生醫大健康產業日報
共收錄 5 則產業相關新聞 · 2 則精選深度分析
精選深度分析
Lilly 與 Gateway Labs 校友新創 Amplitude 簽署傳染病 RNA 疫苗平台授權合作
關鍵事件
Eli Lilly 與 RNA 新創公司 Amplitude Biosciences 簽署授權協議，取得其 RNA 疫苗平台用於傳染病領域開發。Amplitude 由 Gateway Labs 培育出身，其平台技術主打優化 RNA 穩定性與遞送效率。此舉標誌 Lilly 正式跨足 mRNA 疫苗賽道，補強其在傳染病防治領域的技術版圖。
關鍵數據
全球 mRNA 疫苗市場規模 2023 年估計約 250 億美元，預計 2030 年前複合年增率逾 15%；Moderna 與 BioNTech 目前合計掌握全球 mRNA 疫苗市場逾七成份額；Lilly 2023 年全年營收約 341 億美元，傳染病管線相對薄弱，此授權為戰略補缺之舉。Gateway Labs 為矽谷知名生命科學加速器，已孵化逾 50 家生技新創。
市場重要性
Eli Lilly 授權 Amplitude 的 RNA 疫苗平台，代表大型製藥巨頭正加速以授權方式切入 mRNA 技術賽道，而非單純依靠自研，此模式將加快平台技術的商業擴散速度。Moderna 與 BioNTech 在 COVID-19 後積極拓展 mRNA 至流感、RSV、癌症疫苗等領域，Lilly 此舉若成功，將形成第三股競爭力量。對台灣生醫產業而言，mRNA 原料（帽子結構、修飾核苷酸）及脂質奈米粒子（LNP）遞送材料的供應鏈機會值得持續關注，台廠如泰福、永昕等 CDMO 可能受益於潛在代工需求。此授權案也反映矽谷生技加速器（Gateway Labs 模式）已成為大藥廠獵取早期平台技術的重要管道，預期類似交易將持續增加。
⚠ 反面觀點
RNA 疫苗平台授權交易在 COVID-19 熱潮後大量湧現，但多數新創的平台技術尚未在大型臨床試驗中驗證差異化優勢；Lilly 本身缺乏 mRNA 疫苗的開發與製造經驗，從授權到實際產品上市仍面臨巨大的技術整合與法規挑戰，短期內難以威脅 Moderna 或 BioNTech 的既有地位。
📍 接下來觀察
- Amplitude 平台技術的首個傳染病適應症靶點公開揭露時程
- Lilly 是否進一步增資或取得 Amplitude 股權以深化合作
- Lilly RNA 疫苗候選藥物進入 IND 申請或 Phase I 的時間點
- Moderna、BioNTech 對 Lilly 跨入疫苗賽道的競爭反應與管線調整
- RNA 疫苗平台技術標準化程度，及 LNP 遞送技術專利佈局是否形成進入壁壘
- Lilly 是否透過後續併購建立完整 mRNA 疫苗自主製造能力
❓ 常見問題
Amplitude Biosciences 的 RNA 疫苗平台與 Moderna、BioNTech 有什麼不同？
Amplitude 主打優化 RNA 穩定性與遞送效率的新世代平台，目標是克服現有 mRNA 疫苗需超低溫保存、體內表現時間短等缺陷，但其技術差異化尚待大規模臨床數據驗證。
Lilly 為什麼現在才進入 mRNA 疫苗領域？
Lilly 近年重心放在 GLP-1 減重藥（Zepbound）與阿茲海默症藥物（donanemab），傳染病疫苗非其核心管線；透過授權新創平台是快速補強技術版圖、降低自研風險的常見策略。
Gateway Labs 是什麼機構，為何能孵化出被 Lilly 看上的新創？
Gateway Labs 是位於矽谷的生命科學加速器，提供實驗室空間、資金與業師網絡，已成功孵化多家聚焦 RNA、基因編輯等前沿技術的新創；大藥廠愈來愈傾向從此類加速器直接獵取早期平台技術。
