近一半创始人出自高校，清北占领“半壁江山”，AI+新药领域的人才从哪来？

AI+新药在资本寒冬中难得“坚挺”，“逆流而上”甚至拉高了当下医药板块的整体表现。

据动脉橙产业智库不完全统计，2021年，全球AI+新药领域的融资表现再创新高——融资事件达83起，融资总额达46.13亿美元。步入2022上半年，全球AI+新药融资市场继续延续火热发展态势——据智药局不完全统计，2022年上半年全球AI+新药市场累计发生75起融资事件，融资总额逼近40亿美元。无论是融资事件数还是融资总额，上半年全球AI+新药领域市场表现已经逼近2021年全年的市场表现。

在AI+新药行业的这一关键发展时段，蛋壳研究院继续对该领域进行了深入研究，通过对近20位AI+新药行业资深人士进行深度访谈以及充分的案头研究，制作了《2022 AI+新药研发行业研究报告》，以期更准确地描绘出AI+新药研发行业当下的发展真态。

在整理国内16家高校/科研机构累计47个课题组的科研及成果转化情况时，我们发现：

▶ 切入AI+新药领域进行研究的课题组，以药学、化学、生物学和生命科学这些药物研发相关方向的课题组居多、而人工智能课题组切入AI+新药领域的目前相对较少。

▶ 在国内AI+新药团队中，将近一半的团队都是高校/科研机构背景出身。国内AI+新药领域的科研成果转化率达到了25.5%，大幅超过了当前我国科研成果的整体转化率15%。

▶ 在由国内高校/科研机构背景团队组成的AI+新药创始人团队中，仅清华、北大这两所高校背景的团队，就占领了AI+新药创始人军团的“半壁江山”。

为什么切入AI+新药领域进行研究的课题组以药物研发背景为主，但人工智能课题组切入AI+新药领域并不多？AI+新药领域高校/科研机构背景出身的初创团队比例为何如此高？AI+新药领域的科研成果转化成功率相比其他领域更高是什么原因？为什么清华、北大这两所高校在AI+新药领域科研成果转化事业中表现的最为出色？还有哪些院校也交出了值得借鉴的答卷？

动脉新医药与多位行业人士一起聊了聊以上话题，形成本文。

业内人士认为，出现该现象主要有两方面原因。

一方面，人工智能经历了“技术驱动”和“数据驱动”阶段，现在已经进入“场景驱动”阶段，开始深入落地到各行业中解决不同场景的问题。

从应用成熟度来看，人工智能在安防、零售、物联网、金融等领域的成熟度非常高；从应用火热程度来看，人工智能在在保护人类免受网络安全威胁、创造元宇宙以及在自动驾驶等场景都发展的非常火热。

医疗行业对于AI领域的人才而言，只是市场潜力巨大的场景之一。“从人工智能的角度看，可以应用、发展的领域方向太多了，不一定非要往医疗领域钻。”一位刚刚拿到人工智能视觉算法博士学位的毕业生如是说。

另外，医药行业较高的专业壁垒成为限制AI领域人才进入的又一个因素——制药领域面临众所周知的“三座大山”：投入成本大、投入周期长、投入风险高。开发一种新药通常需要10-15年，成本高达28亿美元，而80-90%在临床上遭遇失败。

“生命现象太过复杂，生命科学领域相关机制并不清晰，当前还面临着诸多未能解决的难题。”英飞智药药物化学总监郝天龙表示，除非是强烈的兴趣驱动，否则很少有人会跨领域进行生命科学领域进行科学研究。“相比在其他相关机制已经研究十分透彻、行业标准相对清晰的领域而言，AI在生命科学领域的切入会有更多的不确定性。”

然而对于身处其中的制药人而言，AI+新药是行业未来的大势所趋。跨入AI+新药的研究是顺时而为。 

这主要归结于制药行业当下面临的“反摩尔定律（Eroom’s Law）”困境——自1950年以来，每10亿美元研发投入获得批准的新药数量几乎每9年减少一半，该趋势在60年间非常稳定，被称为是制药行业的反摩尔定律。

此外，随着全社会在数字化、信息化上的快速推进、药物研发设备的升级和长期的积累，可用的药物研发数据越来越多，以至于在一定时间范围内无法使用常规方法和软件工具分析和处理所有数据。制药企业正在经历数字化转型，大量的数据正在不断地产生，而传统的统计学在浩瀚的大数据面前越来越力不从心。

