2022年12月28-30日，启明创投CEO云端峰会周成功举办。这场持续十四年的盛会由启明创投主办，旨在为CEO们提供一个充分交流探讨的机会与平台，共同见证技术与创新的先锋力量，探讨在巨大的变局面前的机会与挑战，同时对未来的方向与趋势进行展望。

今年CEO云端峰会周的主题是“重启增长”。讨论议题涉及到科技及消费、医疗健康等领域，重点关注创新创业、战略决策、研发策略与管理、运营管理、团队建设、融资、可持续发展、出海等。

1位外部重磅嘉宾，启明创投的13位投资人、13位投资企业家，围绕上述议题展开深入探讨。

由端到端人工智能驱动的临床阶段生物技术公司英矽智能，已经获得了国内外知名基金的多轮投资，并在2022年发现了8个临床前候选化合物。英矽智能近期与赛诺菲达成重磅战略研究合作，并升级旗下Pharma.AI人工智能药物研发平台，进一步证明了AI赋能新药研发的能力。

启明创投合伙人陈侃与英矽智能联合首席执行官兼首席科学官任峰回顾了公司的前期积累和爆发的历程。任峰表示，作为一家人工智能和药物研发并重的公司，英矽智能正不断迎来新的里程碑。

任峰指出，对后来的IT和BT交叉公司而言，上一家公司成功的模式很多时候不能复制。“我希望后来的公司能专注于自己的独特的技术平台，要做到专注，把技术平台做到极致，我觉得总有机会可以在项目和对外合作上证明自己。“任峰强调，AI制药的赛道还在初级阶段，竞争道路还很长，各公司应该专注于将技术平台做到极致，未来大家都有机会胜出。

以下为速记全文：

陈侃：英矽智能是启明创投投资的一家总部在香港，研发中心在上海的生物医药企业。任博加入英矽智能之前是在美迪西，再之前有10多年在GSK的经验，博士毕业于哈佛大学化学系。首先我想借这个机会恭喜任博和英矽智能，最近刚刚和赛诺菲达成了总价值12亿美元的大合作。我相信这是国内AI制药公司能够达成的最大合作，在全世界也是能够排得上号的。任博能不能跟大家讲一下这个合作的更多情况。

任峰：跟赛诺菲的合作是我们近期刚签的一个战略合作，主要内容是我们会和赛诺菲从早期的靶点发现，一直到临床前候选化合物，进行不超过6个靶点的合作。充分利用英矽智能在人工智能方面的专长，以及赛诺菲在生物学、化学等方面的强大技术人才支持，结合双方的优势，共同把项目推进到临床前候选化合物阶段。合作总金额是12亿美元，预付款是2150万美元，这是国内的AI和跨国药企签的最大合作，在国际上也是数得上的。

陈侃：我记得之前公司跟复星也达成了一个比较大的合作，两次的合作的模式有哪些不同或者类似之处？

任峰：这两次的合作模式都是类似的战略合作，除了项目上的战略合作之外，复星当时希望能参与英矽智能的C轮融资，对英矽智能做了非常详细的尽调，非常认可英矽智能的技术平台，又看到了我们其中在研的一个项目QPCTL-针对CT47一个全新的小分子靶点。既然又认可我们的技术平台，又认可我们的项目，为何不做一个大的战略合作呢？于是我们讨论了一个战略合作，QPCTL由英矽智能和复星来共同开发，同时英矽智能又利用自己的平台，帮助复星开发四个额外的项目，从早期的靶点发现一直做到PCC(临床前候选化合物)。所以总共是五个项目，首付款也是1300多万美元。除了战略合作之外，当时复星对英矽智能进行了股权投资。所以那次合作可能比跟赛诺菲的更复杂一点，赛诺菲这次是一个纯粹的项目战略合作。

