四家企业三种方式，硅谷的大健康这么玩

【编者按】国内公司不少都在标榜硅谷，硅谷的公司都是什么样子的嫩？ 易凯资本 拜访了硅谷4家生命科学领域的公司，并给出了自己的见闻。

本文转载自公众号易凯资本，作者为易凯资本医疗组张骁；由亿欧编辑整理，供行业人士参考。

---

美国当地时间1月11日，易凯资本团队带领国内上市公司及大型金融机构的高管们参观了硅谷附近四家生命科学领域的明星创业公司——前身为Google Healthcare的Verily、实验科学的颠覆者Emerald Cloud Lab、将 人工智能 技术引入大健康产业的先驱Atomwise以及Athelas。

Verily：一切突发奇想都可以成为商业机会

史蒂夫·乔布斯生前曾预言， 二十一世纪最伟大的创新将来自于生命科学与电子信息技术的交叉。 而前身为Google生命科学部门的Verily就是一家正在致力于结合生命科学与信息技术、颠覆传统健康管理模式的公司。

Verily将数据挖掘技术与前沿的生命科学成果相结合，主要致力于心血管疾病、糖尿病、癌症、神经系统疾病和心理健康等领域的研发创新。 通过一系列技术突破，借助多种的生命体征监测方式及数据处理方法建立疾病管理生态系统，实现将发病后才被动治疗、亡羊补牢的健康管理模式（reactive）革新为发病前主动监测、防患未然的健康管理模式（proactive）。

公司与世界顶尖医药化工集团如强生、诺华、赛诺菲、葛兰素史克、Biogen、Dexcom、Ethicon、3M等建立了密切的合作关系，共同开发一系列极富创造性的医疗产品。

如公司与诺华共同开发可持续监测血糖以及进行视力矫正的隐形眼镜；与葛兰素史克共同开发可针对诸多慢性病的生物电类药物；与强生共同开发新一代手术 机器人 ，提高微创手术质量及使用比例。此外，公司还独立开发了用以灭绝带病蚊种的不育公蚊，以及帮助手部机能障碍者顺利进食的Liftware等。

Verily科学家们个个天赋异禀，每个课题都引领着时代潮流，但越是颠覆性的创新就越是伴随着大量的资金投入和更高的失败风险。而且生命科学领域的创新也与互联网领域的创新有所不同，虽然二者都是不断犯错、调整和迭代的过程，但生命科学领域的试错周期要相对长得多，代价也更大。

或许是创新方式的差异很难调和， 2015年8月，Verily正式脱离了Google的庇护，独立参与市场竞争。 但从高额支出的成本中心转为自负盈亏的利润中心并非易事，Verily的转型之路不可避免地伴随着痛苦。

不过开放合作的心态对于Verily来讲是一针强力的镇痛剂。公司目前收入主要来自于与大型制药企业的合作中获得的产品开发佣金，并已实现收支平衡。这种模式支持着Verily的科学家们尝试将一切突发奇想转化为商业机会的信念。

最能够容忍失败的土壤才会孕育最伟大的创新。Verily脱胎于Google，生长于硅谷，伟大与风险深植于Verily的基因中。

这种追求创新的平台或许并不适合需要短期资金回报的财务投资人。但是对于国内有产品创新需求的战略投资者而言，与Verily建立产品开发层面的合作，并通过合作学习顶尖创新企业的创新精神、管理理念和操作方式，是提升国内企业产品创新层次难得的机会。

Emerald Cloud Lab：引领创新过程的创新

DJ通常指在那些把不同的音乐串烧在一起并赋予它们全新生命的打碟工作者，而来自斯坦福的有机化学博士DJ却用他的才华将数百台实验仪器串烧在一起，为各学科领域的科研工作者提供了自由追梦的梦幻场所——Emerald Cloud Lab。

Emerald Cloud Lab成立于2009年，由DJ和来自Scripps的物理化学博士Brian创办，员工是来自世界各国的优秀科学家。 或许由于团队有丰富的切身科研体验，他们深知科学实验中充满着望尘莫及的巨量信息与难以解释的不确定性，则最大程度地了解自然、掌控自然变化过程就是提高科研效率、保证科研结果质量的关键。

Emerald就是尝试通过实验流程的标准化以及实验过程信息的全面覆盖解决科研中的不确定性以及信息繁杂问题，在提高科学实验的一致性和可重复性的同时，为科研人员优化实验条件提供有力支持。 另外，通过高效集中作业，大幅降低单次实验成本，客户能够以更小的投入获得更大的产出。

公司在科研服务领域“从0到1”式的创新为彼得·蒂尔等硅谷大佬所青睐， 如今已获得数千万美元的融资。 目前公司可以提供40多种科学实验的全流程服务，超过50多种科学实验的服务平台正在搭建。

