← 返回列表
Colossus (Invest Like the Best / Business Breakdowns)播客30 Jan 2024来源: joincolossus.com主持: Patrick O'Shaughnessy

Alex Telford - Unlocking Innovation in Pharma - [Invest Like the Best, EP.360]

一句话导读

这篇讲的是制药行业正面临一个转折点:传统药物开发效率越来越低,大部分新药赚不回成本,整个行业靠少数“重磅炸弹”药(比如年收入200亿美元的Humira)来养活。嘉宾认为,研发回报率其实接近零,但新疗法(如CAR-T细胞疗法)太复杂了,像百时美施贵宝的CAR-T业务,员工数跟患者数一样多(都是4000人),说明这种创新很难规模化。另外,AI短期内对药物发现帮助不大,真正有用的是在整理文件、筛选患者这些流程上。提到的标的:Novo Nordisk——靠GLP-1减肥药从一家乏味的胰岛素公司变成全球第15大公司;Bristol-Myers Squibb(收购Celgene)——CAR-T业务太复杂,员工和患者数量一样;Humira(艾伯维)——年收入200亿美元,是行业典型的“超级获奖者”。

AI 摘要AI 生成 · 可能有误 · 以原文为准

Alex Telford在Invest Like the Best节目中探讨制药行业创新,核心观点是药物开发效率亟待提升,未来方向包括基因疗法突破和AI应用。他分析了从发现到商业化的复杂流程,强调减少时间成本的重要性,并讨论随机对照试验(RCT)与监管改革对创新的影响。虽未提及具体公司或金额,但指出跨学科研究、市场化定价和重磅药物模式正面临挑战,行业需在技术进步与监管限制间寻找平衡。

全文约 12 分钟 · 9 个章节
深度解读

Alex Telford - Unlocking Innovation in Pharma - [Invest Like the Best, EP.360]

本期速览

Alex Telford 是 Convoke 创始人,该平台致力于简化药物开发与商业化流程;他自 2019 年起持续撰写生物技术行业博客。本期主线:制药行业正面临「低垂果实耗尽」与「下一代疗法涌现」的转折点,创新效率与监管平衡是其核心矛盾。全片最有分量的判断:Alex Telford 认为制药行业的研发回报率实际接近零,大多数公司并不赚钱,整个行业依赖少数「彩票型」重磅炸弹药物来覆盖大量失败成本——且这一结构正在被新药模式(如细胞疗法、基因疗法)的复杂化所挑战。


药物发现效率:从「黄金时代」到「低垂果实耗尽」

Alex Telford 认为,制药行业的历史是一部「低垂果实先被摘完、然后新工具开辟新领域」的循环史。

  • 19世纪末至20世纪初:制药业从草药提取物和染料工业演化而来,抗生素(二战期间)成为首个重大成功——通过「去野外找土壤样本」的方式发现,局限于传染病。
  • 1950年代(Janssen 时代):比利时医生 Paul Janssen 开创「理性药物设计」,用新兴化学工具对天然化合物(吗啡、哌替啶、阿托品)进行改造。这一时期是低垂果实的黄金期——分子工具刚成熟,大量可改造的天然起点存在。
  • 1980年代至今:传统小分子药物的低垂果实被耗尽,生物技术产业崛起。两种曲线重叠:传统制药效率下降曲线 + 生物技术(重组DNA、CRISPR)上升曲线。
  • 关键数据:从学术靶点发现到药物上市,平均耗时 20年(±10年)

> 「你还记得的话,Janssen 当时有一个直觉,认为可以改进哌替啶这个化合物让它成为更好的药物——但他不知道具体怎么改到最好。他只是在反复试错。」——意即 Janssen 的「直觉驱动型试错」是早期发现的核心模式。


下一代疗法:从「药丸」到「流程」的创新

Alex Telford 认为,未来 10-20 年最具影响力的技术已处于萌芽阶段,其共同特征是「药物本身就是复杂流程」,而非传统口服药片。

四大新兴类别(按复杂度与产业化成熟度排序):