Chai Discovery 與 Bristol Myers Squibb 簽署 AI 抗體探索合作協議
關鍵事件
AI 蛋白質結構預測新創 Chai Discovery 與全球前五大製藥公司 Bristol Myers Squibb（BMS）達成合作，利用 Chai 的 AI 模型加速抗體探索與設計。Chai 的核心模型 Chai-1 被視為 AlphaFold3 的強力競爭者，能同時預測蛋白質、核酸與小分子的複合結構。此合作是 BMS 加速 AI 輔助藥物探索佈局的重要一步，也驗證了 Chai 平台的商業可行性。
關鍵數據
全球 AI 藥物探索市場 2023 年估計約 14 億美元，預計 2030 年達 40 億美元以上；BMS 2023 年研發費用逾 90 億美元；Chai-1 模型於 2024 年發布後在蛋白質複合體預測基準測試中超越 AlphaFold3；目前全球已有逾 20 家大型藥廠與 AI 藥物探索平台簽署類似合作，授權金加里程碑付款規模通常介於 5,000 萬至 5 億美元。
市場重要性
BMS 與 Chai Discovery 的合作標誌著 AI 蛋白質結構預測工具已從學術發表快速轉化為製藥產業的核心研發基礎設施，抗體探索流程的 AI 化正在加速到來。相較於 Schrödinger、Recursion 等較早期的 AI 藥物探索公司，Chai 以開源策略建立學術社群信任、再轉向商業合作的路徑，代表新一代 AI 生技公司的商業化模式正在成形。對台灣生醫產業而言，AI 抗體設計能力的普及將壓縮傳統抗體篩選 CRO 的市場空間，但也為具備高品質蛋白質表現與分析能力的台灣 CDMO 帶來新的合作機會。BMS 此舉亦向市場傳遞訊號：AI 探索平台的合作競爭已從選項變成必要，未跟進的大藥廠將面臨研發效率落差的風險。
⚠ 反面觀點
AI 抗體探索合作協議在近兩年已成為製藥業的「標配公關動作」，多數早期合作最終因 AI 預測結果與實驗室濕實驗驗證之間的落差而未能推進至臨床；BMS 本身管線壓力沉重（Revlimid 專利懸崖衝擊持續），此類探索性合作能否真正轉化為具體候選藥物，市場不宜過度樂觀。
📍 接下來觀察
- Chai Discovery 是否公開揭露與 BMS 合作的具體靶點或治療領域
- Chai 是否啟動新一輪融資以支撐商業合作擴張
- Chai-1 模型在 BMS 內部合作中產出的候選抗體是否進入 IND 申請
- 其他前十大藥廠是否跟進與 Chai 或同類 AI 平台簽署類似協議
- AI 抗體設計是否能縮短傳統 3-5 年的探索周期至 1 年以內，重塑研發成本結構
- Chai、AlphaFold、RoseTTAFold 等模型的智慧財產權歸屬爭議如何影響商業授權格局
❓ 常見問題
Chai Discovery 是什麼公司，和 DeepMind 的 AlphaFold 有什麼關係？
Chai Discovery 是獨立的 AI 生技新創，其 Chai-1 模型是 AlphaFold3 的開源競爭替代方案，能預測蛋白質與其他分子的複合體結構，在部分基準測試中表現超越 AlphaFold3，且對學術界完全開放使用。
AI 抗體探索和傳統抗體開發相比，速度快多少？
傳統抗體探索從靶點確認到候選抗體篩選通常需 2-4 年，AI 輔助設計理論上可將初步候選結構生成壓縮至數週，但後續濕實驗驗證與優化仍需 1-2 年，整體縮短效益估計在 30%-50% 之間。
BMS 為什麼選擇和 Chai 合作，而不是自建 AI 團隊？
自建頂尖 AI 研究團隊耗時且競爭激烈，與外部新創合作可快速取得最前沿模型能力；BMS 採用「授權合作＋保留核心藥物資產」的策略，可同時進行多個 AI 平台的賽馬測試，降低押注單一技術的風險。
