編者按：近日，啟明創投投資企業英矽智能憑借其自主研發的AI靶點發現引擎PandaOmics榮獲第4屆香港商業科技卓越獎（HKB Technology Excellence Awards 2022）。此外，公司亦宣布獲得D2輪融資，累計D系列融資達9500萬美元，新募集的D2輪融資将進一步支援英矽智能推進其内部自研管線，也将用于公司的關鍵性戰略布局等。
英矽智能創始人兼首席執行官Alex Zhavoronkov此前在與IPO早知道的對話中介紹了公司能夠應用AI高效推動生物制藥行業發展的曆程，并分析了英矽智能在行業内的獨特優勢，他亦分享了英矽智能可沿用的經驗及未來的發展方向。啟明創投微信公衆号經授權轉載。
英矽智能創始人兼首席執行官Alex Zhavoronkov 攝影 | 肖南
AI驅動藥物研發雖然經曆了蓬勃發展，但道阻且長。股價相對高光時刻的大跌、裁員等消息都指向了AI制藥公司在資本寒冬下的主要挑戰：AI助力的藥物研發能力能否被驗證。
2022年5月，由端到端的AI驅動藥物研發企業英矽智能所開發的針對特發性肺纖維化（IPF）候選藥物ISM001-055成為了首個在中國進入臨床試驗、由AI發現和設計的藥物。7月，ISM001-055完成了首批健康受試者給藥。今年8月，英矽智能完成了9500萬美元D系列融資。
近期，英矽智能創始人兼首席執行官Alex Zhavoronkov在與IPO早知道的對話中表示，投資者對公司的判斷不會受資本環境影響。作為一家AI藥物研發公司，英矽智能保持競争優勢的同時，也重視風險的可控性。D系列融資的資金将用于加強人工智能平台建設和新藥研發管線布局，還将投入于全自動化的智能機器人實驗室建設，該實驗室不久将在蘇州落成。
2014年成立至今，英矽智能已在6個國家和地區建立了辦公室和研發團隊，目前在全球擁有200多名員工。2018年，英矽智能的部分業務從美國轉移到中國。2021年初，任峰博士加入英矽智能，擔任首席科學官。在任峰加入後的一年内，公司組建了近100人的制藥領域團隊。2022年6月，英矽智能宣布任命任峰為聯合首席執行官，建立了AI+DD（AI+ Drug Discovery）并進的創新組織架構。
Alex詳細介紹了他在英矽智能發展過程中的關鍵節點上的思考和變化。
在創立公司前，Alex擁有計算機和生物醫藥的複合背景，并在抗衰老領域持續進行了多年研究，也做出了“衰老時鐘”AI預測模型。Alex表示：“如果把衰老看成一種疾病，你就可以基于DNN用人體不同階段的資料去預測人體的年齡狀态。你可以進一步研究是哪些因素導緻了面容衰老和身體機能衰老，是以我們需要大量的生物學資料。通過訓練，我們知道了如何鎖定衰老和疾病程序中關鍵蛋白的變化。”
抗衰老是Alex投入畢生心血的領域。正是在這些研究中他發現，将AI用于藥物發現有更大的探索空間。2014年，Alex創立了英矽智能。通過對資料追蹤、收集和清洗，算法搭建、完善和驗證，公司建立了一體化的人工智能藥物發現平台Pharma.AI，其主要包括：靶點發現引擎PandaOmics、小分子生成和設計引擎Chemistry42和臨床試驗結果預測引擎InClinico，用于變革藥物發現及開發流程。
2018-2020年，AI制藥從概念開始進展到一些裡程碑，英矽智能也從軟體平台服務商發展到AI驅動的biotech。在Alex看來，這樣的轉型是順勢而為，“英矽智能創立之初主要通過為藥企服務，來訓練算法并驗證平台的能力。但現在大藥企建立了自己的AI團隊，對資料的開放程度不高，對外界的需求也在降低。”
至今，英矽智能建立了超過30個新藥研發項目，涵蓋自研與合作兩種商業模式。“英矽智能有能力将針對全新靶點的管線推進到臨床，大藥企更加信任我們了。我們仍然會與大型藥企繼續合作，但如果沒有這種驗證，不會有真正的合作。”
