盛世華研·2008-2010年鋼行業(yè)調研報告AI藥物研發(fā)企業(yè)海外并購策略研究報告內容目錄TOC\o"1-3"\u一、前言 4二、2023-2028年AI藥物研發(fā)市場前景及趨勢預測 52.1發(fā)展歷程與發(fā)展現(xiàn)狀 52.1.1發(fā)展歷程 52.1.2目前發(fā)展現(xiàn)狀 62.1.3現(xiàn)有競爭格局 72.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢分析 72.2.1市場規(guī)模 72.2.2融資能力 82.2.3在研產(chǎn)品 92.2.4市場主體 122.2.5存在的問題 132.2.6發(fā)展趨勢 132.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來“智藥”新機遇 142.3.1“智藥”成為藥企新寵 142.3.2多家大型藥企嘗鮮“AI+” 152.3.3仍有發(fā)展痛點待解決 162.3.4藥企加速布局AI制藥 162.3.5主要行業(yè)觀察和趨勢 18（1）基于AI的生物學建模和靶點發(fā)現(xiàn) 18（2）利用AI破解結構生物學 19（3）使用AI開發(fā)小分子藥物 20（3）超越小分子的人工智能驅動藥物設計 202.4AI輔助藥物研發(fā)的新興趨勢 222.4.1人工智能和機器人化實驗室 222.4.2利用AI解決臨床試驗瓶頸 232.4.3CRO領域的人工智能 242.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律” 252.5.1加速建立“AI藥研朋友圈” 252.5.2AI打破“雙十定律” 262.5.3將藥物在人體內精準遞送 272.6大型藥企在AI藥物研發(fā)進展趨勢 282.6.1大型藥企整合AI進入藥物開發(fā)流程 292.6.2與信息技術公司合作建立內部AI專業(yè)技術 292.6.3通過并購AI驅動生物技術公司快速獲得AI技術 292.6.4與AI驅動生物技術公司合作以識別靶點、共同開發(fā)藥物 312.6.5AI驅動生物科技公司發(fā)展趨勢 312.6.6AI技術在臨床上的轉化 32三、AI藥物研發(fā)企業(yè)海外并購策略及建議 323.1海外并購的戰(zhàn)略選擇 323.1.1并購動機 333.1.2并購能力 333.1.3并購邊界 333.1.4并購方向 343.1.5并購績效 343.2企業(yè)并購動因的確定 353.2.1企業(yè)發(fā)展的需要 353.2.2追求協(xié)同效應 363.2.3加強控制力 363.2.4獲取穩(wěn)定收益 363.2.5獲得合理避稅 373.3并購戰(zhàn)略應具有的特征 373.3.1全局性 373.3.2指導性 373.3.3競爭性 373.3.4風險性 373.3.5長遠性 383.3.6系統(tǒng)性 383.4海外并購的戰(zhàn)略準備 383.4.1整體規(guī)模和實力層面的戰(zhàn)略起點準備 383.4.2組織機構設置層面的戰(zhàn)略人才準備 383.4.3關于行業(yè)動態(tài)的戰(zhàn)略情報準備 383.4.4并購流程設計及內控建立 383.4.5關于目標公司及相關人員的戰(zhàn)略心理準備 393.5并購邊界和并購方向的確定 393.5.1行業(yè)相關程度 393.5.2企業(yè)間能力互補程度 393.5.3企業(yè)資源的可擴充程度 393.5.4資源的整體協(xié)調程度 393.5.5企業(yè)并購的可交易成本 403.5.6核心技術的改進程度 403.6企業(yè)海外并購存在的問題 403.6.1企業(yè)并購戰(zhàn)略規(guī)劃不足，缺乏理性 403.6.2并購戰(zhàn)略目標不明確 403.6.3缺乏海外并購人才與經(jīng)驗 413.6.4信息不充分導致決策失誤 413.6.5并購整合能力不足 413.6.6海外并購融資難度較大 413.7提升我國制造企業(yè)海外并購的有效策略 413.7.1建立現(xiàn)代企業(yè)的管理模式 423.7.2提升海外并購人才儲備 423.7.3加強企業(yè)間并購經(jīng)驗的交流學習 423.7.4注重并購戰(zhàn)略的制定，科學并購 423.7.5理性評估目標企業(yè)資質 423.7.6重視海外并購企業(yè)的整合 433.7.7提升企業(yè)的并購風險評估能力 433.8醫(yī)藥企業(yè)海外并購策略建議 442.8.1明確并購目標 442.8.2全面評估目標企業(yè) 442.8.3制定靈活的并購策略 442.8.4注重整合與協(xié)同 442.8.5關注法律與合規(guī)風險 442.8.6建立專業(yè)的并購團隊 442.8.7與當?shù)卣推髽I(yè)保持良好關系 453.9中國企業(yè)海外并購的財務風險研究 453.9.1并購中存在的財務風險 45（一）財務風險存在的根本原因 46（二）海外并購中的財務風險的特征 463.9.2中國企業(yè)在海外并購中面臨的財務風險 46（一）我國企業(yè)進行海外并購的動機 46（1）為了尋求新的發(fā)展市場 46（2）短時間內擴張企業(yè)規(guī)模 46（3）能夠降低企業(yè)的經(jīng)營風險 47（4）協(xié)同效應促進企業(yè)發(fā)展 47（二）中國企業(yè)近些年進行海外并購的特點 47（1）交易金額越來越大 47（2）各行業(yè)區(qū)域都有分布 47（3）民營企業(yè)的海外并購發(fā)展速度迅猛 48（三）海外并購中的財務風險的分類 48（1）被并購企業(yè)價值評估中存在的風險 48（2）并購談判中的風險 48（3）海外并購中存在的融資風險 48（4）并購過程中的支付風險 49（5）并購中的反收購風險 493.9.3中國企業(yè)海外并購中對于財務風險的防范 49（一）要選擇適合的企業(yè)估值方式 49（二）要不斷拓寬融資渠道 49（三）謹慎選擇資金支付方式 50（四）選擇合適的支付時間 50（五）制定有效的戰(zhàn)略規(guī)劃 50（六）要重視相關人才的培養(yǎng) 503.10我國企業(yè)海外并購的影響因素及建議 513.10.1我國企業(yè)海外并購的目的 51（一）加強海外并購有利于推動我國企業(yè)的國際化發(fā)展 51（二）有利于借助國外先進技術為我國制造企業(yè)發(fā)展助力 513.10.2中國企業(yè)海外并購的影響因素 51（一）政治因素 51（二）法律因素 51（三）文化因素 51（四）地區(qū)影響 52（五）企業(yè)融資因素 52（六）提出“中國威脅論”，阻礙我國發(fā)展 523.10.3解決措施 52（一）企業(yè)層面的措施 52（二）看準時期，把握機遇 53（三）政府層面的措施 53（1）優(yōu)化信息服務以及技術支持 53（2）提升扶持力度 53（3）優(yōu)化企業(yè)海外并購相應的法律體系 54四、AI藥物研發(fā)企業(yè)《海外并購策略》制定手冊 544.1動員與組織 544.1.1動員 544.1.2組織 554.2學習與研究 564.2.1學習方案 564.2.2研究方案 564.3制定前準備 574.3.1制定原則 574.3.2注意事項 584.3.3有效戰(zhàn)略的關鍵點 594.4戰(zhàn)略組成與制定流程 614.4.1戰(zhàn)略結構組成 614.4.2戰(zhàn)略制定流程 624.5具體方案制定 634.5.1具體方案制定 634.5.2配套方案制定 65五、AI藥物研發(fā)企業(yè)《海外并購策略》實施手冊 665.1培訓與實施準備 665.2試運行與正式實施 665.2.1試運行與正式實施 665.2.2實施方案 675.3構建執(zhí)行與推進體系 675.4增強實施保障能力 685.5動態(tài)管理與完善 695.6戰(zhàn)略評估、考核與審計 70六、總結：商業(yè)自是有勝算 70一、前言并購是中國企業(yè)海外投資的主要形式。中國企業(yè)“走出去”的模式正在逐步由產(chǎn)品“走出去”、企業(yè)“走出去”轉向產(chǎn)業(yè)集群“走出去”，以降低投資風險和成本、規(guī)避貿(mào)易摩擦。然而在并購活動火熱的背后，一些企業(yè)往往因為并購戰(zhàn)略不清、目標不明、信息不全、決策不力而導致并購失敗，還有的甚至并購活動成為了資本外流的保護傘。為此企業(yè)開展海外并購工作，應當建立清晰的戰(zhàn)略規(guī)劃，為并購成功保駕護航。下面，我們先從AI藥物研發(fā)行業(yè)市場進行分析，然后重點分析并解答以上問題。相信通過本文全面深入的研究和解答，您對這些信息的了解與把控，將上升到一個新的臺階。這將為您經(jīng)營管理、戰(zhàn)略部署、成功投資提供有力的決策參考價值，也為您搶占市場先機提供有力的保證。二、2023-2028年AI藥物研發(fā)市場前景及趨勢預測2.1發(fā)展歷程與發(fā)展現(xiàn)狀2.1.1發(fā)展歷程AI技術從1956年提出發(fā)展至今天已有60余年，隨著算力、算法、數(shù)據(jù)等基礎能力的不斷完善，AI技術開始逐步向醫(yī)療中的藥物研發(fā)領域滲透。目前，整個行業(yè)還處于發(fā)展的初期。早在上世紀80年代，默克公司就開始通過計算機輔助來設計藥物，美國《財富》雜志還對其進行了專題報道，稱之為“下一次工業(yè)革命”，其中的三維定量構效關系分析、分子對接、分子動力學模擬等計算手段（也已與時俱進）如今依然在為藥物發(fā)現(xiàn)提供著服務。