这是新元资本创始人宋红方在【泉果无限对话】的分享。宋红方被誉为“最具国际视野的中国医药投资界的领袖之一”，她所创立的新元资本，专注于在全球范围内投资早期的创新型医药公司。宋红方自己也提到，选择这个领域，本身就是在追逐一个非常小的成功概率。为了提升胜率，她发明了名为ORIzon的AI赋能的大数据分析工具，并通过使用ORIzon，将新元打造成为一家将量化分析与基础研究相结合的量化风险投资基金管理公司。

她在泉果详细分享了这一历程，并深度解析了她所理解的生物医药早期投资的底层逻辑……

以下是宋红方演讲节选：

我之所以能够成为一个早期医药投资者，原因之一是因为我父母在20几年前，就开始做医药创新研究，他们一直走在一条非常孤单的旅程上。

我常说我来自于一个由两个了不起的科学家组成的家庭：我的父亲是中国科学院院士，研究生物制药；我的母亲发明了中国第一个有全球知识产权的一类生物制药，链激酶，是用来溶栓的。

我在帮他们融资的过程中，了解到了新药研发生命周期里的每一个痛点。所以，当我自己在做投资的时候，就可以有针对性地去解决这些痛点。

新药研发九死一生

让数据凝聚成投资宝典

生物科技的早期风险投资是“九死一生”，存在着大量的未知，即使是一堆基金抱团，也无法应对。

一个药品能够研发出来，成功率大概小于10%。早期的生物科技风险投资，能够连续发出两个基金的基金经理人数小于10%；能够发三个基金，同时实现20%的内部收益率（IRR）的比例也只有16%。

我所理解的早期医药投资，就是在追逐一个非常小的成功概率的故事，不能靠“拍脑袋”做决定，所以量化风险是新元资本的一个非常重要的特点，就是为什么我带队研制了一款名为ORIzon的AI赋能的大数据量化分析工具，同时将量化分析与基础研究融为一体。

我们跟踪了人类几十年的医药研究文献、5000多个投资基金、5万多个KOL、1000多个疾病、2400多个靶点……

在创新药投资领域，通过AI赋能的大数据工具，同时结合基本面研究，可以打破单个基金、单个投资俱乐部的认知限制和能力限制，完成对于投资标的“万里挑一”地筛选，评估全球范围内早期的创新型医疗公司。

当业界与时俱进的时候，投资也必须与时俱进。我们希望自己不要抱着固有传统思维，认为自己什么都懂。面对未知的世界，让大数据给我们插上翅膀，指出方向。

创新药物投资就像赛车

人体是非常复杂的结构，早期的创新药物的投资，它的营运模式非常像赛车。

首先，要差不多解决十个痛点，其中五个痛点是与技术相关，我们要选对跑道，车型、引擎（靶点）、适应症以及生产方法，每个都存在很大的不确定性。

痛点1. 跑道

跑道存在着很大的风险，大概在八年前，当各类免疫细胞被用来研究治疗肿瘤的时，大概有八个跑道同时出现，最后只有CAR-T这个跑道在治疗液体肿瘤上获得了成功。要意识到，我们脚下站的这片土地是“动”的，如果站错了跑道，基本上就不行了。

*CAR-T （Chimeric Antigen Receptor T-cell）是一种通过改变患者自身的T细胞，使其能够更好地攻击癌细胞的免疫细胞治疗技术。

痛点2. 车型

在医药领域，同一个跑道上有五花八门的治疗方法，如果说你开的是夏利，而别人开了一辆法拉利，那你也拼不过对方。

痛点3. 引擎

这是生物学所决定的，每一个车型都针对一个或几个治疗靶点，就好像赛车的引擎。我们聚焦三种最大的疾病：癌症、代谢失调而引起的严重慢性病、以及神经退行性疾病。这三种疾病所涉及到的靶点大概有2000多个，也就是说，一个车型所要选择的引擎是众多的。

* 治疗靶点：指在生物医学领域中，被认为是可被治疗的特定分子、细胞或组织，其功能异常与疾病发生、发展有关。通过干预治疗靶点，可以改变其功能，调节疾病的进程，从而实现治疗作用。治疗靶点是新药研发过程中一个非常重要的概念，是确定药物作用机制和评价药物疗效的关键。

痛点4. 适应症

“车型”和“引擎”最后都是拿去治病的。以癌症为例，如果具体到分子类型，癌症大概可以分700多种。具体可以用来医治哪种疾病呢？每一种适应症，已经都有了标准治疗方案和其他跑道上的临床资产。这又是在以千为单位做选择了。

痛点5. 生产

大分子的生产尤为复杂。除了生产以外，还有一个验证的过程。一个临床实验，可能只治疗了几百个病人，最终成药还需要验证大规模生产的可能性以及安全性。

这五大风险点，每一个都不是小的数量级，把它们同时考虑在内，是非常大的挑战。

一个药要做出来，其实就是要搭一个正确“车型-靶点-适应症”的三角关系。所以在降低三个痛点的科技风险的同时，还要解决三者的搭配问题。三个痛点都是在以千为单位做演绎，产生的组合是以十亿级别为单位的。所以，如果没有大数据做引领，靠拍脑袋做决策，是万万不行的。

