AI藥物研發(fā)企業(yè)薪酬績(jī)效設(shè)計(jì)策略研究報(bào)告

盛世華研·2008-2010年鋼行業(yè)調(diào)研報(bào)告AI藥物研發(fā)企業(yè)薪酬績(jī)效設(shè)計(jì)策略研究報(bào)告內(nèi)容目錄TOC\o"1-3"\u一、前言 3二、AI藥物研發(fā)行業(yè)發(fā)展分析及趨勢(shì)預(yù)測(cè) 32.1發(fā)展歷程與發(fā)展現(xiàn)狀 32.1.1發(fā)展歷程 32.1.2目前發(fā)展現(xiàn)狀 52.1.3現(xiàn)有競(jìng)爭(zhēng)格局 52.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢(shì)分析 62.2.1市場(chǎng)規(guī)模 62.2.2融資能力 62.2.3在研產(chǎn)品 72.2.4市場(chǎng)主體 102.2.5存在的問題 112.2.6發(fā)展趨勢(shì) 112.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來(lái)“智藥”新機(jī)遇 122.3.1“智藥”成為藥企新寵 122.3.2多家大型藥企嘗鮮“AI+” 132.3.3仍有發(fā)展痛點(diǎn)待解決 142.3.4藥企加速布局AI制藥 142.3.5主要行業(yè)觀察和趨勢(shì) 16（1）基于AI的生物學(xué)建模和靶點(diǎn)發(fā)現(xiàn) 16（2）利用AI破解結(jié)構(gòu)生物學(xué) 17（3）使用AI開發(fā)小分子藥物 18（3）超越小分子的人工智能驅(qū)動(dòng)藥物設(shè)計(jì) 182.4AI輔助藥物研發(fā)的新興趨勢(shì) 202.4.1人工智能和機(jī)器人化實(shí)驗(yàn)室 202.4.2利用AI解決臨床試驗(yàn)瓶頸 212.4.3CRO領(lǐng)域的人工智能 222.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律” 232.5.1加速建立“AI藥研朋友圈” 232.5.2AI打破“雙十定律” 242.5.3將藥物在人體內(nèi)精準(zhǔn)遞送 252.6大型藥企在AI藥物研發(fā)進(jìn)展趨勢(shì) 262.6.1大型藥企整合AI進(jìn)入藥物開發(fā)流程 272.6.2與信息技術(shù)公司合作建立內(nèi)部AI專業(yè)技術(shù) 272.6.3通過并購(gòu)AI驅(qū)動(dòng)生物技術(shù)公司快速獲得AI技術(shù) 272.6.4與AI驅(qū)動(dòng)生物技術(shù)公司合作以識(shí)別靶點(diǎn)、共同開發(fā)藥物 292.6.5AI驅(qū)動(dòng)生物科技公司發(fā)展趨勢(shì) 292.6.6AI技術(shù)在臨床上的轉(zhuǎn)化 30三、AI藥物研發(fā)企業(yè)薪酬績(jī)效設(shè)計(jì)策略 303.1要明確薪酬設(shè)計(jì)的三個(gè)基本原則 303.1.1公平原則 303.1.2成本原則 313.1.3合力原則 313.2薪酬績(jī)效具體設(shè)計(jì)方法 323.2.1薪酬機(jī)制的基本框架 323.2.2薪酬機(jī)制具體設(shè)計(jì)步驟 32（1）明確各崗位薪資總額 32（2）確定底薪、績(jī)效考核工資、分紅比例等。 323.3薪酬機(jī)制的注意事項(xiàng) 353.3.1工資不宜頻繁變更 353.3.2考核工資不是一成不變的 353.3.3太陽(yáng)底下發(fā)工資 353.3.4不能直接從原有底薪中拿錢考核 363.4把固定工資調(diào)整為績(jī)效考核和提成？ 363.4.1管理層用KSF薪酬績(jī)效模式 363.4.2普通員工用提成制（或提成+KSF） 373.4.3以一餐廳廚師長(zhǎng)的薪酬模式為例 373.5醫(yī)藥企業(yè)薪酬績(jī)效設(shè)計(jì)策略 383.5.1市場(chǎng)定位與內(nèi)部公平性 383.5.2與績(jī)效緊密掛鉤 393.5.3激勵(lì)長(zhǎng)期績(jī)效 393.5.4個(gè)性化與差異化設(shè)計(jì) 393.5.5透明與溝通 393.5.6合法合規(guī) 393.5.7定期評(píng)估與調(diào)整 39四、AI藥物研發(fā)企業(yè)《薪酬績(jī)效設(shè)計(jì)策略》制定手冊(cè) 404.1動(dòng)員與組織 404.1.1動(dòng)員 404.1.2組織 414.2學(xué)習(xí)與研究 414.2.1學(xué)習(xí)方案 424.2.2研究方案 424.3制定前準(zhǔn)備 434.3.1制定原則 434.3.2注意事項(xiàng) 444.3.3有效戰(zhàn)略的關(guān)鍵點(diǎn) 454.4戰(zhàn)略組成與制定流程 474.4.1戰(zhàn)略結(jié)構(gòu)組成 474.4.2戰(zhàn)略制定流程 484.5具體方案制定 494.5.1具體方案制定 494.5.2配套方案制定 51五、AI藥物研發(fā)企業(yè)《薪酬績(jī)效設(shè)計(jì)策略》實(shí)施手冊(cè) 525.1培訓(xùn)與實(shí)施準(zhǔn)備 525.2試運(yùn)行與正式實(shí)施 525.2.1試運(yùn)行與正式實(shí)施 525.2.2實(shí)施方案 535.3構(gòu)建執(zhí)行與推進(jìn)體系 535.4增強(qiáng)實(shí)施保障能力 545.5動(dòng)態(tài)管理與完善 555.6戰(zhàn)略評(píng)估、考核與審計(jì) 56六、總結(jié)：商業(yè)自是有勝算 56一、前言同樣的工資，別人家的員工拼命干，你家的員工拖著干。這就是薪酬績(jī)效激活員工自驅(qū)性后，帶來(lái)的組織變化。那么，怎么設(shè)計(jì)合理的薪酬績(jī)效，不僅能夠激活員工工作動(dòng)力，而且還能合理控制公司成本呢。下面，我們先從AI藥物研發(fā)行業(yè)市場(chǎng)進(jìn)行分析，然后重點(diǎn)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(duì)這些信息的了解與把控，將上升到一個(gè)新的臺(tái)階。這將為您經(jīng)營(yíng)管理、戰(zhàn)略部署、成功投資提供有力的決策參考價(jià)值，也為您搶占市場(chǎng)先機(jī)提供有力的保證。二、AI藥物研發(fā)行業(yè)發(fā)展分析及趨勢(shì)預(yù)測(cè)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(shù)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(chǔ)能力的不斷完善，AI技術(shù)開始逐步向醫(yī)療中的藥物研發(fā)領(lǐng)域滲透。目前，整個(gè)行業(yè)還處于發(fā)展的初期。早在上世紀(jì)80年代，默克公司就開始通過計(jì)算機(jī)輔助來(lái)設(shè)計(jì)藥物，美國(guó)《財(cái)富》雜志還對(duì)其進(jìn)行了專題報(bào)道，稱之為“下一次工業(yè)革命”，其中的三維定量構(gòu)效關(guān)系分析、分子對(duì)接、分子動(dòng)力學(xué)模擬等計(jì)算手段（也已與時(shí)俱進(jìn)）如今依然在為藥物發(fā)現(xiàn)提供著服務(wù)。只是隨著計(jì)算機(jī)技術(shù)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(lǐng)域的融合。從時(shí)間上來(lái)說，AI技術(shù)真正應(yīng)用于藥物研發(fā)的時(shí)間不算長(zhǎng)：2013-2015第一個(gè)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(kuò)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(dòng)試點(diǎn)合作，并進(jìn)行小規(guī)模投資。然而，只有少數(shù)市場(chǎng)參與者相信這項(xiàng)技術(shù)。2016-2017迷茫到2016年至2017年，之前的一些試點(diǎn)項(xiàng)目失敗了，人們對(duì)AI提出了質(zhì)疑。最著名的當(dāng)屬IBM的WatsonAI醫(yī)生的失敗。但同時(shí)，一些AI創(chuàng)業(yè)公司的技術(shù)也開始在實(shí)際應(yīng)用中得到檢驗(yàn)。2018市值增長(zhǎng)到2018年至2019年，事實(shí)開始證明一部分早期投資者的遠(yuǎn)見，有一些AI技術(shù)公司對(duì)合作藥企交付了研究結(jié)果。早先藥企與AI公司相關(guān)的合作、投資和并購(gòu)開始產(chǎn)生回報(bào)。我們期待看到專注于AI藥物發(fā)現(xiàn)子領(lǐng)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(zhì)量的過渡從AI相關(guān)合作、投資和并購(gòu)的數(shù)量，向質(zhì)的收獲轉(zhuǎn)變的重要里程碑。之前進(jìn)行的研究的第一批實(shí)踐驗(yàn)證出現(xiàn)。成為最成功的AI制藥公司的競(jìng)爭(zhēng)大幅增加。2020-2021激烈競(jìng)爭(zhēng)到了最近幾年，幾乎所有的大型制藥公司都已經(jīng)關(guān)注了AI技術(shù)，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(diǎn)從而展開布局。同時(shí)，AI技術(shù)公司之間的競(jìng)爭(zhēng)也開始逐漸加劇。2022-2023基于平臺(tái)的藥物設(shè)計(jì)領(lǐng)先的制藥公司將向"基于平臺(tái)的藥物設(shè)計(jì)(Platform-basedDrugDesign)"邁進(jìn)。全面的研發(fā)和商業(yè)基礎(chǔ)設(shè)施的出現(xiàn)，使端到端人工智能驅(qū)動(dòng)的藥物開發(fā)成為可能。2.1.2目前發(fā)展現(xiàn)狀A(yù)I技術(shù)在藥物研發(fā)的靶點(diǎn)發(fā)現(xiàn)—藥物發(fā)現(xiàn)—臨床前實(shí)驗(yàn)及臨床試驗(yàn)—上市后管理等各個(gè)階段均有應(yīng)用。根據(jù)速石科技的統(tǒng)計(jì)，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(duì)于藥物發(fā)現(xiàn)的合作需求，包括大量的靶點(diǎn)及生物標(biāo)記物的選擇與確定需求、中量的先導(dǎo)化合物確定的需求、少量的構(gòu)效關(guān)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(duì)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(yù)測(cè)治療結(jié)果、數(shù)據(jù)分析、精準(zhǔn)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(jìng)爭(zhēng)格局近年來(lái)，中國(guó)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(guó)AI制藥融資規(guī)模達(dá)12.36億美元，同比增長(zhǎng)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(guó)AI藥物研發(fā)實(shí)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(jìn)入到臨床一期。