한 기사에서 AI 의약품의 전체 그림을 이해하세요. 연 매출 300억, 서로 다른 3개 계층으로 구성

자금 조달에 나선 AI 제약은 얼마나 인기가 있을까?

해외 수주액은 최대 331억 위안에 달해 전통 제약회사의 1년 R&D 투자액에 가깝다.

국내 시장 규모는 보수적으로 2,040억 위안에 달할 것으로 추산되는데, BAT, 바이트, 화웨이 등 인터넷 선두 기업들이 투자 경쟁을 벌이고 있으며, 일부 기업은 1년 안에 3차에 걸쳐 대규모 자금 조달을 완료한 적도 있다. .

Δ사진출처 : Quantum Think Tank

북경대 프론티어 학제간 연구소를 비롯해 해외 유명 대학 교수, MIT 박사 등이 창업에 동참하고 있으며, 외국 유명 대학도 합류하기 위해 중퇴까지...

하지만 자본 붐과는 극명한 대조를 이루는 현 산업 발전 상황입니다.

국내 AI 제약회사 상장 수 현재 시장은 0이고, 외국 AI 제약회사의 주가는 상장 후 미친 듯이 하락했다.

현재 AI가 성공적으로 개발한 약품은 전 세계적으로 성공적으로 출시된 사례가 없습니다. 스타트업이 공개한 정보에 따르면 파이프라인이 이제 막 임상 1단계에 들어간 국내 기업은 2곳, 해외 기업은 8곳뿐입니다.

초기 산업에 대한 열의가 지나간 지금, 의심의 목소리는 점점 더 두드러지고 있습니다:

AI 제약산업은 미래의 투자와 자금조달에서 주목받는 스타트랙인가, 아니면 PPT버블인가 기술이라는 가면을 쓰고?

AI 기술 자체의 데이터 병목 현상과 제약 분야에서의 역할이 과연 전통 제약회사의 감소하는 이익을 구제할 수 있을까요?

AI 의약품은 언제쯤 결실을 맺게 될까요?

수십개 기관을 인터뷰한 후, 국내외 AI 제약산업 현황과 이 업계가 직면한 어려움과 기회를 설명하고자 'AI 제약 심층산업 보고서'를 작성했습니다. .

AI제약 '현황지도'

AI제약은 더 정확하게는 'AI를 활용해 약품 예측'을 해야 한다.

예, 현 단계의 AI는 R&D 프로세스에서도 AI 최적화가 40% 미만입니다.

이러한 포지셔닝은 AI 의약품 자체의 "양가성"을 강화합니다.

신약 발견은 전체 의약품 R&D 프로세스의 초석이자 의약품 혁신을 위한 가장 유망한 돌파구입니다. 약물 R&D 임상시험 비용의 60~80%는 AI로 최적화할 수 없습니다.

이러한 모순감은 AI 의약품의 자금 조달 상황, 기술 가격 책정 및 R&D 구현에도 반영됩니다.

자금조달 상황만 보면 AI제약은 돈벌 가능성이 많은 산업이라고 생각할 수 있다.

BOC 증권의 데이터에 따르면 2020년에만 중국의 AI+ 제약 파이낸싱 프로젝트 수가 두 배로 늘었고, 같은 해 총 파이낸싱도 전년 대비 약 10배 증가했습니다.

이후 전 세계 최소 11개 AI 제약회사가 1억 달러 이상의 대규모 자금 조달을 받았습니다. 그리고 이 데이터는 여전히 증가하는 추세를 보이고 있습니다.

Δ 데이터 출처: BOC Securities

Artery Orange 보고서에 따르면 "AI + 제약"은 2021년 자본의 가장 인기 있는 트랙 중 하나가 되었습니다. 77건의 글로벌 파이낸싱 라운드에서 총 45억 6천만 달러(약 307억 위안)의 자금이 조달되었으며, 이 중 12억 4천만 달러가 중국 시장에서 조달되었습니다.

동시에 AI+ 제약회사의 생존 상황도 매우 낙관적입니다. 시리즈 A 회사의 약 53%가 시리즈 B에 진입했으며, 시리즈 B 회사의 38%가 시리즈 C에 성공적으로 진입했으며, 시리즈 C 회사의 46%가 시리즈 D에 성공적으로 진입했습니다.

AI 기업의 수익화 방식을 살펴보면 투자 가능성도 있는 것 같습니다.

