生物計算行業驅動因素

　　一、市場擴容和政策利好

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，近年來，全球及中國大健康產業市場規模顯著增長。根據FROST&SULIVAN研究顯示，2020年全球醫藥市場規模約1.4萬億美元，同比增長5%，同期中國醫藥市場的規模約為3，300億美元，同比增長率達全球醫藥市場的2.4倍。與此同時，全球各國都紛紛出臺國家層面的頂層設計來指導大健康創新產業的加速發展，確保監管和政策環境與科技發展同步。以中國為例，2020年大健康領域所頒布的政策超20項，包括《國家衛生健康委國家中醫藥管理局關于做好公立醫療機構“互聯網+醫療服務”項目技術規范及財務管理工作的通知》、《藥品注冊管理辦法》、《藥品附條件批準上市申請審評審批工作程序（試行）》、《藥品上市許可優先審評審批工作程序（試行）》、《關于推動藥品集中帶量采購工作常態化制度開展的意見》等，涉及互聯網醫療、帶量采購、醫藥審批等各方面。

　　疫情讓政府及更多的人關注并重視醫藥行業，市場關注和熱情大幅提高，在資金層面為產業內企業提供了非常積極的資本環境。據蛋殼研究院研究，2020年全球及中國醫療健康產業融資總額均創歷史峰值，全球同比增速為41%，達749億美元，中國同比增速為58%，達251億美元。資本的持續涌入和多層次資本市場建立，不僅將助力醫療健康產業發展、創新藥發展，也將促進大健康領域產業生態的升級。對于中國市場而言，資本的熱潮將加速中國從醫藥制造大國邁向醫藥創新大國的進程。

　　二、醫療需求升級

　　生物醫療領域空白和個性化醫療的需求，以及腫瘤等特異性疾病的固有訴求。技術深度滲透與資本持續注入，推動大健康產業加速發展人工智能（AI）、大數據（BIGDATA）等新技術在大健康領域的應用場景和模式呈現多元化與商業化趨勢。以AI+大健康趨勢為例，醫療領域正在逐步推進“AI+藥物研發、醫學影像、輔助診療、醫療器械、健康管理”，生物醫藥領域則在推進“AI+研發、生產、供應、商務”的全產業鏈應用場景。AI為醫療及制藥業的創新升級提供了極其廣闊的舞臺，為整個大健康產業中諸多痛點給出全新解決方案。

　　三、生物數據積累

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，如今，生命科學領域的科學家們正在以前所未有的狀態生產、積累與儲存信息。存儲海量生物數據。數據產出已達到艾字節水平（EXABYTES，計算機存儲容量單位，合260B）。

　　生物信息學的發展伴隨著傳統生物學數據（如物種基礎數據、生理生化、性狀遺傳、環境資料等等）以及各類組學數據（如基因組、轉錄組、蛋白組、代謝組、表觀組、表型組等等）的不斷積累。這些數據不斷被存放到相關的數據庫中。目前已有數以萬計的生物信息學數據庫針對不同研究對象、領域方向整合了相應的原始第二手數據。國際學術期刊《核酸研究》每年推出數據庫專輯對當年新發表的較有影響力的生物信息學數據庫進行收集整理；此外，DATABASE、BIOINFORMATICS等期刊也專門刊登生物信息數據庫相關論文。整理過的生物學數據大多可以通過文獻查閱與數據庫檢索挖掘實現數據的收集和整合。

　　四、生物行業上游發展的必然需求

　　由于生物計算學是對生物數據的進一步分析、建模與預測，我們可以簡單將其簡單理解為生物信息學的下游學科。因此，生物數據收集和信息處理水平的提升有重大意義。

　　得益于微陣列、納米測序、生物芯片、高通量測序等技術，生物數據的采集成本正在以超摩爾定律的速度快速下降。此外，冷凍電鏡、細胞實驗平臺（單細胞測序）、類組織器官平臺，RNA轉錄組試劑盒和蛋白質質譜等技術信息收集的范圍也在從靜態基因組等進入蛋白質等更為動態的范疇。