陈侃：像复星、赛诺菲这样资源丰富的大药厂为什么要和英矽智能合作，而不是自己请计算化学家或者人工智能的软件工程师来做这个事情。为什么大药厂做不了英矽智能做的事情？

任峰：大药厂会有自己很多的内部独有的数据，如果他们请一些人工智能专家过来，很容易从数据上、算法上，理论上来讲做到比较好的水平。但是换一个角度，其实我们认为人工智能赋能新药研发是需要时间的积累的，并不是一蹴而就的事情。

英矽智能成立于2014年，成立之后我们就有一个专业的团队，收集公开的已发表的所有数据，包括组学数据、化合物文献专利的数据、化合物的结构、性质数据等等，我们现在还在持续地做这件事情，这是一个比较长期而且复杂的过程，需要消耗很大的人力、物力。另一方面，数据有了之后，我们有强大的AI团队去帮助我们开发算法，到这里也还只是万里长征走的第一步，下一步要通过项目，包括对外的合作和内部的资源管线去验证算法的优劣性，同时要不断地优化算法，并不是一两年就可以把算法优化好的，需要长时间的积累。

这就是为什么英矽智能从2014年成立之后，我们的人工智能PandaOmics、Chemistry42，在2020年底才正式上线，正式成熟需要很长时间的积累。我认为如果跨国药企想做这件事的话，它也需要不断的时间积累，数据算法是一回事，同时要经过不断的项目的验证，把算法不断地优化，这样才能真正地提高命中率，提高命中率之后才是AI真正赋能新药研发的点。AI之所以能赋能新药，比如降低成本、提高效率，就是因为它可以降低很多的试错成本，因此里面最重要的一个问题就是提高算法的命中率。

陈侃：现在大家说AI制药已经几乎被完全证明了，但是几年前您加入的时间点，其实大家对AI制药还是有很多怀疑的声音。您作为一个顶尖的药物化学家，经过哈佛训练出来，在GSK这样的传统企业工作过，怎么样下定决心跳进一个未知领域？

任峰：这么多年做药物研发，其实我本身对计算机辅助的药物设计是非常感兴趣的。当年在GSK的时候，我们就用了大量的传统的CADD(计算机辅助药物设计)方式，去帮助我们设计化合物。因为作为传统的药物化学家，有很多人是不相信CADD能帮助药物设计的。我是非常坚定的CADD支持者，当时在设计化合物的时候，我就要求我们组里的药物化学家，通过用MOE软件自己做分子对接，我本身是很相信计算机是可以辅助药物设计的，但是我在GSK的时候， AI还不是很成熟，所以大家更多的是用传统的CADD方式。

后来我从GSK离开之后加入了美迪西，一直作为服务方去帮助我们的客户设计化合物，提高他们的研发效率。当时我非常相信CADD，我们药物化学团队里面专门配了CADD的团队。当时美迪西这种规模不算太大的CRO，配CADD人员是还是比较奢侈的事情，但是我希望通过CADD帮助我们设计出更好的化合物，尤其是设计完了化合物之后，通过CADD重新进行评估排序，可以减少很多试错成本，所以我一直是计算机辅助设计的坚定拥护者。后来决定从美迪西离开的时候，我希望能介入一些传统的药物研发所不能做的领域。因为小分子的药物研发陷入了倒摩尔定律，就是研发投入越来越大，但是产出回报率越来越低的怪圈。之所以是这样，我觉得是因为从传统靠人工经验，靠药物化学家经验来设计小分子化合物来做药物研发，可能有很大的局限性，需要有新技术来解决这一问题。我觉得人工智能是之后发展的方向。因为数据积累得比较多，算法也比较成熟，GPU算力也不成问题，人工智能赋能新药研发的所有外部条件都已经具备了，所以就是一个怎么样去发展，怎么样去优化算法，怎么样在项目中证实的过程，这是未来的发展方向。我愿意进入这个领域去做一些尝试。