只是隨著計算機技術的發(fā)展，AI逐漸接過“接力棒”，參與到藥物研發(fā)的過程中，并且不斷加深與醫(yī)療健康領域的融合。從時間上來說，AI技術真正應用于藥物研發(fā)的時間不算長：2013-2015第一個AI方法在2013年至2015年間，第一批初創(chuàng)公司才開始開發(fā)適用于藥物研發(fā)的AI方法，首次開發(fā)了用于藥物發(fā)現(xiàn)和研發(fā)的可擴展的AI方法，一些具有前瞻性思維的行業(yè)參與者和高管開始啟動試點合作，并進行小規(guī)模投資。然而，只有少數(shù)市場參與者相信這項技術。2016-2017迷茫到2016年至2017年，之前的一些試點項目失敗了，人們對AI提出了質疑。最著名的當屬IBM的WatsonAI醫(yī)生的失敗。但同時，一些AI創(chuàng)業(yè)公司的技術也開始在實際應用中得到檢驗。2018市值增長到2018年至2019年，事實開始證明一部分早期投資者的遠見，有一些AI技術公司對合作藥企交付了研究結果。早先藥企與AI公司相關的合作、投資和并購開始產(chǎn)生回報。我們期待看到專注于AI藥物發(fā)現(xiàn)子領域的VC公司及其子公司，以及最大限度多樣化的投資于AI藥物發(fā)現(xiàn)公司的資本。2019從數(shù)量到質量的過渡從AI相關合作、投資和并購的數(shù)量，向質的收獲轉變的重要里程碑。之前進行的研究的第一批實踐驗證出現(xiàn)。成為最成功的AI制藥公司的競爭大幅增加。2020-2021激烈競爭到了最近幾年，幾乎所有的大型制藥公司都已經(jīng)關注了AI技術，即使它還存在一些不確定性，但是并不妨礙大藥企們將其視為戰(zhàn)略重點從而展開布局。同時，AI技術公司之間的競爭也開始逐漸加劇。2022-2023基于平臺的藥物設計領先的制藥公司將向"基于平臺的藥物設計(Platform-basedDrugDesign)"邁進。全面的研發(fā)和商業(yè)基礎設施的出現(xiàn)，使端到端人工智能驅動的藥物開發(fā)成為可能。2.1.2目前發(fā)展現(xiàn)狀AI技術在藥物研發(fā)的靶點發(fā)現(xiàn)—藥物發(fā)現(xiàn)—臨床前實驗及臨床試驗—上市后管理等各個階段均有應用。根據(jù)速石科技的統(tǒng)計，藥企的AI合作基本集中在藥物發(fā)現(xiàn)階段（占所有合作的2/3）和臨床治療階段（占所有合作的1/4）。對于藥物發(fā)現(xiàn)的合作需求，包括大量的靶點及生物標記物的選擇與確定需求、中量的先導化合物確定的需求、少量的構效關系研究與活性化合物篩選的需求、以及中量的候選藥物選定的需求；對于臨床治療各階段的需求則比較平衡，平均分布在藥物依從性、預測治療結果、數(shù)據(jù)分析、精準醫(yī)療、開發(fā)新療法、病理研究和疾病診斷。2.1.3現(xiàn)有競爭格局近年來，中國AI藥物研發(fā)企業(yè)融資規(guī)模整體向好，但大部分仍處于早期融資階段。2021年我國AI制藥融資規(guī)模達12.36億美元，同比增長163.54%；融資輪次主要集中在天使輪和A輪，B輪及以后占比不足1/3。產(chǎn)品方面，2021年我國AI藥物研發(fā)實現(xiàn)了從0到1的突破，未知君、冰洲石和英矽智能三家企業(yè)研發(fā)管線進入到臨床一期。但由于技術壁壘等因素限制，目前尚未有AI制藥產(chǎn)品上市。目前，AI藥物研發(fā)市場主體以IT巨頭、AI藥物研發(fā)企業(yè)和大型藥企三類企業(yè)為主，其依托各自在平臺、算法和數(shù)據(jù)的優(yōu)勢切入行業(yè)：（1）IT巨頭：我國IT巨頭依托其AI模型和平臺優(yōu)勢，以對外投資、自建AI藥物研發(fā)平臺和提供算法服務三種方式跨界入局。例如，“云深智藥”是騰訊基于其AILab自主研發(fā)的深度學習算法、數(shù)據(jù)庫和云計算，打造的AI驅動藥物臨床前研究開放平臺，覆蓋了臨床前藥物研發(fā)的全流程；此外，騰訊還與成都先導合作，共同設計完成了首個經(jīng)實驗驗證的骨架躍遷分子生成算法。（2）AI藥物研發(fā)企業(yè)：行業(yè)的主力軍，我國AI新藥研發(fā)企業(yè)依托其算法和數(shù)據(jù)優(yōu)勢，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應用場景。技術上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關鍵的競爭要素，AI藥物研發(fā)所需的高價值數(shù)據(jù)多源于其智能實驗室。（3）我國大型藥企：主要通過自建團隊和業(yè)務合作兩種方式進入AI藥物研發(fā)賽道。其中，與AI藥物研發(fā)企業(yè)合作是主要的業(yè)務模式，大型藥企可憑借其在研發(fā)管線、專業(yè)背景上的優(yōu)勢彌補AI藥物研發(fā)企業(yè)的不足。近年來，國內大型藥企紛紛布局其中，如藥明康德與InsilicoMedicine合作進行的化合物篩選等。2.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢分析AI藥物研發(fā)是將機器學習（MachineLearning）、自然語言處理（NaturalLanguageProcessing）及大數(shù)據(jù)等人工智能技術應用到藥物研發(fā)各個環(huán)節(jié)，進而促進新藥研發(fā)降本增效。目前主要應用于藥物研發(fā)階段的藥物發(fā)現(xiàn)、臨床前階段，隨著ChatGPT的不斷應用，AI向臨床開發(fā)階段的滲透有望持續(xù)加快。2.2.1市場規(guī)模全球AI藥物研發(fā)保持增長態(tài)勢，北美是全球AI藥物研發(fā)最大市場，美國集聚了一半以上的全球AI藥物研發(fā)企業(yè)。全球AI藥物研發(fā)市場北美地區(qū)占比最大，亞太地區(qū)排名第三，預計全球AI藥物研發(fā)市場規(guī)模將在2025年達到38.8億美元；目前全球AI藥物研發(fā)企業(yè)約700家，其中超過50%的公司集中在美國，英國和歐盟分別占據(jù)12.5%和13.4%，亞洲大約12.8%，其中中國占據(jù)約4.7%。圖表：全球各地AI藥物研發(fā)公司占比情況來源：火石創(chuàng)造根據(jù)公開資料整理2.2.2融資能力全球AI藥物研發(fā)融資能力整體提升，中國藥物研發(fā)AI大部分仍處于早期融資階段。2022年全球AI+藥物研發(fā)相關融資總事件達144起，總金額為62.02億美元（約人民幣426.7億元）。相較于2021年的整體共計77起，總金額共計45.6億美元的融資情況呈現(xiàn)雙雙上漲的態(tài)勢。其中，美國AI藥物研發(fā)融資事件71起、中國43起，其他國家和地區(qū)30起，投融資活動主要活躍在中國、美國和歐洲。圖表12016-2022年全球和中國AI藥物研發(fā)領域投融資情況

來源：火石創(chuàng)造根據(jù)公開資料整理2.2.3在研產(chǎn)品從在線AI藥物研發(fā)方向來看，AI輔助藥物研發(fā)布局分布在藥物發(fā)現(xiàn)、臨床前研究、臨床試驗和藥品銷售的各個階段。其中布局最多的環(huán)節(jié)是先導化合物的設計優(yōu)化合成，其次是化合物篩選、靶點發(fā)現(xiàn)和藥物重定位，晶型預測、劑型設計環(huán)節(jié)布局的公司相對較少。目前，國內AI藥物研發(fā)領域中小分子化合物虛擬篩選，新靶點發(fā)現(xiàn)以及藥物優(yōu)化設計和藥物重定向是目前較為熱門的方向。國內外還暫無利用AI技術實現(xiàn)新藥上市的成功案例。圖表8中國AI藥物研發(fā)各領域分布情況來源：BiopharmaT從在研AI藥物產(chǎn)品聚焦疾病領域來看，主要聚焦在癌癥和精神類疾病，占比超過50%；其次是心腦血管、肝腎腸胃和呼吸系統(tǒng)，占比大約30%；其余涉及的領域包括糖尿病、眼病、白血病、感染類疾病、免疫類疾病、藥物副作用領域，個別企業(yè)布局了遺傳疾病及罕見病等小眾賽道。其中較為知名的有AbCellera與禮來聯(lián)合研發(fā)的LY-CoV555，AITherapeutics與耶魯大學合作開發(fā)LAM-002管線等。LY-CoV555是全球首個進入臨床階段的新冠病毒中和抗體，并于2020年11月獲美國FDA的緊急使用授權（EUA）。圖表：全球AI藥物研發(fā)集聚領域來源：火石創(chuàng)造根據(jù)公開資料整理從在研產(chǎn)品研發(fā)進程來看，美國在全球AI藥物管線布局上仍占主導，截至2022年6月，全球共有26家AI藥物研發(fā)企業(yè)、約51個由AI輔助進入臨床Ⅰ期的藥物管線。其中，80%以上為美國企業(yè)，已上市的AI藥物研發(fā)頭部企業(yè)也基本為歐美企業(yè)，尚未有中國企業(yè)。目前，部分中國企業(yè)已發(fā)展出自有專利的開發(fā)平臺，甚至開始探索在全球尚未有企業(yè)涉足的前沿領域，如小分子晶體結構預測、原發(fā)藥物設計等。2022年中國AI藥物研發(fā)取得突破進展。截至2022年，80家中國AI藥企中，已有14家成功將管線推進至臨床階段，大部分都處于臨床Ⅰ期階段。其中，英矽智能首個完全基于AI的管線ISM001-005進入臨床Ⅰ期，并完成了首批健康受試者給藥。這也是中國首個進入臨床的AI研發(fā)藥物。2023年年初，在新西蘭臨床I期試驗中取得積極頂線數(shù)據(jù)，在安全性、耐受性、藥代動力學（PK）方面均表現(xiàn)良好。而在中國的臨床試驗則將進入臨床Ⅱ期。在臨床試驗方面，2022年有四家AI制藥企業(yè)獲得批件，分別是勁風生物、宇耀生物、費米子和德睿智藥。其中埃格林醫(yī)藥針對子宮內膜癌適應癥的EG-007管線，已經(jīng)推進至臨床Ⅲ期，是目前國內進展最快的一條管線。圖表：2022年中國AI藥物研發(fā)部分管線進展來源：火石創(chuàng)造根據(jù)公開資料整理2.2.4市場主體當前國內外AI制藥市場的主要入局者有三類，即大型藥企、AI制藥初創(chuàng)企業(yè)和互聯(lián)網(wǎng)頭部企業(yè)，其中大型藥企又分為傳統(tǒng)藥企和CRO企業(yè)。從AI藥物研發(fā)產(chǎn)業(yè)鏈來看，上游為AI模型數(shù)據(jù)集供應及云計算平臺，其中數(shù)據(jù)集提供的醫(yī)藥數(shù)據(jù)是行業(yè)的關鍵競爭壁壘，云計算平臺則是用于保障底層架構的算力供給。

