圖片來源@視覺中國
文 | 瑞峰資本FREESFUND
今天這篇內(nèi)容跟生物醫(yī)藥這個“朝陽產(chǎn)業(yè)”有關(guān)，但卻不是一個“追風(fēng)口”的故事。在看起來嚴(yán)謹(jǐn)、克制、庭院深的生物醫(yī)藥行業(yè)，身處其中的創(chuàng)業(yè)者所帶有的熱忱、激情，以及他們所經(jīng)歷的機遇與轉(zhuǎn)折，并不遜色于其他行業(yè)發(fā)生的波瀾壯闊。
智化科技創(chuàng)始人兼CEO夏寧，在“計算+化學(xué)合成”這個方向鉆研了10余年，他相信技術(shù)驅(qū)動和數(shù)據(jù)積累的價值，堅信醫(yī)藥行業(yè)也會出現(xiàn)一個turningpoint——技術(shù)打敗了人的經(jīng)驗。如今，技術(shù)創(chuàng)新和需求爆發(fā)這兩條線相交，有機會讓這個turning point早點到來。
創(chuàng)業(yè)前，科因生物創(chuàng)始人兼CEO王一愷，曾經(jīng)從產(chǎn)業(yè)界轉(zhuǎn)型做投資。他認(rèn)為新型的工具平臺公司和效率工具的出現(xiàn)，將使得中國有機會研發(fā)出具有全球競爭力的產(chǎn)品。于是，又毅然回到產(chǎn)業(yè)界，成為創(chuàng)業(yè)者。
智化科技創(chuàng)始人兼CEO夏寧、科因生物創(chuàng)始人兼CEO王一愷，他們與峰瑞資本合伙人王蕾在線展開了一場深度對談。
在對談中，除了行業(yè)里的機會、機遇，他們也聊到了失敗。在他們眼中，生物醫(yī)藥是一個由失敗驅(qū)動的行業(yè)，對失敗和不確定性的認(rèn)知，可能也是區(qū)分不同人的一個維度，要學(xué)會“擁抱失敗”。
我們整理了他們對談的部分內(nèi)容，與你分享，希望能對你有所啟發(fā)。他們探討的內(nèi)容包括但不限于：
這幾年，藥物研發(fā)行業(yè)出現(xiàn)了哪些新變量？兩位創(chuàng)始人是怎么找到機會的？
如何看待大分子和小分子這兩種技術(shù)路線？
未來三到五年，新藥研發(fā)行業(yè)有哪些“無人區(qū)”值得探索？
新興生物醫(yī)藥創(chuàng)業(yè)公司如何與大藥企共生共贏？
如何看待新型工具平臺和新型biotech企業(yè)的前景未來？
藥化、有機化學(xué)、AI等不同類型的人才如何在新藥研發(fā)行業(yè)發(fā)揮優(yōu)勢和潛能？為什么說“對失敗和不確定性的認(rèn)知，能夠成為區(qū)分人的維度” ？
▲直播中的夏寧博士與王一愷博士
王蕾：先請王一愷博士和夏寧博士，分別介紹一下自己是怎么走上創(chuàng)業(yè)這條路的。
王一愷：我過往兩段經(jīng)歷，都跟創(chuàng)業(yè)有關(guān)。第一段，我在藥明康德的國內(nèi)新藥研發(fā)服務(wù)部，參與了很多項目研發(fā)的流程，對國內(nèi)新藥研發(fā)行業(yè)有深入的了解。這為我后來又回到產(chǎn)業(yè)做了鋪墊和積累。
第二段，2018年3月，我加入峰瑞，在生物醫(yī)藥領(lǐng)域做早期投資。“創(chuàng)業(yè)和投資是不分家的”。在早期確實是這樣，你會覺得你所投資的公司，它們團隊的變化發(fā)展、業(yè)務(wù)方向、技術(shù)的突破，都是你自己的事情。
當(dāng)時我加入峰瑞，非常認(rèn)可峰瑞的投資邏輯：在早期的方向和交叉的領(lǐng)域，關(guān)注新型的基礎(chǔ)設(shè)施以及在這之上產(chǎn)生的新的產(chǎn)品的公司。基于這樣的邏輯，峰瑞比較關(guān)注新藥研發(fā)行業(yè)里新的工具平臺、新的技術(shù)迭代。