而且我在加入英矽智能之前，跟我们的创始人Alex有很多次的对话，从第一次的简单对话到后面聊得越来越深入。我也身临其境地去体验了英矽智能PandaOmics、Chemistry42所赋能的项目，发现它确实能设计出来比较新颖的结构。所以我认为英矽智能在人工智能领域是一家靠谱的公司，而且软件可以自己使用，是看得见摸得着的人工智能。所以多种因素加起来，促使了我在2021年初加入了公司。

陈侃：绝大多数药物化学家可能不太相信CADD的作用，您倒是非常开放地一直支持CADD，也包括Deep learning，AI制药。

任峰：以前是药物化学家不相信CADD，现在又进入了一个新情况是CADD不相信AI。

陈侃：对。这是一个很有意思的“鄙视链”。从全世界范围来看，有几十上百家公司都号称用AI来做新药，英矽智能又属于该领域里领先的公司。回顾一下公司的成长经历，英矽智能如何在如此激烈的竞争当中脱颖而出？

任峰：英矽智能从成立到现在，到不久的未来，都一直处在一个努力证明自己的过程。从2014年建立公司开始收集数据，前几年都在积累数据和算法，没有太多的对外合作。在我们积累到一定阶段之后，从2016年开始对外开展合作。但是当时的合作都是比较简单的Fee for service，纯粹的服务型项目。后来在2018年，我们跟药明康德合作，利用AI算法针对DDR1靶点，只用了46天的时间，就找到了针对DDR1的一个小分子化合物，这是前所未有的速度。这次的结果发表在Nature Biotechnology上面。所以英矽智能真正的爆发是从2018年开始，在我们发表那篇文章之后，有越来越多人关注到了英矽智能，我们向人们证明了自己，通过我们独特的算法可以大大地加速新药研发。后来为了让我们的算法被更多人应用，我们发明了三个AI平台，包括PandaOmics - 通过多组学数据来帮助找靶点，覆盖生物学方面；Chemistry42 - 通过生成式对抗网络等其他先进的人工智能技术，帮助设计小分子化合物；inClinico - 以软件化的形式呈现。这从另一个方面证明了我们对自己很有信心，可以让更多用户去使用我们的人工智能平台。

下一步就是如何把人工智能平台落地到项目上，催生了我们第一个进入临床的项目：特发性肺纤维化（IPF）项目。我们在2020年底获得了化合物05非常好的药效数据，2021年提名PCC，2022年进入了临床一期，今年我们将结束临床一期。从刚开始证明平台，到现在通过项目证明平台能落地，且能加速新药研发，再之后的下一步就是让别人来认可我们。今年年初的时候我们跟复星达成了战略合作，首付款1300多万美元，当时在国内是AI和药企间首付最高的一笔合作。今年10月份我们跟赛诺菲的2150万美元打破了我们自己的纪录，不仅证明了我们可以跟国内药企合作，也可以跟跨国公司合作，国内外都认可了我们的能力。

从英矽智能发展历程上来看，我们一直在不断地证明自己，不断地鞭策自己继续往前努力。我们一直不断地更新算法，增加数据量，算法团队也一直在增添不同的功能。今年11月份我们推出了PandaOmics的3.0版本，Chemistry42的2.0版本， inClinico的1.0版本，都比旧版本的功能有大幅提升。我们一直在鞭策自己，因为AI跟IT行业一样更新换代特别快，一不留神就会被其他的先进工具所取代。

