图片来源@视觉中国

文 | 瑞峰资本FREESFUND

今天这篇内容跟生物医药这个“朝阳产业”有关，但却不是一个“追风口”的故事。在看起来严谨、克制、庭院深的生物医药行业，身处其中的创业者所带有的热忱、激情，以及他们所经历的机遇与转折，并不逊色于其他行业发生的波澜壮阔。

智化科技创始人兼CEO夏宁，在“计算+化学合成”这个方向钻研了10余年，他相信技术驱动和数据积累的价值，坚信医药行业也会出现一个turningpoint——技术打败了人的经验。如今，技术创新和需求爆发这两条线相交，有机会让这个turning point早点到来。

创业前，科因生物创始人兼CEO王一恺，曾经从产业界转型做投资。他认为新型的工具平台公司和效率工具的出现，将使得中国有机会研发出具有全球竞争力的产品。于是，又毅然回到产业界，成为创业者。

智化科技创始人兼CEO夏宁、科因生物创始人兼CEO王一恺，他们与峰瑞资本合伙人王蕾在线展开了一场深度对谈。

在对谈中，除了行业里的机会、机遇，他们也聊到了失败。在他们眼中，生物医药是一个由失败驱动的行业，对失败和不确定性的认知，可能也是区分不同人的一个维度，要学会“拥抱失败”。

我们整理了他们对谈的部分内容，与你分享，希望能对你有所启发。他们探讨的内容包括但不限于：

• 这几年，药物研发行业出现了哪些新变量？两位创始人是怎么找到机会的？

• 如何看待大分子和小分子这两种技术路线？

• 未来三到五年，新药研发行业有哪些“无人区”值得探索？

• 新兴生物医药创业公司如何与大药企共生共赢？

• 如何看待新型工具平台和新型biotech企业的前景未来？

• 药化、有机化学、AI等不同类型的人才如何在新药研发行业发挥优势和潜能？为什么说“对失败和不确定性的认知，能够成为区分人的维度” ？

▲直播中的夏宁博士与王一恺博士

01 认识13天，做完投资决策

王蕾：先请王一恺博士和夏宁博士，分别介绍一下自己是怎么走上创业这条路的。

王一恺：我过往两段经历，都跟创业有关。第一段，我在药明康德的国内新药研发服务部，参与了很多项目研发的流程，对国内新药研发行业有深入的了解。这为我后来又回到产业做了铺垫和积累。

第二段，2018年3月，我加入峰瑞，在生物医药领域做早期投资。“创业和投资是不分家的”。在早期确实是这样，你会觉得你所投资的公司，它们团队的变化发展、业务方向、技术的突破，都是你自己的事情。

当时我加入峰瑞，非常认可峰瑞的投资逻辑：在早期的方向和交叉的领域，关注新型的基础设施以及在这之上产生的新的产品的公司。基于这样的逻辑，峰瑞比较关注新药研发行业里新的工具平台、新的技术迭代。

2020年9月，我创办了新型biotech公司科因生物，其实诞生在这个大的逻辑之上，也就是有了新型的工具平台公司和效率工具之后，在中国才能够真正第一次开始做全球有竞争力的产品。

像我们这样的年纪，如果在欧美成熟的产业里，很多还是在原来的方向轨道上钻研，接触不到全景的、全流程的链条，很难有机会把自己的一些想法付诸实践。我从原来的产业中转到投资，再从投资转回产业，实现两次身份的转化，我非常幸运。

夏宁：我是智化科技的创始人兼CEO。特别感谢王一恺博士，他是我的天使投资人。

从2008年博士毕业至今这十几年，我都在做同一件事情，就是就是用计算、大数据以及AI，提升化学合成的效率。我并不是为了追风口或者抓机会，而是相信这件事一定能成。

虽然我学的纯有机化学，但受家庭影响，我从小就学习编程，并且很有兴趣。我一直在寻找化学这个学科和编程的交叉点到底在哪。我也一直在思考如何用计算来解决化学合成的效率问题。

