重复性工作有了被机器替代的可能性，从而缩短了研发时间，降低了研发成本。

汇众研究院对近年来全球人工智能新药研发企业进行汇总梳理，结合近年来相关的统计数据，对行业整体情况进行综合分析，以期帮助资本方发现好的投资机会，共同推动医疗产业的健康发展。

本报告包括以下内容

一、 行业背景和市场数据

二、 产业图谱

三、 国内相关企业分析

四、 海外相关企业分析

五、 专利分析

六、 资本趋势分析

七、 投资风险

一、 行业背景和市场数据

2017年7月，国务院发布《新一代人工智能发展规划》，特别提出基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。这一政策的出台，使得人工智能在新药研发领域的应用得到了更多人的关注，也给行业的发展带来了新的驱动力。

来源：德勤

据德勤发布的相关报告，2017年新药研发的投资回报率仅为3.2%，回报率自2010年起呈现出明显的下降趋势，而上市一款新药的成本却在逐年上升，截至2017年，上市新药的成本已高达19.9亿美元。

来源：tdi.ox.ac.uk

新药研发的流程复杂，研发周期较长，从最初的前期调研和基础研究，到药靶研究、生化研究、前临床开发、临床试验（Ⅰ期、Ⅱ期、Ⅲ期）、药物制剂阶段以及上市后监测（Ⅳ期），平均一个药物的开发周期超过6年，而最终的成功率不足10%，但人工智能技术可以对化合物结构、基础生理机制和基因等数据进行快速分析，处理海量医学数据，从而大大提高研发效率，缩短研发进程，为整个医药行业节省数十亿美元的研发成本。

来源：因钽数据、网络公开数据

而从人工智能市场来看，中国近几年发展速度很快，从2016年仅不足100亿元，到2018年已上涨至约200亿元，复合年平均增长率超过40%，预测到2020年，中国人工智能总市场规模将超过400亿元。目前国内人工智能技术在医疗领域的应用普遍集中在影像辅诊板块，对新药研发市场来说，仍有非常大的发展空间。

但从技术发展的较多来说，目前新药发现还处于技术萌芽推动期，技术相对不成熟，未来该技术的成熟周期可能也会相对较长。国外市场已有一些相对成熟的企业和应用，而国内整体起步相对较晚，未来还有很长的路要走。

二、 产业图谱

汇众研究院根据人工智能新药研发领域的特征，将其结构为产业链和业务版图，如下图所示：

1、产业链

来源：因钽数据

AI+新药研发所针对的方向相对较窄，产业链所包含的企业类型不多。上游主要包括科研辅助平台、自动化实验室以及大数据和人工智能工具化平台，中游是最主流的药物开发辅助平台，下游主要是药物研发机构，部分企业在研发药物的同时，也自主开发药物开发辅助平台。产业链流动关系体现为从底层支持技术或工具流向研发辅助工具再流向研发。

2、业务版图

2.1 根据研究阶段划分

从研究阶段来看，人工智能技术已逐步渗透到新药研发领域的各个阶段，从基础研究到药靶、生化活性、前临床和临床以及药物联用等领域均有丰富的应用，其中以发现新靶点、药物筛选和优化，以及药物重定向最具代表性，同时也是各国新药研发领域人工智能技术使用的重点所在。

2.2 新药研发中AI技术的其他应用

来源：因钽数据

除在新药研发各阶段的应用外，还有一些其他与药物研发相关的应用场景，例如自动细胞计数、中药材鉴别、个性化用药、论文阅读与信息提取，另有与自动化生产相关的如细胞治疗自动化生产和自动化细胞培养等，各应用场景均对新药研发有一定的支持作用。

2.3 主要针对的疾病方向及相关技术

AI在新药研发中主要应用于一些较为严重的和难以攻克的疾病，如肿瘤、神经退行性疾病、阿尔茨海默病、自身免疫病等，在其他高发但研发周期较长、成本较高的相关疾病（如心血管、代谢疾病特别是糖尿病）、细菌感染等相关治疗药物的研发中也有较多应用。