但由于技術(shù)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(chǎng)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(tái)、算法和數(shù)據(jù)的優(yōu)勢(shì)切入行業(yè)：（1）IT巨頭：我國(guó)IT巨頭依托其AI模型和平臺(tái)優(yōu)勢(shì)，以對(duì)外投資、自建AI藥物研發(fā)平臺(tái)和提供算法服務(wù)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(xué)習(xí)算法、數(shù)據(jù)庫(kù)和云計(jì)算，打造的AI驅(qū)動(dòng)藥物臨床前研究開放平臺(tái)，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(dǎo)合作，共同設(shè)計(jì)完成了首個(gè)經(jīng)實(shí)驗(yàn)驗(yàn)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(guó)AI新藥研發(fā)企業(yè)依托其算法和數(shù)據(jù)優(yōu)勢(shì)，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應(yīng)用場(chǎng)景。技術(shù)上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術(shù)壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關(guān)鍵的競(jìng)爭(zhēng)要素，AI藥物研發(fā)所需的高價(jià)值數(shù)據(jù)多源于其智能實(shí)驗(yàn)室。（3）我國(guó)大型藥企：主要通過自建團(tuán)隊(duì)和業(yè)務(wù)合作兩種方式進(jìn)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(wù)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(shì)彌補(bǔ)AI藥物研發(fā)企業(yè)的不足。近年來(lái)，國(guó)內(nèi)大型藥企紛紛布局其中，如藥明康德與InsilicoMedicine合作進(jìn)行的化合物篩選等。2.22022-2023年AI藥物研發(fā)現(xiàn)狀及趨勢(shì)分析AI藥物研發(fā)是將機(jī)器學(xué)習(xí)（MachineLearning）、自然語(yǔ)言處理（NaturalLanguageProcessing）及大數(shù)據(jù)等人工智能技術(shù)應(yīng)用到藥物研發(fā)各個(gè)環(huán)節(jié)，進(jìn)而促進(jìn)新藥研發(fā)降本增效。目前主要應(yīng)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(yīng)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(chǎng)規(guī)模全球AI藥物研發(fā)保持增長(zhǎng)態(tài)勢(shì)，北美是全球AI藥物研發(fā)最大市場(chǎng)，美國(guó)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(chǎng)北美地區(qū)占比最大，亞太地區(qū)排名第三，預(yù)計(jì)全球AI藥物研發(fā)市場(chǎng)規(guī)模將在2025年達(dá)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(guó)，英國(guó)和歐盟分別占據(jù)12.5%和13.4%，亞洲大約12.8%，其中中國(guó)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(lái)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(guó)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(guān)融資總事件達(dá)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(jì)77起，總金額共計(jì)45.6億美元的融資情況呈現(xiàn)雙雙上漲的態(tài)勢(shì)。其中，美國(guó)AI藥物研發(fā)融資事件71起、中國(guó)43起，其他國(guó)家和地區(qū)30起，投融資活動(dòng)主要活躍在中國(guó)、美國(guó)和歐洲。圖表12016-2022年全球和中國(guó)AI藥物研發(fā)領(lǐng)域投融資情況

來(lái)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(lái)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(yàn)和藥品銷售的各個(gè)階段。其中布局最多的環(huán)節(jié)是先導(dǎo)化合物的設(shè)計(jì)優(yōu)化合成，其次是化合物篩選、靶點(diǎn)發(fā)現(xiàn)和藥物重定位，晶型預(yù)測(cè)、劑型設(shè)計(jì)環(huán)節(jié)布局的公司相對(duì)較少。目前，國(guó)內(nèi)AI藥物研發(fā)領(lǐng)域中小分子化合物虛擬篩選，新靶點(diǎn)發(fā)現(xiàn)以及藥物優(yōu)化設(shè)計(jì)和藥物重定向是目前較為熱門的方向。國(guó)內(nèi)外還暫無(wú)利用AI技術(shù)實(shí)現(xiàn)新藥上市的成功案例。圖表8中國(guó)AI藥物研發(fā)各領(lǐng)域分布情況來(lái)源：BiopharmaT從在研AI藥物產(chǎn)品聚焦疾病領(lǐng)域來(lái)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(lǐng)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(lǐng)域，個(gè)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(lái)聯(lián)合研發(fā)的LY-CoV555，AITherapeutics與耶魯大學(xué)合作開發(fā)LAM-002管線等。LY-CoV555是全球首個(gè)進(jìn)入臨床階段的新冠病毒中和抗體，并于2020年11月獲美國(guó)FDA的緊急使用授權(quán)（EUA）。圖表：全球AI藥物研發(fā)集聚領(lǐng)域來(lái)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(jìn)程來(lái)看，美國(guó)在全球AI藥物管線布局上仍占主導(dǎo)，截至2022年6月，全球共有26家AI藥物研發(fā)企業(yè)、約51個(gè)由AI輔助進(jìn)入臨床Ⅰ期的藥物管線。其中，80%以上為美國(guó)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(guó)企業(yè)。目前，部分中國(guó)企業(yè)已發(fā)展出自有專利的開發(fā)平臺(tái)，甚至開始探索在全球尚未有企業(yè)涉足的前沿領(lǐng)域，如小分子晶體結(jié)構(gòu)預(yù)測(cè)、原發(fā)藥物設(shè)計(jì)等。2022年中國(guó)AI藥物研發(fā)取得突破進(jìn)展。截至2022年，80家中國(guó)AI藥企中，已有14家成功將管線推進(jìn)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(gè)完全基于AI的管線ISM001-005進(jìn)入臨床Ⅰ期，并完成了首批健康受試者給藥。這也是中國(guó)首個(gè)進(jìn)入臨床的AI研發(fā)藥物。2023年年初，在新西蘭臨床I期試驗(yàn)中取得積極頂線數(shù)據(jù)，在安全性、耐受性、藥代動(dòng)力學(xué)（PK）方面均表現(xiàn)良好。而在中國(guó)的臨床試驗(yàn)則將進(jìn)入臨床Ⅱ期。在臨床試驗(yàn)方面，2022年有四家AI制藥企業(yè)獲得批件，分別是勁風(fēng)生物、宇耀生物、費(fèi)米子和德睿智藥。其中埃格林醫(yī)藥針對(duì)子宮內(nèi)膜癌適應(yīng)癥的EG-007管線，已經(jīng)推進(jìn)至臨床Ⅲ期，是目前國(guó)內(nèi)進(jìn)展最快的一條管線。圖表：2022年中國(guó)AI藥物研發(fā)部分管線進(jìn)展來(lái)源：火石創(chuàng)造根據(jù)公開資料整理2.2.4市場(chǎng)主體當(dāng)前國(guó)內(nèi)外AI制藥市場(chǎng)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(lái)看，上游為AI模型數(shù)據(jù)集供應(yīng)及云計(jì)算平臺(tái)，其中數(shù)據(jù)集提供的醫(yī)藥數(shù)據(jù)是行業(yè)的關(guān)鍵競(jìng)爭(zhēng)壁壘，云計(jì)算平臺(tái)則是用于保障底層架構(gòu)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(jìn)行合作，在醫(yī)藥數(shù)據(jù)集的基礎(chǔ)上依托內(nèi)部的訓(xùn)練工具及AI開發(fā)工具等進(jìn)行模型的搭建和訓(xùn)練；IT企業(yè)則通過自建AI藥物研發(fā)平臺(tái)及提供算力、計(jì)算框架服務(wù)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(huì)將其藥物研發(fā)階段的服務(wù)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(lái)看，主要有以下幾種特征：頭部藥企：主要通過自建團(tuán)隊(duì)和業(yè)務(wù)合作兩種方式進(jìn)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(wù)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(shì)彌補(bǔ)AI藥物研發(fā)企業(yè)的不足。如強(qiáng)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(jìn)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(tái)優(yōu)勢(shì)，以對(duì)外投資、自建AI藥物研發(fā)平臺(tái)和提供算法服務(wù)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(xué)習(xí)算法、數(shù)據(jù)庫(kù)和云計(jì)算，打造的AI驅(qū)動(dòng)藥物臨床前研究開放平臺(tái)，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(dǎo)合作，共同設(shè)計(jì)完成了首個(gè)經(jīng)實(shí)驗(yàn)驗(yàn)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(shì)，以CRO（醫(yī)藥研發(fā)外包）和自研管線為主要模式切入應(yīng)用場(chǎng)景。技術(shù)上，AI藥物研發(fā)企業(yè)的算法愈受歡迎，成為重要的技術(shù)壁壘。此外，這類企業(yè)的數(shù)據(jù)自研能力是關(guān)鍵的競(jìng)爭(zhēng)要素，AI藥物研發(fā)所需的高價(jià)值數(shù)據(jù)多源于其智能實(shí)驗(yàn)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(zhì)量數(shù)據(jù)獲取門檻高，即使是使用了前沿的AI技術(shù)，也并不能立刻扭轉(zhuǎn)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(lái)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(xiàn)數(shù)據(jù)庫(kù)，公開的項(xiàng)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(zhì)量難以保證，據(jù)此進(jìn)行的模型運(yùn)算可靠性不足。非公開數(shù)據(jù)主要是各制藥公司以往項(xiàng)目的積累，此類數(shù)據(jù)的精度高，更適合用來(lái)做模型的訓(xùn)練和計(jì)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(yīng)用場(chǎng)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(shì)可以體現(xiàn)在多個(gè)維度，比如結(jié)果的精準(zhǔn)度、計(jì)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(cè)重方向，因此優(yōu)勢(shì)也會(huì)不盡相同，在特定任務(wù)需求和應(yīng)用場(chǎng)景下合理選擇具有相應(yīng)優(yōu)勢(shì)的算法模型至關(guān)重要。