调研报告显示,药物发现人工智能市场产业链是一个复杂而庞大的体系,它涵盖了从上游的技术提供到下游的药物研发及商业化等多个环节。
药物发现人工智能市场产业链主要包括上游、中游和下游三个部分:
上游:
数据提供商:药物研发过程中需要大量的数据,包括生物医学数据、药物分子结构数据、临床试验数据等。数据提供商负责收集、整理和提供这些数据,有些是公共数据库,如一些小分子化合物数据库、蛋白质结构和序列数据库、组学数据库等开源数据;也有部分商业数据库需要购买或不公开。
算力供应商:人工智能药物发现需要强大的算力支持,涉及到服务器、芯片等硬件设备。知名的芯片供应商如英伟达、英特尔、AMD 等为该领域提供高性能的计算芯片,以满足人工智能算法对大量数据的快速处理需求。此外,云计算服务提供商如华为云、腾讯云、阿里云、百度智能云等也为药物发现人工智能提供了灵活的算力租赁服务。
算法和软件开发商:这是上游的核心部分,包括各类机器学习、深度学习以及其他人工智能算法的研发企业,以及开发数据收集和处理平台、开源软件包等辅助类软件的公司。他们为药物发现提供了关键的技术支持,通过不断优化算法和软件,提高药物研发的效率和准确性。例如,薛定谔(Schrödinger)公司基于物理学的软件计算平台,已被世界各地的生物医药公司、学术机构和政府实验室使用。
中游:
药物研发企业:
AI+Biotech:这类企业专注于利用人工智能技术进行生物制药研发,从药物本身的性质或治疗手段分类,可分为小分子药物、大分子药物、细胞和基因编辑疗法等细分领域。例如,英矽智能、埃格林医药等公司在 AI + 小分子药物研发方面取得了一定成果;Generate Biomedicines、AbCellera 等公司则专注于 AI + 大分子药物研发;在细胞和基因编辑疗法领域,有 Moderna、 Kriya、新合生物等公司。
AI+CRO(Contract Research Organization,合同研究组织):CRO 企业通过人工智能的辅助,为客户提供药物研发过程中的不同阶段的服务,如药物早期发现、临床前研究和临床试验等。一些 AI+CRO 企业不仅对外提供技术研发服务,对内部部分具有价值的管线,也以合作的形式推进。例如,晶泰科技已与全球超过 70 家药企达成合作,加速了众多药物管线的发现与开发。
AI+SaaS(Software as a Service,软件即服务):为客户提供 AI 辅助药物开发平台,企业客户可以通过平台使用各种药物研发相关的工具和功能,帮助加速研发流程,节省成本与时间。比如,碳硅智慧开发的基于人工智能的临床前一站式药物发现 SaaS 平台 ——DrugFlow,包含了靶标发现、虚拟筛选、先导化合物优化、成药性预测等多个模块。
科研机构和高校:在药物发现人工智能领域,科研机构和高校扮演着重要的角色。他们进行基础研究,开发新的算法和模型,培养专业人才,并与企业合作开展产学研项目,推动技术的创新和应用。许多前沿的研究成果都是从科研机构和高校中诞生,然后逐渐应用到商业领域。
下游:
传统药企:传统药企是药物发现人工智能的最终用户和受益者。他们通过自建团队、对外投资、与 CRO 及技术公司合作等方式,将人工智能技术应用到药物研发过程中,提高研发效率和成功率,降低成本。传统药企拥有丰富的药物研发经验、市场渠道和销售网络,能够将人工智能研发出的药物推向市场,实现商业化。
医药外包企业:医药外包企业为药物研发提供各种专业服务,如临床试验、药品注册、生产外包等。在药物发现人工智能领域,他们可以与 AI 药物研发企业合作,利用人工智能技术提高服务质量和效率,为客户提供更优质的解决方案。
医疗机构:医疗机构是药物的使用场所,他们为药物研发提供临床数据和患者样本,帮助企业进行临床试验和验证。同时,医疗机构也可以利用人工智能技术,为患者提供更加精准的医疗服务,提高治疗效果。
图:人工智能在药物研发中的产业链结构
下游
图:代表企业概况
Enterprise Name
|
Country
|
Web
|
Allergan
|
USA
|
https://www.allergan.com
|
Eisai
|
Japan
|
http://www.eisai.com/
|
Novartis
|
Basel, Switzerland
|
https://www.novartis.com/
|
Merz Pharma
|
Germany
|
https://www.merz.com/
|
Pfizer
|
New York City, United States
|
http://www.pfizer.com/
|
Johnson & Johnson
|
https://www.jnj.com/
|
https://www.jnj.com/
|
Purdue Pharma
|
USA
|
http://www.purduepharma.com/
|
第一章 报告概述
1.1定义和规范
