BenevolentAI：这家欧洲最大的人工智能+新药研发公司，两种在研药就卖了8亿美元

在医疗人工智能领域，新药发现对大多数人来说还是比较陌生的。虽然这个细分领域的发展不如医学影像，但却出现了一家独角兽企业——BenevolentAI。BenevolentAI坐落于有知识街区之称伦敦国王十字区，该公司主要是利用人工智能技术，从散乱无章的海量信息中，提取出能够推动药物研发的知识和新的可以被验证的假说，从而加速药物研发的过程。

在2013年第四季度至2015年第三季度，BenevolentAI共进行了四轮融资，总额达到8772万英镑（约合1亿美元），估值达到17.81亿美元。按照融资金额算，BenevolentAI已经成为欧洲最值钱的人工智能初创公司，在全球也可以排进前五。2017年1月份，它被CB Insights评入“全球人工智能企业100强”。

BenevolentAI为何能受到资本和药企的青睐，动脉网（微信号：vcbeat）对其进行解读。

优秀的创业者会得到资本的长久支持

这家公司由Ken Mulvany创立于2013年，起初名为Stratified Medical，2016年10月改名为BenevolentAI。

Ken Mulvany是一名连续创业者。在2003年，Ken Mulvany创办过一家制药企业——Proximagen。Proximagen致力于为中枢神经系统（CNS）疾病提供新型药物和创新新疗法。公司分别在2009年6月和2011年9月获得了两轮融资，总金额达到9650万美元，其中一家投资机构为灵北药业。2012年9月，Ken Mulvany以5.55亿美元的价格将Proximagen出售给美国的制药公司Upsher-Smith。

出售Proximagen为投资者创造了不错的收益，也为Ken积累了良好的口碑。因此在Ken Mulvany创办BenevolentAI的时候，以前合作的两家投资机构和两家制药企业为BenevolentAI提供了800万英镑的天使轮融资，他们分别是灵北药业（Lundbeck）、Upsher-Smith以及Woodford投资管理公司和Lansdowne Partners。

研发药物本来就烧钱，还和人工智能搞在一起，这些投资机构的眼观和胆量不得不让人佩服。从目前BenevolentAI估值17.81亿美元来看，这些机构和药企又赚了一笔。

其中还有一个小插曲，灵北药业的前任CEO Ulf Wiinberg，曾经收到过Ken送给他的礼物——BenevolentAI的股份，在财产申报的过程中，他把这一部分漏掉了，因此他丢掉了工作。

2016年8月31日，BenevolentAI将业务拆分，成立两家全资子公司：BenevolentBio和BenevolentTech。

BenevolentBio继承了BenevolentAI的主要业务，继续专注于将公司的技术应用到医疗保健和药物发现中，并致力于炎症、神经变性疾病（例如帕金森、阿尔茨海默症）以及其他罕见疾病。

BenevolentTech则将继续完善和开发推动生物科学发现的AI引擎，并会将这一技术应用到其他领域。

创始人Ken Mulvany表示：这样做的目的是为了将AI与生物、化学和制药等技术相结合，加速创新药物的研发，然后将这个技术快速的推广。

创始人竟然不是公司CEO

2015年11月30日，BenevolentBio迎来了一名女性CEO——Jackie Hunter。Hunter是英国生物技术和生物科学研究理事会（BBSRC）的首席执行官。英国生物技术和生物科学研究理事会是全球领先的资助机构，它负责英国各地的大学和研究机构的学术研究和培训。

她刚进BenevolentAI，创始人Ken Mulvany就把CEO的职位让给她 ，自己去做董事了。2016年公司业务拆分，BenevolentBio继承了BenevolentAI的主要业务，Hunter又担任了子公司的CEO，这在创业公司的里是很反常的，Ken Mulvany为什么这么相信她呢？

带着好奇，我了解了这位美女CEO的经历，发现她在2010年1月到2012年10月间曾在Ken Mulvany的上一个创业公司Proximagen担任非执行董事。她是公司薪酬委员会及提名委员会成员，对公司员工的情况十分了解。

在此之前，她在医药行业工作了27年，在GlaxoSmithKline担任神经病学、胃肠药物发现和早期临床开发的高级副总裁职务。由此推断，正是出于对Jackie Hunter充分信任，以及她多年的经验，Ken才决定让贤。

另一家子公司BenevolentTech的CEO Jérôme Pesenti是一位世界级的AI技术先驱，过去16年他一直专注于大数据、云服务和机器学习等技术的研究，并以首席科学家的身份领导并参与了IBM Watson平台的开发。他之所以加入IBM，是因为他和其他人一起创办的公司Vivisimo在2012年被IBM收购，他也跟着进入了IBM。

后来，由于BenevolentAI在AI+药物发现领域的优势与创新打动了他，他决定加入BenevolentAI。

药物发现困难多多

三峡大坝是我国主要的水利工程，从建设到完工耗时12年，耗资500亿人民币约60亿美元（枢纽工程费，不包含安置费和输变电工程费），被称为“大国工程”。同期的2006年，制药企业辉瑞的研发投入是83.4亿美元，11只药物处于Ⅲ期临床阶段。一款新药的上市也要10-12年，和修建三峡大坝的时间相差无几，为什么新药研发的费用和周期会这么长呢？

