2021年，AlphaFold给生物医药带来巨大震撼，几乎成为中国AI制药创业的分水岭。
根据智药局监测，2021年国内有超30家AI公司成立，接近市场上所有公司的三分之一。
如果说在此之前AI制药公司以计算或科研出身的创始人是主流，整体偏年轻，那么在这次创业潮中，则出现了不少老练的身影。
他们有着对药物研发流程的深度理解，对业务的精准把握，以及资源整合的能力，当他们开始手握AI模型这样的“利器”，自然而然受到市场的欢迎。
近日，智药局对话腾迈医药创始人、CEO何骑，他向我们阐述了他的创业历程以及对AI制药的看法。
作为在中美两地高科技行业摸爬滚打20多年的老兵，何骑本人的从业经历非常丰富，曾在中美两地担任多家跨国公司、知名投资机构、战略咨询公司高管。
同样，他也是一名连续创业者，2016年何骑发起并参与创办了和铂医药，几年后又参与创办创新药企高诚生物。
2021年，他开启了又一次创业——AI+新药研发公司腾迈医药。并非计算背景出身的他，坚定地选择了用AI重塑新一代药物研发基础设施。
本次专访嘉宾：腾迈医药联合创始人、CEO 何骑
当前生物医药还未从寒冬中走出，最明显的是近两年AI制药创业公司的数量降至个位数。但何骑认为，从整个行业的接受度而言，AI+新药研发的热度实际在上升。
创办腾迈2年多里，何骑不断见证了AI算法和物理模型在药物研发中的迭代，这些进步是惊人的。
也正是看到这些进步，他期待人工智能落地会有越来越多的场景。
和很多该赛道的创始人一样，何骑真正对人工智能重视起来也是因为AlphaFold的出现。
AlphaFold以原子级别的精度刷新了人们对于蛋白质结构预测的认知，也打开业界对其的想象力，当时整个工业界都在讨论AlphaFold。
但更让何骑受到触动的，2021年年初，他的好友Lanny Sun（孙沛琪）创办的一家计算药物发现公司Silicon Therapeutics（硅康医药），成功被英国知名药企Roivant Sciences以总额约20亿美金的价格收购。
“这两件事情让我觉得，无论是技术层面还是商业化路径方面，以计算和人工智能为主的工具已经在业界获得了巨大的成功。经过各种调研，我确定计算和人工智能为药物研发带来良好的提升，所以创业的时机到了。“何骑回忆道。
2021年末，何骑和孙沛琪共同发起创办了腾迈医药，其中团队不少来自于Silicon Therapeutics。
随后，曾经在纽约著名的D.E. Shaw Research任职多年的科学家Albert Pan博士作为CTO加入公司，负责分子动力学模拟技术以及AI算法的开发。美国知名AI制药公司Relay therapeutics的成立，离不开D.E. Shaw Research的大力支持。
公司的首席医学官Steve Swan，曾任英国AI制药上市公司Exscientia的药物化学副总裁，也曾经在Silicon Therapeutics担任过要职。
如今，腾迈医药规模迅速壮大，已经在中美两地拥有超过350人的团队，计算团队主要分布在纽约，波士顿和苏州，提供化学合成和生物学测试的湿实验团队则位于上海、苏州两地。
在设计公司架构时，何骑表示：“在AI应用于生命科学的领域，我们还是得承认美国有一定领先优势。所以我们核心计算团队主要建立在美国，公司和薛定谔以及D.E. Shaw Research、Roivant等在同一个街区，目前，我们的通量和精准度已经比肩海外最顶级的公司。”
基于创始团队以及首席技术官Albert Pan博士在分子动力学方面的造诣，腾迈医药首先打造的是用于物理学建模、分子动力学模拟的计算平台，这也是腾迈医药的核心技术。
尽管人工智能的潜力已经开始出现，但在实际的预测模型中受限于数据的缺乏，AI模型预测结果准确度仍然有待提升。
实际应用场景下，基于第一性原理的分子动力学模拟不需要数据训练算法，可以直接对AI设计产生的化合物结构进行亲和力预测。