1.2玩家和地区概述
1.2.1玩家概述
1.2.2区域概述
1.3技术概述
1.3.1深度学习
1.3.2查询方式
1.3.3自然语言处理
1.3.4上下文感知处理
1.4药物类型概述
1.5产品概述
1.6最终用户概述
1.7应用概述
1.8产业链
1.8.1药物研发全产业链中的人工智能
1.8.2下游
1.8.3关键参与者在医药研发价值链中的核心竞争力
1.8.4主要参与者的资金比率
第二章 全球人工智能在药物发现市场的技术评估
2.1整体市场表现(价值)
2.2深度学习(价值)
2.3查询方法(值)
2.4自然语言处理(值)
2.5上下文感知处理(值)
第三章 全球人工智能在药物发现市场评估中的应用
3.1整体市场表现(价值)
3.2目标ID/VD(值)
3.3导联ID/可选(价值)
3.4临床前(值)
3.5临床试验(值)
3.6其他(价值)
第四章 竞争分析
4.1Atomwise
4.1.1Atomwise分布
4.1.2产品/服务/解决方案格局
4.1.3碳排放收入
4.2BERG
4.2.1 BERG概况
4.2.2产品/服务/解决方案格局
4.2.3 BERG收入
4.3Deep Genomics
4.3.1Deep Genomics概况
4.3.2产品/服务/解决方案格局
4.3.3Deep Genomics收入
4.4Recursion Pharmaceuticals
4.4.1Recursion Pharmaceuticals概况
4.4.2产品/服务/解决方案格局
4.4.3Recursion Pharmaceuticals入
4.5 Euretos
4.5.1 Euretos配置文件
4.5.2产品/服务/解决方案格局
4.5.3 Euretos收入
4.6BenevolentAI
4.6.1 BenevolentAI配置文件
4.6.2产品/服务/解决方案格局
4.6.3BenevolentAI收入
4.7Exscientia
4.7.1Exscientia概况
4.7.2产品/服务/解决方案格局
4.7.3Exscientia收入
4.8Aiforia
4.8.1 Aiforia简介
4.8.2产品/服务/解决方案格局
4.8.3 Aiforia收入
4.9 IBM
4.9.1 IBM配置文件
4.9.2产品/服务/解决方案前景
4.9.3 Aiforia收入
4.10Insilico
4.10.1 Insilico医学简介
4.10.2产品/服务/解决方案前景
4.10.3 Insilico药品收入
4.11BIOAGE
4.11.1BIOAGE特征
4.11.2产品/服务/解决方案格局
4.11.3 BIOAGE收入
4.12Numerate
4.12.1Numerate配置文件
4.12.2产品/服务/解决方案格局
4.12.3Numerate收入
4.13 NuMedii
4.13.1 NuMedii简介
4.13.2产品/服务/解决方案格局
4.13.3 NuMedii收入
4.14Envisagenics
4.14.1Envisagenics概况
4.14.2产品/服务/解决方案格局
4.14.3Envisagenics收入
4.15Globavir
4.15.1Globavir概况
4.15.2产品/服务/解决方案格局
4.15.3Globavir收入
4.16loud Pharmaceuticals
4.16.1loud Pharmaceuticals简介
4.16.2产品/服务/解决方案格局
4.16.3loud Pharmaceuticals收入
4.17NVIDIA
4.17.1 NVIDIA公司简介
4.17.2产品/服务/解决方案格局
4.17.3 NVIDIA公司收入
4.18Cyclica
4.18.1Cyclica
4.18.2产品/服务/解决方案格局
4.18.3Cyclica收入
4.19 TwoXAR
4.19.1TwoXAR配置文件
4.19.2产品/服务/解决方案格局
4.19.3 TwoXAR收入
4.20OWKIN
4.20.1 OWKIN型材
4.20.2产品/服务/解决方案前景
4.20.3 OWKIN收入
4.21 XtalPi
4.21.1 XtalPi配置文件
4.21.2产品/服务/解决方案前景
4.21.3 XtalPi收入
4.22Verge Genomics
4.22.1 Verge Genomics简介
4.22.2产品/服务/解决方案格局
4.22.3Verge Genomics收入
4.23Standigm
4.23.1 Standigm配置文件
4.23.2产品/服务/解决方案格局
4.23.3 Standigm收入
4.24 Iktos
4.24.1 Iktos配置文件
4.24.2产品/服务/解决方案格局
4.24.3 Iktos收入
4.25Nference
4.25.1Nference资料
4.25.2产品/服务/解决方案格局