2018年，有学者在Nature上发了一篇论文，用AI来解决化学合成的路线设计问题。但此前，我们早已在这个领域做了很多的研发以及布局。

2018年底，我决定创业，正好碰到峰瑞的王一恺博士，他很认可我们认定的方向和思路。峰瑞投资智化科技之后的这两三年时间，我们进入了一个比较快的发展区间，快速地迭代，技术也在不断地成熟。

王一恺：我回顾了一下当时投资智化科技的时间线。

2019年3月8号，我跟夏博加上微信。3月17号，那是个周日，我们在上海浦东第一次见面。见面之后，峰瑞就很快立项。21号，我就和丰叔一起到武汉，去了智化原来的办公室。我们跟夏博聊了大概有半小时，这个项目的投资决策就已经基本完成了。

虽然峰瑞做早期投资，投资决策通常都挺快的，但是从8号加微信到21号做完决策，这样的速度应该算非常之快。

之所以能做出这样判断，可能跟峰瑞一直的坚持有关系。我之前也是做有机合成的背景，长期关注用数据加速有机合成提升效率这个方向。

在我们投智化科技的时候，全球可能有几十个团队都在攻克有机合成的逆分成路线分析的问题，也有不少创业公司在做。而今天，智化科技在全球是比较领先的。

为什么智化科技可以做到？

原因不一定是因为美国的高校做不了，而是有机合成这项产业，不管从供应链到人才还是市场，都主要在中国。并且，有机合成这项产业恰好遇到了新药研发投资的火热。中国在有机合成这个方向的迭代，就比其他地方更快更有效。

不光是有机合成逆合成分析，包括电镜、AI算法的应用、新型的检测工具、高通量的测试技术等等，在中国发展得非常之快。

我最终之所以选择又回到产业中，和智化科技这些新的平台工具直接相关。

我们都知道，新药研发的周期长，投资回报低。在未来的时间内，如果新药研发想要持续地生长和发展，需要整个产业的基础设施进行迭代。与新药研发基础设施相关的新技术如果能够在中国落地，将会得到很多资金上的支持，应用在很多场景当中。

科因生物主要针对新的靶点，做原创小分子新药的发现。我们的核心是希望以计算，针对比较新的蛋白的靶标，当然需要有结构（也可以是模拟结构），来产生分子。这也是行业中大家的关注的、正在解决的问题。在这两年，在对蛋白的模拟、蛋白小分子相互作用的预测、小分子的产生这个大方向上，出现了比较多新的技术应用。

科因生物有很强的计算团队，也搭建了自己的平台，理所当然地，智化科技成为我们下游的合作方，关于我们设计出来的分子的路线以及最终怎么去做，智化科技可以为我们提供很好的解决方案，甚至是交付。

02 “低垂的果实都被摘了，剩下的都是挂在很高位置的果实”

王蕾：这几年来药物研发行业出现了很多变化，两位分别看到了哪些新的变量，或者新的机会？

夏宁：我在这个行业已经做了超过十年，看到了很多的变化。

第一，环境上的变化。在早期的时候，整个大环境并不是很利于新药研发去做很多创新。举个例子，早期的合成主要是用人力。但最近几年，整个人力成本，尤其在药化领域大幅度上升，有些行业甚至需要外包到像印度、越南等地，来解决人力成本的问题。

第二，创新药特别是小分子药，分子越来越复杂，越来越难做。“低垂的果实都被摘了，剩下的都是挂在很高位置的果实。”当前通过AI等新技术设计出的分子，都不是特别好合成，这对合成能力提出了更高的要求。

还有一个最核心的转变是技术。举个例子，我在早期创业的时候，想法有了，思路也有了，但没法儿落地，为什么呢？技术不成熟。如今IT的云计算、用GPU的高通量计算这些技术，是整个用算法来解决制药复杂问题核心的基础。

另外，我们对于新技术的接受程度也在变。以前制药行业的思路偏传统，但最近几年，由于各种风口也好，或者新技术出现也好，大家都愿意尝试接受新的技术。这种行业认识上的转变，是很重要的。