2020年9月，我創(chuàng)辦了新型biotech公司科因生物，其實誕生在這個大的邏輯之上，也就是有了新型的工具平臺公司和效率工具之后，在中國才能夠真正第一次開始做全球有競爭力的產(chǎn)品。
像我們這樣的年紀(jì)，如果在歐美成熟的產(chǎn)業(yè)里，很多還是在原來的方向軌道上鉆研，接觸不到全景的、全流程的鏈條，很難有機會把自己的一些想法付諸實踐。我從原來的產(chǎn)業(yè)中轉(zhuǎn)到投資，再從投資轉(zhuǎn)回產(chǎn)業(yè)，實現(xiàn)兩次身份的轉(zhuǎn)化，我非常幸運。
夏寧：我是智化科技的創(chuàng)始人兼CEO。特別感謝王一愷博士，他是我的天使投資人。
從2008年博士畢業(yè)至今這十幾年，我都在做同一件事情，就是就是用計算、大數(shù)據(jù)以及AI，提升化學(xué)合成的效率。我并不是為了追風(fēng)口或者抓機會，而是相信這件事一定能成。
雖然我學(xué)的純有機化學(xué)，但受家庭影響，我從小就學(xué)習(xí)編程，并且很有興趣。我一直在尋找化學(xué)這個學(xué)科和編程的交叉點到底在哪。我也一直在思考如何用計算來解決化學(xué)合成的效率問題。
2018年，有學(xué)者在Nature上發(fā)了一篇論文，用AI來解決化學(xué)合成的路線設(shè)計問題。但此前，我們早已在這個領(lǐng)域做了很多的研發(fā)以及布局。
2018年底，我決定創(chuàng)業(yè)，正好碰到峰瑞的王一愷博士，他很認(rèn)可我們認(rèn)定的方向和思路。峰瑞投資智化科技之后的這兩三年時間，我們進入了一個比較快的發(fā)展區(qū)間，快速地迭代，技術(shù)也在不斷地成熟。
王一愷：我回顧了一下當(dāng)時投資智化科技的時間線。
2019年3月8號，我跟夏博加上微信。3月17號，那是個周日，我們在上海浦東第一次見面。見面之后，峰瑞就很快立項。21號，我就和豐叔一起到武漢，去了智化原來的辦公室。我們跟夏博聊了大概有半小時，這個項目的投資決策就已經(jīng)基本完成了。
雖然峰瑞做早期投資，投資決策通常都挺快的，但是從8號加微信到21號做完決策，這樣的速度應(yīng)該算非常之快。
之所以能做出這樣判斷，可能跟峰瑞一直的堅持有關(guān)系。我之前也是做有機合成的背景，長期關(guān)注用數(shù)據(jù)加速有機合成提升效率這個方向。
在我們投智化科技的時候，全球可能有幾十個團隊都在攻克有機合成的逆分成路線分析的問題，也有不少創(chuàng)業(yè)公司在做。而今天，智化科技在全球是比較領(lǐng)先的。
為什么智化科技可以做到？
原因不一定是因為美國的高校做不了，而是有機合成這項產(chǎn)業(yè)，不管從供應(yīng)鏈到人才還是市場，都主要在中國。并且，有機合成這項產(chǎn)業(yè)恰好遇到了新藥研發(fā)投資的火熱。中國在有機合成這個方向的迭代，就比其他地方更快更有效。
不光是有機合成逆合成分析，包括電鏡、AI算法的應(yīng)用、新型的檢測工具、高通量的測試技術(shù)等等，在中國發(fā)展得非常之快。
我最終之所以選擇又回到產(chǎn)業(yè)中，和智化科技這些新的平臺工具直接相關(guān)。
我們都知道，新藥研發(fā)的周期長，投資回報低。在未來的時間內(nèi)，如果新藥研發(fā)想要持續(xù)地生長和發(fā)展，需要整個產(chǎn)業(yè)的基礎(chǔ)設(shè)施進行迭代。與新藥研發(fā)基礎(chǔ)設(shè)施相關(guān)的新技術(shù)如果能夠在中國落地，將會得到很多資金上的支持，應(yīng)用在很多場景當(dāng)中。
