出品 | 子弹财经

作者 | 张珏

编辑 | 蛋总

美编 | 倩倩

审核 | 颂文

“几乎所有的药物发现和设计过程将在计算机中开始并结束。”英伟达创始人黄仁勋的这句预言，正在成为现实。

处在技术革命与产业转型交汇点的“AI+医药”，已被视为近年最具潜力的黄金赛道之一。

作为这一领域的先行者，AI制药公司英矽智能正在第三次冲刺港股IPO。5月8日，英矽智能更新招股书，继续推进港交所主板上市进程，摩根士丹利、中金公司和广发融资担任联席保荐人。

AI制药打破传统药物研发固有模式，它将海量生物医学数据和AI技术相结合，能在几个月内以更低成本完成传统方法需要多年才能实现的靶点发现和分子设计，甚至探索人类科学家难以想象的新型分子结构和作用机制，为疑难疾病带来全新治疗可能。

生物医药与AI技术的结合，在英矽智能的公司架构中也有所体现：创始人兼CEO Alex Zhavoronkov博士是一名计算机科学家，于2014年创立英矽智能，在2021年邀请前葛兰素史克高管任峰博士加入并于次年推荐他担任公司联席CEO。

在双CEO模式下，公司的研发团队也是双线作战，任峰领导负责药物管线开发，Alex Zhavoronkov领导负责AI平台开发。

正是这样的特殊业务模式和充满想象的发展空间，使投资者给予了其超出生物技术公司的定价范畴，尽管公司现在还未有能进入商业化阶段的产品出现，此次递表前最后的一轮融资即E轮融资投后估值达到13.3亿美元（约94亿人民币），公司估值较初始阶段增长超过20倍。

但在光环背后，是亟待解决的商业困境与尚未验证的技术价值。

目前，英矽智能不仅自身研发管线尚处于早期阶段，且全球范围内至今尚无一款由AI驱动研发的药物获批上市，整个行业仍在“证明自己”的过程中。

英矽智能递表三次历经两年，这是技术范式真正走向落地的前夜，还是资本催熟的又一次“高光兑付”？

1、吸金能力非凡，但IPO迫在眉睫

自2018年至2022年，英矽智能共进行了7轮融资，总计约4亿美元资金。

投资方不仅包括启明创投、华平投资、红杉中国、高瓴资本等知名机构，还引入了复星实业、赛诺菲等产业资本，甚至在D2轮融资中，沙特阿美旗下的Prosperity7 Ventures也参与了投资，显示出投资者们对AI制药领域的浓厚兴趣。

身负业界对AI与生物技术的双重期待，英矽智能分别在2023年6月和2024年3月递表港交所，但两次都未能成功。

尽管还未能通过IPO成功募资，今年2月公司又完成了E轮融资，获得了由惠理集团旗下的私募股权基金、浦东创投和浦发集团、锡创投和宜兴国控联合领投的1.1亿美元资金。

多轮融资后，英矽智能的创始人Alex Zhavoronkov股权被大量稀释，目前其仅持有公司约9.21%的股份。

与吸金能力同样惊人的是英矽智能的资金消耗速度。

根据最新的招股书数据，2022年、2023年和2024年，公司分别录得亏损2.22亿美元、2.12亿美元和0.17亿美元，三年累计亏损金额已超过30亿人民币。尽管2024年的亏损幅度有所收窄，但其财务压力依然不容小觑。

截至2024年12月31日，英矽智能的现金及现金等价物仅剩1.26亿美元，相较于2023年底的1.77亿美元下降近30%。

按照当前资金消耗速度，即便不考虑业务扩展与昂贵的临床试验费用，该现金储备也仅能支撑公司不足两年的运营。

与此同时，公司负债水平较高，2024年流动负债净额高达6.8亿美元，同期流动比率从2022年的32.1%降至2024年底的16.5%。

英矽智能的债务结构中，以公允价值计入损益的金融负债占据了极高的比例，公司绝大多数负债并非传统贷款，而是来自各轮融资未转换的优先股。2022年至2024年分别达到6.49亿美元、7.75亿美元和7.66亿美元，连续三年占总负债比例超过90%。

由于这类优先股具备赎回权、转换权等复杂条款，按照国际财务准则，它们必须作为金融负债入账，并随公司估值波动定期重估。估值上涨时，反而会推高负债并计入当期损失，从而放大了账面亏损。

这一结构在早期生物科技公司中并不罕见，但英矽智能对这类优先股融资结构依赖程度高于多数同业。对一家尚未建立稳定现金流、仍需持续投入研发的企业而言，无疑加剧了其财务脆弱性。

另外值得注意的是，E轮融资发行的是可转换、可赎回优先股，这意味着投资者不仅可以在IPO成功后选择转换为普通股，还可以在特定条件下行使赎回权。

根据招股书中的相关条款，一旦IPO未能在18个月内完成，或者申请被退回、撤回，优先股持有人将有权要求公司进行赎回。

可以见得，英矽智能发起的第三轮IPO冲刺更具有紧迫性，以应对潜在资金链断裂与优先股赎回压力，否则公司不仅将承受清偿压力，更可能被迫削减核心研发投入，进而动摇其长期竞争力。

2、营收快速增长，但收入结构不稳

积极寻找外部融资的同时，英矽智能积极拓展业务模式，目前其业务包括三大板块：药物发现及管线开发、软件解决方案及与非制药领域相关的其他发现。

技术核心是其自主研发的Pharma.AI平台，这一平台融合了四大关键技术模块，覆盖了药物研发的全流程：用于靶点发现的Biology42、小分子药物设计的Chemistry42、临床开发预测的Medicine42以及科研辅助的Science42。