类别 机制 代表案例/数据 关键挑战
单克隆抗体 人工制造抗体,结合特定蛋白以抑制或杀伤靶点 Humira(年收入 ~200亿美元,抗TNF-α炎症药);Keytruda(目前全球最畅销药) 制造工艺已相对成熟(在生物反应器中培养)
基因疗法 用病毒载体将功能基因拷贝递送入细胞,补偿缺陷基因 Zolgensma(治疗脊髓性肌萎缩症,重症患儿1岁前通常死亡,现可近乎治愈 递送技术(病毒载体)是核心瓶颈,仅少数成功商业化案例
细胞疗法(CAR-T) 从患者体内提取免疫细胞,经基因编辑后重新输注以攻击癌细胞 百时美施贵宝(Bristol-Myers Squibb)收购 Celgene 后,员工数量(约4000人)与已治疗患者数量(约4000人)相同 制造极复杂:取细胞→空运→基因编辑→空运回输注,需在极短时间内完成
放射药物 靶向元件+放射性核素,选择性杀死癌细胞 多家公司近年大举收购布局 半衰期短(如7天),需在几天内完成制造→递送,否则失效

> 「这些复杂疗法是制药公司正在建立的护城河——比传统药片难复制得多。但它们的交付本身就是一种极其复杂的流程产品。」——意即创新方向从「分子设计」转向「系统设计与交付」。


AI 的真实角色:工具而非革命

Alex Telford 对 AI 在制药领域的应用持「短期悲观、长期乐观」态度,且认为 AI 在流程自动化上的价值大于在药物发现本身。

  • 发现环节:AlphaFold 可以预测蛋白质结构,但对药物结合位点的细粒度预测仍不准确,且训练数据来自数十年辛苦收集的晶体结构。它只是「庞大拼图中的一小块」。
  • 流程自动化(短期更乐观):AI 可用于准备监管文件、识别适合入组临床试验的患者、优化市场机会优先级排序——这些都是当前药物开发真正的速率限制瓶颈
  • 核心论断药物发现并不受限于「设计分子」的能力,而是受限于下游的临床开发与测试——即便 AI 完美设计出分子,仍需要多年临床试验才能验证。

> 「发现药物方面的能力,并不是由我们设计分子的能力所限制的——它更受限于下游的临床开发和测试,以及我们为批准上市所需收集的信息。」——意即真正瓶颈在临床验证端,而非分子设计端。


监管与加速:平衡「安全」与「看不见的死者」

Alex Telford 认为,监管的最大挑战是平衡「避免有害药物上市」与「避免因审批过慢而错失拯救生命的机会」——且不同疾病需要不同的证据标准。

  • 艾滋病案例(历史转折点):1980年代艾滋病危机中,患者组织抗议FDA将糖尿病标准套用于艾滋病——当时患者「反正要死」,FDA最终加速批准AZT、DDI(虽非高效药物,但启动了迭代路径,最终催生高效疗法)。这催生了加速批准通道
  • 证据标准差异化:糖尿病等已有高效疗法的疾病,应要求高证据标准(大规模死亡率试验);而罕见病/无标准疗法的疾病,应接受更弱证据+更严格上市后数据收集
  • 替代指标(Surrogate)的重要性:如肿瘤缩小作为生存率的替代指标——可大幅缩短开发时间。但慢性复杂疾病(如衰老)缺少可靠替代指标,「在找到衰老的替代指标之前,我们永远无法获得延长寿命的药物」
  • RCT 的局限:随机对照试验仍是黄金标准,但在患者极少的超罕见病(美国仅个位数患者)中无法执行,需使用数字孪生、自然史队列等新方法。
  • 证伪条件:如果监管机构不能更严格地要求加速批准后的确认性试验,行业将出现「拿加速批准后拖延不做确认」的套利行为。

