这个是一个挺大的问题，就是全球 AI 赋能， AI 加制药的 AI 公司其实有几百家是不止的，以前有一个统计大概是 300 家以上，但是这两年发展的又特别迅速，所以说肯定是超过这个数目。那我们也是在看一些已经上市的 AI 公司，到目前为止上市的 AI 公司，据不完全统计、保守的统计是 14 家。这里面的 AI 公司覆盖了基本上各个层面。有通过 AI 做大分子，有通过 AI 做小分子，有是纯粹做算法，有是做软件，然后还有是去通过 AI 去做这个临床实验。所以目前上市的公司就是这样的一个情况，就是 14 家。而且你如果看下来的话，这些公司绝大多数都成立在 2012 年到 2014 年左右，就是这些上市的 AI 公司。

所以说 AI 公司，你如果看这个趋势的话，从早期的这种技术上的研发到后面进入到下一个阶段，比如说上市，大概都需要很长时间的积累，至少得需要 10 年左右的积累。所以说这也就是给我们现在的 AI 公司可能就绘制了一个前景，说你很难去做到特别快速的去把自己的这些技术和产品做得很领先。 你需要一定时间的积累，包括你的数据上你的算法上，还有这些验证方面，所以说需要一定的积累，这可能是给我们尤其是国内的 AI 公司，大家戒骄戒躁。你从主要玩家的情况，按照商业模型来分，有注重在 AI 的算法上的，比如说薛定谔它是一个老牌的 cadd 的公司，但是现在也是做一些 AI ，它的主要的产品就是一些软件，但是现在也做一些内部的管线。

 另一个是以纯粹的是以管线为主我刚才提到的 Relay Therapeutics，它通过 AI 的算法来赋能自己内部的管线研发，所以它把自己的管线推到现在有三个项目，有两个项目在一期，因为它做的是管线，所以它上市相对来讲比较快一点。另一种Exscientia ，它是以跟大药厂的合作为主，它有很多管线，但这些管线绝大多数都是合作的管线。所以目前来讲从这个玩家的情况上来看，大致分为这样的三种玩法。

英矽智能可能我们是很难定义自己属于哪一种。我们自己有自己的软件，我们也有自己的管线，现在有 30 多个管线，覆盖在这个免疫、癌症、纤维化和神经系统疾病四个领域，同时我们跟外部也建立了很多的合作，所以说我们感觉自己一个综合体，这就是可能我们与其它 AI 公司之间的差异。我们相当于在每一个业务板块上都有自己一定的布局。

是的，因为说我们 AI 是其实有几种方式。比方说 AI 我们其实可以做一些说我们怎么样从我们的浩如瀚海的这个文献数据当中能够把我们的 13 连接酶找出。比方说我目前已经知道的有 600 多种连接酶。那我们怎么样通过 AI 来个找出这个不同的组织当中有哪些一三连接酶的表达比较高一点以及他的底物是什么，这个这是一点。

那 AI 还有一个说我们找出一个组织特异性表达的一些一三连接酶之后，我们怎么样能够迅速找到跟这个连接酶相匹配的一个配体？那如果这个 AI 的算法能够加快这个配体的发现的话，那我觉得说能够大大的加快我们发现一个新的药的一个过程。

刚才你说的非常好，有的情况下，比如说这个罕见病，本来病人的这个数量就非常少，这个数据也非常难以获得在这种情况下，那我们 AI 在这个数据量不够的情况下，是不是还是有作为啊？实际上这个我们还是有各种各样的办法，比如说这个你在研究一个致病突变的时候，假如说这个这个基因大家研究的非常少，大家之前的研究成果研究数据也是非常有限。在这种情况下，我们也是有一些变通的这个办法。

举个例子比如说实际上这不是说我们的发明，这种方法论是别人也尝试过，现在最近我们也在做，比如说，同一条基因，我们要在看这条基因在很多的不同的这个物种里面，它是怎么演化的。那么这个从比较低级的比如说真菌一直到这个虫，鱼类，哺乳类一直到类人，这个当然包括小鼠大鼠我们能够获得的这些这个基因信息里面，我们可以去看，它整个进化的路径，它有一些突变是被进化论所允许的，根据这个办法，可以在人的数据不全的情况下，我们可以去通过在这个整个不同物种的基因数据的这个分布，也可以去做一个预测，说这样的一个突变，假如在人的这条基因上发生的话，它的致病的风险到底有多大？那么这个方法论实际上也是有文章发表，被证明也是有效的。所以说在这个数据不足的时候，也是有各种各样的这个变通的办法。