우호적인 사업설명서 자료를 보면, 자체 개발한 파이프라인의 가격만 보면 AI 제약사가 정한 계약금과 마일스톤 가격이 낮지 않은데, 특히 임상 2단계 이후에는 계약금만으로도 도달할 수 있다. 미국 달러로 거의 1억 달러.

Δ사진출처 : 큐빗 씽크탱크

그런데 연구개발 추진과정을 보면 모순감이 강하다.

예를 들어 아직 업계에는 AI가 예측하는 약이 없고, 공개적으로 임상 2상에 들어간 약도 시중에 나와 있지 않습니다.

동시에 AI 의약품(AIDD)이 신뢰할 수 있고 지속 가능하며 기존 컴퓨터 신약 개발(CADD) 프로세스를 대체하거나 최적화할 수 있음을 입증할 수 있는 획기적인 핵심 기술을 갖춘 AI 제약업계는 아직 등장하지 않았습니다.

Qubit Think Tank의 데이터에 따르면 가장 빠르게 성장하는 AI 예측 약물조차도 동물 실험을 통과하고 임상 1단계에 진입했습니다.

가장 빠르게 성장하고 있는 AI 예측신약 중 국내 파이프라인은 3개에 불과하다. 해외 파이프라인이 16개에 달하지만 아직은 모두 1단계다.

Δ사진출처 : Qubit Think Tank

이러한 상황으로 인해 2021년 이후 자본의욕이 점차 식어가고 있습니다.

현재 국내 AI제약회사 중 상장을 완료한 회사도 없고, 달성한 회사도 없습니다. 수익성.

최소 7~8개 외국 상장기업은 거의 예외 없이 주가가 폭락했습니다.

사실 과거의 경험으로 볼 때, 수많은 신약의 임상시험에 대한 투자는 결국 낭비가 되고, 이로 인해 AI의 신약 출시 예측의 불확실성이 다시 한 번 높아집니다.

특히 이들 약물은 아직 임상 2상에 진입하지 않았기 때문에 시판이 가능하다는 보장도 없습니다.

1961년 '탈리도마이드 사건' 이후, 약품의 유효성을 검증할 수 있는지 여부는 항상 모든 신약 출시의 가장 큰 문턱이었습니다. 신뢰할 수 있는 안전성 데이터, 환자에 대한 명확한 유익성 데이터 등 '실질적인 증거'를 제공할 수 없다면 이 단계에서 해당 의약품이 사망할 가능성이 매우 높다.

분명히 이 기간 동안 대부분의 자본은 AI가 예측한 약물이 임상 2상 시험에 진입하고 통과할 때까지 방관할 것입니다.

기존 제약회사에 비해 AI 제약회사는 규모가 크지 않습니다. 임상시험의 위험과 비용이 극도로 높은 상황에서는 이러한 '실패 가능성'이 전가되거나 회사 자체만이 부담할 수 있습니다.

이로 AI 제약회사는 크게 두 가지 비즈니스 모델을 형성했습니다.

첫 번째는 R&D 위험을 전가하는 CRO(Contract Research Organization) 모델입니다. 회사는 전통 제약회사나 다른 회사에 "아웃소싱"하고 AI 기술을 사용하여 A측에 필요한 약품을 예측합니다.

두 번째는 R&D 실패의 위험을 기꺼이 감수하는 자체 개발 파이프라인 모델입니다. 일단 성공적으로 출시되거나 특정 수익 창출 노드에 도달하면 회사가 약물 및 기술 특허를 보유합니다. 임상 연구), 특허를 양도하거나 수수료를 청구하여 돈을 벌 수 있습니다.

CRO가 될지, 자체 개발 파이프라인이 될지는 어떻게 결정하나요?

하나는 자체 개발 파이프라인에 필요한 자금이 엄청나게 높은 상황입니다. 자금이 부족하지 않은 기업은 자체 파이프라인을 직접 개발할 수 있고, 자체 파이프라인을 개발하고 싶지만 자금이 부족한 기업은 먼저 CRO 아웃소싱을 통해 돈을 벌고, 그 수익을 자체 파이프라인 개발에 사용할 수 있습니다.

또 하나는 포지셔닝의 차이입니다. 전통적인 제약 회사 출신 회사가 습득한 수많은 제약 관련 이론과 비교할 때, CRO는 더 높은 제약 경험과 자원이 필요한 자체 AI 기술 시그니처를 신속하게 확립하는 "국경 간 기업" 플레이어에게 더 적합합니다. .