如何讓算法與生物學(xué)更完美的結(jié)合，這需要技術(shù)人員對(duì)于制藥醫(yī)學(xué)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(shì)，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(shì)AI藥物研發(fā)將進(jìn)軍抗體等大分子領(lǐng)域。2022年4月份，以色列藥企BiolojicDesign宣布其有史以來(lái)第一個(gè)計(jì)算設(shè)計(jì)的抗體進(jìn)入臨床試驗(yàn)。11月，加拿大藥企AbCellera和合作伙伴Regeneron宣布已經(jīng)將首個(gè)針對(duì)未公開G蛋白偶聯(lián)受體（GPCR）的抗體候選藥物推進(jìn)到臨床前開發(fā)階段。同月，AI制藥企業(yè)Exscientia，宣布其AI技術(shù)平臺(tái)將包括人類抗體設(shè)計(jì)。有媒體做過不完全統(tǒng)計(jì)，全球已經(jīng)有20多家公司正在通過AI技術(shù)發(fā)現(xiàn)抗體藥物。從區(qū)域來(lái)看，這些公司大都分布在歐美。中國(guó)也有企業(yè)布局，但仍屬于小眾領(lǐng)域。星亢原與愷佧生物、藥明生物都達(dá)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(tái)設(shè)計(jì)開發(fā)的First-in-class多功能抗體藥物在臨床前動(dòng)物實(shí)驗(yàn)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(jìn)入CMC和IND-enabling階段。一旦成功，該藥將有望成為亞洲最先進(jìn)入臨床階段的AI大分子藥物。自動(dòng)化實(shí)驗(yàn)室成新吸睛點(diǎn)。2022年，數(shù)據(jù)的數(shù)量和質(zhì)量仍是AI制藥發(fā)展的核心問題。自動(dòng)化實(shí)驗(yàn)室的出現(xiàn)恰恰就是為了解決這個(gè)問題。2021年，部分AI制藥公司已經(jīng)開始建立自動(dòng)化實(shí)驗(yàn)室，目的是提高內(nèi)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(jì)，Exscientia、英矽智能、Arctoris、Recursion、Insitro等都建立了自動(dòng)化實(shí)驗(yàn)室。英矽智能則于2021年12月發(fā)布了全球首個(gè)由人工智能輔助決策的全自動(dòng)化機(jī)器人實(shí)驗(yàn)室。該智能機(jī)器人實(shí)驗(yàn)室聚焦靶點(diǎn)發(fā)現(xiàn)、化合物篩選、個(gè)性化藥物開發(fā)和轉(zhuǎn)化醫(yī)學(xué)研究等領(lǐng)域。自動(dòng)化已經(jīng)成為不少AI制藥公司戰(zhàn)略版圖的下一個(gè)重要模塊。在2021年初，英國(guó)的AutomataLabs于籌集了5000萬(wàn)美元用于自動(dòng)化實(shí)驗(yàn)室研究；中國(guó)的鎂伽科技也引來(lái)高盛投資，獲得3億美元融資用于擴(kuò)展其多樣化的自動(dòng)化人工智能驅(qū)動(dòng)的遠(yuǎn)程實(shí)驗(yàn)室服務(wù)和機(jī)器人化設(shè)施。2.32023年AI激發(fā)創(chuàng)新潛能生物醫(yī)藥業(yè)迎來(lái)“智藥”新機(jī)遇近年來(lái)，AI（人工智能）對(duì)制藥領(lǐng)域的賦能逐漸深入，兩者融合與創(chuàng)新成績(jī)斐然。2023年9月26日，“引領(lǐng)新方向聚AI迎未來(lái)——2023張江AI智藥論壇”在張江科學(xué)會(huì)堂舉行，多位業(yè)內(nèi)專家和相關(guān)企業(yè)齊聚一堂，共同探討AI與制藥交叉領(lǐng)域的產(chǎn)業(yè)現(xiàn)狀、趨勢(shì)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(shí)驗(yàn)成功率的核心生產(chǎn)力?！敝袊?guó)科學(xué)院院士饒子和說。2023年上半年研發(fā)費(fèi)用數(shù)據(jù)顯示，生物醫(yī)藥類上市公司研發(fā)費(fèi)用合計(jì)同比漲幅較大。其中，恒瑞醫(yī)藥研發(fā)費(fèi)用連續(xù)多年增長(zhǎng)，約占總營(yíng)收的30%；百濟(jì)神州2022年研發(fā)投入超百億元；復(fù)星醫(yī)藥、中國(guó)生物制藥、石藥集團(tuán)等藥企研發(fā)支出占總營(yíng)收10%以上。此外，仿制藥企業(yè)逐漸開始轉(zhuǎn)換賽道，向自主創(chuàng)新邁進(jìn)?！皢蝹€(gè)藥品的研發(fā)費(fèi)用高，無(wú)論對(duì)業(yè)內(nèi)大型藥企還是小型藥企，都構(gòu)成了壓力?！睒I(yè)內(nèi)人士表示?！吧镝t(yī)藥和AI正在深度融合?！睆埥瘓F(tuán)黨委書記、董事長(zhǎng)袁濤表示，AI及相關(guān)技術(shù)為靶點(diǎn)開發(fā)、結(jié)構(gòu)設(shè)計(jì)等工作探索出了新手段和新路徑。以此為契機(jī)，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(gè)階段，如新靶點(diǎn)和難成藥靶點(diǎn)發(fā)現(xiàn)、臨床試驗(yàn)方案預(yù)測(cè)、小分子大分子的毒理預(yù)測(cè)等?！泵赖衔魉幬锇l(fā)現(xiàn)事業(yè)部總裁劉建表示。深勢(shì)科技創(chuàng)始人兼CEO孫偉杰稱，AI在三個(gè)方面賦能藥物研發(fā)：一是幫助突破難成藥靶點(diǎn)；二是提高臨床各個(gè)環(huán)節(jié)的效率優(yōu)化和決策質(zhì)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(diǎn)發(fā)現(xiàn)的價(jià)值比較高，而分子生成則給公司帶去專利權(quán)，對(duì)公司而言，回報(bào)與價(jià)值比較高?！睒I(yè)內(nèi)人士表示，目前AI在靶點(diǎn)發(fā)現(xiàn)和分子生成等領(lǐng)域應(yīng)用已經(jīng)相對(duì)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(qiáng)且靠譜的藥物新靶點(diǎn)、如何快速生成小分子化合物、如何科學(xué)設(shè)計(jì)臨床研究方案。”英矽智能聯(lián)合首席執(zhí)行官、首席科學(xué)官任峰表示，AI或許會(huì)成為解決上述問題的“加速器”。目前，已有多家國(guó)際大型藥企試水AI“智藥”。早前有報(bào)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(qū)動(dòng)的制藥公司為目標(biāo)。與此同時(shí)，諾和諾德、默克、阿斯利康等知名藥企也紛紛投身AI賽道。國(guó)際大型藥企積極嘗鮮AI的同時(shí)，也與國(guó)內(nèi)AI公司建立起合作關(guān)系。比如，英矽智能9月與美國(guó)Exelixis的合作獲得了8000萬(wàn)美元預(yù)付款；早前晶泰科技宣布與知名藥企EliLilly簽署的一項(xiàng)AI小分子新藥發(fā)現(xiàn)合作，預(yù)付款及里程碑總收益可達(dá)2.5億美元。據(jù)悉，國(guó)內(nèi)一些大型藥企也在尋找“AI+”機(jī)會(huì)，加強(qiáng)與AI公司聯(lián)動(dòng)。8月，石藥集團(tuán)下屬公司與英矽智能達(dá)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(jì)算機(jī)輔助藥物設(shè)計(jì)等前沿技術(shù)，驅(qū)動(dòng)研發(fā)體系升級(jí)，提高新藥篩選效率和成功率。早前公司曾授權(quán)引進(jìn)AI靶點(diǎn)發(fā)現(xiàn)軟件PandaOmics。此外，復(fù)星醫(yī)藥也在全球范圍內(nèi)進(jìn)行多個(gè)靶點(diǎn)的AI藥物研發(fā)。美迪西相關(guān)負(fù)責(zé)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(shù)一站式創(chuàng)新藥臨床前研發(fā)服務(wù)平臺(tái)的搭建順應(yīng)了中國(guó)創(chuàng)新藥發(fā)現(xiàn)需求還處于初期階段的狀況，未來(lái)3至5年將持續(xù)推進(jìn)該平臺(tái)的建設(shè)。部分國(guó)內(nèi)AI+生物醫(yī)藥領(lǐng)域未上市公司也取得了研究進(jìn)展。劑泰醫(yī)藥用AI設(shè)計(jì)基因藥物遞送一系列材料，以AI驅(qū)動(dòng)干、濕實(shí)驗(yàn)迭代；晶泰科技通過AI加速的抗體工程平臺(tái)改造抗體，提升抗體分子性能；英矽智能已有1款A(yù)I設(shè)計(jì)藥物進(jìn)入臨床Ⅱ期，另有3款A(yù)I參與研發(fā)的藥物進(jìn)入臨床Ⅰ期。2.3.3仍有發(fā)展痛點(diǎn)待解決“AI+生物醫(yī)藥企業(yè)”的發(fā)展仍然有一些痛點(diǎn)待解決。例如，如何獲得質(zhì)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(gè)“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(qiáng)的信任?！比畏灞硎?，許多“AI+生物醫(yī)藥企業(yè)”都是從AI領(lǐng)域跨界而來(lái)，需要更多藥企數(shù)據(jù)以完善并發(fā)展更加精準(zhǔn)的細(xì)分領(lǐng)域模型。對(duì)于上述問題，業(yè)內(nèi)人士建議：一方面，建立起實(shí)驗(yàn)室，幫助AI公司有針對(duì)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(tái)，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(duì)AI賦能缺乏付費(fèi)意愿?！睒I(yè)內(nèi)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(yàn)證周期較長(zhǎng)，使得AI在整個(gè)制藥環(huán)節(jié)中的作用不能快速得到有效驗(yàn)證，可能會(huì)限制AI生物醫(yī)藥企業(yè)發(fā)展。為此，多位業(yè)內(nèi)專家就生物醫(yī)藥領(lǐng)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(zhǎng)期迭代達(dá)到足夠大的數(shù)據(jù)量級(jí)，才可能建立通用模型”。面向未來(lái)，“AI+生物醫(yī)藥”想要取得發(fā)展，一方面要聚焦行業(yè)細(xì)分領(lǐng)域，持續(xù)深耕，打造企業(yè)“硬核”實(shí)力；另一方面，未來(lái)生物醫(yī)藥領(lǐng)域需要更多維度的合作，而AI+CRO則是未來(lái)發(fā)展的趨勢(shì)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(dǎo)致藥企轉(zhuǎn)向AIDD公司以提高藥物發(fā)現(xiàn)和開發(fā)效率。AI技術(shù)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(zhēng)奪AI藥物發(fā)現(xiàn)及開發(fā)專業(yè)知識(shí)、人才和合作伙伴。隨著計(jì)算能力的進(jìn)步、更好的基因及蛋白質(zhì)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(fù)合年增長(zhǎng)率為29.7%。