来源：中证网

中证报中证网讯（记者 孟培嘉）近期，“实验猴价格飙涨”消息引发医药投资圈热议，如何在“实验动物资源涨价”与“临床决策容错率极低”的矛盾中寻求突破，是当下创新药研发产业链亟待解决的难题。在此背景下，华兰股份正尝试以全新的AI制药战略路径，为创新药产业链研发破局提供样本。

华兰股份旗下无锡自然常数科技有限公司（简称“自然常数”）创始人黄小鲁近日告诉中国证券报记者，当下AI制药的竞争分水岭，已从单纯的“分子生成速度”转向“全生命周期数据的系统理解力”。自然常数的战略定位，正是以AI技术打造药企在重大临床投入前不可或缺的创新药研发决策基础设施平台。

成本倒逼创新药研发决策升级

在黄小鲁看来，本轮实验猴价格上涨背后，实际上是创新药产业链供需逻辑的体现。三年前，创新药BD（商务拓展）和项目热度尚未达到今天的水平，供给端没有提前形成足够产能；当新药交易和临床前需求迅速回暖，实验猴无法临时扩产，价格在供需错配中上行。

正是在这一背景下，华兰股份选择联手自然常数。今年6月，华兰股份公告，全资子公司使用自有资金2.05亿元对自然常数增资入股。交易完成后，华兰股份成为自然常数的第一大股东，标志着其AI制药战略正式从临床前环节延伸至临床阶段。

黄小鲁表示，自然常数的技术底座，源于HDP（健康寿命多样性计划）小鼠组织资源——覆盖几乎所有小鼠品系、23种器官、约12.5万个组织样本，沉淀约3PB多模态组学数据。与传统单一遗传背景的横截面研究不同，HDP保留了“个体器官时间组学”的完整对应关系，形成了一部可供AI学习的“生命电影”，而非几张静态照片。

助力提升创新药研发效率

创新药研发常年受困于“双十定律”。研发一款新药，平均需耗时10年、耗资10亿美元。对此，黄小鲁认为，最昂贵的成本往往不是实验本身，而是在信息不充分时，将数年时间与巨额资金押注在错误管线上。

他表示，在AI时代，算法和算力可以通过资金获取，但由顶尖科学家历时数年精细设计并执行的活体生命演化数据，具有极高的稀缺性。通过人类与小鼠同源基因映射及跨物种模型，自然常数将药物作用机制、疾病进程与人群差异放在同一框架中，以回答三个核心问题——一款药是否值得继续投入，风险来自分子、患者还是方案；如果推进，应选哪些患者、用多大剂量，什么时候是试验终点；若失败，是药物无效还是临床设计掩盖了疗效信号。

而自然常数的核心壁垒之一，就源于其独家引进的HDP小鼠组织库。该数据库由瑞士洛桑联邦理工学院教授Johan Auwerx主导建立，几乎覆盖所有小鼠品系，其基因多样性覆盖范围极广，数十万个完全独立的活体组织样本可生成高达3PB规模的超高深度、多模态组学数据。

此外，从技术路线定位来看，自然常数与“千鼠万抗”（发现端）、非人灵长类评价（安全端）等动物实验可以视为一种互补关系。自然常数通过预测动物实验的药物表现情况来服务于决策端，影响的不只是单次实验费，而是整条管线未来数年的资本配置。

“我们提供的不是一份检测报告或一个模糊的成功概率，而是可解释的生物学证据。”黄小鲁表示，自然常数把AI从“设计分子”推到了“辅助临床决策”，让药企理解风险来源与获益人群，决定管线是继续、调整还是止损。

锚定四大价值维度

黄小鲁表示，自然常数的价值可以体现在四个维度。首先，该技术路线可以帮助药企在临床实验前更高效地决策，在更大规模资金投放前识别并解释验证风险，避免无效投入或过早放弃有效管线。

其次，在药物研发Ⅲ期临床阶段，该技术模型可以通过跨物种多组学模型寻找响应亚群，从“招募更多人”转向“找到更对的人”，避免平均效应稀释疗效信号。

第三，当药物研发陷入瓶颈时，自然常数提供的技术模型可以帮助企业重新审视剂量、终点、入组标准与联合用药，让试验设计贴合真实治疗逻辑，区分是分子构造失败还是设计失败。

最后，自然常数的技术模型还可以助力药企对失败资产价值再评估。全球药企沉淀大量搁置管线，若因错误入组、剂量或终点掩盖了疗效，自然常数的技术模型可为其提供适应症调整、联合开发或重启临床的依据，从沉没成本中重掘价值。

面向未来，黄小鲁表示，随着华兰股份增资，自然常数将加快多组学数据获取、模型训练（由单器官向多器官演进）、核心人才引进与商业验证。而对华兰股份而言，其长期服务国内外药企的客户网络、已布局的知识图谱、靶点发现、抗体设计等AI医药环节，能为自然常数带来真实的产业落地场景与BD订单。下一步，自然常数的商业模式将从“卖报告”进化为“卖决策依据”，进而成为创新药研发产业链的基础设施平台。