실제로 CRO는 현재 중국에서 더 인기가 높습니다. 이에 비해 수익 창출 속도가 빠르고, 수익 창출 모델이 명확하며, 후속 임상 시험에 따른 위험 비용을 부담할 필요가 없습니다.

또한 AI 의약품 특허 보유에 관심이 없고 기술 서비스만 판매하는 기업도 CRO가 될 수 있습니다.

이는 또한 기술 플랫폼을 전문으로 하고 예측 연구 개발을 위해 AI 제약 소프트웨어를 다른 회사에 판매하는 세 번째 비즈니스 모델로 이어졌습니다. 그러나 현재 중국에서는 실제로 수수료를 부과하는 회사가 거의 없습니다.

분명히 AI 제약회사의 포지셔닝과 기술적 이점은 비즈니스 모델 선택에 큰 영향을 미칩니다.

국내외 유수 대학의 박사 및 교수부터 인터넷 거대 기업과 전통 제약회사, 캐피탈 인큐베이터에 이르기까지 이미 게임에 뛰어든 플레이어가 많아 다양한 추세를 보이고 있습니다.

먼저, 유명 대학의 박사과정 교수들이 창업을 하는 상황에 대해 이야기해보겠습니다. 징타이 테크놀로지(Jingtai Technology)를 예로 들면, MIT 양자물리학 박사가 중국으로 돌아가 사업을 시작하는 전형적인 사례다. 회사의 장점은 AI 기술과 양자물리학 이론 연구의 도움으로 업계를 선도할 수 있는 능력에 있기 때문에 Jingtai Technology는 자체 파이프라인을 개발하지 않고 CRO 모델에 집중할 것임을 분명히 했습니다.

대학 교수들이 연구 결과를 바꾸는 사례도 있습니다. 예를 들어 Huashen Intelligent Medicine은 UIUC 종신 교수인 Peng Jian이 설립한 것으로, 이전에 단백질 분자 예측 분야에서 관련 성과를 창출한 바 있습니다. 기술 플랫폼 제공.

이후 인터넷 거대 기업과 전통 제약회사도 게임에 뛰어들었습니다.

전자는 알고리즘 컴퓨팅 능력에 고유한 장점이 있으며 인터넷 자체의 영향력을 활용하여 쉽게 '영향권'을 확장할 수 있습니다. 예를 들어 Baidu와 Tencent는 축적된 AI 알고리즘을 사용하여 Baitu Biotech 및 Yunshen Pharmaceutical 플랫폼을 구축했습니다. Alibaba는 컴퓨팅 성능의 이점으로 인해 업스트림 및 다운스트림 관계를 빠르게 구축합니다.

후자는 깊은 약물 연구 개발 경험을 갖고 있으며, 이를 바탕으로 AI 제약 연구 개발팀을 구성했습니다. 예를 들어 AstraZeneca, Merck, Pfizer 및 Teva는 Amazon 및 이스라엘과 공동으로 AION Labs 실험을 설립했습니다. 바이오펀드실.

마지막으로 자본 창업과 펀드 인큐베이션 상황이 있습니다. 현금 흐름 지원이 충분하고 투자자 스스로도 AI 창업으로 변신했습니다. 예를 들어 Coin Biotechnology의 창립자인 Wang Yikai는 Fengrui Capital의 부사장이었습니다. 회사 설립 후 Peak Rui Capital의 투자를 얻었습니다.

큐빗 씽크탱크(Qubit Think Tank) 자료에 따르면 AI 의약품 시장 규모는 2025년 72억 달러, 2035년 2040억 달러에 이를 것으로 예상된다.

갑자기 많은 플레이어들이 AI 제약 트랙으로 몰려들었습니다. 그러나 현재 상황과 플레이어의 현재 상황을 보면 순수한 기술력이나 재정적 이점만으로 AI 제약 회사의 발전 전망을 판단하는 것은 불가능합니다.

그 중 진정한 플레이어는 누구이며, 최초의 AI 신약 출시를 주도할 가장 유망한 회사는 누구입니까?

최초의 AI 약물을 최초로 시장에 내놓는 사람은 누구일까요?

많은 기준과 차원이 있지만 업계에서 우회할 수 없는 4가지 핵심 차원이 있습니다.