產(chǎn)業(yè)鏈中游為AI藥物研發(fā)企業(yè)和IT企業(yè)，其中AI藥物研發(fā)企業(yè)主要以醫(yī)藥研發(fā)外包形式與下游企業(yè)進行合作，在醫(yī)藥數(shù)據(jù)集的基礎上依托內部的訓練工具及AI開發(fā)工具等進行模型的搭建和訓練；IT企業(yè)則通過自建AI藥物研發(fā)平臺及提供算力、計算框架服務方式參與AI藥物研發(fā)。下游為傳統(tǒng)藥企，中游AI藥物研發(fā)企業(yè)會將其藥物研發(fā)階段的服務直接出售給傳統(tǒng)藥企，因此傳統(tǒng)藥企是AI藥物研發(fā)的直接需求者。從主要玩家參與方式來看，主要有以下幾種特征：頭部藥企：主要通過自建團隊和業(yè)務合作兩種方式進入AI藥物研發(fā)賽道。其中，與AI藥物研發(fā)企業(yè)合作是主要的業(yè)務模式，頭部藥企可憑借其在研發(fā)管線、專業(yè)背景上的優(yōu)勢彌補AI藥物研發(fā)企業(yè)的不足。如強生、輝瑞、阿斯利康、諾華、拜耳等頭部藥企合作次數(shù)接近10次，藥明康德與InsilicoMedicine合作進行的化合物篩選等，正大豐海、豪森藥業(yè)、云南白藥也參與到AI研發(fā)合作中?；ヂ?lián)網(wǎng)頭部企業(yè)：依托其AI模型和平臺優(yōu)勢，以對外投資、自建AI藥物研發(fā)平臺和提供算法服務三種方式跨界入局。例如，“云深智藥”是騰訊基于其AILab自主研發(fā)的深度學習算法、數(shù)據(jù)庫和云計算，打造的AI驅動藥物臨床前研究開放平臺，覆蓋了臨床前藥物研發(fā)的全流程；此外，騰訊還與成都先導合作，共同設計完成了首個經(jīng)實驗驗證的骨架躍遷分子生成算法。AI藥物研發(fā)企業(yè)：是行業(yè)的主力軍，AI新藥研發(fā)企業(yè)依托其算法和數(shù)據(jù)優(yōu)勢，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應用場景。技術上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關鍵的競爭要素，AI藥物研發(fā)所需的高價值數(shù)據(jù)多源于其智能實驗室。2.2.5存在的問題數(shù)據(jù)量不足，數(shù)據(jù)獲取的周期和成本高。高質量數(shù)據(jù)獲取門檻高，即使是使用了前沿的AI技術，也并不能立刻扭轉新藥研發(fā)面臨的挑戰(zhàn)。AI藥物研發(fā)企業(yè)數(shù)據(jù)來源可分為公開數(shù)據(jù)和非公開數(shù)據(jù)，公開數(shù)據(jù)包括各種文獻數(shù)據(jù)庫，公開的項目模擬數(shù)據(jù)及部分臨床數(shù)據(jù)，此類數(shù)據(jù)容易獲取，但數(shù)據(jù)質量難以保證，據(jù)此進行的模型運算可靠性不足。非公開數(shù)據(jù)主要是各制藥公司以往項目的積累，此類數(shù)據(jù)的精度高，更適合用來做模型的訓練和計算，但由于數(shù)據(jù)屬于醫(yī)藥公司的核心資產(chǎn)，極難獲得。算法與應用場景匹配要求度高，專業(yè)人才稀缺。AI藥物研發(fā)中算法模型的優(yōu)勢可以體現(xiàn)在多個維度，比如結果的精準度、計算速度、模型體量、泛化性能等，不同算法模型可能有不同的側重方向，因此優(yōu)勢也會不盡相同，在特定任務需求和應用場景下合理選擇具有相應優(yōu)勢的算法模型至關重要。如何讓算法與生物學更完美的結合，這需要技術人員對于制藥醫(yī)學和AI人工智能都有深入理解，才能更好的發(fā)揮模型優(yōu)勢，此類人才的稀缺也成為掣肘行業(yè)發(fā)展的重要因素。2.2.6發(fā)展趨勢AI藥物研發(fā)將進軍抗體等大分子領域。2022年4月份，以色列藥企BiolojicDesign宣布其有史以來第一個計算設計的抗體進入臨床試驗。11月，加拿大藥企AbCellera和合作伙伴Regeneron宣布已經(jīng)將首個針對未公開G蛋白偶聯(lián)受體（GPCR）的抗體候選藥物推進到臨床前開發(fā)階段。同月，AI制藥企業(yè)Exscientia，宣布其AI技術平臺將包括人類抗體設計。有媒體做過不完全統(tǒng)計，全球已經(jīng)有20多家公司正在通過AI技術發(fā)現(xiàn)抗體藥物。從區(qū)域來看，這些公司大都分布在歐美。中國也有企業(yè)布局，但仍屬于小眾領域。星亢原與愷佧生物、藥明生物都達成了AI賦能大分子藥物研發(fā)的合作。信華生物則宣布利用自研AI平臺設計開發(fā)的First-in-class多功能抗體藥物在臨床前動物實驗中顯示出優(yōu)異的安全性與有效性，且可成藥性方面性能卓越，即將進入CMC和IND-enabling階段。一旦成功，該藥將有望成為亞洲最先進入臨床階段的AI大分子藥物。自動化實驗室成新吸睛點。2022年，數(shù)據(jù)的數(shù)量和質量仍是AI制藥發(fā)展的核心問題。自動化實驗室的出現(xiàn)恰恰就是為了解決這個問題。2021年，部分AI制藥公司已經(jīng)開始建立自動化實驗室，目的是提高內部數(shù)據(jù)的生成能力，以優(yōu)化AI模型。據(jù)不完全統(tǒng)計，Exscientia、英矽智能、Arctoris、Recursion、Insitro等都建立了自動化實驗室。英矽智能則于2021年12月發(fā)布了全球首個由人工智能輔助決策的全自動化機器人實驗室。該智能機器人實驗室聚焦靶點發(fā)現(xiàn)、化合物篩選、個性化藥物開發(fā)和轉化醫(yī)學研究等領域。自動化已經(jīng)成為不少AI制藥公司戰(zhàn)略版圖的下一個重要模塊。在2021年初，英國的AutomataLabs于籌集了5000萬美元用于自動化實驗室研究；中國的鎂伽科技也引來高盛投資，獲得3億美元融資用于擴展其多樣化的自動化人工智能驅動的遠程實驗室服務和機器人化設施。2.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來“智藥”新機遇近年來，AI（人工智能）對制藥領域的賦能逐漸深入，兩者融合與創(chuàng)新成績斐然。2023年9月26日，“引領新方向聚AI迎未來——2023張江AI智藥論壇”在張江科學會堂舉行，多位業(yè)內專家和相關企業(yè)齊聚一堂，共同探討AI與制藥交叉領域的產(chǎn)業(yè)現(xiàn)狀、趨勢和發(fā)展方向。2.3.1“智藥”成為藥企新寵“AI已經(jīng)成為藥物研發(fā)過程中縮短研究周期、節(jié)省研發(fā)成本、提升實驗成功率的核心生產(chǎn)力?！敝袊茖W院院士饒子和說。2023年上半年研發(fā)費用數(shù)據(jù)顯示，生物醫(yī)藥類上市公司研發(fā)費用合計同比漲幅較大。其中，恒瑞醫(yī)藥研發(fā)費用連續(xù)多年增長，約占總營收的30%；百濟神州2022年研發(fā)投入超百億元；復星醫(yī)藥、中國生物制藥、石藥集團等藥企研發(fā)支出占總營收10%以上。此外，仿制藥企業(yè)逐漸開始轉換賽道，向自主創(chuàng)新邁進?！皢蝹€藥品的研發(fā)費用高，無論對業(yè)內大型藥企還是小型藥企，都構成了壓力?！睒I(yè)內人士表示?！吧镝t(yī)藥和AI正在深度融合?！睆埥瘓F黨委書記、董事長袁濤表示，AI及相關技術為靶點開發(fā)、結構設計等工作探索出了新手段和新路徑。以此為契機，催生出生命健康產(chǎn)業(yè)發(fā)展的新方向和新業(yè)態(tài)?！癆I可以賦能藥物研發(fā)的各個階段，如新靶點和難成藥靶點發(fā)現(xiàn)、臨床試驗方案預測、小分子大分子的毒理預測等?！泵赖衔魉幬锇l(fā)現(xiàn)事業(yè)部總裁劉建表示。深勢科技創(chuàng)始人兼CEO孫偉杰稱，AI在三個方面賦能藥物研發(fā)：一是幫助突破難成藥靶點；二是提高臨床各個環(huán)節(jié)的效率優(yōu)化和決策質量；三是助力已有藥物分子的二次利用，如修改劑型和老藥新用?！鞍悬c發(fā)現(xiàn)的價值比較高，而分子生成則給公司帶去專利權，對公司而言，回報與價值比較高?！睒I(yè)內人士表示，目前AI在靶點發(fā)現(xiàn)和分子生成等領域應用已經(jīng)相對成熟。2.3.2多家大型藥企嘗鮮“AI+”“傳統(tǒng)藥物研發(fā)亟待突破三大瓶頸，即如何找到創(chuàng)新性強且靠譜的藥物新靶點、如何快速生成小分子化合物、如何科學設計臨床研究方案?！