在談到未來5年英矽智能的願景時，Alex表示，公司将進一步保持人工智能平台建設的領先地位，同時推進自研管線的發展并加大對外合作。“我們的管線證明了平台能力和研發實力。盡管大型藥企的合作意向通常會等到一款産品的臨床II期的驗證結果，但我們想與合作夥伴從早期階段，比如PCC（臨床前候選化合物）階段，就開始授權合作。”
此外，他還希望監管方面能夠對AI制藥有進一步的了解和政策支援，“我們正在緻力于降低新藥研發的風險，提高營運效率，如果監管機構以不同于傳統研發的監管政策來審視，我們将有望更快地服務于患者。我們的初衷是盡快給患者提供更有效、更經濟、更多選擇的藥物。”
以下系經精編整理的對話内容：
01/
從純AI業務擴充到生物學、藥化領域
IPO早知道：2012到2013年AI已經有一些實際應用，以你的經曆看，AI能夠高效推動生物制藥行業發展的關鍵因素是什麼？
Alex：AI在應用層面有兩個細分領域發展非常快。一個是圖像識别，AI擅長于此，技術成熟，很快能商業化。AI圖像識别太過于原始，它隻是将AI作為工具，雖然圖像識别用于疾病診斷對醫療帶來了很大進步，但這不是我們想選擇的方向，這并不是做創新。另一個領域是文本處理，經過深度學習，AI對文本的了解能力大幅提高，現在AI甚至可以生成很棒的文本。制藥行業中，很多醫學文獻和專利資料、患者資料可以被AI很高效地處理，我們考慮過這一塊，但最終還是決定走一條沒人走過的路，開辟新的路，這樣才會有真的突破。
最初，我們主要的創新是在用AI了解和處理基礎生物學資料，利用我們的深度神經網絡（DNN）模型去預測生理年齡（biological age），這裡面有非常多的故事。
曾有一家藥企找到我們，讓我們針對一款藥物找到能夠應答的靶點，或将應答和不應答的靶點做區分。此前他們已經試了很多種方法都沒有成功。我們當時考慮，或許可以用基因組學資料去讀出衰老相關的靶點或生理年齡預測靶點對這款藥物的應答狀況。我們發現預測生理年齡更年輕的患者，對這款藥物在相應靶點有應答，但預測值更年長的則無應答。我們的方法比醫生的判斷更快更準，這讓我們很受鼓舞。
第二個小故事很有意思，發生在肺纖維化（IPF）項目研究的初期。起初我們想針對無法治愈的重大疾病挑戰發現全新靶點。剛開始我們用AI發現了20個候選靶點，之後利用優先級排序篩選出了5個靶點，令人驚訝的是這5個候選靶點在早期研究中都表現出安全性和成藥潛力，這在靶點發現中是非常罕見的，一般情況下成功發現新靶點的幾率隻有1%。
還有一個故事是我們與一家現已上市的美國生物醫藥公司合作。他們讓我們用自己的方法去發現能影響胚胎到胎兒發育過程（embryonic-to-fetal transition）的新靶點。我們研究出預測embryonic-to-fetal transition各階段變化的DNN，以及該過程中起決定作用的蛋白質結構變化，通俗地說就是哪些蛋白的哪些變化決定了幹細胞分化成了皮膚細胞、腦組織細胞等。利用我們的這套系統，這家美國上市公司找到了一個胚胎發育過程中決定性的蛋白變化，發現了一個有潛力的靶點，這個新靶點同樣适用于癌症治療。
後來，這家公司基于這個新靶點的專利成立了新公司，連同其他專利一起打包在美股上市，新公司上市後的市值達到了1.15億美元，但他們在合作中隻付給了我們30萬美元。我們非常震驚，但也明白了自己的價值。更重要的是，我們意識到必須有自己的化學能力，才能獲得足夠的收入，才能在商業上走得長遠。
而說到化學部分，不得不提到的就是我在UCB（加州大學伯克利分校）遇到的一位計算化學家。2015年我嘗試聯系他，推薦他使用我們的生物學AI平台，但他告訴我：“Alex，現在最重要的不是發現靶點，而是要去建立你們的化學部分的平台。以你們的技術水準，你們的化學平台很可能将領先。”其實在2014年我說過我不懂化學，也不會去做化學的研發部分，但2015年，GAN（生成對抗網絡）技術出現，我們決定用GAN去支援我們的DNN，後來我們的化學平台發展得很好，這位計算化學家預言成真。