陈侃：英矽智能一步步走来是非常扎实的。在这个过程当中，英矽智能遇到过什么样的挑战？公司做了哪些关键的战略决定？

任峰：对AI制药行业来说，首要挑战是没有一个已经成功的商业模式，有的公司注重自己的管线，有的公司注重对外的合作，有的公司以软件业务为主，后来中国AI公司又创造了AI+CRO的模式。哪种商业模式最后会成功，其实到现在还没有一个定论。国外上市的AI制药公司中，Relay专注做自己的管线，Schrödinger专注软件业务， Exscientia专注对外合作，Recursion专注做老药新用。对英矽智能而言，我们没有成功经验可以借鉴，来确定走哪一种商业模式。所以商业模式上如何定义英矽智能，我们一直在讨论和探索之中。但是有一点是肯定的，我们至少目前定位成一个AI赋能的Biotech公司，我们不会做AI+CRO的服务，还是希望双轮驱动，一部分是软件业务，更大一部分是内部的资源管线，这些管线在一定时候可以对外授权。另一方面，我们在发展过程中经历了不少坎坷，我们把自己定义成一个草根公司，英矽智能并非由全世界顶尖的知名院士和教授创立，而是由创始人Alex当年带着一些名不见经传的算法科学家一起打拼过来的。走的每一步都需要通过我们自己实现里程碑。2020年下半年，我们开始进行C轮融资，当时特发性肺纤维化的最终药效模型还没有出来，所以融资的时候也是到处碰壁，大家会说平台听上去挺好，但是落地项目还没有一个到PCC阶段，所以很多投资人对我们不是特别感兴趣。到了2020年12月，我们的药效结果非常好，投资人的态度完全转变，因为我们证明了通过AI做的项目确实可以做到PCC的阶段。所以2020年底之前是我们最煎熬的一段时间。自从C轮融资完成之后，公司的知名度打开了，项目也从PCC一直稳步推进到临床，到现在相对来说，我们需要证明自己的压力就不那么大了。

陈侃：提到融资，英矽智能除了业务发展顺利，融资方面也非常成功，投资者囊括了海内外几乎所有的知名基金。投资人在公司发展过程中起到了什么作用？

任峰：在公司发展过程中，投资人给了我们很多帮助，尤其是早期的投资人，如药明康德，启明创投，创新工场，在我们C轮融资时基本都是全程陪伴，当时陈侃总也在，一起帮助我们确定需要引入什么样的投资人进来，像启明创投。药明康德也帮我们介绍了很多外部投资人，搭起了沟通桥梁，让我们至少有机会向投资人展示我们的平台，如果没有早期投资人的帮助，那我们可能连展示的机会都没有，或者错失了和好的投资人合作的机会。

其次，投资人对我们的帮助不光是在财务或融资上，对公司发展战略和项目推进情况也有很多帮助。因为投资人在生物医药领域见多识广，现在英矽智能还有很多项目是由主要投资人深度参与，有一个委员会看完项目数据之后进行投票，让我们能选出高质量的PCC。另外，投资人在业务拓展上也给了很多支持，启明创投介绍了帮忙更快地推进临床项目的合作等等。投资人对英矽智能的关注和帮助，我觉得是远远大于绝大多数其他生物医药公司的。

陈侃：这些都是我们应该做的。任博有一个非常成功的转型到生物和生物科技的创业经历。对于未来的IT、BT创业者，在Tech+Biotech交叉领域创业的话，您有什么建议？

任峰：目前英矽智能在国内AI赋能的药物研发公司里相对比较出色，这归功于很多原因，包括历史比较悠久，数据和算法积累时间比较长，同时有更多时间去用算法对项目进行验证，有项目推进到了临床，看起来英矽智能远远跑在了国内BT+IT公司的前面，我们也希望持续保持领头羊的态势。

对后面的IT和BT交叉领域的公司，我觉得很多时候是有后发优势的。算法和先进技术的迭代速度非常快，上一家公司成功的模式很多时候无法被复制。我希望后来的公司能专注于自己独特的技术平台，专注把技术平台做到极致，总有机会在项目和对外合作上证明自己。跟国外药企合作的时候，他们看重的往往是技术平台里面最独特的部分，大家都有的他们没法进行判断，但是他们会看有哪些最差异化的技术平台。

因为AI制药现在还处于初级阶段，后面的赛道和竞争道路还很长，并不是说现在处在领先地位，就永远会处在领先地位，所以我希望大家都能专注于自己的技术平台，把技术平台做到极致，最后都有机会胜出。

陈侃：非常感谢任博对未来创业者的中肯建议，希望以后有机会能够跟任博再交流公司的进一步发展。