庇⑽悄苈?lián)合首席執(zhí)行官、首席科學官任峰表示，AI或許會成為解決上述問題的“加速器”。目前，已有多家國際大型藥企試水AI“智藥”。早前有報道表示，賽諾菲CEO宣布公司大力加碼AI，以成為第一家由AI大規(guī)模驅動的制藥公司為目標。與此同時，諾和諾德、默克、阿斯利康等知名藥企也紛紛投身AI賽道。國際大型藥企積極嘗鮮AI的同時，也與國內AI公司建立起合作關系。比如，英矽智能9月與美國Exelixis的合作獲得了8000萬美元預付款；早前晶泰科技宣布與知名藥企EliLilly簽署的一項AI小分子新藥發(fā)現(xiàn)合作，預付款及里程碑總收益可達2.5億美元。據(jù)悉，國內一些大型藥企也在尋找“AI+”機會，加強與AI公司聯(lián)動。8月，石藥集團下屬公司與英矽智能達成戰(zhàn)略合作，聚焦具有高度臨床需求的戰(zhàn)略品種，以生成式AI和計算機輔助藥物設計等前沿技術，驅動研發(fā)體系升級，提高新藥篩選效率和成功率。早前公司曾授權引進AI靶點發(fā)現(xiàn)軟件PandaOmics。此外，復星醫(yī)藥也在全球范圍內進行多個靶點的AI藥物研發(fā)。美迪西相關負責人表示，目前，美迪西幫助AI公司與生物醫(yī)藥公司搭建起合作橋梁，公司的AI技術一站式創(chuàng)新藥臨床前研發(fā)服務平臺的搭建順應了中國創(chuàng)新藥發(fā)現(xiàn)需求還處于初期階段的狀況，未來3至5年將持續(xù)推進該平臺的建設。部分國內AI+生物醫(yī)藥領域未上市公司也取得了研究進展。劑泰醫(yī)藥用AI設計基因藥物遞送一系列材料，以AI驅動干、濕實驗迭代；晶泰科技通過AI加速的抗體工程平臺改造抗體，提升抗體分子性能；英矽智能已有1款AI設計藥物進入臨床Ⅱ期，另有3款AI參與研發(fā)的藥物進入臨床Ⅰ期。2.3.3仍有發(fā)展痛點待解決“AI+生物醫(yī)藥企業(yè)”的發(fā)展仍然有一些痛點待解決。例如，如何獲得質量和數(shù)量雙高的數(shù)據(jù)，便成為AI生物醫(yī)藥企業(yè)發(fā)展的第一個“攔路虎”?！爸扑幤髽I(yè)的核心就是數(shù)據(jù)，傳統(tǒng)藥企很難愿意分享這些數(shù)據(jù)，需要雙方建立起很強的信任。”任峰表示，許多“AI+生物醫(yī)藥企業(yè)”都是從AI領域跨界而來，需要更多藥企數(shù)據(jù)以完善并發(fā)展更加精準的細分領域模型。對于上述問題，業(yè)內人士建議：一方面，建立起實驗室，幫助AI公司有針對性地生成所需數(shù)據(jù)，用數(shù)據(jù)去做算法優(yōu)化；另一方面，有公信力的組織可以參與建立數(shù)據(jù)平臺，以增加傳統(tǒng)生物醫(yī)藥公司的信任，幫助AI公司獲得數(shù)據(jù)優(yōu)化算法?！澳壳?，許多藥企還對AI賦能缺乏付費意愿?！睒I(yè)內人士表示，不少傳統(tǒng)藥企還沒有擁抱AI浪潮。此外，藥品臨床驗證周期較長，使得AI在整個制藥環(huán)節(jié)中的作用不能快速得到有效驗證，可能會限制AI生物醫(yī)藥企業(yè)發(fā)展。為此，多位業(yè)內專家就生物醫(yī)藥領域是否可以使用通用大模型展開了討論。有專家表示，目前建立通用模型還面臨種種瓶頸和局限，“只有長期迭代達到足夠大的數(shù)據(jù)量級，才可能建立通用模型”。面向未來，“AI+生物醫(yī)藥”想要取得發(fā)展，一方面要聚焦行業(yè)細分領域，持續(xù)深耕，打造企業(yè)“硬核”實力；另一方面，未來生物醫(yī)藥領域需要更多維度的合作，而AI+CRO則是未來發(fā)展的趨勢之一。2.3.4藥企加速布局AI制藥合作制藥行業(yè)IRR下降導致藥企轉向AIDD公司以提高藥物發(fā)現(xiàn)和開發(fā)效率。AI技術提供的更高效研發(fā)、更大的創(chuàng)新需求非常符合藥企需求，目前頭部制藥MNC正爭奪AI藥物發(fā)現(xiàn)及開發(fā)專業(yè)知識、人才和合作伙伴。隨著計算能力的進步、更好的基因及蛋白質表征和成功的AIDD藥物開發(fā)合作案例增加，大型制藥公司與AIDD公司的合作數(shù)量不斷增加，由2017年的18份新合作協(xié)議增加至2022年的66份新合作協(xié)議，復合年增長率為29.7%。圖表：頭部跨國藥企的AI布局資料來源：弗若斯特沙利文，公司招股說明書圖表：中國藥企的AI布局資料來源：弗若斯特沙利文，公司招股說明書在全球范圍內AI制藥發(fā)展實現(xiàn)了從“0”到“1”跨越和從技術概念到實際應用的突破。在資本市場，AI制藥獲得了較大的關注，約有十余家AI制藥的公司已經(jīng)成功完成IPO。全球AI制藥快速發(fā)展和中國創(chuàng)新藥鼓勵的政策疊加，國內AI制藥也迎來了發(fā)展契機。制藥巨頭的頻繁合作、傳統(tǒng)藥企的開放合作、國外AI制藥的影響特別是資本對于AI制藥的關注和熱情，使得中國AI制藥公司得到充分關注并步入快速增長期。英矽智能作為AIDD管線開發(fā)進程全球領先的端到端、由生成式AI驅動的生物科技公司，在AI制藥行業(yè)具有技術平臺領先、在研管線豐富、研發(fā)能力強勁等多重優(yōu)勢，在未來的市場競爭中有望持續(xù)擴大自身市場份額。圖表：AI制藥行業(yè)領先公司的競爭格局資料來源：弗若斯特沙利文，公司招股說明書2.3.5主要行業(yè)觀察和趨勢人工智能和數(shù)據(jù)技術的出現(xiàn)，以及新穎的計算工具和基礎設施解決方案（數(shù)據(jù)庫、云服務等），都在研究、臨床和業(yè)務層面重新定義制藥行業(yè)的運營方式。（1）基于AI的生物學建模和靶點發(fā)現(xiàn)在藥物發(fā)現(xiàn)研究中，確定新的藥物靶點對于成功開發(fā)FIC藥物至關重要。過去幾十年的藥物發(fā)現(xiàn)主要集中在靶向某些具有適當“口袋”的蛋白質，但是在所有人類蛋白質中，只有極少數(shù)蛋白質被定為靶標。根據(jù)OMIM數(shù)據(jù)庫，目前有20，360種人類蛋白質，其中已知約有4，600種參與疾病機制，約占在疾病中起作用的人類蛋白質的22%。然而截至2017年，現(xiàn)有的FDA批準的藥物實際上只使用了大約890種人類和病原體衍生的生物分子（主要是蛋白質）?；谌斯ぶ悄芗夹g的新型計算方法允許大規(guī)模識別新的可成藥蛋白質口袋，允許蛋白質組范圍的虛擬篩選。先進的建模工具有助于識別和調節(jié)新型靶標，例如蛋白質-蛋白質相互作用、具有大接觸面積的靶標、蛋白質-核酸相互作用和下一代靶標，例如利用細胞的蛋白質降解機制。許多人工智能驅動的公司專注于生物學建模、發(fā)現(xiàn)和驗證新的靶點，并向其他組織提供“疾病模型即服務”或“靶點發(fā)現(xiàn)即服務”。對這種合同研究服務的需求正在上升，這反映在越來越多的靶標發(fā)現(xiàn)合作伙伴關系上。2022年9月，以色列生物建模公司CytoReason宣布與輝瑞擴大1.1億美元的合作。兩家公司于2019年開始合作，當時輝瑞開始使用CytoReason的生物模型進行研究，旨在開發(fā)用于免疫介導疾病和癌癥免疫療法的新藥。2022年5月，阿斯利康宣布從與BenevolentAI的合作中獲得了第二個肺纖維化靶點，這一里程碑標志著BenevolentAI自2019年合作開始以來為阿斯利康發(fā)現(xiàn)的第三個新靶標。僅僅幾個月后，即2022年10月，BenevolentAI設法為阿斯利康的研發(fā)組合提供了另外兩個人工智能生成的靶點，針對慢性腎臟疾病和特發(fā)性肺纖維化。報告顯示，靶點發(fā)現(xiàn)領域至少有182家人工智能公司，包括擁有尖端研發(fā)平臺的領先資金雄厚的公司，如Insitro、RelayTherapeutics、ValoHealth等?？偠灾?，基于人工智能的高級建模方法有助于重新定義生物靶點的定義，試圖將藥物反應與遺傳變異聯(lián)系起來，了解分層臨床療效和安全性，合理化同一治療類別中藥物之間的差異，并預測患者亞組中的藥物效用。（2）利用AI破解結構生物學2022年生命科學界討論最多的人工智能相關話題之一是仍然是蛋白質結構預測。2022年7月，DeepMind宣布AlphaFold預測了超過2億種蛋白質的蛋白質結構，包含世界上所有已知蛋白質。盡管不少人質疑AlphaFold對藥物研發(fā)的實際貢獻，但這一發(fā)現(xiàn)肯定是結構生物學的范式改變，并說明了人工智能在基礎生物學研究中的潛力。蛋白質折疊方面的重大技術飛躍可能對從頭蛋白質設計更有用，而不是簡單地對現(xiàn)有蛋白質的結構進行建模以進行藥物發(fā)現(xiàn)。最近，冷凍電鏡加上人工智能技術催生了新一波的生物技術初創(chuàng)公司，如GandeevaTherapeutics、Septerna和MOMATherapeutics。機器學習不僅有助于加速和優(yōu)化冷凍電鏡管道，還有助于避免用戶偏見陷阱。（3）使用AI開發(fā)小分子藥物在疾病建模和靶點發(fā)現(xiàn)之后，設計化學或生物分子是將人工智能應用于藥物發(fā)現(xiàn)的第二大用例。在BiopharmaTrendAI報告中的384家公司中，有130多家人工智能驅動型公司將人工智能應用于設計候選藥物。人工智能驅動的藥物設計主要分為三大類：從頭（例如生成）藥物設計、現(xiàn)有數(shù)據(jù)庫的虛擬篩選和藥物再利用。從頭藥物設計主要由深度學習模型實現(xiàn)，例如生成對抗神經(jīng)網(wǎng)絡（GAN）。