“物理学模型对算力的要求会更高，我们已经在中美两地部署了算力集群，目前已经完全可以支撑我们的业务需求。”他补充道，“当然我们的平台也集成了很多AI模型，包括多个分子生成模型，在大规模筛选中也会用到AI技术辅助高通量筛选，要不然这个过程耗费的算力和时间都太高了。”
何骑告诉智药局，公司创立初期，他几乎没有任何纠结就确定了商业模式：腾迈医药是一家提供平台和服务的公司，不开发自研管线。
不少AI制药公司早期都会纠结搭建平台还是做管线，但是以何骑多年来的从业经验来看，人工智能对于服务平台的提升力可能会更大。
平台在服务的过程中可以累积相当多的数据和项目经验，从而吸引更多的客户，实现“数据+商业”的双飞轮驱动。
但以计算和人工智能驱动的新一代CRO，和传统CRO的核心区别是什么？
他表示，传统CRO很少专注于新计算方法的开发，都是用一些成熟的工具来提供计算方面的服务。事实是，AI+新药研发赛道的发展日新月异，计算和人工智能发挥的效用越来越大，这样的趋势下如果不紧跟时代浪潮则很容易掉队。
“我们一直密切追踪AI制药的前沿进展，包括DeepMind发布的新一代AlphaFold3，已经能从蛋白质结构预测进化到了蛋白质复合物结构的预测，业界开源的新模型我们也会第一时间研究其效果，看能不能帮助平台有进一步的提升。”
对技术的关切也反映到腾迈的平台中，何骑表示，公司技术平台每3-6个月就有一次算法迭代，这是传统CRO几乎难以想象的迭代速度。
在何骑看来，人工智能赋能的CRO的竞争优势在于：它能将计算化学家或者应用化学家的支持，和湿实验服务打包提供给客户，让客户在没有增加额外的成本的情况下，可以使用AI模型和物理计算方法帮助药物开发。
能提供这项服务的核心是腾迈医药的一站式“干湿实验结合”闭环平台。在AI+新药研发赛道，通过“高通量干湿实验室循以积累高质量标准化数据”，几乎成为新一代初创公司的标配。
就连投资人也对智药局称，他们不仅看重企业是否有干湿实验室，更重要的是两者如何深入融合创造价值。
对此，何骑也表达了自己的观点：“很多人认为建设干湿试验结合的平台就是将计算工具和湿实验的化学交付和生物学测试粘贴到一起，然后将收费模式做一些优化，我觉得这个理解其实并不全面。”
腾迈首先确定了平台的用户不仅仅是计算专家，也包括药化专家。对于药化专家而言，他们首先关注的是分子的各项数据是否达到预期，然后快速合成和优化。更关键的是，优化的过程通常涉及多个成药性性质，这个过程不是线性的，而是复杂且并行的。
他解释道：“简单的理解就是， ‘干湿实验闭环’ 不是简单串联的过程，而是既串联又并联，很多时候这边的实验结果没有出来，研发人员又有新的合成和测试需求，或者优先级有变化，场景更加复杂。”
也就是说，尽管很多传统的包括开源的工具的确能够对药物开发有所提升，但是数据却无法在各模块之间丝滑流转，甚至需要手动传输，很难帮助研发人员做出高质量决策。因此，腾迈认为“干湿实验闭环”必须强调以数据为中心的计算模块之间的工作流。
针对这项痛点，腾迈医药开发了TandemViz™，它集成了包括高通量筛选，小分子生成式AI、ADME/T预测工具等多个计算模块，并且将干湿数据高效地整合到一个界面。用户仅通过浏览器页面，即可在电脑，平板，甚至在手机上随时查看干湿实验结果，快速做出评估和调整。
“传统CRO很少提供干实验的过程，但实际上药物分子的化合物空间非常大，我们希望的是通过各类计算工具，最终把干实验的占比进一步提高，帮助客户节省时间和成本。”
何骑表示，目前腾迈医药的大约三分之二的客户仍然来自于海外，美国客户对于AI赋能药物研发的接受度更高。
同时，国内的客户也越来越重视人工智能和物理模型在药物研发中的作用，尤其是涉及到新药立项或者开发下一代创新药的时候。
“我们一直以来的初心都是希望为中国的客户带来高阶计算工具，助力国内创新药的崛起。”何骑说。
—The End—