Emerald Cloud Lab的 运作流程 十分简单：客户将实验样本邮寄给Emerald公司，并在Emerald的软件上设计自己的实验。Emerald根据客户的设计，在全自动的实验室中操作实验并将整理好的实验数据上传到云端数据库中，客户可以从云端数据库获取实验数据，进行自己的实验分析。

为方便客户进行数据分析，Emerald公司还提供了基于Wolfram语言开发的具有多种功能的工作站。此外，Emerald还设有合作伙伴项目组，公司通过与学术界和产业界的创新实验室合作，将创新的实验方法商业化。

出于最大限度地保证实验条件一致性所需的同批次仪器采购，公司主要采用重资产模式； 由于固定资产投入过多带来了较大的现金流压力，目前公司靠优先服务大型药厂的大额订单缩短投资回收期。

随着产能的扩大，公司将更有能力服务实验条件有限的高校及中小创新企业的研发需求；随着知名度的提升，公司或将逐步采用融资租赁及与大客户合作的方式优化资产结构，实现商业模式的快速复制。

独特的个人体验对每个创业者来讲都是宝贵的财富。不断思考身边事物、审视个人经验，发掘切身痛点，直面并解决真实的客观需求，是无数伟大公司的源动力。Emerald的经验值得国内创业大潮中的弄潮儿们深入思考和借鉴。

Atomwise & Athlas：人工智能与生物医学的初恋

坐落在San Francisco市内Mission Street（使命街）的Atomwise从它诞生开始似乎就注定要肩负非凡的使命： 用人工智能手段对计算化学学科进行革命，并进一步颠覆传统药物发现的过程。

Atomwise的使命可以追溯到20世纪前叶诞生的量子力学，它让人类在100年前就掌握了在微观世界计算物质相互作用的基本原理。 但受制于多体问题的不可解以及有限的机器运算速度，计算化学结果的可靠性和应用范围受到广泛质疑。因此计算化学一直充当着人们理解自然现象的辅助手段，却很难成为指导科学实践的有力工具。

随着近年人工智能领域的高速发展，Atomwise、TwoXAR、Insilico Medicine、Berg Health等公司将 深度学习 模型引入传统计算化学中，尝试模仿人脑进行分析学习的神经网络，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现生物化学信息的分布式特征表示。

生物活性分子间的相互作用具有局域性的特点，这为局部认知的准确实现奠定了基础。深度学习模型再将低层的化学键特征逐级组合成高层的更为复杂的生化作用特征，从而以原子层面的相互作用为基础更为准确地解释生物活性分子间的作用关系。

深度学习与计算化学都需要大量运算，该作业需要超级计算机的支持。Atomwise在高性能 云计算 平台深度学习已有数据库，可在药物研发的早期阶段即评估研发风险，有效降低了药物开发的成本，并且大幅缩短开发时间。在公司承接的针对埃博拉病毒的小分子药物发现项目中 ，他们用几天时间就优选出活性分子，并且成本不超过1000美元。 而常规方法需要花费数万美元且经过半年工作才能完成。

创始人Abraham Heifets相信公司的AtomNet算法不仅可以预测有显著药理活性的先导化合物，还可以预测化合物的毒性，甚至能够预测已有药物的新靶点。

Atomwise目前的合作伙伴包括Merck等制药巨头，同时也与Stanford University，Scripps Insititute，University of Toronto等有所合作。公司开展新的项目只需要覆盖购买额外计算空间的成本，但对计算模型的优化以及对运算结果的解读却需要具有人工智能背景的计算化学家。

每一次使命的开始都令人心潮澎湃却也惴惴不安。Atomwise对计算化学的革命能否真正逾越多体问题的魔咒仍未可知，被广大实验科学家信服并接受仍需要付出巨大努力。我们衷心祝愿这样一群有使命感的化学博士们披荆斩棘、一路前行。

此外，另一家坐落在San Francisco南部的公司Athelas开发出一种方便快捷的血液细胞分析仪，可通过扫描指尖血滴来对血细胞快速计数并计算浓度。不同于传统的犁刀计数或流式分析，该公司将人工智能图像识别技术应用于血液细胞分析，结果更为准确高效。

目前公司的家庭款产品已在市面上销售，主要以白细胞的识别与检验为主，在追踪感染、癌症化疗监控和白血病监测等方面具有广泛的应用前景。高级款产品具有更高的精度及更为复杂的功能，预计年内获得FDA批准。

除了Atomwise和Athelas之外， 硅谷出现了一系列将人工智能技术应用在传统生物医学领域的公司，而深度学习的图像识别技术是人工智能最为成熟的领域，或许它将最先与生物医学结合，引领新的浪潮。 中国在人工智能产业上的优势基础以及大规模医疗数据的易获性，或将在此浪潮中扮演举足轻重的角色。