運用生成AI平臺的公司包括InsilicoMedicine、Iktos、RecursionPharmaceuticals、DeepCure等。此外人工智能賦能超大規(guī)模虛擬篩選，能夠篩選億萬分子并找到成功命中。2022年8月，賽諾菲與Atomwise合作達成了一項潛在價值高達12億美元的交易。根據(jù)公告，基于卷積神經(jīng)網(wǎng)絡的AtomNet擅長基于結構的藥物設計，能夠“快速，人工智能搜索Atomwise專有的庫，其中包含超過3萬億種可合成化合物”。最后，許多公司正在使用重定位策略進行人工智能藥物發(fā)現(xiàn)，包括Healx、BenevolentAI、BioXcelTherapeutics。主要使用自然語言處理（NLP）模型和機器學習，通過分析大量非結構化文本數(shù)據(jù)，例如研究文章和專利，電子健康記錄（EHR）以及其他數(shù)據(jù)類型，來構建和搜索“知識圖譜”，為以前的候選藥物及獲批的藥物選擇新的適應癥或患者群體。（3）超越小分子的人工智能驅動藥物設計由于歷史上小分子藥物積累了更多的數(shù)據(jù)，此前早期基于機器學習的QSAR模型中與AI制藥也頗有淵源，也讓大多數(shù)藥物發(fā)現(xiàn)領域的人工智能初創(chuàng)公司都專注于小分子藥物。按產(chǎn)品類別劃分的AI藥物發(fā)現(xiàn)公司分布隨著生物制劑和新型化學療法在制藥領域越來越豐富，應用基于人工智能的藥物發(fā)現(xiàn)初創(chuàng)公司也在多元化。在科學家于2003年破解人類基因組后，成藥性和可開發(fā)性空間迅速進化。新型靶標如蛋白質相互作用、蛋白質-核酸相互作用和下一代靶標，如利用細胞的蛋白質降解機制，正在推動各種新興分子模式的出現(xiàn)成為藥物發(fā)現(xiàn)的重點。例如越來越多的公司應用人工智能方法來發(fā)現(xiàn)新型單克隆抗體。2022年4月，以色列公司BiolojicDesign宣布他們有史以來第一個計算設計的抗體進入臨床試驗。該公司利用AI模型在數(shù)百萬個抗體-抗原對上進行訓練，以從現(xiàn)有人類抗體中識別針對目標靶標的模板抗體。2022年11月，總部位于加拿大的AbCelleraBiologics宣布，Regeneron選擇行使其權利，將AbCellera首個針對未公開G蛋白偶聯(lián)受體（GPCR）的治療性抗體候選藥物推進到進一步的臨床前開發(fā)。目前有二十多家公司正在使用人工智能發(fā)現(xiàn)抗體藥物，包括美國的AbSci、BigHatBiosciences、Totient、NablaBio和GenerateBiomedicine；總部位于加拿大的DeepBiologics；總部位于中國的NeoX；位于歐盟的DeepCDR、NaturalAntibody，和MabSilico等。一些在小分子領域取得成就的公司也在拓展其技術領域，如上市公司Exscientia現(xiàn)在正在擴展到生物制劑發(fā)現(xiàn)領域。2022年11月，該公司宣布其人工智能平臺將包括人類抗體的設計。Exscientia還在牛津建立一個自動化生物制劑實驗室，以在內部產(chǎn)生和分析新型抗體。第一批人工智能開發(fā)的候選藥物進入臨床盡管AI徹底改變藥物發(fā)現(xiàn)可能還為時過早，但幾家AI藥物研發(fā)公司已經(jīng)顯著提升藥物研發(fā)的效率。這些公司都構建了一個專門的、高度集成的人工智能平臺，包括許多模型和數(shù)據(jù)源。一批成功進入臨床藥物表明，人工智能公司有能力更快地提出候選藥物。AbCellera的單克隆抗體LY-CoV555在三個月內開發(fā)完成，并獲得了FDA的緊急使用授權。BenevolentAI的知識圖譜幫助該公司在幾天內將Baricitinib確定為一種有效的COVID-19抗病毒藥物（現(xiàn)已被FDA批準使用）。InsilicoMedicine的小分子抑制劑ISM001-055用于治療特發(fā)性肺纖維化，經(jīng)過重新設計，并在18個月內（目前處于I期）進入后期臨床前研究。薛定諤開發(fā)了一種小分子SGR-1505，可在十個月內治療B細胞淋巴瘤，目前正在IND申請過程中。總部位于鹽湖城的RecursionPharmaceuticals在18個月內開發(fā)出一種針對未指定罕見疾病的候選藥物。該公司擁有龐大而多樣化的臨床前和臨床候選藥物組合，并在其數(shù)字生物學平臺的幫助下設計。2.4AI輔助藥物研發(fā)的新興趨勢2.4.1人工智能和機器人化實驗室深度學習模型非?？释哔|量數(shù)據(jù)，無論模型有多好，但數(shù)據(jù)質量和大小對于結果預測同樣重要。生成高質量生物學數(shù)據(jù)的最有效方法是使用機器人技術。如果我們將現(xiàn)代人工智能驅動的藥物發(fā)現(xiàn)轉型視為一個循序漸進的過程，那么廣泛可用且相對具有成本效益的roboticsas-a-service將是人工智能支持的制藥和生物技術研究工業(yè)化的最后一塊也是關鍵部分。一些公司正在構建標準化、高度自動化、可擴展且日益兼容的實驗室設備，這些設施由基于AI的實驗控制系統(tǒng)指導，并輔以AI驅動的數(shù)據(jù)挖掘和分析功能。這種“下一代”實驗室設施正在遠程提供給臨床前藥物研究實驗人員，使臨床前實驗成為更具可擴展性和標準化的常規(guī)程序。這一賽道正在瘋狂吸引風險投資的青睞。2022年2月，總部位于英國的AutomataLabs籌集了5000萬美元用于自動化實驗室研究。2022年6月，北京鎂伽生命科技籌集了3億美元，用于擴展其多樣化的自動化人工智能驅動的遠程實驗室服務和機器人化設施。遠程機器人實驗室的興起是一個長期的行業(yè)趨勢，是一種提供合同研究服務的新方式，對于長期采用以數(shù)據(jù)為中心的“人工智能優(yōu)先”研究策略非常有益。幾家人工智能驅動的藥物發(fā)現(xiàn)公司，如Exscientia、InsilicoMedicine、Arctoris、RecursionPharmaceuticals、Insitro等，已經(jīng)建立了內部自動化實驗室，以提高其內部數(shù)據(jù)生成能力，以訓練他們的人工智能模型和建立更好的藥物管線。2.4.2利用AI解決臨床試驗瓶頸臨床試驗是藥物開發(fā)工作流程的關鍵階段，候選藥物從1期到上市的平均成功率僅為11%。即使候選藥物安全有效，臨床試驗也可能因資金不足、入組不足或研究設計不佳而失敗。人工智能（AI）越來越被視為提高臨床試驗運營效率和降低臨床開發(fā)成本的技術。通常，人工智能技術公司在三個主要領域提供服務和專業(yè)知識。第一個領域初創(chuàng)企業(yè)通過自然語言處理（NLP）幫助解鎖來自不同數(shù)據(jù)源的信息，例如科學論文、醫(yī)療記錄、疾病登記，甚至醫(yī)療索賠。這可以支持患者招募和分層、地點選擇，并改善臨床研究設計和對疾病機制的理解。例如，一項研究報道表明大約18%的臨床研究由于招募不足而失敗。臨床試驗成功的另一個方面是改善患者分層。由于試驗患者價格昂貴，因此能夠預測哪個患者將從治療中獲得更顯著的益處或風險至關重要。人工智能驅動的公司使用多種數(shù)據(jù)類型，例如電子健康記錄（EHR）、組學和成像數(shù)據(jù)，以減少人群異質性并提高臨床研究能力。人工智能也在簡化臨床試驗的操作流程。AI技術公司幫助跟蹤患者的健康狀況，監(jiān)控治療反應以及患者對試驗程序的依從性。通過這樣人工智能公司降低了患者退出的風險，平均占30%。通常，3期臨床研究階段需要1000-3000名參與者，其中一部分服用安慰劑。這就是為什么合成對照組的發(fā)展-可以取代安慰劑對照組的AI模型，從而減少臨床試驗所需的個體數(shù)量-可能成為一種新的趨勢。根據(jù)BiopharmaTrendAI報告顯示，以上三個類別都有80多家公司，包括Owkin，PathAI，GNSHealthcare，Neurcuit，AICure和Unlearn.ai。盡管生物技術投資環(huán)境整體寒冷，但對人工智能臨床試驗平臺的需求以及該領域的投資都很高。2022年3月，ConcertAI在融資1.5億美元的C輪融資以擴展其用于癌癥研究的軟件和真實世界數(shù)據(jù)（RWD）解決方案后，估值達到19億美元。Saama是一家總部位于硅谷的公司，成立于1997年，但它在2015年籌集了第一筆風險投資。該公司已經(jīng)籌集了超過5億美元的風險投資。Saama提供多樣化的解決方案：通過集中式數(shù)據(jù)分析和控制中心加速臨床試驗，包括實時數(shù)據(jù)處理功能；自動化數(shù)據(jù)質量功能；簡化的監(jiān)管提交功能，包括藥物警戒分析和提交。2.4.3CRO領域的人工智能在臨床前和臨床領域出現(xiàn)的新型AICRO公司開始挑戰(zhàn)傳統(tǒng)的CRO公司。后者通過將人工智能納入其對制藥公司的服務產(chǎn)品中或與人工智能公司合作來補充他們的研究能力。例如查爾斯河正在通過與ValoHealth建立多年的合作伙伴關系來深入研究人工智能。查爾斯河希望利用ValoHealth的深度學習平臺實現(xiàn)從頭分子設計到先導物優(yōu)化的更快，更有效的過程。2021年，CharlesRiver與ValenceDiscovery建立了戰(zhàn)略合作伙伴關系，使CRO的客戶能夠訪問Valence的人工智能平臺，用于分子特性預測、生成化學和多參數(shù)優(yōu)化。艾昆緯多年來一直在投資人工智能功能，以增加臨床試驗和為客戶提供的商業(yè)活動的價值。