科因生物主要針對新的靶點，做原創(chuàng)小分子新藥的發(fā)現(xiàn)。我們的核心是希望以計算，針對比較新的蛋白的靶標(biāo)，當(dāng)然需要有結(jié)構(gòu)（也可以是模擬結(jié)構(gòu)），來產(chǎn)生分子。這也是行業(yè)中大家的關(guān)注的、正在解決的問題。在這兩年，在對蛋白的模擬、蛋白小分子相互作用的預(yù)測、小分子的產(chǎn)生這個大方向上，出現(xiàn)了比較多新的技術(shù)應(yīng)用。
科因生物有很強的計算團隊，也搭建了自己的平臺，理所當(dāng)然地，智化科技成為我們下游的合作方，關(guān)于我們設(shè)計出來的分子的路線以及最終怎么去做，智化科技可以為我們提供很好的解決方案，甚至是交付。
王蕾：這幾年來藥物研發(fā)行業(yè)出現(xiàn)了很多變化，兩位分別看到了哪些新的變量，或者新的機會？
夏寧：我在這個行業(yè)已經(jīng)做了超過十年，看到了很多的變化。
第一，環(huán)境上的變化。在早期的時候，整個大環(huán)境并不是很利于新藥研發(fā)去做很多創(chuàng)新。舉個例子，早期的合成主要是用人力。但最近幾年，整個人力成本，尤其在藥化領(lǐng)域大幅度上升，有些行業(yè)甚至需要外包到像印度、越南等地，來解決人力成本的問題。
第二，創(chuàng)新藥特別是小分子藥，分子越來越復(fù)雜，越來越難做。“低垂的果實都被摘了，剩下的都是掛在很高位置的果實。”當(dāng)前通過AI等新技術(shù)設(shè)計出的分子，都不是特別好合成，這對合成能力提出了更高的要求。
還有一個最核心的轉(zhuǎn)變是技術(shù)。舉個例子，我在早期創(chuàng)業(yè)的時候，想法有了，思路也有了，但沒法兒落地，為什么呢？技術(shù)不成熟。如今IT的云計算、用GPU的高通量計算這些技術(shù)，是整個用算法來解決制藥復(fù)雜問題核心的基礎(chǔ)。
另外，我們對于新技術(shù)的接受程度也在變。以前制藥行業(yè)的思路偏傳統(tǒng)，但最近幾年，由于各種風(fēng)口也好，或者新技術(shù)出現(xiàn)也好，大家都愿意嘗試接受新的技術(shù)。這種行業(yè)認(rèn)識上的轉(zhuǎn)變，是很重要的。
王一愷：智化科技是怎么抓住其中的機會的？
夏寧：我們很早就有用技術(shù)提高合成效率的想法。我之前的兩次創(chuàng)業(yè)經(jīng)歷，也與計算+合成密切相關(guān)，我們在各種方向試錯，為后續(xù)積累了經(jīng)驗。
當(dāng)看到相關(guān)技術(shù)出現(xiàn)突破之后，就立刻來應(yīng)用，把想法付諸實踐。恰巧在市場有需求的時候，我們出現(xiàn)了?？梢哉f，技術(shù)創(chuàng)新和需求這兩條線相交，才有了這個機會。
王一愷：我往產(chǎn)業(yè)下游多說一點。過去幾年，國內(nèi)創(chuàng)新藥的研發(fā)如火如荼。很多項目得到了資金和政策上的支持?？赡苓@其中或多或少有些泡沫，最近二級市場也在回調(diào)。
之所以會出現(xiàn)這樣的局面，是之前的項目絕大部分是“fast follow”，就是在國外的這些靶點和分子已經(jīng)進入臨床之后，看到別人的結(jié)果之后，我們再來做。最大的風(fēng)險，已經(jīng)被國外的公司驗證過了。我們就能理解，為什么這樣的事情，在國內(nèi)會出現(xiàn)一定程度的內(nèi)卷。
