文 | 氨基观察 文 | 氨基观察 生物医药创新的 “圣杯”，从来都是 “第一”，但商业世界的残酷在于，“第一” 的光环未必能照亮通往最丰厚回报的道路。 尤其是在当下，中国创新药供给端的空前繁荣与迭代速度的急剧加快，正以前所未有的力量压缩药品的生命周期。药企被迫在有限时间内挖掘新药价值的极限，与时间的赛跑愈发白热化。 简单来说，仅将立项目标锁定为FIC可能远远不够，更重要的，还得是 BIC。 鉴于此，甚至有部分行业大拿认为，在部分现实场景中，迭代创新的BIC是更优选择。 从某种程度上说，这些声音代表着创新策略的一种进化——在深刻理解市场动态、临床需求、技术可行性与商业回报的复杂平衡后，做出适配选择，以顺应这个加速变革、追求效率与回报的时代。 毕竟，“BIC 为王” 的逻辑，在创新药产业中曾多次上演。基于已被验证的致病机制、通路与靶点，通过迭代优化锻造出的下一代BIC产品，确实能成为填补临床缺口的核心资产。 从降脂药王说起 1987年，默沙东推出全球首个他汀类药物洛伐他汀，开启血脂调控新时代。随后四年间，辛伐他汀、普伐他汀相继问世，将他汀类药物推至重磅炸弹的入口。 真正的颠覆与赢家却在1997年姗姗来迟。 辉瑞的阿托伐他汀作为第五个上市的他汀类药物，凭借更优异的临床效果后来居上——它是唯一能同时显著降低低密度脂蛋白胆固醇和甘油三酯的药物。 这一差异化优势让阿托伐他汀在2004年成为医药史上，首个年销售额破百亿美元的“超级重磅炸弹”，2006年更攀升至128亿美元峰值，连续七年维持百亿美元销售水平。 累计销售额约1500亿美元背后，是制药史上最经典的后来居上案例。他汀类药物的发展轨迹揭示了一个残酷现实：FIC的先发优势未必能转化为长期商业壁垒，在阿托伐他汀上市后，默沙东的辛伐他汀市场份额迅速萎缩。 显然，20年前降脂药王已经让我们看到了，即使一款药物拥有FIC优势，在商业化上也不一定有最强的竞争力。随着后续BIC上市，竞争格局会发生剧变。 BCG一份分析曾指出，相比自免等领域，在肿瘤领域，FIC产品只要疗效处于中等水平以上，相较于followers就会具有明显优势。当然，疗效突出的BIC仍可能实现超越，这也是眼下正在发生的事情。 第三代EGFR抑制剂奥希替尼取代吉非替尼，将肺癌靶向治疗推进到新高度；第三代ADC药物Enhertu凭借卓越疗效，让第二代HER2 ADC黯然失色；传奇生物的BCMA CAR-T西达基奥仑赛作为全球第二款产品，凭借超高的缓解率，已然全面超越先行者Abecma…… 展开全文 在创新药领域，颠覆与被颠覆的剧情依然会不断发生。 BIC性价比更高？ 虽然人们更迷恋FIC药物从0开始的成功，命悬一线和九死一生的剧情更符合人们的创新药研发艰难的认知，但是，回归商业世界，不是FIC不够好，而是BIC性价比更高。 礼来将这一哲学贯彻到极致。这家市值近8000亿美元的制药巨头管线中罕见FIC产品，大部分是“me better”药物。十年前尚未跻身全球前十的礼来，如今登顶行业之巅，依靠的正是这一战略： 其GLP-1受体激动剂度拉糖肽比利拉鲁肽晚上市五年，却凭借一周给药一次的便捷性实现反超；CDK4/6抑制剂阿贝西利作为全球第三个上市产品，通过结构优化实现弯道超车。除此之外，SGLT-2抑制剂、IL-17A单抗、JAK抑制剂等重磅产品，大部分也并非全球首创新药。 在创新药研发方面，礼来较少冒高风险去布局一些FIC靶点，更多的是在靶点相对成熟获得到验证后，快速跟进研发me better药物。眼下势头正盛的替尔泊肽，是首个GLP-1/GIP双靶点激动剂的同时，也是礼来基于其在代谢领域的深厚积累，不断迭代的成果。 中国创新力量同样深谙此道。比如百济神州也在将follow进行到底，首个国产十亿美元分子泽布替尼也是走的me better路线，通过头对头战胜伊布替尼，在全球站住脚跟。 显然，创新固然重要，但是创新也需要讲策略。这一点，正在自免领域展现得淋漓尽致。 随着自免成熟靶点逐步突破，给新靶点的突围设定了更高的标准，包括OX40在内几款大热的自免新靶点，也并未带来超预期的结果。因此，市场也开始对“追新”持谨慎态度，下一代的自免药物开发中，不少药企是聚焦成熟靶点的迭代创新，包括给药周期、给药方式及多靶点协同等路径。 这种迭代浪潮，也正是市场追逐BIC所创造的。 现实的紧迫感 在专利悬崖危机面前，跨国大药企普遍缺药，但是在未来几年里能补上缺口的产品，往往并非FIC，而是在经过验证的一些致病机制、通路和靶点的基础上，迭代而来的下一代产品。 从近两年以ASCO为代表的国际顶尖大会的情况也能看出来，并未出现太多惊艳全场的新研究或新数据。无论自免还是肿瘤，大药企更偏向改进经过验证的靶点、通路，通过下一代疗法来寻求突破。 一批biotech则瞄准前一代药物的痛点，进行迭代式创新。典型如Apogee，核心管线主打的是半衰期延长，且围绕热门靶点做了多重布局，完美契合了市场对于自免潜在重磅药物的追捧。当然，一切还要靠数据说话。 另一个不容忽视的现实挑战来自创新迭代的加速度。 创新药研发，唯快不破，而速度正是中国药企的一大优势。中国医药创新的真正杀伤力，在于足够勤勉、卷的同时，利用工程师红利、政策、制造业供应链优势，创造了一套兼容“低成本+高质量”的新范式。 于是我们看到，海外大药企、biotech正在发动钞能力，淘金中国市场，而随着越来越多中国创新管线走进美国实验室，来自中国的力量正在倒逼一些事情发生。越来越多美国biotech开始发现，任何人在生物技术和制药行业所做的任何事情，都可能在中国生态系统中找到10到50个版本。 创新竞赛的标准已经大幅提升，这也加速了药物生命周期演化。而这意味着原先如修美乐般，独占市场20年的情况，一去不复返了。 重磅炸弹的放量曲线正越来越陡峭修，而随着迭代创新的加速，衰退曲线同样急转直下。技术是第一生产力，但时间从不等人。当迭代速度超越创新周期，现实既要求BIC来平衡创新投入与商业回报，又要求加速迭代来弥补创新所带来的“损失”。 生物医药产业的残酷性在于，所有的胜利往往都是短暂的休战期。胜利者竭尽全力登上山顶，但越过高峰，另一峰却又见。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多