于是，AI被看作是破解制药行业反摩尔定律的关键武器，而本质是数据驱动从而进行归纳、学习和创造的AI成为破解数据困境的潜力解决方案。

经动脉新医药不完全统计，在国内71家AI+新药企业中，高校/科研机构背景出身的AI+新药团队占国内所有AI+新药团队数量的49.3%。其中，海外高校/科研机构背景出身的AI+新药团队有13家，国内高校/科研机构背景出身的AI+新药团队有22家。

在国内高校/科研机构背景出身的AI+新药团队中，有12家属于高校/科研机构的成果转化，因此国内AI+新药领域的科研成果转化率约为25.5%，是当前国内目前平均科研成果转化率（15%）的1.7倍。

包括曾坚阳、许锦波、彭健、谢正伟、裴剑锋、马丽佳、郭天南、杨胜勇、张春明、洪亮、云彩红在内的多位国内高校教授通过自主创业或者将知识产权授权的方式将科研成果成功产业化，分别落地为燧坤智能、分子之心、华深智药、亿药科技、英飞智药、云谷智药、西湖欧米、奥睿药业、哲源科技、天鹜科技、红云生物等AI+新药企业。

AI+新药领域科研成果转化率高的背后，是不是AI+新药领域相比其他领域在成果转化这项工作上做的更好？部分产业人士并不认同这一说法。

一位不具名的产业人士告诉动脉新医药，“AI+新药人才领域的转化率比较高只是表面现象，更深层次的原因在于这个领域发展还不太成熟。”

他认为，和合成生物学领域一样，AI+新药产业发展时间较短，产业界并没有太多直接相关的人才，需要从源头（科研界）培养，“除了原先研究CADD的部分人才加入到AIDD的队伍中来，产业界其他领域的人才能够向AIDD汇聚的并不多。反而因为政策支持，高校积累了较多这方面的基础研究。”

产业界发展不成熟、相关人才较少，于是更多的创业团队从高校中被培养出来，才造成了行业表面上看起来AI+新药领域科研成果转化率的假象。

也有产业人士略持不同意见。一位不具名的投资人认为，AI+新药是医药行业未来的大势所趋，无论是产业界还是科研界都会大力培养人才、推动成果落地以促进行业快速发展。“恰恰因为AI+新药领域新、未来有广阔发展前景，潜藏着大量科研宝藏，因此对于科研界而言，一是会刺激研究员积极开展这方面的研究，推动成果落地；二是部分高校在AI+新药领域也会给到更多支持。这些因素都刺激了AI+新药领域的科研成果转化。”

动脉新医药则注意到，以上国内高校/科研机构教授领衔/参与创建AI+新药初创企业的时间段主要集中在三个节点：2018年、2020年、2021年，这几年恰好是国内AI+新药行业发展极具代表性的几个时间点——2018年，AI+新药行业进入概念验证初期，最早一批AI+新药企业陆续开始获得临床前候选药物一类验证性成果，刺激行业发展；2020、2021年，包括Exscientia、Relay、Recursion、英矽智能等在内的多家AI+新药公司纷纷宣布自家AI药物步入临床，包括薛定谔、Exscientia在内的多家AI+新药企业顺利奔赴二级市场，包括谷歌、腾讯、百度在内的数家科技互联网巨头相继宣布进场AI+新药……这在一定程度上说明了行业火热发展本身对成果落地的刺激。

从国内16家高校/科研机构开展的47个相关课题研究和企业孵化情况来看，可以发现，北大、清华这两所学校/科研机构表现的最为突出，各孵化出三家AI+新药初创企业。

其中，北京大学开展了11个AI+新药相关的课题研究，孵化出了包括英飞智药、红云生物、亿药科技等3家AI+新药企业；清华大学开展了8个AI+新药相关的课题研究，孵化出了包括华深智药、分子之心、燧坤智能等3家AI+新药企业。

另外包括中科院、西湖大学在内的高校/科研机构也表现的非常不错，各孵化出两家AI+新药初创企业。

除上文提到的一些来自行业的宏观影响，以上高校/科研机构在AI+新药领域成果转化方面表现优异，秘诀何在？

业内人士指出，跟科研成果转化紧密相关的，主要在于背后的成果转化体系和组织政策。包括清华、北大、中科院、西湖大学等在内的院校/科研机构显然都建立起了相对完善的成果转化体系和组织政策，是国内科研成果转化的典型院校/机构。

为大力支持和驱动前端原始创新、高端“硬技术”创新以及引导高端科研成果孵化，2020年11月，北京大学科技成果转化基金宣布募集成立。2021年1月，“元培基金”也顺利组建完成。为进一步加强知识产权信息化建设，北大在建立完整的知识产权管理体系之外，还积极探索引进信息化手段，建设了“科技成果评估与管理系统”，以高效覆盖北大知识产权保护和成果转化活动的全流程管理。