圖表：頭部跨國(guó)藥企的AI布局資料來(lái)源：弗若斯特沙利文，公司招股說明書圖表：中國(guó)藥企的AI布局資料來(lái)源：弗若斯特沙利文，公司招股說明書在全球范圍內(nèi)AI制藥發(fā)展實(shí)現(xiàn)了從“0”到“1”跨越和從技術(shù)概念到實(shí)際應(yīng)用的突破。在資本市場(chǎng)，AI制藥獲得了較大的關(guān)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(guó)創(chuàng)新藥鼓勵(lì)的政策疊加，國(guó)內(nèi)AI制藥也迎來(lái)了發(fā)展契機(jī)。制藥巨頭的頻繁合作、傳統(tǒng)藥企的開放合作、國(guó)外AI制藥的影響特別是資本對(duì)于AI制藥的關(guān)注和熱情，使得中國(guó)AI制藥公司得到充分關(guān)注并步入快速增長(zhǎng)期。英矽智能作為AIDD管線開發(fā)進(jìn)程全球領(lǐng)先的端到端、由生成式AI驅(qū)動(dòng)的生物科技公司，在AI制藥行業(yè)具有技術(shù)平臺(tái)領(lǐng)先、在研管線豐富、研發(fā)能力強(qiáng)勁等多重優(yōu)勢(shì)，在未來(lái)的市場(chǎng)競(jìng)爭(zhēng)中有望持續(xù)擴(kuò)大自身市場(chǎng)份額。圖表：AI制藥行業(yè)領(lǐng)先公司的競(jìng)爭(zhēng)格局資料來(lái)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(shì)人工智能和數(shù)據(jù)技術(shù)的出現(xiàn)，以及新穎的計(jì)算工具和基礎(chǔ)設(shè)施解決方案（數(shù)據(jù)庫(kù)、云服務(wù)等），都在研究、臨床和業(yè)務(wù)層面重新定義制藥行業(yè)的運(yùn)營(yíng)方式。（1）基于AI的生物學(xué)建模和靶點(diǎn)發(fā)現(xiàn)在藥物發(fā)現(xiàn)研究中，確定新的藥物靶點(diǎn)對(duì)于成功開發(fā)FIC藥物至關(guān)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(dāng)“口袋”的蛋白質(zhì)，但是在所有人類蛋白質(zhì)中，只有極少數(shù)蛋白質(zhì)被定為靶標(biāo)。根據(jù)OMIM數(shù)據(jù)庫(kù)，目前有20，360種人類蛋白質(zhì)，其中已知約有4，600種參與疾病機(jī)制，約占在疾病中起作用的人類蛋白質(zhì)的22%。然而截至2017年，現(xiàn)有的FDA批準(zhǔn)的藥物實(shí)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(zhì)）?；谌斯ぶ悄芗夹g(shù)的新型計(jì)算方法允許大規(guī)模識(shí)別新的可成藥蛋白質(zhì)口袋，允許蛋白質(zhì)組范圍的虛擬篩選。先進(jìn)的建模工具有助于識(shí)別和調(diào)節(jié)新型靶標(biāo)，例如蛋白質(zhì)-蛋白質(zhì)相互作用、具有大接觸面積的靶標(biāo)、蛋白質(zhì)-核酸相互作用和下一代靶標(biāo)，例如利用細(xì)胞的蛋白質(zhì)降解機(jī)制。許多人工智能驅(qū)動(dòng)的公司專注于生物學(xué)建模、發(fā)現(xiàn)和驗(yàn)證新的靶點(diǎn)，并向其他組織提供“疾病模型即服務(wù)”或“靶點(diǎn)發(fā)現(xiàn)即服務(wù)”。對(duì)這種合同研究服務(wù)的需求正在上升，這反映在越來(lái)越多的靶標(biāo)發(fā)現(xiàn)合作伙伴關(guān)系上。2022年9月，以色列生物建模公司CytoReason宣布與輝瑞擴(kuò)大1.1億美元的合作。兩家公司于2019年開始合作，當(dāng)時(shí)輝瑞開始使用CytoReason的生物模型進(jìn)行研究，旨在開發(fā)用于免疫介導(dǎo)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(gè)肺纖維化靶點(diǎn)，這一里程碑標(biāo)志著BenevolentAI自2019年合作開始以來(lái)為阿斯利康發(fā)現(xiàn)的第三個(gè)新靶標(biāo)。僅僅幾個(gè)月后，即2022年10月，BenevolentAI設(shè)法為阿斯利康的研發(fā)組合提供了另外兩個(gè)人工智能生成的靶點(diǎn)，針對(duì)慢性腎臟疾病和特發(fā)性肺纖維化。報(bào)告顯示，靶點(diǎn)發(fā)現(xiàn)領(lǐng)域至少有182家人工智能公司，包括擁有尖端研發(fā)平臺(tái)的領(lǐng)先資金雄厚的公司，如Insitro、RelayTherapeutics、ValoHealth等。總而言之，基于人工智能的高級(jí)建模方法有助于重新定義生物靶點(diǎn)的定義，試圖將藥物反應(yīng)與遺傳變異聯(lián)系起來(lái)，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(yù)測(cè)患者亞組中的藥物效用。（2）利用AI破解結(jié)構(gòu)生物學(xué)2022年生命科學(xué)界討論最多的人工智能相關(guān)話題之一是仍然是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。2022年7月，DeepMind宣布AlphaFold預(yù)測(cè)了超過2億種蛋白質(zhì)的蛋白質(zhì)結(jié)構(gòu)，包含世界上所有已知蛋白質(zhì)。盡管不少人質(zhì)疑AlphaFold對(duì)藥物研發(fā)的實(shí)際貢獻(xiàn)，但這一發(fā)現(xiàn)肯定是結(jié)構(gòu)生物學(xué)的范式改變，并說明了人工智能在基礎(chǔ)生物學(xué)研究中的潛力。蛋白質(zhì)折疊方面的重大技術(shù)飛躍可能對(duì)從頭蛋白質(zhì)設(shè)計(jì)更有用，而不是簡(jiǎn)單地對(duì)現(xiàn)有蛋白質(zhì)的結(jié)構(gòu)進(jìn)行建模以進(jìn)行藥物發(fā)現(xiàn)。最近，冷凍電鏡加上人工智能技術(shù)催生了新一波的生物技術(shù)初創(chuàng)公司，如GandeevaTherapeutics、Septerna和MOMATherapeutics。機(jī)器學(xué)習(xí)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(diǎn)發(fā)現(xiàn)之后，設(shè)計(jì)化學(xué)或生物分子是將人工智能應(yīng)用于藥物發(fā)現(xiàn)的第二大用例。在BiopharmaTrendAI報(bào)告中的384家公司中，有130多家人工智能驅(qū)動(dòng)型公司將人工智能應(yīng)用于設(shè)計(jì)候選藥物。人工智能驅(qū)動(dòng)的藥物設(shè)計(jì)主要分為三大類：從頭（例如生成）藥物設(shè)計(jì)、現(xiàn)有數(shù)據(jù)庫(kù)的虛擬篩選和藥物再利用。從頭藥物設(shè)計(jì)主要由深度學(xué)習(xí)模型實(shí)現(xiàn)，例如生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（GAN）。運(yùn)用生成AI平臺(tái)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(wàn)分子并找到成功命中。2022年8月，賽諾菲與Atomwise合作達(dá)成了一項(xiàng)潛在價(jià)值高達(dá)12億美元的交易。根據(jù)公告，基于卷積神經(jīng)網(wǎng)絡(luò)的AtomNet擅長(zhǎng)基于結(jié)構(gòu)的藥物設(shè)計(jì)，能夠“快速，人工智能搜索Atomwise專有的庫(kù)，其中包含超過3萬(wàn)億種可合成化合物”。最后，許多公司正在使用重定位策略進(jìn)行人工智能藥物發(fā)現(xiàn)，包括Healx、BenevolentAI、BioXcelTherapeutics。主要使用自然語(yǔ)言處理（NLP）模型和機(jī)器學(xué)習(xí)，通過分析大量非結(jié)構(gòu)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(lái)構(gòu)建和搜索“知識(shí)圖譜”，為以前的候選藥物及獲批的藥物選擇新的適應(yīng)癥或患者群體。（3）超越小分子的人工智能驅(qū)動(dòng)藥物設(shè)計(jì)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(jī)器學(xué)習(xí)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(lǐng)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(xué)療法在制藥領(lǐng)域越來(lái)越豐富，應(yīng)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(xué)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(jìn)化。新型靶標(biāo)如蛋白質(zhì)相互作用、蛋白質(zhì)-核酸相互作用和下一代靶標(biāo)，如利用細(xì)胞的蛋白質(zhì)降解機(jī)制，正在推動(dòng)各種新興分子模式的出現(xiàn)成為藥物發(fā)現(xiàn)的重點(diǎn)。例如越來(lái)越多的公司應(yīng)用人工智能方法來(lái)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(lái)第一個(gè)計(jì)算設(shè)計(jì)的抗體進(jìn)入臨床試驗(yàn)。該公司利用AI模型在數(shù)百萬(wàn)個(gè)抗體-抗原對(duì)上進(jìn)行訓(xùn)練，以從現(xiàn)有人類抗體中識(shí)別針對(duì)目標(biāo)靶標(biāo)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(quán)利，將AbCellera首個(gè)針對(duì)未公開G蛋白偶聯(lián)受體（GPCR）的治療性抗體候選藥物推進(jìn)到進(jìn)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(guó)的AbSci、BigHatBiosciences、Totient、NablaBio和GenerateBiomedicine；總部位于加拿大的DeepBiologics；總部位于中國(guó)的NeoX；位于歐盟的DeepCDR、NaturalAntibody，和MabSilico等。一些在小分子領(lǐng)域取得成就的公司也在拓展其技術(shù)領(lǐng)域，如上市公司Exscientia現(xiàn)在正在擴(kuò)展到生物制劑發(fā)現(xiàn)領(lǐng)域。2022年11月，該公司宣布其人工智能平臺(tái)將包括人類抗體的設(shè)計(jì)。Exscientia還在牛津建立一個(gè)自動(dòng)化生物制劑實(shí)驗(yàn)室，以在內(nèi)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(jìn)入臨床盡管AI徹底改變藥物發(fā)現(xiàn)可能還為時(shí)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(gòu)建了一個(gè)專門的、高度集成的人工智能平臺(tái)，包括許多模型和數(shù)據(jù)源。一批成功進(jìn)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(gè)月內(nèi)開發(fā)完成，并獲得了FDA的緊急使用授權(quán)。BenevolentAI的知識(shí)圖譜幫助該公司在幾天內(nèi)將Baricitinib確定為一種有效的COVID-19抗病毒藥物（現(xiàn)已被FDA批準(zhǔn)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(shè)計(jì)，并在18個(gè)月內(nèi)（目前處于I期）進(jìn)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(gè)月內(nèi)治療B細(xì)胞淋巴瘤，目前正在IND申請(qǐng)過程中?？偛课挥邴}湖城的RecursionPharmaceuticals在18個(gè)月內(nèi)開發(fā)出一種針對(duì)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(xué)平臺(tái)的幫助下設(shè)計(jì)。