01, 파이프라인 수 및 R&D 진행

제약 공정이 복잡하고 실패율이 높다는 점을 감안할 때 임상 승인부터 연구, 최종 출시까지의 과정은 한 단계로 매우 긴 과정입니다. 현재 단계에서 파이프라인의 수는 강점을 가장 직접적으로 나타내는 것 중 하나입니다.

앞서 언급한 것처럼 파이프라인은 자체 개발 파이프라인과 외부 협력 파이프라인(CRO)으로 구분됩니다.

자체 개발 파이프라인의 경우 기업은 연구 개발이 성공하고 마케팅이 완료되면 CRO를 사용하여 특정 노드에서 파이프라인 결과를 전달할 수 있습니다. 특허를 취득하면 이익이 매우 클 것입니다. 그러나 자체 개발 파이프라인의 위험도 분명합니다. 지불 방법이 불분명하고 동일한 파이프라인에서 다른 회사와 경쟁이 있을 것입니다.

따라서 AI 제약사의 자체 개발 파이프라인에 주목할 때, 연구개발 진행 상황과 선택한 약물 방향의 잠재력에 더욱 주목할 필요가 있습니다.

이에 비해 CRO 모델의 협력 파이프라인 수는 기업의 기술력을 더욱 직접적으로 판단하는 방법입니다. CRO는 전통 제약회사의 특정 업무를 완수하는 AI 제약회사를 말하며, 계약금 이후 업무 진행 상황(예: 신약 발굴-합성-임상 연구 완료)에 따라 협력 가격이 결정된다. 마일스톤 지불로.

Qubit Think Tank의 추산에 따르면 국내 파이프라인의 평균 계약금은 280만 달러이며 마일스톤 가격은 특정 약물에 따라 크게 변동하며 완료 시 수백억 위안에 이를 수도 있습니다. 협력 파이프라인을 많이 확보한 쪽이 제약회사로부터 기술력을 더 인정받고, 연구개발에 더 많은 자금이 투자되는 선순환 구조로 진입한다는 뜻이다.

2022년 초 해외 엑사이언티아와 사노피의 협력을 언급하면 ​​계약금은 1억 달러로 과제 완료 후 약 331억 위안에 해당하는 52억 달러의 '초고가 계약'을 받게 된다. .

큐빗 씽크탱크(Qubit Think Tank)의 데이터에 따르면 2023~2024년에 임상 2상에 돌입하는 AI 예측약물이 등장하고, 성공적으로 출시된 첫 번째 AI 약품은 이르면 2026년쯤 등장할 것으로 보인다.

신약 출시 전 협력 파이프라인 수와 자체 개발 파이프라인의 연구개발 진행 상황은 AI 제약사의 기술력을 판단하는 방향 중 하나다.

02. 안정적이고 신뢰할 수 있는 데이터 소스

AI 제약 산업에서 돈 외에도 가장 부족한 것은 아마도 데이터일 것입니다. 전통 제약 회사들은 일반적으로 핵심 중 하나인 R&D 데이터 세트를 아웃소싱하는 것을 꺼립니다. 자산.

그러나 큐빗 씽크탱크(Qubit Think Tank)에 따르면, 데이터는 현재 선도적인 AI 제약회사들에게 문제가 되지 않으며, 심지어 업계에서 더욱 경쟁력 있는 성과를 달성할 수도 있다고 합니다.

따라서 안정적이고 신뢰할 수 있는 데이터를 어떻게 확보하느냐도 AI 제약회사의 경쟁력을 판단하는 중요한 기준이 됩니다.

일반적으로 AI 데이터를 얻는 방법에는 다음과 같은 4가지 방법이 있으며 그 안정성과 신뢰성은 점차 향상되었습니다.

(1) 공개/제3자 데이터 세트

이러한 유형의 데이터는 현재에 큰 의미를 갖습니다. AI 제약산업은 장기적 이익이 없고 기업의 핵심 경쟁력 확보에 도움이 되지 않는다. 또한 기존 대상에 대한 사용 가능한 데이터가 많을수록 탐색이 더욱 완전해지고 개발 가치가 낮아진다는 것을 의미합니다.