那么这个基因治疗就是 AI 基因治疗，我们要考虑哪些维度？实际上我觉得可以考虑的维度也比较多。目前国内的基因治疗还是 focus 在国外已经或者是已经成药的基因靶点，或者说已经是在这个进入临床试验的，尤其是进入临床试验后期的一些这个重要的疾病这些靶点啊。那么这国内的这些公司呢，假如说应用了 AI 以后，这很可能做成说别人已经成药了。那我们在做的时候，你比如说是小分子药或者抗体药，我们做一个 me too、 me better 对吧？但是假如说我们在精准治疗领域，我们完全是可以做成一个什么 me too、 me much better 、me much much better 这样的一个药。因为你应用了 AI 以后，在很多维度上你实际上都是有可能会有所突破的。比如说以AAV为例，那我们需要考虑的维度，就是它的这个这个病毒载体的这个载量能不能提高。

目前这个还是有一个 limitation，这个基因大了以后就装不进去了，那么它的靶向性怎么样？能不能做到一个非常强的靶向性，它的效率怎么样对吧？那么目前AAV的感染的效率还是一个瓶颈。你比如说这种成人的用药，为什么一AAV一针动不动就是上百万美元，它的生产成本是非常高的，因为它的感染的效率太低了。那假如我们通过 AI 我们能够找到一个效率能够提高比如说 100 倍的。那么两百万美元一针，我们是不是理论上可以把它降到 2 万美元一针呢？这个完全都是有可能的。另外那个还一个就是这个怎么样降低它的免疫原型。那么我们在设计的时候主要是考虑这四个维度，就是这个载量、靶向、效率还有免疫原性这四个维度。那我们的 AI 也主要是去在这四个维度里面去做优化。

这一块的话就是我们自己切入这一块的话，就相比较而言，因为刚刚提到过，这一块就要解决了数据问题，算法、算力问题，也都不是什么大问题。相比较而言，这一块已经是进入一个比较好的状态了。比如说这种合成路线设计问题，我们能看得到它设计出来这种产品，其实已经是在陆续之前在市面而还落地了。比如说武汉一家做合成路线设计的一家公司，我们看到他的产品其实在各大公司，比如说恒瑞可能药明康德的这种公司都有在适用了，他那个一线的一些有机合成人员慢慢的都会在适应一些产品，得到一些产业界的肯定了。所以这一块的话技术上如果说 100 分的话，可能已经是超过及格线了，后面我们只是不断地优化的过程，市场已经切切实实为他来买单了。

未来的发展的话，这一块合成往下延伸的话，其实是不亚于这个整个创新药的一个大市场，因为它会涉及到下游的一些医药的产品、医药的中间体，甚至这些精细化工，大化工也是一个非常大的万亿级的一个大市场，不比新药市场大，虽然看起来没有新药那么性感，所以未来的发展的话它一定会是从这种新药路线设计到工艺的这种优化，从小分子这种定制的合成到工艺的优化，大宗的化工产品的生产、工艺优化的话，它会慢慢的往外拓展，只要一个技术一旦通掉，突破了一个技术的临界点的话，它的未来发展空间应该是非常可期的，是不亚于这个整个创新药发展的一个大的市场。

需要的话我觉得可能是我们以前的话AI制药更多是集中在那个一些创新药的发现上面。比如说我们新冠药物的发现好，一些听起来非常非常吸引眼球的一些事情。对于一些这种像合成看起来不是像新药发展的一些核心环节，我们 AI 制药这个大的赛道的话，对她的关注度不太够，无论是资源上的投入，人力的这种投入都不是太够。从公司的数量上我们就看得出来。

做AI制药创新药小分子或者是大分子这种创新药发现的这种公司的话，AI制药公司可能有三五十家，但是真正在做合成相关的公司的话，可能以武汉智化为首的话其实是非常非常少的，除了武汉智化之外，其他公司设点不是很多，希望将来的话整个行业 AI 只要我们整个行业能同仁包括资本更多的来关注这个行业，这个行业其实是远比我们想象的要大得多。这是一个借这个机会的话，要呼吁一下业界对我们进行一些关注。谢谢。好的。