但疫情出現(xiàn)之后，國內(nèi)的生物醫(yī)藥行業(yè)都在談first in class。做first in class的風(fēng)險非常高，核心是要“跨越死亡之谷”。如何跨越？說白了是一個叫DMTA的循環(huán)。這個循環(huán)大藥企可能在20多年前就開始做，每一次技術(shù)出現(xiàn)，都會做一次應(yīng)用和迭代。未來，這個循環(huán)可能也會成為大家都要去解決的問題。（更多關(guān)于DMTA循環(huán)、新藥研發(fā)效率的思考，詳見《峰瑞報告23：穿越“死亡之谷”：小分子新藥研發(fā)的系統(tǒng)性新機會》）
前面我也說到了，中國出現(xiàn)了很多新型的工具平臺公司，在本土做這樣的整合和加速的循環(huán)，可能已經(jīng)比跟在歐洲的公司合作更有效率。畢竟在本土交流方便，沒有時差，而且這些公司在中國的成長和發(fā)展都很好。
有了這樣的基礎(chǔ)，反過來會促進大家開始去做更難的靶點和更不容易做的分子?？吹竭@個機會之后，我希望自己能投入其中，實現(xiàn)“first in class”，研發(fā)出滿足臨床需求的產(chǎn)品。
王蕾：在未來三到五年，新藥研發(fā)行業(yè)還有哪些“無人區(qū)”或者說有哪些目前還沒有被廣泛應(yīng)用，但是極具潛力的技術(shù)值得去探索？
夏寧：我比較看好從計算的角度來解決問題?，F(xiàn)在很多時候靠的是經(jīng)驗和數(shù)據(jù)，效率還是比較低的。我希望在未來像量化這種計算方式，能夠更加的精確?；蛘哂幸恍┬碌姆椒ǔ鰜?，比如通過計算的方式去預(yù)測合成中涉及到的一些問題，而不是通過數(shù)據(jù)。
第二，量子計算機也在研發(fā)之中。如果未來GPU的效率再提升幾個級別，也可能產(chǎn)生巨大影響。
王一愷：我很認(rèn)同。在研究生物體系的工具手段上，通量會變得更高，這件事情已經(jīng)或多或少地應(yīng)用了。不管是新的測試工具，單分子的成像，單分子的表征等等，都逐漸在行業(yè)內(nèi)應(yīng)用。
不管是在生物學(xué)、化學(xué)以及藥物研發(fā)中，計算的作用會持續(xù)體現(xiàn)出來。最近，AlphaFold實現(xiàn)了對蛋白的復(fù)合物進行預(yù)測，實現(xiàn)了最新的突破。
▲ AlphaFold-Multimer 對蛋白復(fù)合物進行結(jié)構(gòu)預(yù)測，真實結(jié)構(gòu)標(biāo)為深藍(lán)色，多聚物其他鏈以不同顏色區(qū)分。圖片來源：智藥邦。
未來，隨著計算上的突破，以及動力學(xué)模擬這樣的工具能更深度地應(yīng)用在早期新藥研發(fā)里，我們對生物過程的理解有更新迭代之后，會有一些新的方向、手段、工具，能讓新藥研發(fā)的過程加速，從而降低后期的失敗率，提高投資回報率。
王蕾：在醫(yī)療領(lǐng)域，大分子和生物科技、基因治療都很火熱。在現(xiàn)有藥物發(fā)現(xiàn)方法上，兩位怎么看大分子、小分子、生物技術(shù)這些方向，哪個路線最有可能先做出被客戶認(rèn)可的新方法、新平臺？
王一愷：我是學(xué)化學(xué)出身，現(xiàn)在做的是小分子。不管是以創(chuàng)業(yè)者身份面對投資人，還是招聘的時候，多多少少會聽到“大分子、基因細(xì)胞療法非常熱，小分子是明日黃花”這樣的判斷。
但實際上，如果你去觀察最近幾年在美國幾家大的VC孵化的公司中，大家對小分子的投入一點都不少，小分子有很多新的發(fā)展。