例如為了改善臨床試驗，艾昆緯于2020年啟動了Avacare臨床研究網(wǎng)絡?，使研究中心能夠更快、更有效地匹配患者進行試驗。該平臺由人工智能算法提供支持，可以在19個疾病領域運行。臨床研究行業(yè)的一個重要趨勢是進行虛擬臨床試驗，這是一個價值80億美元的市場。COVID-19迫使制藥公司轉向遠程監(jiān)控、改善患者登記、跟蹤患者參與的應用程序、遠程醫(yī)療、權力下放和其他保持試驗運行的措施。由于對此類解決方案的需求大幅增長，CRO急于在其服務產(chǎn)品中添加虛擬和去中心化功能。事實證明，人工智能技術在創(chuàng)建和運行此類項目以幫助合成數(shù)據(jù)和加快臨床試驗過程方面非常寶貴?？萍季揞^追逐藥物發(fā)現(xiàn)和生物技術前面提到的Alphabet的DeepMind和Meta在解決基礎生物學研究難題方面的成功，比如使用深度學習和語言模型大規(guī)模預測蛋白質結構，只是冰山一角：幾乎每個科技巨頭都在布局生命科學領域。2.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律”高技術、高投入、高風險、長周期……在新藥研發(fā)的過程中，經(jīng)常面臨著諸多痛點。因此，業(yè)界正在著力布局通過AI翻過新藥研發(fā)過程中的這幾座“大山”，AI智藥成為一條新賽道。全球已經(jīng)有700多家AI智藥企業(yè)，共有幾十款AI藥物進入臨床試驗階段。至2022年底，我國也已有AI智藥初創(chuàng)企業(yè)近80家。張江，有科創(chuàng)、芯片、藥片“三駕馬車”，2022年生物醫(yī)藥產(chǎn)業(yè)規(guī)模已經(jīng)達到3300億元，誕生了全國15%的原創(chuàng)新藥和10%的創(chuàng)新醫(yī)療器械。近年來，張江積極尋找和布局新賽道、新方向，目前在靶向藥物、合成生物學、AI+新藥研發(fā)、新型偶聯(lián)藥物、新型蛋白降解藥物、細胞藥等相關領域引進和聚集了一批創(chuàng)新主體，在前沿技術領域的發(fā)展和培育上發(fā)揮著創(chuàng)新策源和示范引領作用。在9月25日開幕的2023張江生命科學國際創(chuàng)新峰會上，舉行了2023張江AI智藥論壇暨第三屆AI研發(fā)創(chuàng)新論壇，來自張江的AI智藥企業(yè)分享了AI賦能藥物研發(fā)的最新成果和前沿案例，并探討了AI技術應用的當前挑戰(zhàn)和未來前景。不可否認，AI智藥的創(chuàng)業(yè)熱潮正在涌動。2.5.1加速建立“AI藥研朋友圈”AI智藥，即以醫(yī)藥大數(shù)據(jù)為基礎，通過運用機器學習、深度學習等AI技術替代大量實驗，對藥物結構、功效等進行快速分析，以達到縮短試驗周期、節(jié)省成本、促進新藥發(fā)現(xiàn)、提升試驗成功率等目的?！半S著人工智能技術的快速變革，AI已經(jīng)成為藥物研發(fā)過程中縮短研究周期、節(jié)省研發(fā)成本、提升實驗成功率的核心生產(chǎn)力?！敝袊茖W院院士饒子和在論壇上這樣表示。在中國AI智藥的版圖上，張江占據(jù)著龍頭位置。成立于2019年的英矽智能和成立于2015年的晶泰科技是國內AI制藥領域的獨角獸，這兩家皆在張江有所布局。作為浦東生物醫(yī)藥產(chǎn)業(yè)的聚集地，張江集聚了近7萬名生物醫(yī)藥從業(yè)人員。同時，張江正在構筑一個巨大的人工智能產(chǎn)業(yè)生態(tài)圈，匯聚更多的AI新勢力。早在2021年10月，張江AI新藥研發(fā)聯(lián)盟正式揭牌成立，聯(lián)盟是推進AI與醫(yī)藥跨界交叉融合、數(shù)據(jù)資源共享、技術迭代升級的重要紐帶，并取得了不少成果?，F(xiàn)在，該聯(lián)盟成員已擴增至35家。美迪西開發(fā)的智能靶點和AI虛擬藥物發(fā)現(xiàn)平臺、英矽智能通過AI賦能發(fā)現(xiàn)的潛在同類最佳USP1小分子抑制劑、晶泰科技用AI驅動的下一代抗體發(fā)現(xiàn)平臺XupremAb賦能最佳抗體發(fā)現(xiàn)……這是張江AI新藥研發(fā)聯(lián)盟發(fā)布的一些創(chuàng)新成果。作為近年來技術變革的重要力量，AI在生物醫(yī)藥領域展示了極大的應用潛力。國家發(fā)改委2022年發(fā)布的《“十四五”生物經(jīng)濟發(fā)展規(guī)劃》提出，要利用云計算、大數(shù)據(jù)、人工智能等信息技術，對治療適應癥與新靶點驗證、臨床前與臨床試驗、產(chǎn)品設計優(yōu)化與產(chǎn)業(yè)化等新藥研制過程進行全程監(jiān)管，實現(xiàn)藥物產(chǎn)業(yè)的精準化研制與規(guī)?；l(fā)展。2022年2月，英矽智能利用人工智能發(fā)現(xiàn)的“特發(fā)性肺纖維化”候選藥物，獲批在中國進入ⅰ期臨床試驗，成為中國首個進入臨床階段的人工智能研發(fā)藥物。2.5.2AI打破“雙十定律”大幅縮短研發(fā)時間，是AI智藥最明顯的優(yōu)勢之一。傳統(tǒng)的新藥研發(fā)是一項復雜而長期的系統(tǒng)工程，一款新藥從著手研發(fā)到獲批上市，整個過程平均耗時約14年，僅化合物篩選到臨床前研究就需花費約4～6年的時間，推動新藥上市的平均成本更是高達19.8億美元。因此，醫(yī)藥研發(fā)行業(yè)長期以來面臨著“雙十定律”，即需要耗時超過10年、10億美金才有可能上市一款新藥。張江AI新藥研發(fā)聯(lián)盟成員之一英矽智能聯(lián)合首席執(zhí)行官、首席科學家任峰表示，為了研發(fā)毒副作用更小的特發(fā)性肺纖維化新藥，英矽智能通過AI賦能的研發(fā)方式，將從靶點的發(fā)現(xiàn)到找到臨床候選化合物的過程縮短到18個月，研發(fā)費用共投入270萬美元，而如果沒有AI，則該過程需要花費四年半以上時間、數(shù)千萬美元，AI+生物醫(yī)藥的“雙向賦能”，無疑大大降低了新藥研發(fā)的周期和成本。同樣也是張江AI新藥研發(fā)聯(lián)盟成員的晶泰科技，在建立小分子藥物模擬算法平臺之后，通過AI預測算法幫助輝瑞制藥顯著縮短了新冠口服藥Paxlovid（奈瑪特韋片/利托那韋片）的研發(fā)周期，2021年12月，Paxlovid成為第一款獲得美國FDA批準的新冠口服藥，被迅速推向市場。輝瑞和晶泰科技雙方的科學家僅用了6個星期，便完成了藥物固態(tài)研發(fā)，以快速的計算預測與試驗結果相互印證、準確匹配。而在傳統(tǒng)的藥物研發(fā)模式下，這個過程可能需要花費數(shù)月時間。晶泰科技AI預測模型目前，晶泰科技已通過建立算法的“干”實驗室和自動化機器人驅動的“濕”實驗室，構建起虛實結合、相互印證的研發(fā)體系，助力藥物研發(fā)。自動化智能化實驗室里包含了自動化合成、自動化結晶等化學和生物的一些關鍵能力，通過人工智能來輔助藥物設計，通過自動化機器人來替代傳統(tǒng)人工進行實驗操作，進行7×24小時的運作，實現(xiàn)“關燈實驗室”的效果，并減少對人力勞動的依賴，保證實驗的穩(wěn)定可靠。“例如每一次加反應試劑，相比人工，機械臂可以更加精準控制劑量，并且實時記錄實驗數(shù)據(jù)、過程，全程數(shù)據(jù)可追溯。”晶泰科技相關人士介紹。2.5.3將藥物在人體內精準遞送受限于傳統(tǒng)藥物研發(fā)的技術瓶頸，臨床上仍存在大量“不可成藥”的疾病，諸多患者面臨“無藥可用”的難題。“藥物遞送”技術是以RNA藥物為開發(fā)的關鍵環(huán)節(jié)，通過特定的技術實現(xiàn)將核酸序列等藥物精準遞送至有疾病的器官、組織和細胞中，從而實現(xiàn)疾病的治愈。然而，這一環(huán)節(jié)的難點和關鍵在于如何“精準遞送”藥物有效成分到人體患病部位。業(yè)內人士打比方，人體的運作機制和環(huán)境非常復雜，實現(xiàn)這一目標的難度不亞于通過火箭運載衛(wèi)星到達太空中的預定軌道。也因此，提升藥物遞送的精準性已成為新一代藥物的核心部分。如果把藥物比作一輛行駛在人體內的車，在人體內沒有GPS的情況下，如何將藥物精準送達“目的地”？劑泰醫(yī)藥聯(lián)合創(chuàng)始人兼首席執(zhí)行官賴才達在論壇上表示，劑泰醫(yī)藥的做法是，基于AI數(shù)據(jù)驅動算法、機制驅動的量子力學和分子動力學模擬以及高通量實驗平臺等底層技術，搭建了AI驅動核酸遞送系統(tǒng)設計平臺（AiLNP），以AI驅動干、濕實驗迭代，實現(xiàn)了更有效的創(chuàng)新遞送材料設計、核酸序列設計與優(yōu)化，并設計了更具優(yōu)勢的制劑配方和核酸遞送系統(tǒng)，將藥物遞送系統(tǒng)效率進行指數(shù)級優(yōu)化。劑泰醫(yī)藥AiLNP“LNP核酸遞送系統(tǒng)的表達效率超越行業(yè)標準10倍以上，并破解了行業(yè)難以攻克的肺、大腦、腫瘤、免疫器官、肌肉等遞送難題?！辟嚥胚_說。以近來火熱的mRNA技術為例，mRNA技術商業(yè)落地的最大阻礙便是遞送。在賴才達看來，遞送技術可以助力更好地發(fā)揮藥效，將疾病細胞編寫回健康細胞，為全球患者帶來革命性的藥物，解決未被滿足的臨床需求，這也是目前CGT（細胞基因治療）產(chǎn)業(yè)“卡脖子”的核心環(huán)節(jié)。2.6大型藥企在AI藥物研發(fā)進展趨勢人工智能（AI）的推進正逐漸改變生物醫(yī)藥產(chǎn)業(yè)在藥物發(fā)現(xiàn)、開發(fā)的整個過程。