首先回答您第一个问题，对，我之前那个是在德国这家柏林的上市公司在做一个那个精准医疗，加上相关的药研发。因为我们当时研究的主要适应症围绕的是像那个老龄化相关的一些，尤其像阿兹海默、帕金森这些疾病，其实它在机理上面还没有弄清楚。所以当时我们希望是做到一些那个早期诊断，比如说还有就发现一些治病的基因，可以通过一些快速的检测的手段，然后把这些患者或者说那个一些人群找出来。

因为其实主要我们现在像您说的那个做早期药发现，其实只是临床前，它是药物研发的一小步，其实最关键的或者失败率最高的是在临床一二三期，尤其比如说像那个阿茨海默，或者说像非纤维化这样的疾病，其实 99% 的药都是失败的，所以它失败的一个原因是机理没有搞清楚，也就是需要我们在上游的一些诊断方面做得更好。然后这个诊断其实它不光是在最上游，它在最下游。比如说我们说的临床也有非常重要的角色，因为在那个临床一二三期的时候，一期在做安全评估，二期三期更为重要。我们在做这些患者招募的时候，如何去找到去适应做这些临床实验，然后适合吃这一类药的人。也说我们未来希望可以做到是做一个精准医疗和个性化医疗或者精准医药 precision medicine ，所以这是我们当时的愿景。

但是因为那个之前的公司虽然是一家上市公司，然后资金也比较雄厚，但是其实任何一家公司想把上中下游都做到也比较难，然后我之前的合伙人他们是有在伦敦的一些诊所，所以那个他们比较看好的是上游的诊断，然后因为我个人还是那个比较看重中游的这部分。所以跟那个之前的公司谈好了一个买断的协议，然后那个回国做了一个创业。所以大概我们公司之前是这样的一个 vision。

然后刚才您提到的就是现在做新药研发的那个公司，很多大部分公司也集中在这个领域，会不会出现内卷首先我个人不认为会出现一家独大，内卷其实在任何地方都是有的，但很难在短期出现一个一家独大，主要是两个方面的原因。第一个方面的原因其实它是一个商业模式的。比如说做药这个行业其实是一个 ToB 的领域。 ToB 的领域不像刚才您说的特斯拉做汽车的，它直接面对消费者，或者互联网的平台，像我们那个字节跳动，阿里腾讯，它面对的是个人终端，所以其实这个本质上是有差距的。然后像我们刚才提到的难以成药靶点这个家族，比如说它的市场价值有多大呢？像 gpcr 它每年的上市的药物销售额在 3000 亿美金以上，所以其实这个是足够大的一个 ToB 的赛道，可以容纳许多家的这样的biotech 公司pharma公司，一起在这个赛道里生存。然后尤其是在我们国内，其实现在整个中国的医药市场其实还非常不饱和，我们 GDP 其实与医药相关的大概在10%，然后美国这边是在25%，所以是有一个非常大的机会的。所以其实在这个领域里面，它离饱和还非常远，倒不是说大家 AI 制药公司之间会内卷。

其实我们比如说一起在促进的一个领域是整个在做，比如新药研发，还有在做相关的一些 CRO，其实都是在跟一些传统行业的一些巨头或者说非常成熟、非常有经验的一些选手，像上市的这些公司在竞争上市的一些 CRO 头部 CRO 或上市的药企，并且这个竞争其实是未来越来越国际化的，因为现在那个CDE的新的政策也是鼓励大家出海创新。

所以其实 AI 公司给我们国内带来的好处就是说在更大的一个赛道上面，然后参与一些国际竞争。就像段老师说的AI是我们去弯道超车的一个非常好的工具，然后再说一下那个行业内部的内卷，我觉得内卷其实某些程度是一个好事，因为像美国一直是科技内卷最严重的地方。像我们国内互联网行业内卷很严重，所以才有最好的技术，还有最好的公司和最好的人才。所以像在 AI 制药行业也非常开心的，就看到越来越多的公司，而且都是非常厉害的一些大牛创办的，然后让这个整个的行业欣欣向荣。所以就像刚才说的，我们也希望国内可以出现几家那个世界头部的这样的 AI 制药公司，未来也可以成为最大的这些 big pharma。