出品：新浪财经上市公司研究院
作者：天利
价值亮点：国内IPO独角兽，生成式AI或能重塑新药产业生态
在招股书中，英矽智能详尽地披露了公司的财务数据、解决方案及在研管线。笔者认为，作为首家申请IPO的AI制药公司，其核心价值并不完全体现在在研管线的未来市场潜力，而更多体现在利用AI技术赋能创新药产研生态，开拓全新商业化路径及重塑市场竞争格局。因此，欲衡量公司的价值与发展前景，首先要对AI制药这一基本概念进行诠释。
AI制药（AIDD，即AI drug discovery）是指运用能够生成新数据的能力的生成式AI（经培训后可根据输入数据生成新数据）算法，识别以往未被考虑过的疾病治疗靶点，并针对该等治疗靶点生成具有优化特性的新药物分子或生物制剂。
由于生成式AI能够从头生成全新的候选药物，并非简单地优化现有药物，因此其作为一种解决未满足医疗需求的工具，具有巨大的潜力。需要注意的是，在AIDD出现之前，计算机技术就已经在以CADD（Computer-aided Drug Discovery，计算机辅助药物发现）的形式参与药物研发。
因此，为更好的衡量AIDD为药物研发产业带来的价值增量，应当将传统制药方法、AIDD、CADD在药物研发环节中的表现进行对比，进而得出AIDD是否具备更优潜力，这里我们只对比AIDD与CADD的差异。
狭义的CADD本质上是计算化学，通常是基于物理规则和一些药化学家依据经验归纳出的化学反应规则，利用计算对现有的组合库进行虚拟筛选。在这一范式下，化学搜索空间有限，CADD的虚拟筛选极度受制于组合库的大小。而AIDD本质是通过数据提取和学习，发现既有化合物背后隐含的结构构成规则，为药物发现打破了常规的结构壁垒。
此外，AIDD还可用于设计、重新设计小分子和具有优化特性的抗体，可用于筛选蛋白质组来预测蛋白质结构并识别蛋白质与药物的对接相互作用进而促进苗头化合物的鉴定，可通过已知蛋白质配体相互作用的大数据集的培训预测新候选药物如何与标靶蛋白结合（即虚拟筛选），可用于识别出一组具有明显不同化学结构但具有特定功能的分子等。
从技术原理来看，AIDD不仅能够辅助、优化传统制药的高通量筛选、生成设计环节，更是能做到“think out of the box”，为新药研发的技术路径提供了全新的可能，是继CADD后药物研发产业的又一次技术革新。资料显示，AIDD能节省20-30%临床前部分的开发成本并大幅缩短研发时间。
而英矽智能作为AI制药赛道国内首家提交IPO申请的企业，占据了先发优势，得益于资本的加持无疑将有更大的本钱去占领这一广阔蓝海。同时，从公司目前已取得的成绩来看，英矽智能已有3款自研管线进入临床阶段，技术实力已得到初步论证。
隐忧一：业务重心向自研管线倾斜，高度依赖于资本持续输血
据招股书显示，2021年和2022年英矽智能2年累计亏损约25亿元人民币（按照美元：人民币=1：7计算），而累计收入约为2.4亿元人民币，营收不及亏损额的十分之一。
对于新兴赛道，投资者更关注的是公司未来发展的预期而非当期的业绩表现，然而，从英矽智能的战略规划来看，持续亏损或将成为大概率事件。在此前接受媒体采访时，任峰曾表示，英矽智能的定位，是AI赋能的Biotech公司，不会做AI+CRO的服务，更希望双轮驱动，一部分是软件业务，更大一部分则是内部的资源管线，通过对外授权来完成商业化。
从公司CEO的表述中不难看出英矽智能的野心，即利用生成式AI技术，加快管线临床前研究进程，规模推动管线进入临床，实现创新药的高效研发，同时兼具软件业务。然而，这样做所带来的成本将是高昂的。
临床试验是新药上市过程中最费钱的环节，在整个研发周期中费用占比约为80%。因此，过去创新药企业持续亏损，靠融资度日的现象或将在不久的将来再度在英硅智能身上重演，正如招股书里所显示的，英硅智能在过去两年的研发开支累计约为8.17亿元人民币，已是数倍于营收。