另外，我們在新靶點的發(fā)現(xiàn)驗證上因為有了CRISPR，對胞內(nèi)小分子可以來作用靶點的發(fā)現(xiàn)和研究，甚至建立篩選流程，也都變得更加容易。
所以，在中國通過小分子這個路線，推出真正原創(chuàng)的藥物原創(chuàng)產(chǎn)品，誕生更新的、更有效的技術(shù)平臺，可能性反而是更大的。
夏寧：小分子、大分子其實是兩個互補的領(lǐng)域，不是說誰來替代誰，它們作用的機理、對應(yīng)的疾病是不同的。
比如新冠疫情后，既有疫苗這種生物大分子，也出現(xiàn)了小分子的口服藥。兩者起作用的方式不一樣，抗藥性也不一樣。
而計算賦能、AI賦能等方式，更容易在小分子上取得突破。相對來說，小分子結(jié)構(gòu)比較簡單，容易去計算。而大分子，還是需要通過很多試錯的方式，或者生物的方式來做。
未來，大分子、小分子這兩種路線將會長期共存，都會發(fā)展得越來越好。
王蕾：聊完了行業(yè)里的變化和機會，好奇兩位創(chuàng)始人是怎么理解新型的工具平臺或者biotech公司和現(xiàn)有的大藥企之間的關(guān)系，這些公司怎么共生共贏的？新型的公司如何說服大藥企來嘗試新的技術(shù)，會給這些大藥企帶來多大程度上的效率提升？
夏寧：智化是以服務(wù)為主。我們?nèi)ジ笏幤罅暮献?，藥企會問?ldquo;你的東西到底好不好？怎么證明你的東西確實有效？”
我們確實需要在藥企內(nèi)部進行一定時長的測試。因為合成這個問題，比較容易驗證，通過自己的經(jīng)驗判斷，或者一些簡單的實驗，就能知道效果到底怎么樣。
當(dāng)然，還有一些比較新的技術(shù)，可能比較難去驗證，就需要大藥企相信這件事情的邏輯。比如我們的核心邏輯是用數(shù)據(jù)替代人工的經(jīng)驗。如果大公司認(rèn)可這個邏輯，也愿意去嘗試。
特別是在當(dāng)前這個時代，藥企的核心痛點極其明確，就是加速研發(fā)，降低成本。從這個角度，即使你還沒有得到一個相對完整的驗證流程，還是會有一些公司愿意支持你。
王一愷：我覺得作為新的工具平臺類的公司，交付能力是很重要的。我們現(xiàn)在在做新靶點的項目研發(fā)。一些通過計算設(shè)計出的分子，合成起來并不容易。當(dāng)然僅有合成路線是不夠的，一定要得到最終的分子實體，才能在生物實驗中驗證是否有效。
從這點也能看出有機合成以及新藥研發(fā)整個行業(yè)，可能跟互聯(lián)網(wǎng)行業(yè)有一些不同，因為新藥研發(fā)這個行業(yè)最終的結(jié)果是需要實驗來形成數(shù)據(jù)閉環(huán)的。
對于科因生物來說，怎么理解跟大藥企之間的關(guān)系？
我們也在跟一個國外藥企的加速器合作。我們能夠被認(rèn)可，是因為在分子發(fā)現(xiàn)上的效率足夠高。當(dāng)然，我們還需要最終的驗證，形成閉環(huán)。只有拿到了數(shù)據(jù)和結(jié)果，才有機會和這些大的藥廠溝通和談合作。
夏寧：智化科技在和客戶合作過程中，也是注重結(jié)果的，最終還是要有一個能夠可驗證的流程。要拿事實說話，是必須要做到的。
只靠講概念不能長期地維持合作。智化內(nèi)部極為重視驗證的過程，要通過一些試實驗，對設(shè)計的路線做一些驗證。這是在新藥研發(fā)領(lǐng)域，計算驅(qū)動的公司都要面臨的一個問題。
王一愷：確實，最重要的是分子，而不是一個可行性報告或者路線。
王蕾：對于新型的工具平臺或者Biotech公司來講，未來是打算一直做服務(wù)，還是說可能會下場去做產(chǎn)品，成為行業(yè)里的重要玩家？