　　五、智能技術發展

　　宏觀智能的發展，AI算法的進步，比如神經網絡，本身帶來了很多的優化。之前采用的是數據建模、數值仿真等，現在可以進入機器學習階段。將數據繼承到能夠充分體現潛在復雜性的系統模型中，特別是相互關聯的生物過程網絡。學習能力是智能行為的一個非常重要的特征，但至今對學習的機理尚不清楚。人們曾對機器學習給出各種定義。H.A.SIMON認為，學習是系統所作的適應性變化，使得系統在下一次完成同樣或類似的任務時更為有效。R.S.MICHALSKI認為，學習是構造或修改對于所經歷事物的表示。從事專家系統研制的人們則認為學習是知識的獲取。這些觀點各有側重，第一種觀點強調學習的外部行為效果，第二種則強調學習的內部過程，而第三種主要是從知識工程的實用性角度出發的。機器學習在人工智能的研究中具有十分重要的地位。一個不具有學習能力的智能系統難以稱得上是一個真正的智能系統，但是以往的智能系統都普遍缺少學習的能力。例如，它們遇到錯誤時不能自我校正；不會通過經驗改善自身的性能；不會自動獲取和發現所需要的知識。它們的推理僅限于演繹而缺少歸納，因此至多只能夠證明已存在事實、定理，而不能發現新的定理、定律和規則等。隨著人工智能的深入發展，這些局限性表現得愈加突出。正是在這種情形下，機器學習逐漸成為人工智能研究的核心之一。它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。

　　六、生物人才增長

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，生物計算作為技術密集型產業，對于人才的要求是高的，教育水平的提高促進了生物人才的增長。

　　科學家是生物技術研究人才最常見頭銜，且呈細化態勢。實驗等專業技能仍為核心技能，分析及新興數據技能受追捧。研究人才在制藥業、科研機構和高等院校間流動最為頻繁。全球生物技術研究人才博士數量最高，占比超三分之一。美國生物技術研究人才更成熟，33%擁有15年以上從業經驗。

　　全球人才現狀：全球人才分布，美國位居第一，中國第三，中國處于人才凈流入。生物技術行業人才增速最高，達5%。銷售職能人才占比最高，人力資源增長最快。企業對銷售、研究、運營職能人才招聘需求最大。分析技能為大健康領域人才增長最快技能。人才學歷普遍較高，且注重薪資福利、工作與生活平衡。

　　領英人才大數據洞察顯示，截至2021年6月，領英全球會員中生物技術、制藥、醫療設備三個行業從業總人數超806萬。其中，制藥業人才數量最多，占比49.8%；而生物技術行業人才數量同比增速最高，達5%，另外兩個行業為2%。從全球分布來看，美國位居第一，從業人數高達217萬，中國以53.5萬的從業人數位列第三。就2020年6月至2021年6月之間的人才增速而言，英國增長最快，達3.7%。

圖表　2021年全球大健康領域人才分布TOP5國家

單位：人，%

數據來源：領英人才大數據洞察，截至2021年6月

　　三個細分行業人才全球分布與大健康領域整體分布基本一致，美國、印度、中國為主要人才集聚地，但在醫療設備行業，中國超過印度，為第二大人才國。

圖表　2021年全球大健康領域人才分布TOP5國家

單位：人

注：上圖中“K”表示數量單位千，即“K=1，000”

數據來源：領英人才大數據洞察

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，行業特有專業技能仍為核心，分析技能增長最快從技能角度而言，全球大健康領域人才仍以掌握藥劑學、醫療護理等產業本身所需的專業技能為核心優勢。但細分行業因特性不同，其人才的核心技能也呈現明顯差異。制藥業以藥劑學、藥學等技能為核心，生物技術行業則以生物技術、生命科學等技能為主，而醫療設備行業人才專長主要在于醫療設備、醫療護理等技能。

　　生物技術行業人才凈流入，且與科研機構、高等院校流動頻繁分析細分行業人才流動偏好發現，除了細分行業間的人才流動外，從高等院校和科研機構流入大健康領域的人才比例逐漸提高，且制藥業、醫療設備行業人才均在流向生物技術行業，使得生物技術行業人才凈流入。

圖表　2021年全球生物技術行業人才流動TOP5

數據來源：領英人才大數據洞察

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，生物技術行業人才的流動基本圍繞著醫療領域，良性推動該領域發展。

　　美國人才數量最龐大，英國增速最快作為大健康領域的支柱型產業，生物技術是領英人才聚焦的三大行業中人才數量增長最快的行業，且該行業研究職能人才占比最高（16.4%），全球需求量大。準確把握這類人才特征、分布以及需求，對于企業的人才布局、招募與發展意義重大。因此，領英人才專門就生物技術研究人才展開分析，形成全球生物技術研究人才畫像。領英人才大數據洞察顯示，全球生物技術研究人才總量近30萬，美國擁有超過12萬，占比超全球人才總量的三分之一、超中國十倍，而且研究人才同比增速（8%）高出中國4倍。中國企業研究人才數量與美國差距非常大。此外，歐洲作為大健康領域潛力市場，歐洲國家生物技術研究人才同比增速均較高，全球第四大大健康領域人才國——英國以14.5%的生物技術研究人才同比增速位居全球之首，而中國生物技術研究人才同比增速在TOP10的生物技術研究人才國中最低，為2.0%。