从技术角度来看，除图像识别、自然语言处理和机器学习三大人工智能核心技术以外，基因组学数据和云计算在AI+新药研发领域也较为重要。

三、国内相关企业分析

汇众研究院根据相关数据对国内相关领域企业进行综合整理，

从目前国内的企业情况来看，仅有14家企业在人工智能新药研发领域有所布局，且全部集中在江浙沪、北京和广东。

整体来看，国内企业进入较少最可能的原因在于此板块国内发展相对较晚，且技术上进入壁垒较高，且在国内的这些企业中，部分企业（如太美医疗、医数据、嘉兴麦瑞医疗等）早期业务主要在于医疗信息化系统业务，逐步拓展业务范围至人工智能方向，此板块并非企业的最主要和核心的业务。

2、产业链和业务梳理

汇众研究院根据对该领域产业链、业务版图的综合整理分析，对国内企业涉及的业务板块统计如下：

来源：因钽数据

除百奥知为科研辅助平台外，其他13公司均提供药物开发辅助业务，其中医智囊同时提供药物开发辅助和科研辅助平台服务。

来源：因钽数据

根据对企业涉及业务板块的分析，目前在创新靶点鉴定和化合物筛选方面，国内企业布局相对集中，在14家企业中有至少4家企业有所布局，论文阅读与信息提取、选定先导化合物、药物分子涉及、药物警戒、药物合成路线设计等业务在14家企业中均有至少2家有所布局，而其他各类业务均布局相对较少。

四、海外相关企业分析

汇众研究院根据相关数据对全球其他国家AI+新药研发相关企业进行整理，根据不完全统计，目前总计149家（含部分已被并购企业，不包含巨头药厂自主研发的相关新药研发平台，详细列表参见附件1）。

1、全球企业数量分布情况统计

来源：因钽数据

从目前的数据来看，美国在AI+新药研发方面布局最深，企业数量多达86家，占比超过50%，其次为英国和加拿大，分别有27家和11家企业。法国、德国、日本、加拿大等地也有分布。

2、企业成立时间统计

来源：因钽数据

从企业成立时间上来看，除部分2000年以前的老牌企业将AI+新药研发作为转型方向或业务拓展方向以外，2000年以后注册成立的企业占绝大多数，尤其是2011年以后，每年注册的企业数量均超过10家（2018年统计数据尚不完整，谨供参考），且2008-2016年间，每年成立的企业数量呈现明显的逐渐上升趋势，2017年开始有所下降。

从海外公司对于AI+新药研发方向的布局情况来看，与国内企业有较为明显的不同，海外企业更多集中在临床试验患者群体筛选、个性化用药、药物重定向、论文阅读与信息提取，尤其是对临床试验患者亚型和群体的分层技术重视程度很高。

五、专利分析

汇众研究院对AI新药研发领域内包含国内国外的总计163家公司所有的专利申请情况进行统计，对相关领域的专利情况汇总如下：

根据AI新药研发领域内包含国内国外的总计163家公司所有的专利申请统计数据，自2011年以来，该领域内专利在数量上具有明显的提升，在2016年到达顶峰，2017年略有下降。

由此可知，近年来对于该领域的研发热情整体上维持上升趋势，于2016年的研发热情和技术竞争激烈程度到达顶峰，2017年竞争程度略有放缓（由于专利数据的特殊性，2018年的统计数据尚不完善，该部分内容仅供参考）。