(2) 가상 데이터

이 데이터 수집 방법은 물리적 모델링을 통해 이루어지며, 훈련 데이터는 AI에 의해 생성됩니다. 일반적으로 페니실린과 같은 오래된 대상을 기반으로 데이터를 생성합니다. 주로 예측 정확도를 높이기 위해 예측 모델에 대한 훈련 데이터를 제공합니다.

(3) 자체 수집/외부 협력 데이터

자체 개발 파이프라인/기본 포지셔닝이 명확한 기업의 경우 독립적인 팀 구성을 통해 관련 데이터를 수집하거나 제약사와 데이터 협력 관계를 맺을 수 있습니다.

2015년 설립된 Tempus는 해외에서는 병원, 종양 전문의, 암센터 등에 비용 효율적인 유전자 시퀀싱, 데이터 구조화, 병리학적 영상 분석 및 생물학적 모델링 서비스를 제공하여 자체 종양 유전체학 + 임상 데이터베이스를 구축하고 있습니다.

미국 암 데이터베이스의 거의 1/3을 차지하는 세계 최대 규모의 암 데이터베이스 중 하나를 구축하는 데 4년이 걸렸습니다.

중국 얀센제약공장은 2020년 템퍼스와 협력을 성사시켰고, 협력의 주요 원동력은 알고리즘이 아니라 데이터라고 공개적으로 밝혔습니다.

(4) 스마트 실험실을 통해 독립적으로 실험 데이터 생성

이 방법은 주로 실험실에서 건식 실험 외에 습식 실험을 직접 수행하여 독립적으로 데이터를 생성하여 건식-습식 폐루프를 형성하는 것을 말합니다.

기존 습식 데이터 수집의 느린 속도에 비해 높은 처리량, 지능형, 자동화, 제어 가능 및 CV와 같은 관련 기술을 사용하여 세포 형태를 식별하면 데이터 수집 속도를 크게 향상시킬 수 있습니다.

생물학에서는 건식 실험이 컴퓨터 시뮬레이션과 생물정보학 방법을 통해 수행됩니다. 습식 실험은 분자, 세포 및 생리학적 테스트 방법을 사용하여 실험실에서 수행됩니다.

건식 및 습식 결합 실험은 AI 제약 스타트업이 데이터 측면에서 새로운 경쟁 장벽을 만드는 데 도움이 될 수 있습니다. 이러한 인식은 업계에서 합의에 도달했습니다.

생물학적 재능과 컴퓨터 재능의 교차 팀 외에도 이러한 플랫폼을 구축하려면 실험 장비 및 컴퓨팅 리소스를 포함한 강력한 하드웨어 지원은 물론 이 두 리소스를 통합하는 능력도 필요합니다.

현재 Baidu Shengtu, Jingtai Technology 및 Yingsi Intelligent를 포함한 국내 최고의 AI 제약 회사는 모두 이러한 실험 플랫폼을 보유하고 있습니다.

자금이 충분하여 해외 유수 AI 제약회사들이 독점 데이터와 기술을 보유한 업스트림 기업을 직접 인수하기 시작했습니다.

예를 들어 Schrödinger는 구조 생물학 기능을 확장하기 위해 XTAL BioStructures를 인수했고, Relay Therapeutics는 기계 학습 기능과 대규모 데이터베이스를 확보하기 위해 ZebiAI를 인수했습니다.

따라서 큐빗 씽크탱크(Qubit Think Tank)가 분석한 바와 같이 전통 제약회사들은 전체적으로 데이터 측면에서 우위를 점하고 있지만, 이는 과거에 축적된 데이터가 아닌 그들이 보유한 완전한 실험 플랫폼에서 나온 것입니다. 자금이 충분한 AI 제약 스타트업의 경우 이러한 장벽이 높지 않으며 빠르게 동일한 수준으로 업데이트할 수 있습니다.

03. 협력 제약회사의 인정

전통적인 제약회사에 지능형 팀이 구축되면 알고리즘은 AI 제약회사의 장기적인 경쟁 우위가 되지 못할 수도 있습니다.

앞서 언급했듯이 AI 의약품은 전통적인 제약 산업의 R&D 프로세스를 깨지 않았습니다. 자체 실험실 플랫폼을 구축하고 "작업"하는 것 외에도 AI 제약 회사와 제약 회사 간의 협력이 똑같이 중요합니다.

따라서 협력 제약사의 수와 이들 제약사의 업계 현황도 직관적인 평가 기준이 되었습니다.