2023年，《自然》旗下BiopharmaDealMakers發(fā)布了一篇針對AI驅動生物醫(yī)藥研發(fā)公司在近年的增長趨勢、方向的報道。藥明康德內容團隊將就此報道，并結合內部數(shù)據(jù)和其他公開資料向讀者介紹AI在當今產(chǎn)業(yè)界的概況。2.6.1大型藥企整合AI進入藥物開發(fā)流程隨著AI在技術上的不斷突破，以及各式臨床“-omics”（包含基因組學、蛋白質組學、轉錄組學等）數(shù)據(jù)的建立，AI在藥物開發(fā)的應用從原初的小分子藥物設計、文獻分析，已經(jīng)進展至廣泛應用于藥物研發(fā)管線開發(fā)的各個階段。隨著AlphaFold2在蛋白質結構預測上的突破，AI技術被視為開發(fā)創(chuàng)新藥物的樞紐，許多藥企也早已布局建立其在AI領域的核心能力，這主要通過三種方式：2.6.2與信息技術公司合作建立內部AI專業(yè)技術在2019年，諾華（Novartis）與微軟（Microsoft）宣布達成，將整合諾華的數(shù)據(jù)庫與微軟的AI專業(yè)以共同發(fā)現(xiàn)、開發(fā)并商業(yè)化創(chuàng)新藥物。此外，兩者亦建立AI創(chuàng)新實驗室以支持諾華研究人員的工作。今年4月，Moderna和IBM達成一項為期，IBM將提供量子計算系統(tǒng)的訪問權限，以及提供專業(yè)知識幫助Moderna探索由量子技術驅動的生命科學領域的前沿應用，以推進和加速mRNA療法的研究。Moderna和IBM將結合配方發(fā)現(xiàn)和生成性AI技術來優(yōu)化脂質納米顆粒，以設計具有改善安全性和性能的mRNA藥物。2.6.3通過并購AI驅動生物技術公司快速獲得AI技術羅氏（Roche）旗下的基因泰克（Genentech）在2021年并購了PrescientDesign，主要利用其生成式AI平臺來發(fā)現(xiàn)、設計抗體藥物。而自2019年起，BioNTech便與InstaDeep展開多年的合作，并在今年1月以3.62億預付款并購該公司，期待通過此交易來完全整合InstaDeep的AI與機器學習（ML）專業(yè)，以開發(fā)下一代免疫療法。并購除了使得藥企能夠獲得AI公司專有的平臺技術，也可同時獲得來自原公司的數(shù)據(jù)與生物信息專業(yè)人士，增加其AI研發(fā)能力。圖表：AI驅動生物科技公司近年的成立與融資趨勢圖片來源：參考資料2.6.4與AI驅動生物技術公司合作以識別靶點、共同開發(fā)藥物這一類別的知名例子包含基因泰克在2021年與RecursionPharmaceuticals達成的合作，兩者將利用AI導向的高通量篩選平臺以識別在神經(jīng)科學與腫瘤學的創(chuàng)新靶標。2022年1月，賽諾菲（Sanofi）與Exscientia達成另一項，兩者將利用Exscientia基于AI的個體化藥物平臺，以篩選病患與識別藥物靶標，該合作預計開發(fā)在腫瘤與免疫學領域最多達15項的創(chuàng)新小分子藥物。此外，賽諾菲還在同年8月和11月，分別與和（InsilicoMedicine）達成大型的研發(fā)合作，將利用兩家公司各自的AI平臺發(fā)現(xiàn)新靶點并開發(fā)候選藥物。在使用AI改善臨床開發(fā)能力方面，默沙東（MSD）與SaamaTechnologies在去年8月達成了一項，將利用Saama的AI模型實施新的臨床數(shù)據(jù)管理流程，以加強其臨床開發(fā)能力，并加快管線進展。去年10月，GSK與Tempus達成一項，將使用Tempus包含大型去識別化病患數(shù)據(jù)的AI平臺改善臨床試驗設計、加速病患招募與識別藥物靶標。2.6.5AI驅動生物科技公司發(fā)展趨勢根據(jù)統(tǒng)計，在2010年至2022年間，約有390間AI驅動生物科技公司創(chuàng)立，其中有近半（~47%）僅專注于藥物發(fā)現(xiàn)研究（Research），約四分之一（~26%）專注于藥物開發(fā)（Development），另有約四分之一（~27%）則同時聚焦藥物研發(fā)過程（R&D）。其中在2010-2018年間，新創(chuàng)立公司的數(shù)量穩(wěn)定成長，在2018年間有61家新成立的AI驅動生物科技公司。受新冠疫情影響之故，此數(shù)值自2019年起有所下滑。另一方面，從2017年到2021年，資本對AI領域的投入增長了10倍，復合年增長率（CAGR）為71%，而且晚期風險資本（VC）融資和首次公開募股（IPO）也在增加。例如，2021年有五家公司進行了IPO，包括Recursion公司，籌集了4.36億美元，以及Exscientia公司，通過3.5億美元的IPO和同時進行的1.6億美元私人配售，共籌集了5.1億美元。根據(jù)藥明康德內部數(shù)據(jù)庫對近期融資事件的統(tǒng)計，在2022年至2023年第一季度，AI驅動生物醫(yī)藥公司的早期融資（包含B輪與更早）金額超過1000萬美元的共有75起，其中有18起屬于大額融資，金額大于5000萬美元。這些AI公司多專注于加速與改善藥物開發(fā)過程，包含靶點識別、生物標志物發(fā)現(xiàn)、病患篩選、優(yōu)化臨床試驗等。而在應用AI開發(fā)不同療法模式藥物方面，統(tǒng)計顯示傳統(tǒng)的蛋白質（包含抗體）/多肽類藥物（N=16）與小分子藥物（N=15）仍是業(yè)界關注的焦點，占AI驅動藥物開發(fā)融資項目的大宗。RNA療法則緊隨其后，共有8起相關融資事件。圖表：AI驅動藥物研發(fā)公司于2022-2023Q1融資趨勢資料來源：藥明康德內部數(shù)據(jù)庫，藥明康德內容團隊制圖）2.6.6AI技術在臨床上的轉化隨著AI技術在產(chǎn)業(yè)界的起步，AI輔助藥物研發(fā)作為其中關鍵性技術之一近年來已有多項科研成果轉化落地。2021年4月，Exscientia宣布首個由AI設計的免疫腫瘤學藥物進入臨床試驗，此藥物為靶向實體瘤已知靶點A2a受體的拮抗劑，此款藥物目前已停止開發(fā)。Recursion則通過AI技術將已開發(fā)藥物用于其他適應癥上。例如，Recursion通過利用其專有的AI驅動藥物發(fā)現(xiàn)平臺RecursionOS，發(fā)現(xiàn)REC-2282作為治療NF2基因突變引起疾病的潛在候選藥物，并在去年6月將之推進至臨床2/3期試驗。研發(fā)過程皆使用AI的藥物INS018_055在2022年2月進入1期臨床試驗，并在今年1月公布該試驗的積極頂線結果。分析顯示，這款由英矽智能開發(fā)、用于治療特發(fā)性肺纖維化（IPF）的藥物展現(xiàn)良好的藥代動力學特征，并具良好的安全性與耐受性?；诖私Y果，英矽智能將在今年啟動此藥物的臨床2a期試驗。三、AI藥物研發(fā)企業(yè)海外并購策略及建議3.1海外并購的戰(zhàn)略選擇成功并購的起點始于并購的戰(zhàn)略規(guī)劃。要實現(xiàn)企業(yè)的并購績效和目的，往往是以并購動機（公司遠景和戰(zhàn)略規(guī)劃）為起點，根據(jù)企業(yè)的并購能力（內部資源和“外腦”利用），確定并購的邊界，并沿著并購的方向，尋找并購匹配、并購協(xié)同的路徑，選擇并購對象，最終實現(xiàn)企業(yè)對外擴張的目的，反映出并購戰(zhàn)略的實現(xiàn)程度。因此，并購的戰(zhàn)略規(guī)劃應包含并購動機、并購能力、并購邊界、并購方向、并購績效。3.1.1并購動機企業(yè)并購動機是各利益相關者的動機相互作用和博弈的結果。企業(yè)作為市場中的競爭主體，自身的內驅力和外界誘因共同影響著并購活動的動機。內驅力引起的動機主要包括追求市場份額、追求協(xié)同效應、追求核心技術、獲取生產(chǎn)要素、獲取目標公司優(yōu)勢資產(chǎn)、降低企業(yè)風險和進行產(chǎn)業(yè)重組等。從歷次并購浪潮的研究中不難發(fā)現(xiàn)，每一次并購浪潮背后一定與特定時期和特定地域的經(jīng)濟、文化、技術變革等有關。而外界誘因引起的動機主要包括先進的技術、有利的經(jīng)濟狀況、出現(xiàn)低價資產(chǎn)、資本市場驅動、法律允許和放松管制。與企業(yè)并購利益相關的有：員工的并購動機是獲取更滿意的工作氛圍、更多的薪酬和更大的升職空間;債權人的并購動機則關注與企業(yè)并購后償債能力變化;管理層的并購動機是實現(xiàn)自我價值和自身利益，提高公司對管理層的依賴;股東的并購動機在于收益的提高和規(guī)模的提升并盡可能控制住風險。3.1.2并購能力在企業(yè)并購活動中，明確了并購動機，但在確定并購目標時，要清楚自己究竟可以實施多大規(guī)模的并購，可以采取哪些方式實施并購，這就是企業(yè)需要實施并購的能力。并購能力簡言之就是企業(yè)利用自身的剩余資源實現(xiàn)并購活動的實力。從歷史上的并購活動看，由于并購能力不足，產(chǎn)生“蛇吞象”的現(xiàn)象也發(fā)生過，并購能力的要素主要分為兩部分：資源要素和利用資源的并購管理能力。并購能力的資源要素主要有：財物資源、人力資源、實物資源、有產(chǎn)權的無形資產(chǎn)、無產(chǎn)權的無形資產(chǎn)和信息資源。剩余的人力資源是進行并購活動的基礎，剩余的財物或實物資源是完成并購活動的支付條件，是并購能力構成的必要條件，企業(yè)并購知識管理能力、并購資源的管理能力和外部資源的調動能力可以管理并指導企業(yè)的并購活動，以確保并購活動各環(huán)節(jié)的順利進行。