产业结构:彩票型经济与「创新 vs 收割」的张力

Alex Telford 认为,制药行业本质上是「彩票型」经济,收入呈极端帕累托分布,且这一结构正在被企业「重会计、轻科学」的倾向所威胁。

指标 数据
获批药物中无法回收平均开发成本的比例 55%
全球药品收入中重磅炸弹药物(年收入>10亿美元) 的占比 30-40%
全球活跃重磅炸弹药物数量 170个
美国药价(净价)与欧洲的倍数 2倍
美国占全球药品市场收入 ~40%(新药上市后10年内占 ~60%
制药公司净利润率(扣除全部成本) 10-20%
  • 颠覆性判断「整个行业的研发回报率实际上接近零」——大部分公司投资回报率极低,少数「超级获奖者」(如 Humira 年收入200亿美元)支付了所有失败。
  • 对美国高药价的辩护逻辑「如果你砍倒那些最高的谷穗,实际上是在移除整个系统投资开发新药的激励」——因为极端收益分布意味着,需要保留「超级获奖者」来维持系统运转。
  • 最大担忧:企业正从「创新驱动」转向「会计驱动」——投资于难以复制的复杂疗法(如放射药物、CAR-T)以延长专利寿命、收割现有产品,而非投入不确定的基础研究「如果一个公司的管理层全是会计思维,你就不会得到像 Keytruda 或 GLP-1 这样的突破性药物。」

提及的标的

标的 嘉宾态度 关键数据
Novo Nordisk 未明示(正面案例提及) 曾被视为「乏味的欧洲胰岛素公司」,后因GLP-1类药物跃升为全球第15大公司;GLP-1研发历时数十年
Bristol-Myers Squibb (收购 Celgene) 风险提示(制造复杂性) CAR-T业务中,员工数(~4000人)≈ 已治疗患者数(~4000人),体现流程复杂性与劳动密集度
Humira (艾伯维) 未明示(被用作重磅炸弹代表) 年收入~200亿美元,抗TNF-α抗体,被列为「超级获奖者」典型
Keytruda (默克) 未明示(被用作最畅销药物) 当前全球最畅销药物,单克隆抗体
Zolgensma (诺华) 未明示(被用作基因疗法早期成功) 治疗脊髓性肌萎缩症,重症患儿1岁前通常死亡,现可近乎治愈

值得记住的判断

1. 「制药业研发回报率实际接近零,大部分公司不赚钱」(Alex Telford)—— 行业收入是极端帕累托分布:55%的药物无法回收平均开发成本,而30-40%的收入来自仅约170个重磅炸弹药物

2. 「药物发现不限于设计分子,而限于下游临床开发」(Alex Telford)—— 即便AI完美设计出分子,仍需10年临床试验验证。AI在流程自动化(如患者筛选、监管文件准备)上的短期价值大于分子设计。

3. 「下一代创新从'药丸'转向'流程'——CAR-T的员工数等于患者数」(Alex Telford)—— 百时美施贵宝CAR-T业务中,4000名员工服务4000名患者,说明复杂疗法正在成为制药公司的新护城河,但产业化难度陡增。

4. 「如果砍倒最高的谷穗,你就破坏了整个系统」(Alex Telford)—— 美国药价是全球的2倍,但高药价是极端收益分布的必要条件:保留超级获奖者(如Humira年收入200亿美元)才能维持行业投资意愿。

5. 「在找到衰老的替代指标之前,我们不会获得延长寿命的药物」(Alex Telford)—— 替代指标(如肿瘤缩小替代生存率)能大幅缩短开发时间,但慢性复杂疾病(如衰老)缺少可靠替代指标,这是研发瓶颈。

6. 「最大的长期风险不是监管太严,而是企业从'科学驱动'转向'会计驱动'」(Alex Telford)—— 企业倾向于投资难以复制的复杂疗法(放射药物、CAR-T)以延长专利生命周期,而非投入不确定的基础研究——「20-30年试错才能出成果的科学,正在被季度财报逻辑所挤压」

7. 「艾滋病加速批准的真正价值不是那些药物本身,而是启动了迭代路径」(Alex Telford)—— 早期AZT/DDI并非高效,但通过产生初始收入和市场,激励了后续迭代,最终催生高效疗法。这体现了「先让轮子转起来」的产业逻辑。

8. 「Eroom定律(Moore定律反向)是真实存在的——学习速度太慢」(Alex Telford)—— 制药的迭代周期与科技行业形成鲜明对比:科技可以几天内完成A/B测试,而制药的临床试验需要10年。任何能加速反馈循环(如自动化试错、数字孪生)的技术都极具价值。