新药研发的难点可分为两个时期：一是前期小分子化合物的发现过程，另一个是一、二、三期的临床试验。一般一、二期临床要三到五年，三期临床二到三年，这个时期是否顺利很大程度取决于前期药物发现的时候有没有把候选化合物选好。候选化合物的发现过程对后期的临床起到关键作用，这里先普及一下流程。

药物研发是一种苦苦寻觅的过程，甚至是一个靠运气的过程。同时，这个过程中存在很多问题，例如过多的化合物需要筛查、中标物的毒性测定、失效和有偏设计等，如果前期工作做得不好，后面的临床试验中途夭折的概率就会增加，那时的损失就可能达到数亿美元。

从海量信息中快速发现新药

新药发现这么难，那么BenevolentAI的人工智能技术是如何提高药物发现的几率的呢？

在科学研究飞速发展的今天，每30秒就会有一篇生命科学论文发表。除此以外，还有大量的专利、临床试验结果等海量信息散布在世界各地。这些信息中，只有一小部分的科学信息可以形成有用的新知识。

对于药物研发工作者来说，他们没有时间和精力来关注所有的新信息，但是这些信息又包含了全球大部分科研人员的研究成果和大量关于新药的信息，从这些信息中找寻新药的蛛丝马迹是药物发现的一种捷径。

BenevolentAI的技术平台利用人工智能技术，从这些散乱无章的海量信息中提取出能够推动药物研发的知识，提出新的可以被验证的假设，从而加速药物研发的过程。这个技术平台叫做JACS（Judgment Augmented Cognition System，判断加强认知系统）。

JACS在运算的时候会涉及海量的数据，为了提高运算效率跟能力，公司从英伟达购买了专门为深度学习设计的超级计算机DGX-1。这台计算机可以模拟发生在大脑皮层中的识别和学习模式，加快在不同信息源之间建立新的关系，从而产生更快、更多的新药创新。

第一次交易就是8亿美元

BenevolentAI并不是靠讲故事来获得融资的，到目前为止，公司正在利用AI技术进行10多种药物的研发，这些药物主要针对包括阿尔兹海默证和罕见癌症在内的四个不同领域的疾病。

2014年6月，BenevolentAI宣布与一家美国的制药公司达成合作，并将两个正在研发的阿尔茨海默氏症新药卖给这家美国公司，这两款药物处在中标候选化合物评估阶段。此次交易高达8亿美元，BenevolentAI获得4亿美元的预付款，如果这个新药后期研发顺利，公司将获得余下的4亿美元。此次交易的两款药物就是利用JACS系统开发的。

除了销售发现的小分子化合物之外（未上临床的创新药），BenevolentAI也可以分析小分子化合物，进而参与新药研发的整个流程。2016年11月，BenevolentAI与强生达成合作，强生把一些尚处于试验中的小分子化合物转交给了BenevolentAI，进行新药开发。

2017年5月25日，其发现的用来治疗肌萎缩性侧索硬化症的药物，经过英国谢菲尔德一家机构的研究，确实对治愈运动神经衰退有作用。

另外，动脉网从BenevolentAI官网了解到，BenevolentAI将利用人工智能系统来指导临床试验的进行和数据的收集，计划最早在2017年中期展开某种药物的2b期临床试验。

中国在这方面有机会吗

BenevolentAI如此赚钱，未来也有望成为一家世界级的企业。那么中国在人工智能+新药研发领域有大展拳脚的机会吗？

在国内，我们目前只发现了一家名为晶泰科技（XtalPi）的企业在从事人工智能+新药研发业务。这家公司主要利用人工智能、量子物理化学算法、大数据、云计算等技术从事药物研发创新，为全球药企提供高度精确的智能化药物设计与研发技术，从而提高研发的效率与成功率。

与BenevolentAI不同的是，晶泰科技将所开发的技术应用于药物发现过程中的早期设计与优化、药物溶解度、毒性预测与筛选、药物设计和药物重定向。目前在AI制药领域也获得了良好发展。

但是，从大环境来看，中国的创业者想要在这个领域发展，还是显得门槛较高。

我们主要从以下几个维度进行了简单分析：

市场：创新药的市场，你想它有多大，就有多大，只要有本事，你就能分到蛋糕。此处不再过多赘述。

数据：高质量的数据是人工智能企业的重要支撑，没有数据，一切都是瞎扯。中国的新药研发环境与国外相比相差甚远，无论是化合物库还是小分子化合物的试验数据都和欧美国家存在一定的距离，中国的创业者要先和高校、科研机构或者是医院达成合作，有了高质量的数据，才有创业的可能。

人才：我国人工智能的专家确实不少，但是与制药、生物化学相结合的人才还是匮乏，人才的招聘还是挺难的，除非海外请专家。

商业模式：欧美有成熟药物研发退出机制，新药的发现与研发，一旦与药企合作，就有很大概率被药企收购，投资机构成功退出，但是中国在这方面的成功案例较少。