현재 대표적인 AI 제약 스타트업들이 전통 제약회사들과 협력하며 점차 독점 모습을 보이고 있습니다. 해외에서는 엑스사이언티아를 예로 들어 로슈, 바이엘, 사노피, GSK, 일본 스미토모, 이보텍 등 유수의 제약사와 협력을 밝힌 바 있다.

물론 전통 제약회사와 AI 제약회사의 협력은 양방향입니다. 제약회사는 데이터베이스와 전문지식을 제공하고, AI 제약회사는 기술을 제공합니다.

따라서 전통 제약회사와의 사업 협력은 AI 제약회사가 가장 일반적으로 채택하는 모델 중 하나가 되었습니다.

Deep Pharma Intelligence에 따르면 2020년 기준으로 세계 최고의 전통 제약회사 44개 중 93%가 협력 협약을 완료했습니다. 특히 로슈, 노바티스, 화이자 등 세계 10대 제약사 중 AI 제약사와 평균 6회 이상 협력한 사례가 있다.

협력 제약사의 현황과 정량적 인지도 외에도 AI 제약사가 선정한 CRO 기업도 참고자료 중 하나다.

전통적인 제약 산업에서 CRO는 특별한 지위를 갖고 있으며, 이 기능은 AI 제약 산업에서도 계속될 것입니다.

AI 제약회사는 기존 제약회사의 CRO가 될 수 있지만, 반면 AI 제약회사도 신청 승인 및 데이터 수집을 완료하려면 데이터 파트너, 분석 및 실험 공급업체 등 자체 CRO가 필요하며, 임상 시험 및 기타 업무.

AI 제약회사의 경우 CRO 선택이 임상 프로젝트와 상용화 과정에 큰 영향을 미치게 됩니다.

04. "AI 효율성 향상"이라는 단일 기능 돌파

우리 모두 알고 있듯이 현재 AI 의약품의 응용 시나리오 중 하나는 화합물 스크리닝의 효율성을 향상시키는 것이지만 이는 기존 타겟 및 화합물을 기반으로 수행되는 경우가 많습니다. 데이터베이스.

그러나 제약회사 내부 AI팀이 신설되면서 새로운 AI 제약 스타트업의 진입 장벽이 계속 높아지는 추세다. 게다가 현재 업계 전체의 중복도가 상대적으로 높으며, 대부분 기업의 파이프라인은 이미 기반을 갖추고 있다. 성숙한 대상에 대해 개발하려면 클릭하세요.

즉, AI를 사용하여 신약 발견의 효율성을 높이는 것은 이 업계에서 새로운 것이 아닙니다. 현재 선도적인 AI 제약 회사들은 AI를 사용하여 "제약 무인지대"를 탐색하는 혁신적인 능력을 개발했습니다.

따라서 새로운 스타트업이 비즈니스 시나리오나 기술에 있어서 자신만의 고유한 진입점을 갖는 것은 매우 중요합니다.

이를 위해서는 AI 제약 회사가 의료 문제 재정의, 물리학 및 화학과 같은 다학제적 관점의 창의적 사용, 약물 연구 및 개발의 시나리오 및 문제 재정의, 여러 원칙을 사용하여 보완하는 등 기본 이론부터 시작해야 할 수 있습니다. AI 모델의 본질적인 한계와 불확실성을 개선하고 효율성을 향상시킵니다.

마지막으로, 이 네 가지 심사 기준에 따라 누가 먼저 1위를 차지할 수 있을까요?

Qubit Think Tank의 글로벌 AI 제약 환경 지도에 따르면 현재 프론트엔드 선두 플레이어의 대부분은 외국 기업이지만 Jingtai Technology 및 Yingsi Intelligent와 같은 국내 플레이어도 볼 수 있습니다.

After the AI 제약트랙이 인기를 끌면서 외국 유명 대학의 박사학위 교수들이 중국으로 돌아와 프로젝트와 이론을 가지고 창업을 하는 등 국내 제약업계의 부족한 기술 혁신 역량도 빠르게 보완하고 있었다.

이번에는 신기술이 주도하는 제약 혁신의 물결 속에서 중국은 세계적 수준의 제약 공장을 탄생시킬 것인가?

트렌드가 있고 더 많은 잠재력이 있습니다.

위 내용은 한 기사에서 AI 의약품의 전체 그림을 이해하세요. 연 매출 300억, 서로 다른 3개 계층으로 구성의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!