4.25.3Nference收入
4.26Cellarity
4.26.1Cellarity曲线
4.26.2产品/服务/解决方案格局
4.26.3 Cellarity收入
4.27Insilico
4.27.1 Insilico医学简介
4.27.2产品/服务/解决方案前景
4.27.3 Insilico药品收入
4.28Collaborations Pharma
4.28.1Collaborations Pharma概况
4.28.2产品/服务/解决方案格局
4.28.3Collaborations Pharma收入
4.29Genesis Therapeutics
4.29.1 Genesis Therapeutics概况
4.29.2产品/服务/解决方案前景
4.29.3Genesis Therapeutics收入
4.30Relay Therapeutics
4.30.1Relay Therapeutics概况
4.30.2产品/服务/解决方案前景
4.30.3Relay Therapeutics收入
4.31 SOM Biotech
4.31.1 SOM Biotech简介
4.31.2产品/服务/解决方案格局
4.31.3SOM Biotech收入
4.32无锡NextCode
4.32.1无锡NextCode简介
4.32.2产品/服务/解决方案格局
4.32.3无锡NextCode收入
4.33Insitro
4.33.1Insitro配置文件
4.33.2产品/服务/解决方案格局
4.33.3Insitro收入
4.34Healx
4.34.1Healx状况
4.34.2产品/服务/解决方案格局
4.34.3Healx收入
4.35微软
4.35.1微软配置文件
4.35.2产品/服务/解决方案格局
4.35.3微软收入
4.36谷歌
4.36.1谷歌个人资料
4.36.2产品/服务/解决方案格局
4.36.3谷歌收入
第五章 竞争格局
5.1 2015-2020年全球人工智能在药物发现销售收入中的份额
5.2全球人工智能在药物发现领域的参与者毛利率(2015-2020)
5.3市场集中度
第六章 按地区划分的药物发现市场全球人工智能评估
6.1全球人工智能在药物发现销售收入中的区域比较(2015-2020)
6.2全球人工智能在药物研发中的毛利率比较(2015-2020年)
第七章 北美
7.1北美药物研发市场中的人工智能(2015-2020)
7.2北美人工智能在药物发现市场的技术规模
7.3北美人工智能在药物发现市场的应用规模
第八章 欧洲
8.1欧洲药物研发市场中的人工智能(2015-2020)
8.2欧洲药物研发中的人工智能市场规模(按技术)
8.3欧洲人工智能在药物发现市场的应用规模
第九章 中国
9.1中国人工智能在药物研发市场的应用(2015-2020)
9.2中国人工智能在药物发现市场的技术规模
9.3中国人工智能在药物发现市场的应用规模
第十章 日本
10.1日本人工智能在药物研发市场的应用(2015-2020)
10.2日本人工智能在药物发现市场的技术规模
10.3日本人工智能在药物发现市场的应用规模
第十一章 印度
11.1印度药物研发市场的人工智能(2015-2020)
11.2印度人工智能在药物发现市场的技术规模
11.3印度人工智能在药物发现市场的应用规模
第十二章 南美洲
12.1南美药物研发市场中的人工智能(2015-2020)
12.2南美人工智能在药物发现市场的技术规模
12.3南美人工智能在药物发现市场的应用规模
第十三章 中东和非洲
13.1中东和非洲药物发现市场的人工智能(2015-2020)
13.2中东和非洲药物发现市场规模的人工智能技术
13.3中东和非洲人工智能在药物发现市场的应用规模
第十四章 市场动态
14.1驾驶员
14.2约束
14.3机会
14.4挑战
第十五章 全球人工智能药物发现市场按地区预测
15.1全球人工智能药物发现销售收入预测(按地区/国家)
15.2北美人工智能在药物发现销售收入和增长率预测(2021-2026)
15.3欧洲人工智能在药物发现销售收入和增长率预测(2021-2026)
15.4中国人工智能药物研发销售收入及增长率预测(2021-2026)
15.5日本人工智能在药物发现销售收入和增长率预测(2021-2026)
15.6印度人工智能在药物发现销售收入和增长率预测(2021-2026)
15.7南美人工智能在药物发现销售收入和增长率预测(2021-2026)
15.8中东和非洲药物研发中的人工智能销售收入和增长率预测(2021-2026)
第十六章 全球人工智能在药物发现市场的技术预测
第十七章 按药物类型预测药物发现市场的全球人工智能
第十八章 全球人工智能药物发现市场预测
第十九章 全球人工智能在药物发现市场的应用预测
第二十章 全球人工智能在药物发现市场的应用预测
第二十一章 结论