夏寧：兩條路都可以走，但方式不一樣。AI最核心的是要有足夠多的數(shù)據(jù)量，才能形成壁壘。如果選擇做產(chǎn)品，可能沒有特別多的資金做很多的管線，數(shù)據(jù)量整體會偏少。但如果做服務(wù)的話，我們可以快速服務(wù)于很多管線，整體的數(shù)據(jù)量會很大。從這個角度，智化科技的策略還是做服務(wù)，這樣才能真正建立自己的數(shù)據(jù)壁壘。
▲ 智化科技的產(chǎn)品demo。圖片來源：智化科技（chemical.ai）官網(wǎng)。
王一愷：毫無疑問，生物醫(yī)藥是一個朝陽產(chǎn)業(yè)，會一直熱下去。當(dāng)然這個熱的前提是，每個玩家都需要在自己專長的方向和階段上，能夠做到極致。
未來中國的生物醫(yī)藥產(chǎn)業(yè)可能會跟歐美類似，有更細(xì)的分工和專注的方向、階段。這其中有初創(chuàng)的新型biotech公司，也有百濟、恒瑞這樣的 big pharma。借助big pharma很強的后期臨床以及銷售能力，biotech公司研發(fā)的藥品才能更有可能讓病人受益。我們需要行業(yè)內(nèi)各類公司一起打造良性的生態(tài)。
這里面比較“慘”的可能是biotech公司，失敗率很高，但新的靶點和方向的風(fēng)險很大，失敗也屬于正常的。其實在一個成熟的產(chǎn)業(yè)鏈中，biotech公司雖然失敗率很高，但是投資回報率也是最高的。用這樣的方式鼓勵大家不斷探索新的東西，解決未滿足的臨床需求。
王蕾：在數(shù)據(jù)積累上，有的觀眾提問：“大藥廠的合成數(shù)據(jù)肯定是積累多年，而且量特別大，自己也可以做自動化和算法平臺。這塊兒智化科技如何去競爭？”
夏寧：如果做產(chǎn)品的話，可能藥企過往確實積累了很多數(shù)據(jù)，但每年速度可能相對較慢。如果做服務(wù)的話，會有更大數(shù)據(jù)的增量。
藥企積累的數(shù)據(jù)本身肯定有價值，但如果這些數(shù)據(jù)要為AI學(xué)習(xí)做準(zhǔn)備的話，顆粒度要極其精細(xì)、標(biāo)準(zhǔn)化。準(zhǔn)確、標(biāo)準(zhǔn)化地記錄數(shù)據(jù)，對于創(chuàng)業(yè)公司來講，并不是瓶頸。
王蕾：除了計算、軟件上的技術(shù)，智化科技是怎么考慮硬件產(chǎn)品組合落地，也就是在自動化合成方面有什么樣的布局？
夏寧：智化科技在自動化這方面也有布局，我們內(nèi)部正在研發(fā)。為了快速地積累大量的數(shù)據(jù)，以及標(biāo)準(zhǔn)化可以學(xué)習(xí)的數(shù)據(jù)，我們確實要做自動化。
王蕾：有些CRO公司的合成專家反饋說，合成類的軟件可能對初學(xué)者的用處更大，對有經(jīng)驗的人來講，用處可能相對小一些。您認(rèn)為是這樣的嗎？智化科技能帶來的優(yōu)勢能是多大呢？
夏寧：這個問題確實很多人會關(guān)注。我們可以拿圍棋來類比。AlphaGo不斷地學(xué)習(xí)演化，打敗頂級棋手之后，人們意識到人已經(jīng)玩不過AI了。
當(dāng)合成類的軟件技術(shù)剛開始出現(xiàn)，可能會比一些三四年經(jīng)驗的博士生要做得好，但相比于做過十年合成的老專家，水平還是很有限的。
但如果能把個人的經(jīng)驗，以數(shù)據(jù)的形式留存匯總下來，讓所有的機器來學(xué)習(xí)這些經(jīng)驗，最終得到的就是一個超人。這個超人可能具有數(shù)百甚至數(shù)千個高級化學(xué)家經(jīng)驗的總和，掌握了極強的檢索能力、運算能力?？赡苓@才是真正能夠解決有機合成問題的途徑。
