文 | 氨基观察 文 | 氨基观察 2025年，创新药领域最热门的并购赛道已然浮现——FGF21（成纤维细胞生长因子21）。 5月，葛兰素史克以最高20亿美元现金对价，收购Boston Pharmaceuticals的核心资产FGF21类药物efimosfermin alfa； 9月，罗氏宣布以潜在总价值最高可达35亿美元的价格，收购89bio及其旗下FGF21类药物pegozafermin； 10月，诺和诺德再度出手，宣布以最高可达52亿美元收购Akero，后者的核心资产同样是FGF21类药物efruxifermin。 不到半年时间，三大MNC纷纷入局同一靶点，交易总额超107亿美元，无疑释放出高度看好FGF21赛道的信号。 当然，这背后更核心的逻辑，是MNC对于MASH领域的强烈期待。随着Madrigal旗下全球首个MASH治疗药物Rezdiffra的商业化放量持续超预期，其开辟的“新大陆”，正吸引越来越多MNC入局。 这片新战场愈发热闹的同时，也将推动MASH治疗领域的发展迈向新高度。 / 01 /MASH的第三种选择？ 目前，MASH领域已经不是无药可用，THR激动剂、GLP-1已经相继在该领域获批上市。不过，FGF21类药物仍是极具看点的第三种选择。 FGF21是FGF超家族的非典型成员，在调节能量平衡以及葡萄糖和脂质平衡方面发挥着重要作用。当然，之所以说是第三种选择，并不只是因为机制不同，而是潜在可能的不同。 不管是THR激动剂还是GLP-1，暂时都局限于中重度肝纤维化（F2-F3期）患者，而FGF21类药物可能是重度F4期患者的选择。 根据两项二期b期试验，在96周内，HARMONY（F2-F3期）和SYMMETRY（F4期）分别显示，与安慰剂组的19%和11%相比，efruxifermin治疗组实现纤维化改善且MASH未恶化的患者比例分别达到49%和29%。 超预期的临床结果，使得efruxifermin有望填补F4期MASH肝硬化患者治疗中的空白。也正因此，1月份该结果公布后，Akero上演了单日股价涨幅接近翻倍的好戏。 目前，诺和诺德对于这笔收购的期待之一，也正是基于“F4阶段仍无有效治疗”的思考。在诺和诺德看来，efruxifermin有望补齐GLP-1满足不了的市场缺口。 而罗氏对于89bio的收购，核心也是基于对F4阶段患者有效的期待。其里程碑款付款之一，便是F4级MASH肝硬化适应症的首次商业销售。 展开全文 对于FGF21类药物在MASH领域的更高期待，驱使着MNC纷纷入局。 / 02 /制高点逐步明确 某种程度上来说，诺和诺德的进场，意味着MASH的竞争正进入新高度。 今年8月份，司美格鲁肽已经获批用于治疗代谢功能障碍相关脂肪性肝炎（MASH）伴中重度肝纤维化（F2-F3期）。如今，通过收购Akero，其正在快速加强在MASH领域的布局。 逻辑在于两点：第一，建立一个完整的MASH产品组合，涵盖从早期纤维化到肝硬化的所有疾病阶段。从这个角度来说，诺和诺德的布局可能只是开始。 第二，不是单药竞争，而是协同发展，可能与Wegovy联合使用以增强疗效。早期数据表明，GLP-1和FGF21药物可能协同作用良好，因为未来联用将会是探索的新方向。 事实上，不只是诺和诺德，先驱Madrigal也在做类似布局。今年7月底，其宣布与石药集团达成授权合作，引入其口服GLP-1小分子激动剂SYH2086，并明确目标是将其与Rezdiffra联用，打造“双口服”的长期治疗方案。 考虑到MASH药物的治疗，需要同时缓解纤维化并降低肝脂肪含量，涉及到的代谢通路复杂，其最终治疗方案可能需要联合多个药物进行治疗。 就未来而言，联合疗法的构建，或者说诺和诺德口中“完整的MASH产品组合”，将会是MASH领域的制高点。 / 03 /仍会继续升温 MASH的热闹，注定只是开始。毕竟，这是一个规模可达百亿美金的蓝海市场。 首先，MASH患者规模庞大。尽管其诱因还有待继续研究，但肥胖、老龄化毫无疑问是极为重要的诱因。《柳叶刀》子刊一项针对全球NAFLD（MASH是该疾病的严重类型）流行病学系统性回顾和荟萃分析显示，超重和肥胖者（51.6%）明显高于体重健康或偏低人群（14.4%），50岁以上人群（49.2%）明显高于50岁以下人群（34.6%）。 这意味着MASH患者人群并不会太低。根据AASLD数据，MASH全球患病率高达5.27%，部分区域超过6%。 其次，患者有着明确的治疗需求。因为约20%的MASH患者可能在3-4年时间内，从肝纤维化加重进一步发展成为肝硬化患者，导致肝衰竭等问题，并且还有概率致癌。 肝硬化几乎不可逆转，肝纤维化组织学上是可逆的，若对肝硬化不加以干预，患者易走向失代偿或肝癌。因此，帮助改善纤维化并在患者进展为肝硬化之前解决MASH，是非常关键的。 最后，可观的药物定价。由于目前MASH药物处于蓝海状态，因此全球范围内定价相对可观。Madrigal为Rezdiffra制定的价格是每年47400美元，这处于市场此前预期的中上水平。 种种因素叠加，使得MASH成为一个极具诱惑的市场。并且，Rezdiffra的放量超预期，也验证了这一市场的逻辑。2025年上半年，Rezdiffra销售额已经达到3.5亿美元，其中第二季度销售额超2亿美元。按照这一趋势，Rezdiffra大概率会在2026年迈入重磅炸弹门槛。 可观的市场蛋糕、被验证的逻辑，注定会吸引MNC们接踵入局；而更多biotech在不同机制赛道上的创新探索，也预示着后续还将有更多并购交易浮出水面。 下一个重磅交易，会是谁呢？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