据招股书显示，除了3项已经进入临床的管线之外，英硅智能还有十项临床前管线及多项早期发现管线，随着相关管线的不断推进，更多管线进入临床，英矽智能的亏损或将持续放大。
海外同类企业的经验也证明，以自研管线为主的企业在上市后的数年内营收及净利润承压现象更为明显，例如以管线进行估值的Relay 和Recision，相比于以AI软件服务为主Schrodinger，利润及营收表现均不尽人意。以Recision为例，2020年-2023年公司营收分别为0.26亿元、0.65亿元、2.77亿元，同期亏损额为5.68亿元、11.89亿元、16.68亿元，营收虽在低基数下呈现较快增长，但亏损额却一直在持续扩大。
因此，在盈利模式尚未完全跑通，企业自主造血能力尚未有效形成的情况下，以自研管线作为破题方向或将面临较高风险，对融资的依赖度或将持续处于高位。
隐忧二：尚无二期临床数据读出，投资者得“开盲盒”
事实上，AI制药企业选择自研管线的意义不仅仅在于希望获取其上市后的利润，对于能够基于自身平台推进管线和外包项目的公司而言，自研管线的成功无疑是对平台产品的可复制性、重复性的最好证明，这也是目前许多AI制药创企的重点放在相关管线的原因之一。目前英矽智能已有三款在研管线进入临床，但其中进展最快的也正处于临床二期，尚无二期临床数据读出，而这也为公司的发展埋下了隐患。
二期临床是对临床治疗效果的初步探索试验，能为新的干预措施初步提供有效性的证据以及有关安全性的进一步试验数据，进而判断一种治疗措施是否值得进行更大规模的三期试验。在新药临床的各环节中，虽然每个流程都会有自己特定的里程碑，用于证明技术在当前环节的有效性，但整体性的技术证明仍需临床二期结果来证明。
由于二期临床在整个研发周期中重要性强，且淘汰率高，因此素来被称为新药研发的“死亡之谷”，核心管线临床失败导致公司经营受阻，市值暴跌在海外市场已有前车之鉴，例如Relay Therapeutics在AACR2023会议上披露了选择性PI3Kα抑制剂RLY-2608临床数据有效性不佳，随后股价股价狂泻36%；BenevolentAI在主要候选药物失败后裁员180人，裁员人数几乎是其员工总数的一半。
英矽智能尚无二期临床数据读出，这也意味着投资者将不得不面临“开盲盒”的窘境，二期临床如能达到主要终点，公司不仅证实了管线的未来市场潜力，更是进一步论证了公司自有平台的技术实力，或将呈现皆大欢喜的局面。但是，如果二期临床未达预期，公司价值的不确定性将在高基数下进一步加剧，类似Relay Therapeutics的股价踩踏事件或将再度重现。
隐忧三：数据孤岛之下，管线研发是否可持续？
但现阶段国内AI制药产业生态仍处于发展初期，数据壁垒普遍存在，药物分子库通常集中于经营已久的头部药企，因此AI制药企业主要通过购买商业库及通过公开数据库拿到的药物研发数据，这样的研发数据量少质低，无法满足训练AI模型的数据需要，往往需要通过自建化学生物实验室产生数据并积累。
正如英矽智能在招股书中所述，“由于AI驱动的药物研发服务行业的数据源分散、格式不一致且往往不完整，因此医疗行业收集或可得的数据的整体质量通常会受到质疑，已知或未知的数据缺失或遗漏的程度或数量可能属重大，我们在监测和审计数据质量时经常发现数据问题及错误。”
结语
从所选择的赛道以及已经取得的成就来看，英矽智能的确具备较大发展潜力。但从落地的维度考量，英矽智能目前价值的不确定性也极高，很难给出一个合理的估值区间。结合海外市场的前车之鉴来看，公司未来的发展仍然道阻且长，估值、业绩与业务发展在未来数年之内或将持续面临更大不确定性。