從發(fā)展的眼光來看，這個turning point是注定要來到的。一定會有一個時刻，技術(shù)打敗了人的經(jīng)驗。之后大家會形成一種共識，這件事情可以直接用AI來做。
王蕾：想請兩位再聊聊新藥研發(fā)行業(yè)的前景和方向天花板的問題。
夏寧：從做工具平臺來講，前景較好。整個行業(yè)對于高效工具的需求極為強烈。同時，它的天花板也足夠高。做服務(wù)，可能在單個的產(chǎn)品中，能看到收益的天花板，但可以服務(wù)中外所有的公司。而且，合成本身的天花板挺高。合成不單是生物醫(yī)藥領(lǐng)域的問題，新材料、農(nóng)藥、日化等行業(yè)也需要合成。
從數(shù)據(jù)計算的角度，這個行業(yè)有比較深的門檻，不容易陷入紅海的競爭。我們的競爭對手很有限，而且隨著時間的積累，技術(shù)研發(fā)更深入，能夠建立起非常核心的壁壘。
這個壁壘最終可能能夠轉(zhuǎn)化成一個數(shù)據(jù)的壁壘。這時我們就有點像互聯(lián)網(wǎng)公司。當(dāng)互聯(lián)網(wǎng)公司做到足夠大，可能從市場、數(shù)據(jù)角度，別人就很難再復(fù)制了。
王一愷：在藥物研發(fā)領(lǐng)域，有一個“化學(xué)空間”的概念，所謂類藥的（drug-like）分子可能有10的60次方個。這意味著，我們目前對可成藥分子的探索極為有限。這是問題的一個方面。
另一個方面是，在我們看來有很多可做的蛋白靶標(biāo)，之前因為技術(shù)原因，沒有辦法做。但現(xiàn)在隨著工具手段的進展和生物學(xué)的發(fā)展，逐漸變成可以探索的生物空間。
把這兩個空間連接起來，就有很多值得嘗試和迭代探索的機會。也恰恰是因為出現(xiàn)新的工具和更高效的合成技術(shù)，探索過程的成本才有可能變得可以接受。
進一步說，在新的靶點的發(fā)現(xiàn)上，我們現(xiàn)在有能力去探索更多可成藥的分子。過去一個項目，做一千個分子。未來有了更高效的有機合成，或許可能能做一萬個分子。這一千個分子原來是集中在某一個母核結(jié)構(gòu)上，未來可能會有機會探索十個或一百個母核結(jié)構(gòu)。通過這樣的方式才有可能探索到更加接近全局最優(yōu)的分子，成功的可能性也將會大幅提升。
所以說可以探索的事情挺多，并不存在天花板。
王蕾：想跟兩位討論一下大家關(guān)注的人才問題。新的工具平臺、新型Biotech公司正在持續(xù)發(fā)展，藥化、泛有機化學(xué)、生物、AI等等這些不同類型的人才，未來有什么機會和挑戰(zhàn)？
夏寧：從我們公司的經(jīng)驗來看，現(xiàn)在所需要的人才，絕大部分都是復(fù)合型人才。復(fù)合型人才不是說懂一些化學(xué)、懂一些編程，而是既要很懂化學(xué)，又很懂編程，這是極其難得的。
當(dāng)前，我們的人才培養(yǎng)體系還是偏重于單學(xué)科，化學(xué)就是化學(xué)專業(yè)，計算機就是計算機專業(yè)。還沒有實現(xiàn)交叉學(xué)科的培養(yǎng)。
我建議大家能夠向交叉的方向發(fā)展。我個人機緣巧合，學(xué)了化學(xué)讀到博士，最后又從事化學(xué)信息學(xué)寫代碼。我們公司也對人才進行培養(yǎng)，如果你某在一個領(lǐng)域，比如合成、制藥這些細(xì)分領(lǐng)域有很深的積累，在另外一個領(lǐng)域比如編程算法剛剛?cè)腴T，我們非常歡迎。我們在團隊內(nèi)部看到很多人才，學(xué)習(xí)能力極強，很快地就能通過實踐掌握這些技術(shù)通。今年9月，華中科技大學(xué)和智化科技聯(lián)合創(chuàng)辦了“人工智能化學(xué)試驗班”，共同培養(yǎng)化學(xué)&AI雙重背景的人才。