 AI大数据

抓住聪明的脑和聪明的钱

我们的AI数据分析工具可以协助我们规避上面提到的五类风险。

举两个例子，比如跑道风险，我们会基于三大原则筛选跑道：

第一，基于对综述文献的大数据分析，确保该跑道的基础理论的研究已经完成。

第二，该跑道上的各种车型已经开始进入临床。

第三，这个跑道会对现有的旧的跑道产生覆盖性的威胁。

接下来去验证跑道的科学性：比如跑道是不是活跃，上面有没有足够多的“车型”，有没有活跃的优秀VC投资者。

另外，对于“车型风险”如何管理？

跑道本身是动的，跑道上的车子也都在动。我们要做的，就是将大数据平台上各种各样的数据综合起来，转译成一个“投资跑道书”。

怎么用大数据对车型的判断做出验证？

我们主要从两个方面下手：

第一，我们有一套自己的算法，而且是有专利的，这套算法每个季度向我们提供了3000多个各种各样的医药医疗公司。当我们能捕获到足够量的“车子”，然后通过对科学基本面的分析才能对其车型的优劣做出判断。

第二，我们跟踪了5000多个基金，5万多个KOL，只要抓住这两组聪明的钱和聪明的脑袋的动向，我就会知道谁在做什么新的公司，确保能捕获算法可能漏掉的公司。

这是一个非常大的研究，因此这本投资跑道书必须是“活”的。公司内部的跑道科学家，每天都要看相关的综述文献，确保既站在理论前沿，又捕获跑道上新的车型和公司。

人员评估

光有顶级车手是不够的

除了上述提到的五种技术风险，还有人的风险。与科技风险类似，我们也在各种各样的数据库的基础上做出正确的判断。

比如我们会看这样几个指标

1.CEO和转化团队

（CEO+ Translational Team）

这个行业就像赛车一样，你需要有一个世界著名的赛车手，但是光有好车手是远远不够，几圈下来，前后左右的人都要围着他转，即转化团队。

我们的高管库大概有15w+人次，包括各种各样的职位。如果一个被投标的，他所有的管理层都不在这个数据库内，那我们就不会再考虑了。

2.科学顾问委员会

（Scientific Advisory Board）

医药性的公司要有非常优秀的科技顾问团。我们投资的公司都非常年轻，需要有一组“老法师”高瞻远瞩。KOL数据库中57000多个聪明的脑袋就是很好的指标。当机器在初次筛选的公司时发现，它的科技发明人、首席科学家等跟科技相关的人，并不属于这个KOL数据库，肯定不是好事情。

也就是说，如果聪明的脑袋缺位，这个公司就会被淘汰。

3. 董事会

（Board of Directors）

小公司缺的就是资源，所以小公司里面一定要有“大人物”，在董事局里负责提供商业资源、人力资源、融资资源。董事局的优劣性也是一个决胜负的关键。

4.投资人

（Investors）

市场火爆，就会产生狂想型的投资者，最后沦为悲剧。因此，投资人也很重要。我们跟踪了5000多个基金经理，包括他们所有的被投公司、发了多少基金、主要的管理者。更重要的是，我们知道他们的投资偏好，集中在哪些靶点与适应症。通过这组信息，我们可以筛选出跟我们非常契合的基金经理。

退出机制

为大药厂量身定做“孩子”

在这个行业，只有大的药厂可以支付非常高的战略溢价。

公司即使上市，最后真正的退出还是被大的制药厂收购。现阶段，行业内已经形成了一个极强的、短时间内不可能逆转的社会分工。就是小公司去趟药物发现和药物批准的两条血路，大公司去做大规模生产和大规模营销，因此，小公司最好的退出就是把自己卖给大的药厂。

所以说这个数据系统最重要的一个功能，就是去分析药厂，把研究落实到药厂需不需要我这个适应症。简单说，就是，为大的药厂量身定做“孩子”。

人类现在面对着21个大的治疗领域，其中最大的就是肿瘤。所以做肿瘤药物，只要你研制的东西好，就有足够的玩家来买你。

但比如代谢引发的严重慢性病，这个领域玩家不多，有能力购买的大公司非常集中。所以说如果做这个慢性病领域的投资，要为前四名的买家量身定做。

总之，作为VC，你总是要承担失败的，只是我们尽量想把风险降低，这套系统就是在管理这个风险。首先，将上述五大科技风险在数据的指引下做通盘考虑；其次，这些风险都是持续的，人选不对，就没有办法持续管理风险，因此要选对人。

当然，并不是说有了我们这套东西，你做VC，你“养的每个孩子”都能活。只是相比原来的10%的成功率，发生了本质性的改变。到目前为止，我们基金“养的孩子们”都还活着。