「幾乎所有的藥物發現和設計過程將在計算機中開始並結束。」英偉達創始人黃仁勳的這句預言，正在成為現實。
處在技術革命與產業轉型交匯點的「AI+醫藥」，已被視為近年最具潛力的黃金賽道之一。
作為這一領域的先行者，AI製藥公司英硅智能正在第三次衝刺港股IPO。5月8日，英硅智能更新招股書，繼續推進港交所主板上市進程，摩根士丹利、中金公司和廣發孖展擔任聯席保薦人。
AI製藥打破傳統藥物研發固有模式，它將海量生物醫學數據和AI技術相結合，能在幾個月內以更低成本完成傳統方法需要多年才能實現的靶點發現和分子設計，甚至探索人類科學家難以想象的新型分子結構和作用機制，為疑難疾病帶來全新治療可能。
生物醫藥與AI技術的結合，在英硅智能的公司架構中也有所體現：創始人兼CEO Alex Zhavoronkov博士是一名計算機科學家，於2014年創立英硅智能，在2021年邀請前葛蘭素史克高管任峯博士加入並於次年推薦他擔任公司聯席CEO。
在雙CEO模式下，公司的研發團隊也是雙線作戰，任峯領導負責藥物管線開發，Alex Zhavoronkov領導負責AI平台開發。
正是這樣的特殊業務模式和充滿想象的發展空間，使投資者給予了其超出生物技術公司的定價範疇，儘管公司現在還未有能進入商業化階段的產品出現，此次遞表前最後的一輪孖展即E輪孖展投後估值達到13.3億美元（約94億人民幣），公司估值較初始階段增長超過20倍。
但在光環背後，是亟待解決的商業困境與尚未驗證的技術價值。
目前，英硅智能不僅自身研發管線尚處於早期階段，且全球範圍內至今尚無一款由AI驅動研發的藥物獲批上市，整個行業仍在「證明自己」的過程中。
英硅智能遞表三次歷經兩年，這是技術範式真正走向落地的前夜，還是資本催熟的又一次「高光兌付」？
1
吸金能力非凡，
但IPO迫在眉睫
自2018年至2022年，英硅智能共進行了7輪孖展，總計約4億美元資金。
投資方不僅包括啓明創投、華平投資、紅杉中國、高瓴資本等知名機構，還引入了復星實業、賽諾菲等產業資本，甚至在D2輪孖展中，沙特阿美旗下的Prosperity7 Ventures也參與了投資，顯示出投資者們對AI製藥領域的濃厚興趣。
身負業界對AI與生物技術的雙重期待，英硅智能分別在2023年6月和2024年3月遞表港交所，但兩次都未能成功。
儘管還未能通過IPO成功募資，今年2月公司又完成了E輪孖展，獲得了由惠理集團旗下的私募股權基金、浦東創投和浦發集團、錫創投和宜興國控聯合領投的1.1億美元資金。
多輪孖展後，英硅智能的創始人Alex Zhavoronkov股權被大量稀釋，目前其僅持有公司約9.21%的股份。
與吸金能力同樣驚人的是英硅智能的資金消耗速度。
根據最新的招股書數據，2022年、2023年和2024年，公司分別錄得虧損2.22億美元、2.12億美元和0.17億美元，三年累計虧損金額已超過30億人民幣。儘管2024年的虧損幅度有所收窄，但其財務壓力依然不容小覷。
截至2024年12月31日，英硅智能的現金及現金等價物僅剩1.26億美元，相較於2023年底的1.77億美元下降近30%。
按照當前資金消耗速度，即便不考慮業務擴展與昂貴的臨床試驗費用，該現金儲備也僅能支撐公司不足兩年的運營。
與此同時，公司負債水平較高，2024年流動負債淨額高達6.8億美元，同期流動比率從2022年的32.1%降至2024年底的16.5%。
英硅智能的債務結構中，以公允價值計入損益的金融負債佔據了極高的比例，公司絕大多數負債並非傳統貸款，而是來自各輪孖展未轉換的優先股。2022年至2024年分別達到6.49億美元、7.75億美元和7.66億美元，連續三年佔總負債比例超過90%。
由於這類優先股具備贖回權、轉換權等複雜條款，按照國際財務準則，它們必須作為金融負債入賬，並隨公司估值波動定期重估。估值上漲時，反而會推高負債並計入當期損失，從而放大了賬面虧損。
這一結構在早期生物科技公司中並不罕見，但英硅智能對這類優先股孖展結構依賴程度高於多數同業。對一家尚未建立穩定現金流、仍需持續投入研發的企業而言，無疑加劇了其財務脆弱性。
另外值得注意的是，E輪孖展發行的是可轉換、可贖回優先股，這意味着投資者不僅可以在IPO成功後選擇轉換為普通股，還可以在特定條件下行使贖回權。
根據招股書中的相關條款，一旦IPO未能在18個月內完成，或者申請被退回、撤回，優先股持有人將有權要求公司進行贖回。
可以見得，英硅智能發起的第三輪IPO衝刺更具有緊迫性，以應對潛在資金鍊斷裂與優先股贖回壓力，否則公司不僅將承受清償壓力，更可能被迫削減核心研發投入，進而動搖其長期競爭力。
2
營收快速增長，
但收入結構不穩
積極尋找外部孖展的同時，英硅智能積極拓展業務模式，目前其業務包括三大板塊：藥物發現及管線開發、軟件解決方案及與非製藥領域相關的其他發現。
技術核心是其自主研發的Pharma.AI平台，這一平台融合了四大關鍵技術模塊，覆蓋了藥物研發的全流程：用於靶點發現的Biology42、小分子藥物設計的Chemistry42、臨床開發預測的Medicine42以及科研輔助的Science42。