2.4AI輔助藥物研發(fā)的新興趨勢(shì)2.4.1人工智能和機(jī)器人化實(shí)驗(yàn)室深度學(xué)習(xí)模型非?？释哔|(zhì)量數(shù)據(jù)，無(wú)論模型有多好，但數(shù)據(jù)質(zhì)量和大小對(duì)于結(jié)果預(yù)測(cè)同樣重要。生成高質(zhì)量生物學(xué)數(shù)據(jù)的最有效方法是使用機(jī)器人技術(shù)。如果我們將現(xiàn)代人工智能驅(qū)動(dòng)的藥物發(fā)現(xiàn)轉(zhuǎn)型視為一個(gè)循序漸進(jìn)的過程，那么廣泛可用且相對(duì)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(shù)研究工業(yè)化的最后一塊也是關(guān)鍵部分。一些公司正在構(gòu)建標(biāo)準(zhǔn)化、高度自動(dòng)化、可擴(kuò)展且日益兼容的實(shí)驗(yàn)室設(shè)備，這些設(shè)施由基于AI的實(shí)驗(yàn)控制系統(tǒng)指導(dǎo)，并輔以AI驅(qū)動(dòng)的數(shù)據(jù)挖掘和分析功能。這種“下一代”實(shí)驗(yàn)室設(shè)施正在遠(yuǎn)程提供給臨床前藥物研究實(shí)驗(yàn)人員，使臨床前實(shí)驗(yàn)成為更具可擴(kuò)展性和標(biāo)準(zhǔn)化的常規(guī)程序。這一賽道正在瘋狂吸引風(fēng)險(xiǎn)投資的青睞。2022年2月，總部位于英國(guó)的AutomataLabs籌集了5000萬(wàn)美元用于自動(dòng)化實(shí)驗(yàn)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(kuò)展其多樣化的自動(dòng)化人工智能驅(qū)動(dòng)的遠(yuǎn)程實(shí)驗(yàn)室服務(wù)和機(jī)器人化設(shè)施。遠(yuǎn)程機(jī)器人實(shí)驗(yàn)室的興起是一個(gè)長(zhǎng)期的行業(yè)趨勢(shì)，是一種提供合同研究服務(wù)的新方式，對(duì)于長(zhǎng)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(qū)動(dòng)的藥物發(fā)現(xiàn)公司，如Exscientia、InsilicoMedicine、Arctoris、RecursionPharmaceuticals、Insitro等，已經(jīng)建立了內(nèi)部自動(dòng)化實(shí)驗(yàn)室，以提高其內(nèi)部數(shù)據(jù)生成能力，以訓(xùn)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(yàn)瓶頸臨床試驗(yàn)是藥物開發(fā)工作流程的關(guān)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(yàn)也可能因資金不足、入組不足或研究設(shè)計(jì)不佳而失敗。人工智能（AI）越來(lái)越被視為提高臨床試驗(yàn)運(yùn)營(yíng)效率和降低臨床開發(fā)成本的技術(shù)。通常，人工智能技術(shù)公司在三個(gè)主要領(lǐng)域提供服務(wù)和專業(yè)知識(shí)。第一個(gè)領(lǐng)域初創(chuàng)企業(yè)通過自然語(yǔ)言處理（NLP）幫助解鎖來(lái)自不同數(shù)據(jù)源的信息，例如科學(xué)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(diǎn)選擇，并改善臨床研究設(shè)計(jì)和對(duì)疾病機(jī)制的理解。例如，一項(xiàng)研究報(bào)道表明大約18%的臨床研究由于招募不足而失敗。臨床試驗(yàn)成功的另一個(gè)方面是改善患者分層。由于試驗(yàn)患者價(jià)格昂貴，因此能夠預(yù)測(cè)哪個(gè)患者將從治療中獲得更顯著的益處或風(fēng)險(xiǎn)至關(guān)重要。人工智能驅(qū)動(dòng)的公司使用多種數(shù)據(jù)類型，例如電子健康記錄（EHR）、組學(xué)和成像數(shù)據(jù)，以減少人群異質(zhì)性并提高臨床研究能力。人工智能也在簡(jiǎn)化臨床試驗(yàn)的操作流程。AI技術(shù)公司幫助跟蹤患者的健康狀況，監(jiān)控治療反應(yīng)以及患者對(duì)試驗(yàn)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(fēng)險(xiǎn)，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(duì)照組的發(fā)展-可以取代安慰劑對(duì)照組的AI模型，從而減少臨床試驗(yàn)所需的個(gè)體數(shù)量-可能成為一種新的趨勢(shì)。根據(jù)BiopharmaTrendAI報(bào)告顯示，以上三個(gè)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(shù)投資環(huán)境整體寒冷，但對(duì)人工智能臨床試驗(yàn)平臺(tái)的需求以及該領(lǐng)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(kuò)展其用于癌癥研究的軟件和真實(shí)世界數(shù)據(jù)（RWD）解決方案后，估值達(dá)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(fēng)險(xiǎn)投資。該公司已經(jīng)籌集了超過5億美元的風(fēng)險(xiǎn)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(yàn)，包括實(shí)時(shí)數(shù)據(jù)處理功能；自動(dòng)化數(shù)據(jù)質(zhì)量功能；簡(jiǎn)化的監(jiān)管提交功能，包括藥物警戒分析和提交。2.4.3CRO領(lǐng)域的人工智能在臨床前和臨床領(lǐng)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(duì)制藥公司的服務(wù)產(chǎn)品中或與人工智能公司合作來(lái)補(bǔ)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(guān)系來(lái)深入研究人工智能。查爾斯河希望利用ValoHealth的深度學(xué)習(xí)平臺(tái)實(shí)現(xiàn)從頭分子設(shè)計(jì)到先導(dǎo)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(guān)系，使CRO的客戶能夠訪問Valence的人工智能平臺(tái)，用于分子特性預(yù)測(cè)、生成化學(xué)和多參數(shù)優(yōu)化。艾昆緯多年來(lái)一直在投資人工智能功能，以增加臨床試驗(yàn)和為客戶提供的商業(yè)活動(dòng)的價(jià)值。例如為了改善臨床試驗(yàn)，艾昆緯于2020年啟動(dòng)了Avacare臨床研究網(wǎng)絡(luò)?，使研究中心能夠更快、更有效地匹配患者進(jìn)行試驗(yàn)。該平臺(tái)由人工智能算法提供支持，可以在19個(gè)疾病領(lǐng)域運(yùn)行。臨床研究行業(yè)的一個(gè)重要趨勢(shì)是進(jìn)行虛擬臨床試驗(yàn)，這是一個(gè)價(jià)值80億美元的市場(chǎng)。COVID-19迫使制藥公司轉(zhuǎn)向遠(yuǎn)程監(jiān)控、改善患者登記、跟蹤患者參與的應(yīng)用程序、遠(yuǎn)程醫(yī)療、權(quán)力下放和其他保持試驗(yàn)運(yùn)行的措施。由于對(duì)此類解決方案的需求大幅增長(zhǎng)，CRO急于在其服務(wù)產(chǎn)品中添加虛擬和去中心化功能。事實(shí)證明，人工智能技術(shù)在創(chuàng)建和運(yùn)行此類項(xiàng)目以幫助合成數(shù)據(jù)和加快臨床試驗(yàn)過程方面非常寶貴?？萍季揞^追逐藥物發(fā)現(xiàn)和生物技術(shù)前面提到的Alphabet的DeepMind和Meta在解決基礎(chǔ)生物學(xué)研究難題方面的成功，比如使用深度學(xué)習(xí)和語(yǔ)言模型大規(guī)模預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，只是冰山一角：幾乎每個(gè)科技巨頭都在布局生命科學(xué)領(lǐng)域。2.52023年人工智能打破醫(yī)藥研發(fā)“雙十定律”高技術(shù)、高投入、高風(fēng)險(xiǎn)、長(zhǎng)周期……在新藥研發(fā)的過程中，經(jīng)常面臨著諸多痛點(diǎn)。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A(yù)I藥物進(jìn)入臨床試驗(yàn)階段。至2022年底，我國(guó)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(dá)到3300億元，誕生了全國(guó)15%的原創(chuàng)新藥和10%的創(chuàng)新醫(yī)療器械。近年來(lái)，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(xué)、AI+新藥研發(fā)、新型偶聯(lián)藥物、新型蛋白降解藥物、細(xì)胞藥等相關(guān)領(lǐng)域引進(jìn)和聚集了一批創(chuàng)新主體，在前沿技術(shù)領(lǐng)域的發(fā)展和培育上發(fā)揮著創(chuàng)新策源和示范引領(lǐng)作用。在9月25日開幕的2023張江生命科學(xué)國(guó)際創(chuàng)新峰會(huì)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(lái)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(shù)應(yīng)用的當(dāng)前挑戰(zhàn)和未來(lái)前景。不可否認(rèn)，AI智藥的創(chuàng)業(yè)熱潮正在涌動(dòng)。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(chǔ)，通過運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI技術(shù)替代大量實(shí)驗(yàn)，對(duì)藥物結(jié)構(gòu)、功效等進(jìn)行快速分析，以達(dá)到縮短試驗(yàn)周期、節(jié)省成本、促進(jìn)新藥發(fā)現(xiàn)、提升試驗(yàn)成功率等目的?！半S著人工智能技術(shù)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(shí)驗(yàn)成功率的核心生產(chǎn)力?！敝袊?guó)科學(xué)院院士饒子和在論壇上這樣表示。在中國(guó)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(guó)內(nèi)AI制藥領(lǐng)域的獨(dú)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(wàn)名生物醫(yī)藥從業(yè)人員。同時(shí)，張江正在構(gòu)筑一個(gè)巨大的人工智能產(chǎn)業(yè)生態(tài)圈，匯聚更多的AI新勢(shì)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(jìn)AI與醫(yī)藥跨界交叉融合、數(shù)據(jù)資源共享、技術(shù)迭代升級(jí)的重要紐帶，并取得了不少成果?，F(xiàn)在，該聯(lián)盟成員已擴(kuò)增至35家。美迪西開發(fā)的智能靶點(diǎn)和AI虛擬藥物發(fā)現(xiàn)平臺(tái)、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(qū)動(dòng)的下一代抗體發(fā)現(xiàn)平臺(tái)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(lái)技術(shù)變革的重要力量，AI在生物醫(yī)藥領(lǐng)域展示了極大的應(yīng)用潛力。