王一恺：智化科技是怎么抓住其中的机会的？

夏宁：我们很早就有用技术提高合成效率的想法。我之前的两次创业经历，也与计算+合成密切相关，我们在各种方向试错，为后续积累了经验。

当看到相关技术出现突破之后，就立刻来应用，把想法付诸实践。恰巧在市场有需求的时候，我们出现了。可以说，技术创新和需求这两条线相交，才有了这个机会。

王一恺：我往产业下游多说一点。过去几年，国内创新药的研发如火如荼。很多项目得到了资金和政策上的支持。可能这其中或多或少有些泡沫，最近二级市场也在回调。

之所以会出现这样的局面，是之前的项目绝大部分是“fast follow”，就是在国外的这些靶点和分子已经进入临床之后，看到别人的结果之后，我们再来做。最大的风险，已经被国外的公司验证过了。我们就能理解，为什么这样的事情，在国内会出现一定程度的内卷。

但疫情出现之后，国内的生物医药行业都在谈first in class。做first in class的风险非常高，核心是要“跨越死亡之谷”。如何跨越？说白了是一个叫DMTA的循环。这个循环大药企可能在20多年前就开始做，每一次技术出现，都会做一次应用和迭代。未来，这个循环可能也会成为大家都要去解决的问题。（更多关于DMTA循环、新药研发效率的思考，详见《峰瑞报告23：穿越“死亡之谷”：小分子新药研发的系统性新机会》）

前面我也说到了，中国出现了很多新型的工具平台公司，在本土做这样的整合和加速的循环，可能已经比跟在欧洲的公司合作更有效率。毕竟在本土交流方便，没有时差，而且这些公司在中国的成长和发展都很好。

有了这样的基础，反过来会促进大家开始去做更难的靶点和更不容易做的分子。看到这个机会之后，我希望自己能投入其中，实现“first in class”，研发出满足临床需求的产品。

03 未来三到五年，新药研发行业有哪些“无人区”值得探索？

王蕾：在未来三到五年，新药研发行业还有哪些“无人区”或者说有哪些目前还没有被广泛应用，但是极具潜力的技术值得去探索？

夏宁：我比较看好从计算的角度来解决问题。现在很多时候靠的是经验和数据，效率还是比较低的。我希望在未来像量化这种计算方式，能够更加的精确。或者有一些新的方法出来，比如通过计算的方式去预测合成中涉及到的一些问题，而不是通过数据。

第二，量子计算机也在研发之中。如果未来GPU的效率再提升几个级别，也可能产生巨大影响。

王一恺：我很认同。在研究生物体系的工具手段上，通量会变得更高，这件事情已经或多或少地应用了。不管是新的测试工具，单分子的成像，单分子的表征等等，都逐渐在行业内应用。

不管是在生物学、化学以及药物研发中，计算的作用会持续体现出来。最近，AlphaFold实现了对蛋白的复合物进行预测，实现了最新的突破。

▲ AlphaFold-Multimer 对蛋白复合物进行结构预测，真实结构标为深蓝色，多聚物其他链以不同颜色区分。图片来源：智药邦。

未来，随着计算上的突破，以及动力学模拟这样的工具能更深度地应用在早期新药研发里，我们对生物过程的理解有更新迭代之后，会有一些新的方向、手段、工具，能让新药研发的过程加速，从而降低后期的失败率，提高投资回报率。

04 如何看待大分子和小分子这两种技术路线？

王蕾：在医疗领域，大分子和生物科技、基因治疗都很火热。在现有药物发现方法上，两位怎么看大分子、小分子、生物技术这些方向，哪个路线最有可能先做出被客户认可的新方法、新平台？

王一恺：我是学化学出身，现在做的是小分子。不管是以创业者身份面对投资人，还是招聘的时候，多多少少会听到“大分子、基因细胞疗法非常热，小分子是明日黄花”这样的判断。