根据对AI新药研发领域公司专利申请增长率进行统计，AI新药研发领域整体维持了较高的增长率，在2013年后增长率有所放缓。

造成这一现象的原因主要是行业本身专利基数的逐渐增大，同时对新的进入者来说，进入难度正在逐渐提升。

根据领域内专利涉及的板块分布情况，有机成分医药配方类专利占据最为主要的部分，由此可知，AI新药研发的主要服务对象是化学药。

占比排名第二的领域为特殊用途的数据计算或处理方法类专利，此板块为AI制药结合技术领域中竞争最为激烈的技术领域，以及企业实现自己竞争优势最为重要的领域。

其他有一定代表性的领域包括酶或微生物的鉴定方法、非常见有效成分的医药配置品（如以各种生物因子为有效成分的配置品）、用于生物模型的计算机系统、非常规材料的自动分析技术以及物理图像及文字识别技术类专利等。

对AI新药研发领域公司的专利申请数量进行排名后可知：在该领域内，专利申请数量最多的公司是Pharnext（法国生物制药公司，主要治疗领域为神经系统疾病）。该公司的专利申请数量比排名第二的企业多一倍，该公司相较领域内的其他公司具有很强的技术竞争优势。

排名第二和第三的分别为美国的生物技术公司Berkeley Lights和英国的临床前外包公司Charles River，专利申请数量分别为212件和181件。其他的专利申请数量超过100件的公司分别为美国的微生物基因测序公司uBiome和英国的创新药研发公司e-TherapeuTIcs。

对专利申请数量排名在Top3的公司进行统计后可知，近五年来，Berkeley Lights公司的专利申请数量增长明显，预计未来具有较为强劲的技术爆发潜力。而Pharnext和Charles River今年专利申请数量下降趋势较为明显，两家公司近年来的创新活力不足。

六、资本趋势分析

汇众研究院对AI新药研发领域内包含国内国外的总计163家公司的融资历史进行统计分析，相关情况汇总如下：

来源：因钽数据、Crunchbase、CBinsight

截至2019年3月，国内外共有140多家AI+新药研发公司获得融资，累计交易次数为342起，获得融资总额为483亿美元。其中，国外企业累计融资金额为455亿美元，国内企业仅有1家未发生过融资，累计金额共计27.92亿美元。领域内超过90%的企业有过融资历史，资本热度极高。

从每年获投的事件分布上来看，从2001年起到2018年，交易次数和融资额逐年增多，其中2017年与2018年交易次数持平，但2018年融资额最高，达18亿美元，获投企业数量占比超40%。

从投资轮次来看，获投项目多处于种子轮，交易次数占比超70%，融资额占比近30%，大额融资主要集中在B轮、C轮和D轮。此外，各国对于此领域发展的重视程度较高，通过政府补贴的方式获得投资的次数高达32次，融资额超6亿美元。

从公开历史数据来看，参与AI+新药研发的投资机构共计445家，其中交易5起以上的有11家，AME Cloud Ventures， Khosla Ventures 和Goole Ventures交易次数最多。值得一提的是，Bill Gates个人参投的交易事件有5起，且全部投给Nimbus TherapeuTIcs一家企业。

七、 投资风险

1、AI+新药研发人才匮乏

根据相关调查，330位药物研发科学家中，41%的人并不了解AI技术，也就无法利用AI来进行新药的筛选。AI人才匮乏和研发人员对于AI技术的不了解，可能会导致学科之间的融合度不能在短短几年时间内达到较好的程度，未来跨学科人才的培养不足可能会对领域的发展产生制约作用。

2、复杂的生物学使得药物研发的难度比预期大

由于生物学本身极其复杂的特性，理论和模型上能起效的新分子，在人体中可能会出现各种不可预料的结果，可能与其他分子发生复杂的反应，同时个体差异性也进一步增加了药物研发的复杂程度，这也给AI技术的应用增加了很大难度。

3、优质数据不足

市场上被批准使用的新药数量有限，这些数据量远远不够。新药研发规则不明确，数据不明晰而且充满了高度不确定性，这给以数据集为基础研究的人工智能带来巨大的障碍。而在专利保护层面药物专利，尤其是最核心的化合物专利，制药公司通常不会公开太多数据，更不可能分享他们目前正在开发的最热门靶点数据，这让能利用的数据量较理论上更少，进而进一步限制了优质数据的可得性。