创投观察 | 生命科学创业者应具备阶段性商业化的能力

本文是创投观察系列的第165篇

分享人：星瀚资本创始合伙人杨歌

编辑：36氪顿雨婷

生命科学是一个将持续五十年到一百年的大波段，能够承载很多经济载体。鉴于整个产业周期相对较长，一方面需要创业者具备非常强的商业嗅觉，知道在每个阶段下应该怎么去资本化、怎么形成商业回报、怎么开拓市场；另一方面需要投资人完成投资逻辑转变的挑战。此外，AI+医疗虽然面对重重挑战，但发展空间很大，尤其是在基因层面上的分析。

生命科学行业的价值

首先，从一个大的方向，生命科学是一个能够持续五十年到一百年这么一个大的波段，它能够承载很多经济载体。 

前两年基因检测+基因分析的突破，给这个行业构建了入门条件，尤其是2012年CRISPR技术的发现。它是人体基因的剪刀，就像上个世纪四十年代图灵提出图灵机的过程，它是一个新行业的入口。 

当时图灵提出图灵机这个概念之后，引起了整个欧洲乃至全球非常大的反响。生命科学正处于一个与之非常类似的过程：大门已经打开，有非常多的企业入场，它能够快速地提高我们的健康程度，改变我们的生活状态，同时带来非常大的商业价值。

为什么这么看好生命科学？首先在美国市场上，我们看到了一些前瞻性的指标。2011年、2012年时，美国市场开始出现这个行业的风险投资，当时投资生命科学、生物医药的比例都比较低，只有不到10%。但是到了2015年、2016年，我们发现这个比例已经上升到了30%-35%左右。这个时间内，我们仍然在投资互联网和TMT。 

这两年市场进入到经济调整期，产生了一部分的行业泡沫。与此同时，我们发现国内有一个跟美国硅谷非常相似的趋势，我们接触到的生物医药公司进入到投决会及过会被投的企业越来越多，比例从5%、10%上升到20%以上。

生命科学创业要点：定期现金回流 

不过，生命科学有一个特别大的挑战，整个产业周期相对较长。从最开始的理论走向实验室、走向实验工厂，之后走向临床的一、二、三期试验，然后报备FDA、FDA认证，最后拿到药号或者批示，药品上市，然后批量生产以后再形成市场反馈，会有非常长的周期。 

首先，对于生物医药行业的创业者来讲，在这个周期里要把握好节奏，知道在每个阶段下如何进行资本化，如何形成定期的现金回流。   

举例来说，渡过早期实验阶段进入到临床的这些公司，为了能够有商业的模型，为了能够吸引资金和大众的眼光，通常都会去做CRO，即药品的研发管理，帮助大型的药企做一些研发工作，从而产生现金流；而非一直等到它的成药形成之后，再去完成一个市场化商业的过程。

这其实是对很多企业家的一个挑战，综合来看，他必须要有较强的商业嗅觉，能够在每个阶段不断形成一定的商业回报，使资本与企业间形成一个较好的节奏，发展速度会较快。

投资逻辑的挑战

与之对应的是，生命科学的投资逻辑和过往我们所熟悉的投资逻辑是完全不一样的。我们把医疗分成四个方向： 

• 传统医疗，包括制药、医疗器械，传统的医疗服务和传统医院；

• 商业化医疗，基于传统医疗延伸出的可以商业化的科室，现在形成了这些商业医院；

• 互联网医疗，基于互联网社区社群关系，利用大数据分析成立的医疗企业和问诊平台；

• 生命科学。 

在这四个方向上，唯一和互联网相似的流量模式，只有互联网医疗，它是用流量作为基础，然后数据增长、用户增多后进行转化的方式；而另外三个方向与过往几年我们熟悉的投资逻辑相比是完全不一样的。这对很多VC来讲是一个转型的挑战。 

对于生命科学这个方向的投资，其实还很像科技类型的投资。科技类型投资最重要的一点，就是科研成果的转化，能够真正将科技价值进行商业化转型，形成产品，形成能够广泛应用的商业模式，最终产生市场价值。 一个特点在于，产业周期相对比较长，要在产业链上所配给的资源比较多；还要从技术到产品到商业全方位分析它的价值，最终形成转化的过程。

 AI+医疗的前景

除了生命科学，这两个月我对AI+医疗也有一个非常详细的分析，我把它分成三个方向：

• AI+医疗在影像学上的使用

  此种应用基于图像识别，不是真正直接处理医疗类数据，而是处理图象数据，然后供给于图像分析，为CT、超声这些图像做一些辅助化的分析。随着图像识别的模块逐渐成熟之后，AI辅助处理图像已经可以实现一些医疗商业化的应用，发展速度是比较快的。但是它现在仍是处在辅助诊断的阶段，要想真正做到治疗，或者是深入到真正可以去治病的层面上，难度还是相对比较大的。

• AI对所有病历的数据分析

  这里面有统计规律的分析，有通过AI模型算法的分析，主要处理的是一些病历上的病理类数据，在这些数据中寻求规律。这个过程难度相对也比较大。大家希望AI实现代替医生问诊，至少是轻问诊，这里面涉及到大量的语言处理、专业化信息的处理，这个过程我相信在未来几年会有一个提升。 

  但也有很多的难点和挑战，主要来自于两个方面：首先，医疗信息数据的标准化目前还有待提高，需要把大量的信息进行标准化分析；其次，基于这些信息，需要能够进行明确的语义，特别是医疗语义的分析，语义模块在这两年发展速度虽然很快，但是还没有达到一个标准化的过程。 

• AI在基因层面上的分析

  即在基因层面上、生物层面上、生命科学层面上使用大量的人工智能技术，这可能才是大部分人真正想象的科技未来。

从2000年我们知道基因测序到今天，这些所有DNA到底表象是什么过程？它的展现过程是什么？致病的过程是什么？癌症和基因突变是怎么形成的？这些事情在不断的研究，但是还没有一个非常清晰的解析过程。

而人工智能在里面会发挥非常多的作用。 比如说这部分基因怎么变成RNA？怎么变成蛋白？怎么变成组织？怎么会发生错误？这个过程都是需要人工智能去分析。以及如果发生错误，我们需要一个方法治疗它的时候，要反向去编程，然后用人工智能再去分析哪些编程是有用的。这个过程非常像计算机科学，所以现在越来越多计算机科学的人才进入到AI+医疗的领域中，特别是进入到2017、2018年，这种类型的公司越来越多，包括癌症治疗、基因治疗，推动了整个行业的发展。

对于人工智能结合生命科学的项目来讲，如果不懂技术应该如何判断，最主要的是两个因素：

其一，创业者在这个行业里面具备绝对领袖的基础，在国内国外、大型药企、大型的基因公司内都有一定影响力和基础关系，这是第一个条件；

其二，他必须具备非常强的商业嗅觉，知道在每个阶段下应该怎么去资本化、怎么形成商业回报、怎么开拓市场。