但实际上，如果你去观察最近几年在美国几家大的VC孵化的公司中，大家对小分子的投入一点都不少，小分子有很多新的发展。

另外，我们在新靶点的发现验证上因为有了CRISPR，对胞内小分子可以来作用靶点的发现和研究，甚至建立筛选流程，也都变得更加容易。

所以，在中国通过小分子这个路线，推出真正原创的药物原创产品，诞生更新的、更有效的技术平台，可能性反而是更大的。

夏宁：小分子、大分子其实是两个互补的领域，不是说谁来替代谁，它们作用的机理、对应的疾病是不同的。

比如新冠疫情后，既有疫苗这种生物大分子，也出现了小分子的口服药。两者起作用的方式不一样，抗药性也不一样。

而计算赋能、AI赋能等方式，更容易在小分子上取得突破。相对来说，小分子结构比较简单，容易去计算。而大分子，还是需要通过很多试错的方式，或者生物的方式来做。

未来，大分子、小分子这两种路线将会长期共存，都会发展得越来越好。

05 新型的工具平台、biotech公司如何与大药企共生共赢？

王蕾：聊完了行业里的变化和机会，好奇两位创始人是怎么理解新型的工具平台或者biotech公司和现有的大药企之间的关系，这些公司怎么共生共赢的？新型的公司如何说服大药企来尝试新的技术，会给这些大药企带来多大程度上的效率提升？

夏宁：智化是以服务为主。我们去跟大药企聊合作，药企会问：“你的东西到底好不好？怎么证明你的东西确实有效？”

我们确实需要在药企内部进行一定时长的测试。因为合成这个问题，比较容易验证，通过自己的经验判断，或者一些简单的实验，就能知道效果到底怎么样。

当然，还有一些比较新的技术，可能比较难去验证，就需要大药企相信这件事情的逻辑。比如我们的核心逻辑是用数据替代人工的经验。如果大公司认可这个逻辑，也愿意去尝试。

特别是在当前这个时代，药企的核心痛点极其明确，就是加速研发，降低成本。从这个角度，即使你还没有得到一个相对完整的验证流程，还是会有一些公司愿意支持你。

王一恺：我觉得作为新的工具平台类的公司，交付能力是很重要的。我们现在在做新靶点的项目研发。一些通过计算设计出的分子，合成起来并不容易。当然仅有合成路线是不够的，一定要得到最终的分子实体，才能在生物实验中验证是否有效。

从这点也能看出有机合成以及新药研发整个行业，可能跟互联网行业有一些不同，因为新药研发这个行业最终的结果是需要实验来形成数据闭环的。

对于科因生物来说，怎么理解跟大药企之间的关系？

我们也在跟一个国外药企的加速器合作。我们能够被认可，是因为在分子发现上的效率足够高。当然，我们还需要最终的验证，形成闭环。只有拿到了数据和结果，才有机会和这些大的药厂沟通和谈合作。

夏宁：智化科技在和客户合作过程中，也是注重结果的，最终还是要有一个能够可验证的流程。要拿事实说话，是必须要做到的。

只靠讲概念不能长期地维持合作。智化内部极为重视验证的过程，要通过一些试实验，对设计的路线做一些验证。这是在新药研发领域，计算驱动的公司都要面临的一个问题。

王一恺：确实，最重要的是分子，而不是一个可行性报告或者路线。

06 未来会一直做服务还是去做产品？

王蕾：对于新型的工具平台或者Biotech公司来讲，未来是打算一直做服务，还是说可能会下场去做产品，成为行业里的重要玩家？

夏宁：两条路都可以走，但方式不一样。AI最核心的是要有足够多的数据量，才能形成壁垒。如果选择做产品，可能没有特别多的资金做很多的管线，数据量整体会偏少。但如果做服务的话，我们可以快速服务于很多管线，整体的数据量会很大。从这个角度，智化科技的策略还是做服务，这样才能真正建立自己的数据壁垒。

▲ 智化科技的产品demo。图片来源：智化科技（chemical.ai）官网。

王一恺：毫无疑问，生物医药是一个朝阳产业，会一直热下去。当然这个热的前提是，每个玩家都需要在自己专长的方向和阶段上，能够做到极致。

未来中国的生物医药产业可能会跟欧美类似，有更细的分工和专注的方向、阶段。这其中有初创的新型biotech公司，也有百济、恒瑞这样的 big pharma。借助big pharma很强的后期临床以及销售能力，biotech公司研发的药品才能更有可能让病人受益。我们需要行业内各类公司一起打造良性的生态。