國(guó)家發(fā)改委2022年發(fā)布的《“十四五”生物經(jīng)濟(jì)發(fā)展規(guī)劃》提出，要利用云計(jì)算、大數(shù)據(jù)、人工智能等信息技術(shù)，對(duì)治療適應(yīng)癥與新靶點(diǎn)驗(yàn)證、臨床前與臨床試驗(yàn)、產(chǎn)品設(shè)計(jì)優(yōu)化與產(chǎn)業(yè)化等新藥研制過程進(jìn)行全程監(jiān)管，實(shí)現(xiàn)藥物產(chǎn)業(yè)的精準(zhǔn)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(guó)進(jìn)入ⅰ期臨床試驗(yàn)，成為中國(guó)首個(gè)進(jìn)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(shí)間，是AI智藥最明顯的優(yōu)勢(shì)之一。傳統(tǒng)的新藥研發(fā)是一項(xiàng)復(fù)雜而長(zhǎng)期的系統(tǒng)工程，一款新藥從著手研發(fā)到獲批上市，整個(gè)過程平均耗時(shí)約14年，僅化合物篩選到臨床前研究就需花費(fèi)約4～6年的時(shí)間，推動(dòng)新藥上市的平均成本更是高達(dá)19.8億美元。因此，醫(yī)藥研發(fā)行業(yè)長(zhǎng)期以來(lái)面臨著“雙十定律”，即需要耗時(shí)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(xué)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(diǎn)的發(fā)現(xiàn)到找到臨床候選化合物的過程縮短到18個(gè)月，研發(fā)費(fèi)用共投入270萬(wàn)美元，而如果沒有AI，則該過程需要花費(fèi)四年半以上時(shí)間、數(shù)千萬(wàn)美元，AI+生物醫(yī)藥的“雙向賦能”，無(wú)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(tái)之后，通過AI預(yù)測(cè)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(guó)FDA批準(zhǔn)的新冠口服藥，被迅速推向市場(chǎng)。輝瑞和晶泰科技雙方的科學(xué)家僅用了6個(gè)星期，便完成了藥物固態(tài)研發(fā)，以快速的計(jì)算預(yù)測(cè)與試驗(yàn)結(jié)果相互印證、準(zhǔn)確匹配。而在傳統(tǒng)的藥物研發(fā)模式下，這個(gè)過程可能需要花費(fèi)數(shù)月時(shí)間。晶泰科技AI預(yù)測(cè)模型目前，晶泰科技已通過建立算法的“干”實(shí)驗(yàn)室和自動(dòng)化機(jī)器人驅(qū)動(dòng)的“濕”實(shí)驗(yàn)室，構(gòu)建起虛實(shí)結(jié)合、相互印證的研發(fā)體系，助力藥物研發(fā)。自動(dòng)化智能化實(shí)驗(yàn)室里包含了自動(dòng)化合成、自動(dòng)化結(jié)晶等化學(xué)和生物的一些關(guān)鍵能力，通過人工智能來(lái)輔助藥物設(shè)計(jì)，通過自動(dòng)化機(jī)器人來(lái)替代傳統(tǒng)人工進(jìn)行實(shí)驗(yàn)操作，進(jìn)行7×24小時(shí)的運(yùn)作，實(shí)現(xiàn)“關(guān)燈實(shí)驗(yàn)室”的效果，并減少對(duì)人力勞動(dòng)的依賴，保證實(shí)驗(yàn)的穩(wěn)定可靠。“例如每一次加反應(yīng)試劑，相比人工，機(jī)械臂可以更加精準(zhǔn)控制劑量，并且實(shí)時(shí)記錄實(shí)驗(yàn)數(shù)據(jù)、過程，全程數(shù)據(jù)可追溯?！本┛萍枷嚓P(guān)人士介紹。2.5.3將藥物在人體內(nèi)精準(zhǔn)遞送受限于傳統(tǒng)藥物研發(fā)的技術(shù)瓶頸，臨床上仍存在大量“不可成藥”的疾病，諸多患者面臨“無(wú)藥可用”的難題?！八幬镞f送”技術(shù)是以RNA藥物為開發(fā)的關(guān)鍵環(huán)節(jié)，通過特定的技術(shù)實(shí)現(xiàn)將核酸序列等藥物精準(zhǔn)遞送至有疾病的器官、組織和細(xì)胞中，從而實(shí)現(xiàn)疾病的治愈。然而，這一環(huán)節(jié)的難點(diǎn)和關(guān)鍵在于如何“精準(zhǔn)遞送”藥物有效成分到人體患病部位。業(yè)內(nèi)人士打比方，人體的運(yùn)作機(jī)制和環(huán)境非常復(fù)雜，實(shí)現(xiàn)這一目標(biāo)的難度不亞于通過火箭運(yùn)載衛(wèi)星到達(dá)太空中的預(yù)定軌道。也因此，提升藥物遞送的精準(zhǔn)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(nèi)的車，在人體內(nèi)沒有GPS的情況下，如何將藥物精準(zhǔn)送達(dá)“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(dá)在論壇上表示，劑泰醫(yī)藥的做法是，基于AI數(shù)據(jù)驅(qū)動(dòng)算法、機(jī)制驅(qū)動(dòng)的量子力學(xué)和分子動(dòng)力學(xué)模擬以及高通量實(shí)驗(yàn)平臺(tái)等底層技術(shù)，搭建了AI驅(qū)動(dòng)核酸遞送系統(tǒng)設(shè)計(jì)平臺(tái)（AiLNP），以AI驅(qū)動(dòng)干、濕實(shí)驗(yàn)迭代，實(shí)現(xiàn)了更有效的創(chuàng)新遞送材料設(shè)計(jì)、核酸序列設(shè)計(jì)與優(yōu)化，并設(shè)計(jì)了更具優(yōu)勢(shì)的制劑配方和核酸遞送系統(tǒng)，將藥物遞送系統(tǒng)效率進(jìn)行指數(shù)級(jí)優(yōu)化。劑泰醫(yī)藥AiLNP“LNP核酸遞送系統(tǒng)的表達(dá)效率超越行業(yè)標(biāo)準(zhǔn)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_(dá)說。以近來(lái)火熱的mRNA技術(shù)為例，mRNA技術(shù)商業(yè)落地的最大阻礙便是遞送。在賴才達(dá)看來(lái)，遞送技術(shù)可以助力更好地發(fā)揮藥效，將疾病細(xì)胞編寫回健康細(xì)胞，為全球患者帶來(lái)革命性的藥物，解決未被滿足的臨床需求，這也是目前CGT（細(xì)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(jìn)展趨勢(shì)人工智能（AI）的推進(jìn)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(gè)過程。2023年，《自然》旗下BiopharmaDealMakers發(fā)布了一篇針對(duì)AI驅(qū)動(dòng)生物醫(yī)藥研發(fā)公司在近年的增長(zhǎng)趨勢(shì)、方向的報(bào)道。藥明康德內(nèi)容團(tuán)隊(duì)將就此報(bào)道，并結(jié)合內(nèi)部數(shù)據(jù)和其他公開資料向讀者介紹AI在當(dāng)今產(chǎn)業(yè)界的概況。2.6.1大型藥企整合AI進(jìn)入藥物開發(fā)流程隨著AI在技術(shù)上的不斷突破，以及各式臨床“-omics”（包含基因組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)等）數(shù)據(jù)的建立，AI在藥物開發(fā)的應(yīng)用從原初的小分子藥物設(shè)計(jì)、文獻(xiàn)分析，已經(jīng)進(jìn)展至廣泛應(yīng)用于藥物研發(fā)管線開發(fā)的各個(gè)階段。隨著AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)上的突破，AI技術(shù)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(lǐng)域的核心能力，這主要通過三種方式：2.6.2與信息技術(shù)公司合作建立內(nèi)部AI專業(yè)技術(shù)在2019年，諾華（Novartis）與微軟（Microsoft）宣布達(dá)成，將整合諾華的數(shù)據(jù)庫(kù)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(shí)驗(yàn)室以支持諾華研究人員的工作。今年4月，Moderna和IBM達(dá)成一項(xiàng)為期，IBM將提供量子計(jì)算系統(tǒng)的訪問權(quán)限，以及提供專業(yè)知識(shí)幫助Moderna探索由量子技術(shù)驅(qū)動(dòng)的生命科學(xué)領(lǐng)域的前沿應(yīng)用，以推進(jìn)和加速mRNA療法的研究。Moderna和IBM將結(jié)合配方發(fā)現(xiàn)和生成性AI技術(shù)來(lái)優(yōu)化脂質(zhì)納米顆粒，以設(shè)計(jì)具有改善安全性和性能的mRNA藥物。2.6.3通過并購(gòu)AI驅(qū)動(dòng)生物技術(shù)公司快速獲得AI技術(shù)羅氏（Roche）旗下的基因泰克（Genentech）在2021年并購(gòu)了PrescientDesign，主要利用其生成式AI平臺(tái)來(lái)發(fā)現(xiàn)、設(shè)計(jì)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(yù)付款并購(gòu)該公司，期待通過此交易來(lái)完全整合InstaDeep的AI與機(jī)器學(xué)習(xí)（ML）專業(yè)，以開發(fā)下一代免疫療法。并購(gòu)除了使得藥企能夠獲得AI公司專有的平臺(tái)技術(shù)，也可同時(shí)獲得來(lái)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(qū)動(dòng)生物科技公司近年的成立與融資趨勢(shì)圖片來(lái)源：參考資料2.6.4與AI驅(qū)動(dòng)生物技術(shù)公司合作以識(shí)別靶點(diǎn)、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(dá)成的合作，兩者將利用AI導(dǎo)向的高通量篩選平臺(tái)以識(shí)別在神經(jīng)科學(xué)與腫瘤學(xué)的創(chuàng)新靶標(biāo)。2022年1月，賽諾菲（Sanofi）與Exscientia達(dá)成另一項(xiàng)，兩者將利用Exscientia基于AI的個(gè)體化藥物平臺(tái)，以篩選病患與識(shí)別藥物靶標(biāo)，該合作預(yù)計(jì)開發(fā)在腫瘤與免疫學(xué)領(lǐng)域最多達(dá)15項(xiàng)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(dá)成大型的研發(fā)合作，將利用兩家公司各自的AI平臺(tái)發(fā)現(xiàn)新靶點(diǎn)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(dá)成了一項(xiàng)，將利用Saama的AI模型實(shí)施新的臨床數(shù)據(jù)管理流程，以加強(qiáng)其臨床開發(fā)能力，并加快管線進(jìn)展。去年10月，GSK與Tempus達(dá)成一項(xiàng)，將使用Tempus包含大型去識(shí)別化病患數(shù)據(jù)的AI平臺(tái)改善臨床試驗(yàn)設(shè)計(jì)、加速病患招募與識(shí)別藥物靶標(biāo)。