圖表　2021年全球生物技術研究人才分布TOP10國家

單位：人，%

數據來源：領英人才大數據洞察

　　全球生物技術研究人才以科學家、研究員、實驗室技術人員頭銜最為常見。但從人才增長頭銜分析，有細化趨勢，例如由常見的科學家頭銜，逐步細化為實驗室科學家、臨床實驗室科學家、質量審核科學家等。隨著生物技術行業近年的飛速發展，企業的崗位設置也朝著更專業的細分領域演變。

　　全球生物技術研究人才技能分布與全球大健康領域人才技能需求和趨勢發展基本趨同：一方面表現為帶行業屬性的實驗技能、生物技術等專業技能為核心，另一方面，該類人才都在快速學習分析技能及PYTHON等新興數據技能。

圖表　全球生物技術研究人才TOP5增長技能

單位：%

數據來源：領英人才大數據洞察

　　生物計算行業發展重點

　　一、構建完整的生物計算平臺

　　中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，利用前沿AI技術構建完整的生物計算平臺，并與提供新的數據軸和新的數據分析、藥物設計工具的初創企業與研究機構攜手，構建生物計算生態，為生命科學企業和科研用戶提供豐富的工具能力和完整的解決方案，做好服務。深度參與或主導發起新型精準藥物和精準診斷產品的研發，攜手合作伙伴，為社會貢獻極具創新性的精準生命科學產品。融合先進計算和生物技術，從多組學生物數據、高通量實驗驗證、藥物研發過程中高效抽提知識，繪制靶點和藥物圖譜，提升自身與合作伙伴的藥物研發效率，實現GLOBALFIRST-IN-CLASS原創藥物的研發。

　　二、加大生命科學行業研發投入

　　大力投入關鍵底層數據設備和計算技術的研發，加速高通量類器官芯片、高分辨物質觀測設備、新的組學采集分析設備、蛋白質模擬和生物計算專用芯片的研發，為生命科學行業帶來新的數據軸和計算能力，實現對這些關鍵共性平臺技術的自主可控。

　　基于客戶的需求迭代，不斷推出新的算法和工具，快速構建生物計算行業的開源平臺，為整個生物行業提供更多的開源、高效、精準的研發工具。助力疾病早期預防。推動基因檢測、生物遺傳等先進技術與疾病預防深度融合，開展遺傳病、出生缺陷、腫瘤、心血管疾病、代謝疾病等重大疾病早期篩查，為個體化治療提供精準解決方案和決策支持。加快疫苗研發生產技術迭代升級，開發多聯多價疫苗，發展新型基因工程疫苗、治療性疫苗，提高重大烈性傳染病應對能力。提升疾病診斷能力。推動生物技術與精密機械、新型材料、增材制造等前沿技術融合創新，大力開發分子診斷、化學發光免疫診斷、即時即地檢驗等先進診斷技術和產品，發展高端醫學影像等診斷裝備，促進裝備向智能化、小型化、快速化、精準化、多功能集成化發展。強化中醫療效判定與機制研究，推動中醫藥理論的傳承創新。提高臨床醫療水平。發展微流控芯片、細胞制備自動化等先進技術，推動抗體藥物、重組蛋白、多肽、細胞和基因治療產品等生物藥發展，鼓勵推進慢性病、腫瘤、神經退行性疾病等重大疾病和罕見病的原創藥物研發。拓展智能手術機器人、數字療法、粒子放療等先進治療技術臨床應用。對開展臨床應用的干細胞治療、細胞免疫治療、醫療新技術制定完善技術規范，科學開展臨床評價。把優秀傳統理念同現代生物技術結合起來，中西醫結合、中西藥并用，集成推廣生物防治、綠色防控技術和模式，協同規范抗菌藥物使用。

　　三、建設良好的風險投資環境

　　加快推進生物技術產業化，實施生物經濟強國戰略。中投產業研究院發布的《2022-2026年中國生物計算產業深度調研及投資前景預測報告》指出，相對于其他高科技行業而言，生物技術具有技術更高、投入更高、產出更高、風險更高、周期更長的“四高一長”的特點，因而風險投資便成為必然的選擇。作為一種金融資本和高科技產業相結合的制度安排，風險投資已經成為高科技企業的“孵化器”和新經濟的“發動機”。我們應認清形勢，創新制度，大力推動該領域的風險投資，加速生物技術產業化進程。