这里面比较“惨”的可能是biotech公司，失败率很高，但新的靶点和方向的风险很大，失败也属于正常的。其实在一个成熟的产业链中，biotech公司虽然失败率很高，但是投资回报率也是最高的。用这样的方式鼓励大家不断探索新的东西，解决未满足的临床需求。

王蕾：在数据积累上，有的观众提问：“大药厂的合成数据肯定是积累多年，而且量特别大，自己也可以做自动化和算法平台。这块儿智化科技如何去竞争？”

夏宁：如果做产品的话，可能药企过往确实积累了很多数据，但每年速度可能相对较慢。如果做服务的话，会有更大数据的增量。

药企积累的数据本身肯定有价值，但如果这些数据要为AI学习做准备的话，颗粒度要极其精细、标准化。准确、标准化地记录数据，对于创业公司来讲，并不是瓶颈。

王蕾：除了计算、软件上的技术，智化科技是怎么考虑硬件产品组合落地，也就是在自动化合成方面有什么样的布局？

夏宁：智化科技在自动化这方面也有布局，我们内部正在研发。为了快速地积累大量的数据，以及标准化可以学习的数据，我们确实要做自动化。

王蕾：有些CRO公司的合成专家反馈说，合成类的软件可能对初学者的用处更大，对有经验的人来讲，用处可能相对小一些。您认为是这样的吗？智化科技能带来的优势能是多大呢？

夏宁：这个问题确实很多人会关注。我们可以拿围棋来类比。AlphaGo不断地学习演化，打败顶级棋手之后，人们意识到人已经玩不过AI了。

当合成类的软件技术刚开始出现，可能会比一些三四年经验的博士生要做得好，但相比于做过十年合成的老专家，水平还是很有限的。

但如果能把个人的经验，以数据的形式留存汇总下来，让所有的机器来学习这些经验，最终得到的就是一个超人。这个超人可能具有数百甚至数千个高级化学家经验的总和，掌握了极强的检索能力、运算能力。可能这才是真正能够解决有机合成问题的途径。

从发展的眼光来看，这个turning point是注定要来到的。一定会有一个时刻，技术打败了人的经验。之后大家会形成一种共识，这件事情可以直接用AI来做。

07 新药研发的天花板在哪？

王蕾：想请两位再聊聊新药研发行业的前景和方向天花板的问题。

夏宁：从做工具平台来讲，前景较好。整个行业对于高效工具的需求极为强烈。同时，它的天花板也足够高。做服务，可能在单个的产品中，能看到收益的天花板，但可以服务中外所有的公司。而且，合成本身的天花板挺高。合成不单是生物医药领域的问题，新材料、农药、日化等行业也需要合成。

从数据计算的角度，这个行业有比较深的门槛，不容易陷入红海的竞争。我们的竞争对手很有限，而且随着时间的积累，技术研发更深入，能够建立起非常核心的壁垒。

这个壁垒最终可能能够转化成一个数据的壁垒。这时我们就有点像互联网公司。当互联网公司做到足够大，可能从市场、数据角度，别人就很难再复制了。

王一恺：在药物研发领域，有一个“化学空间”的概念，所谓类药的（drug-like）分子可能有10的60次方个。这意味着，我们目前对可成药分子的探索极为有限。这是问题的一个方面。

另一个方面是，在我们看来有很多可做的蛋白靶标，之前因为技术原因，没有办法做。但现在随着工具手段的进展和生物学的发展，逐渐变成可以探索的生物空间。

把这两个空间连接起来，就有很多值得尝试和迭代探索的机会。也恰恰是因为出现新的工具和更高效的合成技术，探索过程的成本才有可能变得可以接受。

进一步说，在新的靶点的发现上，我们现在有能力去探索更多可成药的分子。过去一个项目，做一千个分子。未来有了更高效的有机合成，或许可能能做一万个分子。这一千个分子原来是集中在某一个母核结构上，未来可能会有机会探索十个或一百个母核结构。通过这样的方式才有可能探索到更加接近全局最优的分子，成功的可能性也将会大幅提升。