2.6.5AI驅(qū)動(dòng)生物科技公司發(fā)展趨勢(shì)根據(jù)統(tǒng)計(jì)，在2010年至2022年間，約有390間AI驅(qū)動(dòng)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(shí)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(zhǎng)，在2018年間有61家新成立的AI驅(qū)動(dòng)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(duì)AI領(lǐng)域的投入增長(zhǎng)了10倍，復(fù)合年增長(zhǎng)率（CAGR）為71%，而且晚期風(fēng)險(xiǎn)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(jìn)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(shí)進(jìn)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(nèi)部數(shù)據(jù)庫(kù)對(duì)近期融資事件的統(tǒng)計(jì)，在2022年至2023年第一季度，AI驅(qū)動(dòng)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(wàn)美元的共有75起，其中有18起屬于大額融資，金額大于5000萬(wàn)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(diǎn)識(shí)別、生物標(biāo)志物發(fā)現(xiàn)、病患篩選、優(yōu)化臨床試驗(yàn)等。而在應(yīng)用AI開發(fā)不同療法模式藥物方面，統(tǒng)計(jì)顯示傳統(tǒng)的蛋白質(zhì)（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(guān)注的焦點(diǎn)，占AI驅(qū)動(dòng)藥物開發(fā)融資項(xiàng)目的大宗。RNA療法則緊隨其后，共有8起相關(guān)融資事件。圖表：AI驅(qū)動(dòng)藥物研發(fā)公司于2022-2023Q1融資趨勢(shì)資料來(lái)源：藥明康德內(nèi)部數(shù)據(jù)庫(kù)，藥明康德內(nèi)容團(tuán)隊(duì)制圖）2.6.6AI技術(shù)在臨床上的轉(zhuǎn)化隨著AI技術(shù)在產(chǎn)業(yè)界的起步，AI輔助藥物研發(fā)作為其中關(guān)鍵性技術(shù)之一近年來(lái)已有多項(xiàng)科研成果轉(zhuǎn)化落地。2021年4月，Exscientia宣布首個(gè)由AI設(shè)計(jì)的免疫腫瘤學(xué)藥物進(jìn)入臨床試驗(yàn)，此藥物為靶向?qū)嶓w瘤已知靶點(diǎn)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(shù)將已開發(fā)藥物用于其他適應(yīng)癥上。例如，Recursion通過利用其專有的AI驅(qū)動(dòng)藥物發(fā)現(xiàn)平臺(tái)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(jìn)至臨床2/3期試驗(yàn)。研發(fā)過程皆使用AI的藥物INS018_055在2022年2月進(jìn)入1期臨床試驗(yàn)，并在今年1月公布該試驗(yàn)的積極頂線結(jié)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(dòng)力學(xué)特征，并具良好的安全性與耐受性?；诖私Y(jié)果，英矽智能將在今年啟動(dòng)此藥物的臨床2a期試驗(yàn)。三、AI藥物研發(fā)企業(yè)薪酬績(jī)效設(shè)計(jì)策略3.1要明確薪酬設(shè)計(jì)的三個(gè)基本原則3.1.1公平原則《論語(yǔ)·季氏》道：“聞?dòng)袊?guó)有家者，不患寡而患不均，不患貧而患不安”。應(yīng)用到企業(yè)也是一樣，你永遠(yuǎn)不會(huì)嫉妒馬云比你有錢，但同事老張多發(fā)了兩百塊錢，你會(huì)嫉妒的要死。尤其是同一崗位員工，唯恐別人比自己多拿。但在實(shí)際工作中，一定有人干得好，有人干得不好，怎么平衡內(nèi)部矛盾呢。這就需要制定一套員工認(rèn)可的績(jī)效考核標(biāo)準(zhǔn)，多勞者多得。比如辦卡數(shù)量、客戶投訴率等，讓少拿錢的人沒話說，多拿錢的人有明確的賺錢方法。3.1.2成本原則很多企業(yè)設(shè)計(jì)薪酬，習(xí)慣性就薪酬研討薪酬，實(shí)際上薪酬設(shè)計(jì)關(guān)于企業(yè)的整體運(yùn)營(yíng)戰(zhàn)略。海底撈的人工成本明顯比同行要高出30%以上，而租金卻遠(yuǎn)低于同行。說明了海底撈的運(yùn)營(yíng)策略非常清晰，只選擇地段相對(duì)較好租金便宜的鋪位，投入重金在“服務(wù)”上，形成企業(yè)核心競(jìng)爭(zhēng)力。所以，一般情況我們給企業(yè)設(shè)計(jì)薪酬，先確定薪酬成本占據(jù)企業(yè)運(yùn)營(yíng)成本的百分比，比如營(yíng)業(yè)額的30%作為人員工資。然后根據(jù)當(dāng)?shù)毓べY標(biāo)準(zhǔn)，確定各崗位的收入上線，最后反算到具體的崗位工資，這樣能最大限度的保證企業(yè)人力成本的控制，也能保證員工的實(shí)際收入不至于無(wú)法控制，避免出現(xiàn)業(yè)績(jī)?cè)鲩L(zhǎng)員工豐收，老板反而虧損的情況。3.1.3合力原則每個(gè)老板都希望員工能擰成一股繩，大家勁往一處使，齊心協(xié)力。問題是企業(yè)的勁應(yīng)該往什么地方使呢。員工擰成一股繩，繩子是什么。老板希望員工自驅(qū)動(dòng)，團(tuán)隊(duì)驅(qū)動(dòng)的方向又在哪里。以上三點(diǎn)，其實(shí)問的都是同一個(gè)問題，企業(yè)的目標(biāo)是什么。第一，今年的保底目標(biāo)是多少，保底目標(biāo)解決企業(yè)基本增長(zhǎng)問題；第二，超出部分給團(tuán)隊(duì)分多少，明確分配比例；第三，每個(gè)崗位貢獻(xiàn)價(jià)值不同，給每個(gè)人應(yīng)該分多少。把分錢的事情解決了，團(tuán)隊(duì)才能擰成一股繩干活，大家多干的都是自己多賺的。出來(lái)工作這么辛苦，有錢賺誰(shuí)會(huì)不拼命呢。這才是能夠讓老板解放，團(tuán)隊(duì)自驅(qū)動(dòng)的根本點(diǎn)。一套合理的薪酬機(jī)制相當(dāng)于企業(yè)的發(fā)動(dòng)機(jī)，只要給油（錢），員工會(huì)推著汽車往前跑，而不是像以前一樣，老板推著員工跑。也能留住想張姐一樣優(yōu)秀的員工。3.2薪酬績(jī)效具體設(shè)計(jì)方法3.2.1薪酬機(jī)制的基本框架公司由于規(guī)模大小、店面類型等原因，最終用的薪酬框架會(huì)有區(qū)別，但大致相同，分為以下幾個(gè)部分。薪資總和=基本工資+績(jī)效考核工資+提出+分紅+福利這里面，基本工資、績(jī)效工資、獎(jiǎng)金、工齡一般都會(huì)有，根據(jù)店面情況會(huì)加入超額獎(jiǎng)金和分紅等。比如增加新品研發(fā)獎(jiǎng)勵(lì)和崗位補(bǔ)貼。3.2.2薪酬機(jī)制具體設(shè)計(jì)步驟（1）明確各崗位薪資總額以收銀員為例，如果是新店，建議參照同街道、同業(yè)態(tài)、同崗位收銀員工資，老店則需要參照以往收銀員工資和同行工資標(biāo)準(zhǔn)設(shè)定。根據(jù)企業(yè)實(shí)際情況，著急用人，可以適當(dāng)增加工資，但原則上基層員工不超過同行業(yè)20%，高層員工不超過30%。為什么不能太高？因?yàn)槿藛T工資后期必定根據(jù)市場(chǎng)情況水漲船高，不可能降低。過高的用工成本會(huì)壓縮企業(yè)利潤(rùn)空間，企業(yè)沒有利潤(rùn)就沒辦法投入研發(fā)和培養(yǎng)員工，最終徹底喪失核心競(jìng)爭(zhēng)力。海底撈超同行30%的高工資，那是因?yàn)槠放茖?duì)租金的議價(jià)能力強(qiáng)，可以把租金節(jié)省下來(lái)的成本分配到人員工資。其他企業(yè)租金、人員、原料三大成本可壓縮空間有限，建議還是控制在合理范圍，保證良性發(fā)展。（2）確定底薪、績(jī)效考核工資、分紅比例等。薪資總和=基本工資+績(jī)效考核工資+提成+福利。大致可以分為浮動(dòng)工資和固定工資兩部分。浮動(dòng)工資包含提成、階段性激勵(lì)和分紅等。具體數(shù)字，根據(jù)業(yè)績(jī)目標(biāo)和個(gè)人貢獻(xiàn)度制定。固定工資包含基本工資、績(jī)效考核和福利。福利相對(duì)好確定，例如五險(xiǎn)一金、孝順基金、工齡工資，金額基本固定。難點(diǎn)在于基本工資和績(jī)效考核的比例，以及績(jī)效考核的指標(biāo)如何設(shè)計(jì)。比如經(jīng)理和招商團(tuán)隊(duì)工作差異大，各自績(jī)效考核工資的比例是多少，考核的指標(biāo)是什么。要想明確績(jī)效考核比例，首先應(yīng)該搞清楚什么是績(jī)效考核，為什么要做績(jī)效。A、為什么要設(shè)計(jì)績(jī)效考核薪酬機(jī)制設(shè)計(jì)的目的只有一個(gè)，讓員工具有自驅(qū)性，充分發(fā)揮個(gè)人才能，讓能者多勞，弱者自然淘汰。所以，驅(qū)動(dòng)的方向是什么就非常關(guān)鍵?？?jī)效考核就是員工驅(qū)動(dòng)的方向，績(jī)效考核分為兩部分，績(jī)效和考核?？?jī)效關(guān)注結(jié)果，與業(yè)績(jī)目標(biāo)直接掛鉤，千斤重?fù)?dān)人人挑，人人頭上有指標(biāo)。當(dāng)公司目標(biāo)和個(gè)人目標(biāo)一致后，團(tuán)隊(duì)才有可能擰成一股繩，否則各干各的，形同散沙?？己藙t更關(guān)注過程，做過銷售得到人都知道，業(yè)務(wù)人員要想完成業(yè)績(jī)，必須先完成足夠量的陌拜和電話量，不排除個(gè)別人運(yùn)氣好，只打了一個(gè)電話就完成了任務(wù)。如果單純看績(jī)效，他是合格的，但傻子都知道，這種情況和守株待兔的概率差不多，過程不對(duì)結(jié)果卻對(duì)的事情，必須要警惕，畢竟做企業(yè)不能全靠運(yùn)氣說話。正確的企業(yè)管理，首先要考核員工的關(guān)鍵行為，比如每天拜訪量完成率，然后再考核績(jī)效指標(biāo)完成情況，保證過程和結(jié)果都正確?？?jī)效關(guān)注結(jié)果，考核關(guān)注過程。過程對(duì)了，結(jié)果完成了，這樣組織才會(huì)走向良性發(fā)展?？?jī)效考核就像上大學(xué)，老師會(huì)在考前畫的重點(diǎn)，一般老師畫什么我們才去背什么。員工也是一樣，你考核什么員工就關(guān)注什么，考核就是企業(yè)經(jīng)營(yíng)的指揮棒，也是企業(yè)戰(zhàn)略落地的關(guān)鍵點(diǎn)。馬云講過，企業(yè)戰(zhàn)略如果落地不到員工的績(jī)效考核指標(biāo)，等于空喊口號(hào)。比如公司今年戰(zhàn)略目標(biāo)是拓展新店100家，老板在臺(tái)上喊得震天響，底下人的考核指標(biāo)依舊是基本功訓(xùn)練、公司文化建設(shè)等內(nèi)功提升，完全與公司戰(zhàn)略脫節(jié)。你說，這100家的目標(biāo)有可能完成嗎。有人會(huì)問，難道非要考核員工嗎，有些員工自覺性挺好的，不考核行不行。我們公司去年業(yè)績(jī)也不錯(cuò)，也沒有用績(jī)效考核，大家干的挺起勁兒。但是沒有考核標(biāo)準(zhǔn)，大家干多干少，干好干壞都是一個(gè)樣，優(yōu)秀人才的價(jià)值得不到體現(xiàn)，最后只能流失。在公司業(yè)績(jī)好的時(shí)候，大家都賺到了錢，問題一般不會(huì)暴露出來(lái)。市場(chǎng)環(huán)境稍微惡劣，團(tuán)隊(duì)負(fù)能量會(huì)成倍的擴(kuò)散，到時(shí)候亡羊補(bǔ)牢又何必呢。另外，一個(gè)優(yōu)秀的團(tuán)隊(duì)時(shí)刻要有危機(jī)感，穩(wěn)穩(wěn)當(dāng)當(dāng)?shù)哪弥拦べY，危機(jī)感談何而來(lái)，狼之所以變成了羊，就是標(biāo)準(zhǔn)越來(lái)越低了。一個(gè)人對(duì)自己沒要求，不出三年就會(huì)廢掉；一個(gè)組織對(duì)員工沒有要求，不出三個(gè)月就會(huì)倒閉。我們不能把希望寄托于市場(chǎng)環(huán)境好，打鐵還需自身硬，嚴(yán)格等于大愛。真正優(yōu)秀的企業(yè)是對(duì)員工收益和成長(zhǎng)雙重保障的，收益來(lái)自于績(jī)效指標(biāo)達(dá)成后的豐厚獎(jiǎng)勵(lì)，成長(zhǎng)則是考核指標(biāo)持續(xù)達(dá)標(biāo)下的個(gè)人能力提升。所以，績(jī)效考核勢(shì)在必行，重點(diǎn)考慮如何設(shè)計(jì)的科學(xué)合理。B、如何設(shè)計(jì)績(jī)效考核?