众所周知，清华大学科研经费常年位居国内高校第一。清华大学已经出台了近11项促进成果转化的相关政策，形成了一套完备的政策体系；此外，清华大学积极拥抱产业界和各级地方政府、推进产学研一体化大融合，设立了许多研究院通过推动技术二次开发、孵化企业等方式积极进行成果转化。

中科院近年来一直都在探索科技成果转化新模式，早在2017年9月就启动成立了中国科学院科技成果转移转化母基金，期望引导社会资源解决中科院成果转化的问题；西湖大学自不必说，由著名科研成果转化专家许田教授亲自坐镇副校长职位，直接为该校带去了超20年全球科研和成果转化方面的经验。

总的来说，我们认为，清晰的知识产权划分体系、灵活的成果转化机制以及开发支持的态度这三点因素对于推动成果转化最为关键。

可见对于想进行成果转化的科学家而言，一个落实到纸面上的清晰的转化路径——用什么样的价格、什么样的方式，在什么样的时间内能够迅速地license-out或者创立公司十分重要。

国内相关立法其实有提及学校与专利发明人（科技成果完成人/课题负责人）之间的权益划分，但并未明确划分它们之间科研成果收益的具体比例，因此落到每个学校的执行层面就各不相同。

灵活的成果转化机制、开发支持的态度是有意愿进行科研成果转化的科研人员十分看重的两点因素。

以中科院为例，中科院（计算技术研究所）的成果转化机制成熟，会给有意愿进行科研成果转化的科研人员充分的选择权——无论是辞职投身产业界创业，还是身兼多职进行成果转化，所里都非常支持和开放。在开放支持的成果转化氛围下，这些年中科院计算所成功孵化了包括联想、曙光、寒武纪、龙芯等一系列上市公司。

但中科院的做法并不具有普遍性，实际上，很多大专院校、科研院所科研人员想要创业、成立公司，可能必须要在事业单位身份和企业身份之间做单向选择。

当然，科研成果转化的成功转化也代表了相关高校/科研机构在AI+新药领域本身的研究积淀。可以看到，以上科研成果转化和高校/科研机构开展AI+新药课题研究具有很大的正相关性。

“不论是从企业的角度来看，还是从投资人的角度来看，具有较好理论背景支撑、而且具有一些成功案例的相关研究，转化的成功率会更高，大家的信心也会更强。”英飞智药郝天龙表示。比如英飞智药团队核心成员是国内最早一批从事AI+药物设计的交叉学术团队，拥有超25年的CADD+AIDD技术积累。在创业前，核心团队就已经有转让First-in-Class候选药品种的成功经验。

“由于AI+新药交叉学科下高研究壁垒的存在，能够从科研界跨界出来创业，带头人一般都是这个领域的领军人物，或者是很具备话语权和经验丰富的专家，其带领的团队能力毋庸置疑，基本可以实现成员间能力互补，且具有很强的工作默契。如果能在产业界找到与其科研能力进行互补的产业团队，团队获取成功就会容易很多。”

哲源科技联合创始人赵宇指出，哲源科技就是这样一个带头人在行业具备话语权、且核心团队成员能力互补的典型团队，形成了交叉学科“总师”，这一点在全球也非常难得。哲源科技创始人、中科院计算所副研究员张春明教授拥有超过十年的信息和生命的交叉工作经验；公司联合创始人牛钢博士担任图灵·达尔文实验室主任，曾经主持分析了世界上最大的肝癌PDC数据项目；赵宇本人担任COO，他曾在微医担任负责市场及战略的副总裁，多年深耕“互联网+医疗”领域，具有非常开阔的行业视野及丰富的产业界经验。

人才问题是当前AI+新药领域面临的核心问题之一。作为一个多学科交叉的复合领域，AI+新药行业复合型人才稀缺问题一定程度上限制了该行业的发展。即使目前产业界、学业界都在努力寻求各种解决方案，但由于人工智能和药物研发两个领域之间的专业壁垒较高、复合型人才培养困难，AI人才和药物研发人才的融合同样需要一定时间，因此复合型人才稀缺并不是短期内可以得到充分解决的问题。

因此对于AI+新药行业而言，要想加快解决人才问题，不仅仅是需要企业在招募方面下功夫以及科研界加强人才培养，更需要企业在人才管理培养制度方面进行探索，了解如何通过规范制度培养复合型人才、哪些岗位真正需要复合型人才，如何在这些岗位充分发挥稀缺复合型人才的作用。