3.1.3并購邊界企業(yè)具備的并購能力以及相關的外部環(huán)境，決定了企業(yè)的并購邊界，在并購邊界的范圍內，并購活動助力于企業(yè)的經(jīng)營發(fā)展;在并購邊界范圍之外則會拖累企業(yè)的經(jīng)營發(fā)展;在并購邊界附近則并購活動的價值游離于助力企業(yè)和拖累企業(yè)之間。企業(yè)開拓海外業(yè)務一般是通過新建投資、并購、聯(lián)盟三種方式進行規(guī)模擴張和能力提升。企業(yè)并購邊界理論研究對象包括以什么樣的方式進行并購，在什么環(huán)境下使用并購等并購活動的適用條件，是解決企業(yè)發(fā)展戰(zhàn)略是否要通過并購這種外部投資方式進行，解決與新建投資和戰(zhàn)略聯(lián)盟兩種戰(zhàn)略發(fā)展方式的比選問題。在比較并購、新建投資時，要結合市場狀況、市場結構來分析二者對市場的影響，同時根據(jù)政府政策的傾向性和戰(zhàn)略資源的可獲得性來比較并購和新建投資的優(yōu)劣，并購與新建投資往往就是互補，并購的優(yōu)勢就是新建投資的劣勢。在做并購與戰(zhàn)略聯(lián)盟的決策時，要通過交易特性、企業(yè)特性、環(huán)境特性三方面的因素分析，從不同的角度提出企業(yè)選擇外部成長戰(zhàn)略的有利條件。戰(zhàn)略聯(lián)盟對目標企業(yè)控制低，但戰(zhàn)略靈活性高;并購相比之下，對目標企業(yè)的控制高，戰(zhàn)略靈活性低，并購強調對企業(yè)目標資源的控制需要。3.1.4并購方向并購方向是指并購在區(qū)域、行業(yè)、規(guī)模和盈利能力方面的戰(zhàn)略規(guī)劃，是企業(yè)并購動機明確和并購能力具備并決定開展并購活動時制定的，符合企業(yè)的總體發(fā)展戰(zhàn)略，是細化其總體發(fā)展戰(zhàn)略的內容。并購方向的選擇應結合行業(yè)發(fā)展趨勢分析（政策走向、技術發(fā)展趨勢、消費習慣變化等），考慮產(chǎn)業(yè)鏈細分及自身的并購能力。確定并購方向受兩方面約束：一方面是企業(yè)的戰(zhàn)略目標，另一方面是企業(yè)自身已有的資源。明確并購方向有助于避免企業(yè)盲目并購，確保并購服從、服務于企業(yè)長遠發(fā)展戰(zhàn)略，為企業(yè)創(chuàng)造價值。百年并購歷史中，有很多并購失敗的案例，主要原因就是并購方向的定位不當，缺乏并購的戰(zhàn)略指導。可以說并購戰(zhàn)略是實施并購活動成功的起點。只有當企業(yè)并購活動遵照明確的戰(zhàn)略目標開展，了解自身的優(yōu)勢和不足，選擇合適的并購對象，采取有利的并購技巧，實現(xiàn)并購后的整合和績效，發(fā)揮并購在資源優(yōu)化配置中的作用，并購才能給企業(yè)帶來效益。3.1.5并購績效績效是指企業(yè)從事活動的業(yè)績和效率的統(tǒng)稱，并購績效就是并購活動產(chǎn)生的業(yè)績和效果。就具體企業(yè)而言，完整的并購行為包含了實施并購交易及并購整合兩部分，因此并購績效也應按此進行劃分：一是交易績效，是指交易發(fā)生時，市場（投資者的預期）評價給并購雙方帶來的績效（價值增值狀況）;二是整合績效，指目標公司被納入到并購公司中經(jīng)過整合后，實現(xiàn)并購目標產(chǎn)生效率，它需要經(jīng)過較長時間的業(yè)績提升和核心競爭力的增強來驗證。目前企業(yè)績效評價中大多采用對同一企業(yè)不同時段的績效進行評價和比較，并運用兩種方法進行評價：一是利用股價（短期和長期結合）來檢驗并購創(chuàng)造的價值;二是利用財務報表和會計數(shù)據(jù)資料，考察獲利能力指標（包括資產(chǎn)回報率、銷售回報率、股權回報率、銷售增長、每股收益等）和現(xiàn)金流回報指標（包括資產(chǎn)運營現(xiàn)金流回報、預期貼現(xiàn)現(xiàn)金流回報、基于整個市場價值的運營現(xiàn)金流回報等）。并購活動對企業(yè)、產(chǎn)業(yè)發(fā)展和社會都會產(chǎn)生深遠的影響，因而從并購績效影響的范圍來看，可以分為三個層次的績效：一是對企業(yè)本身業(yè)績和效率的改變;二是給市場和行業(yè)帶來的影響，如產(chǎn)業(yè)結構調整、行業(yè)集中度等;三是指社會績效，就是對社會資源配置優(yōu)化的作用，體現(xiàn)為產(chǎn)業(yè)結構升級換代。3.2企業(yè)并購動因的確定3.2.1企業(yè)發(fā)展的需要在激烈的市場競爭中，企業(yè)只有不斷發(fā)展才能確保生存。一般而言，企業(yè)的發(fā)展可以通過新的投資或通過并購達成。但是兩種方法相比較，并購方法更有效。一是并購時間短。在企業(yè)發(fā)展的同時，競爭對手也在尋求發(fā)展，大家都處于動態(tài)環(huán)境中。因此必須抓住發(fā)展過程中的所有機會，盡可能搶在競爭對手之前得到競爭優(yōu)勢。如果公司采用新的投資方式，將受制于項目建設周期，資源獲取及配置的限制，延緩了企業(yè)的發(fā)展速度。如果采用并購，公司可以在很短的時間內擴展業(yè)務，提高競爭力并擊敗競爭對手。特別是在新興產(chǎn)業(yè)中，領先一步的企業(yè)就可以獲得原材料、營銷渠道、產(chǎn)品聲譽等優(yōu)勢，并迅速建立行業(yè)領先優(yōu)勢。而采用新的投資實現(xiàn)發(fā)展目標顯然不可能具備這種優(yōu)勢。一旦確立行業(yè)優(yōu)勢，其他競爭對手將難以追趕。因此，并購可以使公司抓住機會，贏得機會并獲得競爭優(yōu)勢。二是并購可以降低市場進入壁壘和企業(yè)成長的風險。當公司進入一個新的行業(yè)時，他們將遇到資金、技術、渠道、客戶、經(jīng)驗等各種障礙，還需要接受許多檢查驗收和評估。這些障礙不僅提高了行業(yè)進入的門檻，也增加了進入的成本和風險。如果公司采用并購方法并立即獲取市場份額和相關資質，則可以繞過這些障礙，后期再進行滾動開發(fā)，使企業(yè)能夠以較低的成本和風險快速進入。特別是一些受規(guī)模限制的行業(yè)，企業(yè)采用投資進入該行業(yè)必然導致產(chǎn)能的增加。這將不可避免地擴大供給導致產(chǎn)能過剩，引起其他公司的暴力抵制，產(chǎn)品價格可能會迅速降低，因此公司的進入將破壞該行業(yè)的盈利能力。通過并購進入該行業(yè)不會導致生產(chǎn)能力的大幅擴張，從而達到保護行業(yè)并使其在進入企業(yè)后實現(xiàn)盈利。第三，并購可以加速海外業(yè)務的擴張。競爭全球化的格局基本形成，企業(yè)進入國外市場是必然趨勢，國外企業(yè)的管理方式，商業(yè)環(huán)境的差異，政府法規(guī)的限制都需要適應。收購現(xiàn)有海外企業(yè)不僅可以加速進入該國市場，還可以利用原企業(yè)的營銷渠道、人員資金和管理資源，使企業(yè)在進入該國后能夠順利發(fā)展。此外，由于合并后的企業(yè)與國內企業(yè)經(jīng)濟緊密結合，并購后對經(jīng)濟不會產(chǎn)生太大影響。因此，政府的限制相對較少，這有助于跨國發(fā)展的成功。3.2.2追求協(xié)同效應并購后兩個企業(yè)的協(xié)同效應主要體現(xiàn)在：業(yè)務協(xié)同、財務協(xié)同、生產(chǎn)協(xié)同、人才和技術協(xié)同。業(yè)務協(xié)同作用。企業(yè)并購后，通過企業(yè)的規(guī)模經(jīng)濟可以實現(xiàn)業(yè)務協(xié)同。原有的營銷網(wǎng)絡和營銷活動可以合并，節(jié)省營銷費用;管理機構和人員可以精簡，管理成本由更多產(chǎn)品分擔，從而節(jié)省管理成本;研發(fā)成本分攤至更多產(chǎn)品上，還可以快速高價引入新技術、新產(chǎn)品。另外由于業(yè)務規(guī)模的擴大，還增強了企業(yè)抵御風險的能力。財務協(xié)同。企業(yè)合并后，資金可以統(tǒng)一安排，提高了資金的使用效果。由于規(guī)模和實力的擴大，企業(yè)大大提高了融資能力，更好的滿足了企業(yè)的資金需求。另外，企業(yè)合并后，企業(yè)的損失可以通過會計統(tǒng)一處理進行彌補，從而達到避稅的效果。生產(chǎn)協(xié)同作用。并購企業(yè)合并后，同一產(chǎn)品可由專業(yè)生產(chǎn)部門生產(chǎn)，從而提高生產(chǎn)效率;企業(yè)還可以調整原企業(yè)之間的生產(chǎn)規(guī)模，按照最低生產(chǎn)成本優(yōu)化生產(chǎn)規(guī)模;整合現(xiàn)有企業(yè)相互連接的生產(chǎn)流程，節(jié)省運輸和倉儲等中間環(huán)節(jié)成本。人才和技術協(xié)同。合并后，合理調配兩家企業(yè)的人才和技術，充分發(fā)揮人才和技術的協(xié)同效應，提高企業(yè)的競爭力。特別是一些專利技術，受制于專利轉讓的各種限制，企業(yè)很難通過其他方法獲得，只有通過并購才能獲得專利技術，確保企業(yè)發(fā)展的優(yōu)勢。3.2.3加強控制力企業(yè)實施橫向并購可以獲得更多的市場份額，增強企業(yè)在市場中的競爭力和壟斷地位。此外，企業(yè)橫向并購減少了同質供應商，尤其在競爭對手很少的情況下，可以增加與上下游企業(yè)討價還價的能力，有利于企業(yè)獲得較低價格的原材料和較高價格的產(chǎn)品銷售，從而擴大公司的盈利能力。3.2.4獲取穩(wěn)定收益在證券市場中，理論上，公司的股票市場總價格應該等于公司的實際價值，但是受環(huán)境影響，信息不對稱和未來的不確定性，上