首先明確各崗位的績(jī)效比例。還是前文的問題，管理和運(yùn)營(yíng)團(tuán)隊(duì)工作差異大，各自績(jī)效考核工資的比例是多少，考核的指標(biāo)是什么。根據(jù)崗位性質(zhì)不同，一般把職責(zé)分為三種類型。上山型——50%：50%（業(yè)績(jī)部門、高管崗位）平路型——70%：30%（職能部門）下山型——85%：15%（技術(shù)、研發(fā)類）上山型，適合高管和招商銷售團(tuán)隊(duì)，因?yàn)樵搷徫豢?jī)效考核的重點(diǎn)是業(yè)績(jī)完成，所以在績(jī)效考核中為突出對(duì)績(jī)效目標(biāo)的要求，考核比例最高。平路型，適合財(cái)務(wù)、人事等職能部分，這類崗位的穩(wěn)定性較高，但事務(wù)性工作繁雜，需要強(qiáng)化工作的完成效率，但又沒有太多的業(yè)績(jī)?nèi)蝿?wù)，所以考核指標(biāo)重點(diǎn)是崗位職責(zé)，比例30%為宜。下路型，需要穩(wěn)定性高的崗位，而且人員流失不利于產(chǎn)品更新迭代，所以該類型崗位重點(diǎn)是穩(wěn)定，公司波動(dòng)不宜過高，考核比例15%最佳。?

其次如何對(duì)各崗位進(jìn)行考核為了讓大家方便理解，我簡(jiǎn)單的把績(jī)效考核按照職級(jí)分為兩類，基層員工用考核工資，中高層用績(jī)效打分表。為什么要這么分，因?yàn)閷?duì)于基層員工而言，最重要的是聽話照做，能把公司安排的事情做好已經(jīng)是優(yōu)秀員工了，過多的個(gè)人想法只會(huì)破壞團(tuán)隊(duì)執(zhí)行力。所以直接制定好具體的考核指標(biāo)，每月定量考核就行，達(dá)標(biāo)獎(jiǎng)勵(lì)，不達(dá)標(biāo)按照標(biāo)準(zhǔn)扣除考核工資，簡(jiǎn)單高效。而中高層作為領(lǐng)導(dǎo)者，經(jīng)營(yíng)思維是第一位，他們必須有領(lǐng)導(dǎo)者意識(shí)，知道如何提升業(yè)績(jī)，如何帶領(lǐng)團(tuán)隊(duì)，所以用績(jī)效打分表考核。月初自己制定計(jì)劃，老板審核結(jié)果，培養(yǎng)干部獨(dú)立的經(jīng)營(yíng)思維，月底按照自己月初制定的計(jì)劃考核完成率以及業(yè)績(jī)達(dá)標(biāo)率。數(shù)據(jù)清晰明了，一切以結(jié)果導(dǎo)向，久而久之，員工養(yǎng)成了獨(dú)立思考的能力，老板在不在區(qū)別就不大了。考核工資操作要點(diǎn)：l

考核價(jià)值行為要低標(biāo)準(zhǔn)、嚴(yán)要求；基礎(chǔ)員工之所以是基層，就是因?yàn)樗麄兊哪芰τ邢?，過高的要求只會(huì)逼迫他們作假和消極怠工，回歸考核的本質(zhì)，為了讓他們關(guān)注成長(zhǎng)，先做到再做好。l

考核工資價(jià)值行為3-5條；考核指標(biāo)不宜過多，很多企業(yè)恨不得把所有的事情都拿來(lái)考核，這就像老師畫重點(diǎn)，告訴你整本書都是重點(diǎn)，還有意義嗎。3-5條數(shù)量不多，任何人都能記住，方便結(jié)果管控。l

考核標(biāo)準(zhǔn)來(lái)源（全勤/盈虧平衡點(diǎn)/核心基本功/核心所需資源）。每家企業(yè)對(duì)員工的要求不一而同，所以，針對(duì)企業(yè)實(shí)際制定的考核指標(biāo)也千差萬(wàn)別，下圖為我服務(wù)的兩家企業(yè)收銀員的考核指標(biāo)，你會(huì)發(fā)現(xiàn)指標(biāo)完全不同。所以，不要去試圖抄襲別人的考核指標(biāo)，各家情況不同，考核指標(biāo)是基于企業(yè)問題、企業(yè)戰(zhàn)略等綜合因素制定的企業(yè)經(jīng)營(yíng)指揮棒，需要因地制宜，適合大于更好?？?jī)效打分表的操作要點(diǎn)：l每個(gè)月月初由各崗位負(fù)責(zé)任填寫計(jì)劃表，并在月度會(huì)議公開匯報(bào)；l月度計(jì)劃中，所有工作必須清晰可量化，不存在模棱兩可的描述性語(yǔ)言，比如努力完成工作、認(rèn)真對(duì)待客戶。l月底質(zhì)詢會(huì)，對(duì)月度制定的每項(xiàng)工作逐項(xiàng)審核，最終打分成績(jī)，以工作完成率計(jì)算，比如計(jì)劃了10項(xiàng)工作，最后只完成了5項(xiàng)，績(jī)效工資就只有一半。l績(jī)效工資與職級(jí)晉升、獎(jiǎng)金提升掛鉤，提高員工的自驅(qū)性。比如，連續(xù)一年績(jī)效考核90%以上，方可參加晉升考試的機(jī)會(huì)；績(jī)效考核全年完成率超85%以上，方有有資格參與年終分紅等。?

最后，重要崗位績(jī)效面談?？?jī)效考核指標(biāo)在制定的過程，由于領(lǐng)導(dǎo)打雞血、自己愛面子、市場(chǎng)情況發(fā)生變化，難免有不合理的地方。因此月底人事要對(duì)重要崗位的人員進(jìn)行績(jī)效面談，給到大家傾訴和申訴的機(jī)會(huì)，消除內(nèi)部矛盾，真正做到有人情味的管理。3.3薪酬機(jī)制的注意事項(xiàng)3.3.1工資不宜頻繁變更永遠(yuǎn)沒有最好的薪酬機(jī)制，老板也總是想優(yōu)化調(diào)整，但是對(duì)于員工而言，穩(wěn)定的收入預(yù)期大于一切，頻繁的工資變革，會(huì)增加員工的不安全感，甚至無(wú)所適從，出現(xiàn)大面積離職。根據(jù)我自己的服務(wù)經(jīng)驗(yàn)，薪酬機(jī)制整體變革最快是一年，績(jī)效考核最快是半年（特殊情況除外）。3.3.2考核工資不是一成不變的考核工資就是老板手中的指揮棒，老板指到那兒，員工就關(guān)注那兒。公司每年、每季度的戰(zhàn)略主題都會(huì)發(fā)生改變。因此考核指標(biāo)也要隨之改變，但仍然不建議太過頻繁調(diào)整，最好的時(shí)機(jī)是等員工對(duì)原有的指標(biāo)已經(jīng)形成了工作習(xí)慣，逐步迭代，團(tuán)隊(duì)運(yùn)作才會(huì)趨于良性。3.3.3太陽(yáng)底下發(fā)工資很多老板喜歡偷偷摸摸的發(fā)工資，尤其喜歡給員工發(fā)紅包，美其名曰人性化管理。不患寡患不均，這是人性，不可逆。把工資放到明面上，你有多大本事拿多少錢，賺的再多別人也無(wú)話可說，只會(huì)激勵(lì)那些想賺錢的人奮進(jìn)。悄沒聲的發(fā)紅包，不讓員工知道彼此的收入情況，大家就真的不知道了嗎，人言可畏，悄悄話多了只會(huì)增加團(tuán)隊(duì)的負(fù)能量。另外，員工都不知道領(lǐng)導(dǎo)賺多少錢，怎么有動(dòng)力成為領(lǐng)導(dǎo)，把薪酬制度公開，讓員工知道自己幾斤幾兩，努力之后未來(lái)能賺多少錢，永遠(yuǎn)是最好的留人方式。3.3.4不能直接從原有底薪中拿錢考核對(duì)于員工而言，績(jī)效考核工資不管標(biāo)準(zhǔn)再低，依舊有拿不到的可能性，所以一個(gè)原來(lái)沒有實(shí)行過考核的餐廳，一定不能從底薪中直接拿錢考驗(yàn)，這樣很容易引起員工對(duì)績(jī)效考核的反感。一般在落地薪酬制度時(shí)，先按比例從底薪中拿一部分，同時(shí)也會(huì)額外增加一部分考核工資作為對(duì)員工考核達(dá)標(biāo)的獎(jiǎng)勵(lì)。比如服務(wù)員原有工資3000，實(shí)行績(jī)效考核后，基本工資變成2500，考核工資500，員工肯定會(huì)有情緒。為了平息員工情緒，會(huì)在考核工資中多加100-200。只要員工能按照考核指標(biāo)完成工作，把活干好了，對(duì)于老板而言，多加一兩百也是愿意的。這樣，員工干好多拿錢，企業(yè)盈利老板也開心。皆大歡喜。很多老板為發(fā)工資發(fā)愁，不是不愿意給錢而是擔(dān)心多發(fā)了沒用，少發(fā)了又鬧事，最后薪酬變“心愁”，一套科學(xué)的薪酬機(jī)制不僅不會(huì)讓老板發(fā)愁，還會(huì)解放老板，激發(fā)員工動(dòng)力。一個(gè)自驅(qū)性的員工和一個(gè)被老板整天追著干活的員工做出來(lái)的工作能一樣嗎。因此，做好店面管理，從一套科學(xué)的薪酬機(jī)制開始，解放自己，激發(fā)員工，讓優(yōu)秀的人才發(fā)揮價(jià)值，讓企業(yè)的利潤(rùn)倍增。3.4把固定工資調(diào)整為績(jī)效考核和提成？如果用固定工資，生意好時(shí)老板很開心，但是員工不開心！生意不好時(shí)，員工覺得很舒服，但是老板會(huì)很焦慮，好的企業(yè)老板和員工的思維和想法應(yīng)該是一樣的，生意好時(shí)大家都很開心，生意不好時(shí)大家都會(huì)一起想辦法，這樣的企業(yè)才會(huì)有未來(lái)，才會(huì)得到越來(lái)越多的顧客消費(fèi)。3.4.1管理層用KSF薪酬績(jī)效模式1、找出每一個(gè)管理者的薪酬績(jī)效指標(biāo)（這是由公司根據(jù)戰(zhàn)略需求來(lái)設(shè)計(jì)的）；2、每一個(gè)指標(biāo)找出利益分配點(diǎn)；3、超過利益分配點(diǎn)即獎(jiǎng)勵(lì)，低于即少發(fā)，做到獎(jiǎng)罰分明；3.4.2普通員工用提成制（或提成+KSF）1、提成反推法方法很多企業(yè)現(xiàn)在給員工是固定工資，那么如何才能給員工從固定工資改為“固定工資+提成”呢？如服務(wù)員工資為3000元，改為提成制具體操作如下：1）確認(rèn)營(yíng)業(yè)提成單位，如桌數(shù)2）從原來(lái)工資拿出20-50%工資出來(lái)，如原工資3000元，30%即900元；3）找出指標(biāo)個(gè)人歷史月平均營(yíng)業(yè)額數(shù)據(jù)：如300桌；4）反推提成單價(jià)：900元÷