IPO早知道：當時團隊有多少人？
Alex：25個，人不多，因為當時還隻有AI部分，我們還沒打算自己做新藥。25個人都是AI科學家或生物資訊學科學家。
IPO早知道：後來是如何發展AI和藥物研發團隊的？
Alex：當時隻有少數公司從純AI業務擴充到生物學、藥化領域，既懂AI又懂制藥的科學家非常少，除非我們願意花上百萬元請到一些頂尖人才。是以我們采取了一些不尋常的方法招人。我知道東歐有很多機器學習的科學家，我和東歐的教授一起舉辦了黑客馬拉松（Hackathon）來尋找頂尖的深度學習的人才，讓他們在一周内挑戰我們發表的高規格論文的成果。之後我們選出排名前幾的選手，說服他們加入我們公司。那時AI科學家沒有被大型跨國公司的高薪環境給“寵壞”，他們的忠誠度也更高。
AI更早商業化的圖像識别、語音識别等産品，很快能看到結果，但新藥研發不是這樣，它需要很多年才能被驗證。我們需要AI科學家在公司很多年，才能知道他們發現的新分子是否有效。而且光做一個天才數學家是不夠的，我們希望科學家們了解生物學和化學。他們要了解在遺傳水準、表觀遺傳水準、基因表達水準和表型水準上發生了何種生物學變化；如果AI科學家真正了解了化學的運作原理，他開發的DNN可以超越人類表現。
因為當你了解資料背後的價值，你才知道選取哪些資料進行訓練；或在你要産生新的想法時，你才知道資料的哪些特征對最終預測結果的準确性最為關鍵。我們現在已經有了跨學科的研究隊伍。
02/
AI在生物學和化學領域有望發展出新範式
IPO早知道：生物學資料比圖像識别等其他領域的資料更加敏感，你們如何處理生物學資料的這個問題？
Alex：群眾對資料的敏感性可能存在一些誤解。據我所知，2000年人類基因組工作草圖繪制完成至今，還并沒出現人類生物資料被正規使用後導緻的不良後果。目前陸續有很多國家公開了海量的生物資料庫，英國是世界上生物資料開放程度最領先的國家，它的生物樣本資料庫可以被任何公民申請使用，資料是匿名呈現的。
科研項目也是資料的重要來源之一，我們追蹤了很多國家的科研經費去向，包括美國、加拿大、歐洲、澳洲等，甚至中國。政府對于科研經費十分透明，每一筆都需要科研人員彙報用途。是以我們追蹤了長達35年間，一筆筆經費如何變成論文、專利或獲批臨床研究的産品。很多國家中使用經費的學者需要公開發表他們的研究成果，并把使用的生物學資料錄入公開資料庫裡，這些都是強制性的要求。
除了英矽智能産生的專有資料，我們還收集、整理并清洗了海量公開的生物資料庫，并追蹤了價值2萬億美元科研費用所産生的資料，用AI去訓練它們，是以我們的資料有很高的品質。
IPO早知道：AI加速了生物制藥業的發展，這是AI強大能力形成的水到渠成的結果，還是更多由人的意願、對行業的認知所驅動的？
Alex：兩者都有。其實AI發展的初期，我們并不知道它能在哪個領域起到最大的幫助。人們也經常對AI加速制藥的發展有許多誤解。一款藥物的發現與上市需要經曆好幾百個驗證的步驟，研發團隊發現新的分子，新分子必須能夠合成，還要能確定安全性、有效性，它要對正确的靶點、通路、生物組織起作用，我們為此需要做大量試驗。許多步驟都可以在AI的幫助下加速，但也有很多是AI無能為力的。
我們選擇與大型藥企合作。當時我們發表了一些極具影響力的論文，吸引到很多藥企的關注。早期時藥企沒有AI方面的人才。于是，我們圍繞新藥研發的端到端流程研發了一個工具包，以軟體授權的形式提供給藥企，而不是像其他公司那樣隻專注于某些環節。我們最大的收獲不是資料，而是積累了專有的知識和算法，我們逐漸知道AI在哪裡可以執行、哪裡不可以。