这种端到端的AI解决方案，被认为是英矽智能区别于其他AI制药企业的关键优势。

最新招股书显示，2022至2024年英矽智能的收入持续增长，分别为3014.7万美元、5118万美元及8583.4万美元，收入年复合增长率为69%。

同期，公司的盈利能力逐步增强，2022至2024年毛利率分别为63.4%、75.4%、90.4%。对此，公司解释称为里程碑付款增加。

在生物医药领域，药企之间的合作常常通过“授权许可”的方式进行，小型初创公司将早期研发的药物候选分子授权给大型药企，共同推进临床试验、生产与商业化。

授权许可交易中常设有“里程碑付款”条款，即被授权方在达到特定研发或商业化阶段里程碑后，向授权方支付预定金额。

目前，英矽智能成功与赛诺菲、Exelixis、美纳里尼等国际药企达成多项授权合作，是其技术与能力得到行业巨头认可的体现。

然而，根据SRS Acquiom的研究，过去9年中，全球制药业中有超过60%的里程碑未能达成。这意味着，尽管协议中约定了高额的里程碑付款，实际到账金额可能远低于预期。

以英矽智能近期的授权许可交易为例，2025年1月其与美纳里尼集团达成授权协议，授权一款AI辅助发现的临床前抗肿瘤小分子药物。该交易总额逾5.5亿美元，但首付款仅为2000万美元。

又例如英矽智能与Exelixis于2023年9月达成了一项全球独家许可协议，授权Exelixis开发和商业化其AI设计的USP1抑制剂ISM3091，根据协议条款，英矽智能获得了8000万美元的预付款。

直到2024年12月，英矽智能才基于ISM3091项目在临床阶段取得的进展，从Exelixis处获得首笔总计金额为1000万美元的临床里程碑付款。

根据最新招股书，目前英矽智能的收入结构展现出高度依赖药物发现及管线开发的特点，2022年至2024年该业务贡献收入占总收入的95%、93.4%，以及92.9%。

而这方面业务又对药物开发进展和授权付款依赖显著，且收入大多来自少数被授权权方即客户：2024年来自前五大客户的收入占比合计超过90%。

目前，英矽智能的所有候选产品都处于较早期阶段，考虑到新药研发普遍存在的高失败率以及目前制药业快速变化的形势，一旦临床试验受阻或授权合作变动，这种单一且集中的收入结构充满不确定性。

3、AI制药中的AI，到底值多少钱？

英矽智能最引以为傲的是AI助力大幅缩短药物发现流程并降低开发成本，近年来研发出一款成功药品的难度日益增加，传统药物研发成本已经远超“耗时10年、花费10亿美元”定律，因此这也是AI制药概念最为吸引人的地方。

当前，公司进展最快、最具代表性的药物管线是其针对特发性肺纤维化（IPF）的候选药物ISM001-055，这款明星候选产品也被称为 Rentosertib。

该药物由英矽智能的AI平台Pharma.AI全程驱动，从靶点发现到首次人体临床试验的快速推进仅耗时18个月，研发成本约260万美元，而相同过程传统药物研发需约4.5年时间和数千万美元成本。

Rentosertib被业界认为是“首个由AI发现的具有全新靶点和新分子结构的候选药物”，根据弗若斯特沙利文的资料，这一资产是同业公司中最先进的研发项目：Rentosertib现已完成中国的临床IIA期试验，初步数据显示其在安全性和关键生物标志物方面表现良好。

然而，临床IIA期在药物研发的漫长过程中仍处于相对早期阶段，制药行业有超过80%的药物在II期后未能进入III期，即使晋级III期的药物仍有近40%面临失败风险，这一“死亡谷”是所有制药公司、以及都必须面对的挑战。

（图 / 摄图网，基于VRF协议）

除Rentosertib外，公司的其他在研产品大多处于临床前或概念验证阶段，距离商业化还有一段距离。

英矽智能宣称其AI平台已生成超20项临床或IND阶段资产——和很多AI制药公司一样，英矽智能以管线广度来彰显其平台效率，涵盖从肿瘤、纤维化到传染病等多个治疗领域。

但对于制药行业而言，更重要的指标是成功率而从来不是早期候选药物的数量。

简言之，英矽智能需要至少一条核心管线成功跨越临床III期并获批上市，才能真正验证其AI驱动药物发现的商业价值。

然而，全球范围都内尚无成功的AI驱动成功研发出药品的案例，甚至连AI制药管线进入临床的还不够多，现有的失败案例还都不足以判断AI制药对临床试验成功率的影响。

英伟达投资的AI制药明星公司Recursion近日宣布削减近一半的研发管线，以聚焦资源在关键领域，再次引发市场对AI制药能力的疑虑。

从行业发展角度看，AI是个巨大的变量，大模型在新分子生成领域有成为行业颠覆者的潜力，但是依托现在的数据能否生成理想的大模型还不得而知。

（图 / 摄图网，基于VRF协议）

更重要的是，优质的药物研发数据多掌握在大型药企手中，容易形成“数据孤岛”，每家药企从头生成高质量的数据也需要时间，最终限制了AI模型的训练效果。

在技术狂热与资本退潮之间，在商业宣传与科研突破之间，英矽智能和整个AI制药行业还需要用真实的药物疗效和商业成功来回答市场的质疑。

毕竟，在生命科学领域，最终的裁判不是资本估值，而是临床效果和患者获益。

*文中题图来自：界面新闻图库。