所以说可以探索的事情挺多，并不存在天花板。

08 “对失败和不确定性的认知，可能也是区分不同人的一个纬度”

王蕾：想跟两位讨论一下大家关注的人才问题。新的工具平台、新型Biotech公司正在持续发展，药化、泛有机化学、生物、AI等等这些不同类型的人才，未来有什么机会和挑战？

夏宁：从我们公司的经验来看，现在所需要的人才，绝大部分都是复合型人才。复合型人才不是说懂一些化学、懂一些编程，而是既要很懂化学，又很懂编程，这是极其难得的。

当前，我们的人才培养体系还是偏重于单学科，化学就是化学专业，计算机就是计算机专业。还没有实现交叉学科的培养。

我建议大家能够向交叉的方向发展。我个人机缘巧合，学了化学读到博士，最后又从事化学信息学写代码。我们公司也对人才进行培养，如果你某在一个领域，比如合成、制药这些细分领域有很深的积累，在另外一个领域比如编程算法刚刚入门，我们非常欢迎。我们在团队内部看到很多人才，学习能力极强，很快地就能通过实践掌握这些技术通。今年9月，华中科技大学和智化科技联合创办了“人工智能化学试验班”，共同培养化学&AI双重背景的人才。

有志于AI自动化合成方向的同学们，欢迎多多关注我们并加入。

王一恺：夏博提到交叉，想要真正实现交叉是很困难的。绝大部分人在一个方向做得很深，就已经很不错了。

在这个基础上，再往前走一步，需要我们有开放的心态。做药是一件长期的事情，需要团队合作。你要知道公司其他团队都在做什么，有什么新的工具，能够为你自己的工作以及项目的发展起什么作用。只有你了解了对方，才能够有更深入的合作，而不是单打独斗做事情。

我们在过去面试的过程中，遇到不少候选人会担心做新的东西是不是有风险。大家对失败和对不确定性的认知，其实是区分不同人的一个维度。

任何科学、技术方面突破，不确定性都很大，失败是常态，尤其在新药研发领域，可能95%以上的分子，最终会因为各种原因“废掉”。其实可以有一个预设：这件事是一定会失败的，这样你在做项目的时候，就不会那么惧怕失败了。

我们期待能够在公司树立一个价值体系，就是对风险的理解。希望大家能够拥抱风险，不怕试错。从公司角度，我们也会提供各种支持和资源，来让大家充分探索。这样才能在真正底层的创新上做积累。

坦白讲，在创业的过程中，我自己也遇到很多的挑战，比如怎么证明自己，怎么去做这样的事情，怎么跟人合作，盈利模式是什么样的……很庆幸的是，国内大家对风险、对失败的容忍度，整个行业对新的事情的迎接拥抱和认可，都比我想象中发展的速度要快。

而且在行业中，有很多伙伴愿意跟我们一块做这样的积累，愿意承担风险，每天被不理想的数据打击，有这样的韧性来做一种延迟满足的尝试。这个过程中，最难得的是，大家积累了真正的行业的Knowhow，和新工具应用的经验。

夏宁：“拥抱失败”，在我们做算法研发中也相当重要。大家可能觉得算法是很确定的东西，实际上我们是在不断失败的过程中，找到那个真正可行的方法。失败十次，成功一次，已经算很不错了。从这个角度来看，我们是一个失败驱动的研发企业，和制药是一样的。

王蕾：有观众想要了解，在现在这个阶段，领域的知识和计算能力，哪个更占主导？

夏宁：其实两个都很重要。如果非要从中挑出一个，可能领域的知识更重要。因为化学或者制药这个行业，本身门槛很高，如果没有这个基础，直接就通过计算或者AI来切入，可能难度较大。

王一恺：在这个行业，最终要提供的不管是分子合成服务还是药物本身，最终都要落到产品上。我们思考的核心，是做产品的逻辑和诉求。在这个基础之上，如果算法、数据和计算能力，能够加速这个过程，甚至把这些药物早期发现的流程，都尽可能地程序化就能起到赋能和加速的效果。当然，能够用好这些工具，还是需要很深的领域知识。对有机合成来说，以后领域知识可能以一种新的形式呈现，比如数据。