過去20多年中，輝瑞等制藥巨頭的重磅産品大多都是收購或授權引進而來，即使是内部研發能力最強的諾華，平均每年上市一款藥物，每年研發花費約90億美元，而且并不都是針對重大疾病。是以，既然我們已經了解了新藥研發的每個步驟的工具，我們就要制定更宏偉的目标，即研發出重磅新藥。這也是我們開始第一條管線的初衷，也是任峰博士帶領我們進入新的階段的開始。
IPO早知道：無論是業務層面還是融資情況看，很多昔日的明星AI公司後來遇到了發展瓶頸，是以長期看，什麼是AI能做得好的，什麼是AI難以做到的？
Alex：任何行業發展都會伴随着泡沫，有些AI公司在一段時間内被高估。比如，AI圖像識别的壁壘并不高，公開資料庫中有大量可被用于基礎訓練的資料。但生物學和化學領域就不同了，這些領域AI還可以發展出很多新的範式，很多新的AI的能力有待我們發現。
舉例來說，我們将生成式對抗網絡技術（GAN）用于候選化合物的發現，我們也獲得了生物學和化學合成的資料，将年齡預測模型和深度生成模型結合或許可以被用于生成數字孿生，我們可以将這種孿生技術用于生物學中，生成與現實生物完全相同的數字雙胞胎。例如你可以用GAN創造出50年後的虛拟“患者”，預測它未來可能會有的疾病和得病幾率。因為AI擅長于預測人體不同路徑的發展。
03/
英矽智能未來的發展空間
IPO早知道：現在看英矽智能有哪些壁壘？
Alex：首先在AI方面我們有先發優勢。我們創立時，藥企并沒有自己的AI團隊，他們能開放地分享一些資料和項目，我們從那時候就開始訓練資料并生成自己的算法了。但其他新進者已經沒法複制這一切了。對新的創業公司來說，今非昔比了。新進壁壘已經很高，我們可以利用好過去的積累。但我們對于AI的想法就是，無論我們取得了什麼，這些成就已經消失了。我們試圖領先行業好幾年，還在不斷創新。比如我們在建一個無人AI實驗室，這個實驗室完全由機器人控制，這樣能更快産生更多的資料。
第二，制藥部分的進入門檻會更高。一旦你确認了靶點獲得專利，并将分子推進到人體臨床試驗的驗證，你就具備了巨大價值。就好比你是一家餅幹代工廠，但現在可以直接研制出餅幹上市銷售了，你不需要再去問藥企他們需要做什麼類型的“餅幹”賣給顧客。
此外，我們的雙CEO架構也是一種很先進的優勢，因為這個行業很多公司的組織還是有很多固有形态的。是以經過一段時間，有些公司并沒有發展起來，成功推進自己管線的公司變得越來越值錢，也有另一些變成了CRO。
IPO早知道：你們和藥企的合作越來越多。至少在中國，通常一個公司成為大企業的合作方，它就很難在流程中有很多決定權了，是以如果直接面向終端客戶市場，你對整個流程就有話語權了。
Alex：我們正在取得盡可能多的決定權。我們仍然希望與大型制藥公司合作，他們知道我們的平台是已經由自有管線完成了驗證，是以也更信任我們了。這就是一種競争優勢。很多初創公司可以提出很創新的想法去推動新藥發現。但如果沒有進入臨床階段的管線驗證，大型藥企不會真正踏入合作，他們隻會覺得“想法不錯，但我們自己也可以做。我們不再需要你了。”
這種事經常發生，就像你帶着一個想法去找到風險投資機構，機構也會親自做一家參考這個想法的公司。但我們的想法是經過我們自己驗證的，我們有自己的産品，更加讓人信服。然而，由于驗證一款新藥能否做成所需的時間周期很長、資源很多，我們要攻克的進入壁壘也很高，難度遠高于驗證一套圖像識别或語音識别的深度學習網絡。
IPO早知道：英矽智能建立了哪些可以沿用的經驗？未來還将主動面對哪些風險？
Alex：公司現在的狀态讓我感到比較從容。安迪·格羅夫的自傳《隻有偏執狂才能生存》給小時候的我留下很深刻的印象，他曾是英特爾的一任CEO。如今他們已經不再偏執，但（商業）狀況也不盡如人意了。而我前所未有地感到我們做得已經很不錯了，以至于我有點擔心我們是不是有什麼沒有考慮到的。