這種端到端的AI解決方案，被認為是英硅智能區別於其他AI製藥企業的關鍵優勢。
最新招股書顯示，2022至2024年英硅智能的收入持續增長，分別為3014.7萬美元、5118萬美元及8583.4萬美元，收入年複合增長率為69%。
同期，公司的盈利能力逐步增強，2022至2024年毛利率分別為63.4%、75.4%、90.4%。對此，公司解釋稱為里程碑付款增加。
在生物醫藥領域，藥企之間的合作常常通過「授權許可」的方式進行，小型初創公司將早期研發的藥物候選分子授權給大型藥企，共同推進臨床試驗、生產與商業化。
授權許可交易中常設有「里程碑付款」條款，即被授權方在達到特定研發或商業化階段里程碑後，向授權方支付預定金額。
目前，英硅智能成功與賽諾菲、Exelixis、美納里尼等國際藥企達成多項授權合作，是其技術與能力得到行業巨頭認可的體現。
然而，根據SRS Acquiom的研究，過去9年中，全球製藥業中有超過60%的里程碑未能達成。這意味着，儘管協議中約定了高額的里程碑付款，實際到賬金額可能遠低於預期。
以英硅智能近期的授權許可交易為例，2025年1月其與美納里尼集團達成授權協議，授權一款AI輔助發現的臨床前抗腫瘤小分子藥物。該交易總額逾5.5億美元，但首付款僅為2000萬美元。
又例如英硅智能與Exelixis於2023年9月達成了一項全球獨家許可協議，授權Exelixis開發和商業化其AI設計的USP1抑制劑ISM3091，根據協議條款，英硅智能獲得了8000萬美元的預付款。
直到2024年12月，英硅智能才基於ISM3091項目在臨床階段取得的進展，從Exelixis處獲得首筆總計金額為1000萬美元的臨床里程碑付款。
根據最新招股書，目前英硅智能的收入結構展現出高度依賴藥物發現及管線開發的特點，2022年至2024年該業務貢獻收入佔總收入的95%、93.4%，以及92.9%。
而這方面業務又對藥物開發進展和授權付款依賴顯著，且收入大多來自少數被授權權方即客戶：2024年來自前五大客戶的收入佔比合計超過90%。
目前，英硅智能的所有候選產品都處於較早期階段，考慮到新藥研發普遍存在的高失敗率以及目前製藥業快速變化的形勢，一旦臨床試驗受阻或授權合作變動，這種單一且集中的收入結構充滿不確定性。
3
AI製藥中的AI，
到底值多少錢？
英硅智能最引以為傲的是AI助力大幅縮短藥物發現流程並降低開發成本，近年來研發出一款成功藥品的難度日益增加，傳統藥物研發成本已經遠超「耗時10年、花費10億美元」定律，因此這也是AI製藥概念最為吸引人的地方。
當前，公司進展最快、最具代表性的藥物管線是其針對特發性肺纖維化（IPF）的候選藥物ISM001-055，這款明星候選產品也被稱為 Rentosertib。
該藥物由英硅智能的AI平台Pharma.AI全程驅動，從靶點發現到首次人體臨床試驗的快速推進僅耗時18個月，研發成本約260萬美元，而相同過程傳統藥物研發需約4.5年時間和數千萬美元成本。
Rentosertib被業界認為是「首個由AI發現的具有全新靶點和新分子結構的候選藥物」，根據弗若斯特沙利文的資料，這一資產是同業公司中最先進的研發項目：Rentosertib現已完成中國的臨床IIA期試驗，初步數據顯示其在安全性和關鍵生物標誌物方面表現良好。
然而，臨床IIA期在藥物研發的漫長過程中仍處於相對早期階段，製藥行業有超過80%的藥物在II期後未能進入III期，即使晉級III期的藥物仍有近40%面臨失敗風險，這一「死亡谷」是所有制藥公司、以及都必須面對的挑戰。
圖 / 攝圖網，基於VRF協議除Rentosertib外，公司的其他在研產品大多處於臨床前或概念驗證階段，距離商業化還有一段距離。
英硅智能宣稱其AI平台已生成超20項臨床或IND階段資產——和很多AI製藥公司一樣，英硅智能以管線廣度來彰顯其平台效率，涵蓋從腫瘤、纖維化到傳染病等多個治療領域。
但對於製藥行業而言，更重要的指標是成功率而從來不是早期候選藥物的數量。
簡言之，英硅智能需要至少一條核心管線成功跨越臨床III期並獲批上市，才能真正驗證其AI驅動藥物發現的商業價值。
然而，全球範圍都內尚無成功的AI驅動成功研發出藥品的案例，甚至連AI製藥管線進入臨床的還不夠多，現有的失敗案例還都不足以判斷AI製藥對臨床試驗成功率的影響。
英偉達投資的AI製藥明星公司Recursion近日宣佈削減近一半的研發管線，以聚焦資源在關鍵領域，再次引發市場對AI製藥能力的疑慮。
從行業發展角度看，AI是個巨大的變量，大模型在新分子生成領域有成為行業顛覆者的潛力，但是依託現在的數據能否生成理想的大模型還不得而知。
圖 / 攝圖網，基於VRF協議更重要的是，優質的藥物研發數據多掌握在大型藥企手中，容易形成「數據孤島」，每家藥企從頭生成高質量的數據也需要時間，最終限制了AI模型的訓練效果。
在技術狂熱與資本退潮之間，在商業宣傳與科研突破之間，英硅智能和整個AI製藥行業還需要用真實的藥物療效和商業成功來回答市場的質疑。
畢竟，在生命科學領域，最終的裁判不是資本估值，而是臨床效果和患者獲益。
*文中題圖來自：界面新聞圖庫。