有志于AI自動化合成方向的同學(xué)們，歡迎多多關(guān)注我們并加入。
王一愷：夏博提到交叉，想要真正實現(xiàn)交叉是很困難的。絕大部分人在一個方向做得很深，就已經(jīng)很不錯了。
在這個基礎(chǔ)上，再往前走一步，需要我們有開放的心態(tài)。做藥是一件長期的事情，需要團隊合作。你要知道公司其他團隊都在做什么，有什么新的工具，能夠為你自己的工作以及項目的發(fā)展起什么作用。只有你了解了對方，才能夠有更深入的合作，而不是單打獨斗做事情。
我們在過去面試的過程中，遇到不少候選人會擔(dān)心做新的東西是不是有風(fēng)險。大家對失敗和對不確定性的認(rèn)知，其實是區(qū)分不同人的一個維度。
任何科學(xué)、技術(shù)方面突破，不確定性都很大，失敗是常態(tài)，尤其在新藥研發(fā)領(lǐng)域，可能95%以上的分子，最終會因為各種原因“廢掉”。其實可以有一個預(yù)設(shè)：這件事是一定會失敗的，這樣你在做項目的時候，就不會那么懼怕失敗了。
我們期待能夠在公司樹立一個價值體系，就是對風(fēng)險的理解。希望大家能夠擁抱風(fēng)險，不怕試錯。從公司角度，我們也會提供各種支持和資源，來讓大家充分探索。這樣才能在真正底層的創(chuàng)新上做積累。
坦白講，在創(chuàng)業(yè)的過程中，我自己也遇到很多的挑戰(zhàn)，比如怎么證明自己，怎么去做這樣的事情，怎么跟人合作，盈利模式是什么樣的……很慶幸的是，國內(nèi)大家對風(fēng)險、對失敗的容忍度，整個行業(yè)對新的事情的迎接擁抱和認(rèn)可，都比我想象中發(fā)展的速度要快。
而且在行業(yè)中，有很多伙伴愿意跟我們一塊做這樣的積累，愿意承擔(dān)風(fēng)險，每天被不理想的數(shù)據(jù)打擊，有這樣的韌性來做一種延遲滿足的嘗試。這個過程中，最難得的是，大家積累了真正的行業(yè)的Knowhow，和新工具應(yīng)用的經(jīng)驗。
夏寧：“擁抱失敗”，在我們做算法研發(fā)中也相當(dāng)重要。大家可能覺得算法是很確定的東西，實際上我們是在不斷失敗的過程中，找到那個真正可行的方法。失敗十次，成功一次，已經(jīng)算很不錯了。從這個角度來看，我們是一個失敗驅(qū)動的研發(fā)企業(yè)，和制藥是一樣的。
王蕾：有觀眾想要了解，在現(xiàn)在這個階段，領(lǐng)域的知識和計算能力，哪個更占主導(dǎo)？
夏寧：其實兩個都很重要。如果非要從中挑出一個，可能領(lǐng)域的知識更重要。因為化學(xué)或者制藥這個行業(yè)，本身門檻很高，如果沒有這個基礎(chǔ)，直接就通過計算或者AI來切入，可能難度較大。
王一愷：在這個行業(yè)，最終要提供的不管是分子合成服務(wù)還是藥物本身，最終都要落到產(chǎn)品上。我們思考的核心，是做產(chǎn)品的邏輯和訴求。在這個基礎(chǔ)之上，如果算法、數(shù)據(jù)和計算能力，能夠加速這個過程，甚至把這些藥物早期發(fā)現(xiàn)的流程，都盡可能地程序化就能起到賦能和加速的效果。當(dāng)然，能夠用好這些工具，還是需要很深的領(lǐng)域知識。對有機合成來說，以后領(lǐng)域知識可能以一種新的形式呈現(xiàn)，比如數(shù)據(jù)。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論