英矽智能發展到了一個風險可控的階段。我們有由我帶領建設的AI藥物發現軟體平台，任博士牽頭的藥物研發業務也有巨大的價值。理論上我們沿着這些模式發展就好了，但這不是英矽智能的企業文化。
是以我們正在建立智能機器人實驗室。我們希望用自動化、智能化、機器人等跨界融合技術去加速新靶點發現、驗證的過程。我們建立了一個人工智能大腦，用積累的資料訓練它，讓它在高通量、高功率的實驗室環境中建立更多用于訓練的資料，同時也在此過程中發現新藥靶點。這個實驗室不久将在蘇州落成，它可能是全球最複雜的靶點發現的實驗室。但我們并不是在押注于這個實驗室，公司現在有穩定的商業模式。
如果要說到我個人最感興趣的增長點，那可能是雙效靶點的新藥發現，也就是同時治療疾病與衰老的療法。現有的很多治療方法隻能盡可能延長生存期，并不能真正拯救生命。但如果我們的療法在治療癌症、糖尿病或中樞神經疾病等的同時，也治療基本的衰老路徑，患者的獲益是最大的。即使病人體内沒有100%對藥物進行應答，沒能治愈某種疾病，但這種藥物仍然可以改善衰老機制，患者也是以延長了生命。今年早些時候，我們将這一雙效靶點發現的想法發表在Aging上，在抗衰老研究領域，我們是領先的公司。
我認為抗衰老的研究的參與度和影響力在未來會爆發。2014年，我創立了ARDD（Aging Research for Drug Discovery），如今它成了全球最大的抗衰老研究大會。一些政府已經在鼓勵抗衰老相關的研究。
對英矽智能來說，第三塊要推進的業務是AI底層技術的創新。我對多模态模型（Multi-modal transformers）非常感興趣，這是一種新的技術，就好比你可以通過文本利用AI去生産出畫作。
IPO早知道：社交媒體上已經有很多用AI生成的很棒的圖檔，有了AI我們可以媲美大藝術家。
Alex：的确，現在也許每月花10美元，你就可以生産出勝過米開朗基羅的藝術作品。有人說藝術無法被AI所替代，但現在AI已經做到了。AI越是能做好某種任務，越容易在其他任務中表現得出色。同樣，我們想讓AI把生物學和化學模型統籌起來，并形成大規模的訓練。
來源 | IPO早知道
啟明創投成立于2006年，先後在上海、北京、蘇州、香港，西雅圖、波士頓和舊金山灣區設立辦公室。
目前，啟明創投旗下管理11隻美元基金，7隻人民币基金，已募管理資産總額達到94億美元。自成立至今，專注于投資科技及消費(Technology and Consumer, T&C)、醫療健康(Healthcare)等行業早期和成長期的優秀企業。
截至目前，啟明創投已投資超過480家高速成長的創新企業，其中有超過180家分别在美國紐交所、納斯達克，香港交易所，上交所及深交所等交易所上市，及合并等退出，有70多家企業成為行業公認的獨角獸和超級獨角獸企業。
啟明創投投資企業中，很多已經成長為各自領域中最具影響力的公司，包括小米集團 (01810.HK) 、美團 (03690.HK) 、哔哩哔哩 (NASDAQ:BILI, 09626.HK) 、知乎（NYSE:ZH, 02390.HK）、石頭科技 (688169.SH) 、甘李藥業 (603087.SH) 、泰格醫藥 (300347.SZ, 03347.HK） 、再鼎醫藥 (NASDAQ:ZLAB, 09688.HK) 、康希諾生物 (688185.SH, 06185.HK) 、Schrödinger (NASDAQ:SDGR) 、惠泰醫療 (688617.SH) 、諾輝健康(06606.HK)、啟明醫療 (02500.HK) 、三友醫療 (688085.SH) 、艾德生物 (300685.SZ) 、貝瑞基因 (000710.SZ) 、神州細胞 (688520.SH) 、圓心科技、康締亞、信念醫藥、文遠知行、壁仞科技、優必選等。