摘要

Moderna 8月19日单日涨幅177%、市值从250亿美金冲到690亿美金，重新定价的重点不是传染病疫苗，而是“肿瘤”这个期权。 英博的解释直指天花板：“如果是一个传染病疫苗的公司，那么它的天花板是可预期的”，但传染病疫苗加上 oncology，“未来几乎是星辰大海”——因为肿瘤病人群体庞大，而且“预防性药物的定价和治疗性药物定价的空间又不同”。他所在的艾博生物恰好在读出前一个周末开了三天 off-site，结论就是华尔街的看点已经从传染病疫苗移到肿瘤。
INTerpath-001 的读出质量在于终点选择：1000多位病人、全球多中心双盲随机，个性化疫苗+Keytruda 对比 PD-1 单药，主要终点 recurrence-free survival 达到统计学显著。选取2B期到4期术后黑色素瘤患者（英博说“如果我没记错”）是策略而非偶然——这类病人术后“最快三个月，慢一点的话一年”复发，给公司一个 early readout。英博的原则很直白：“快速成功和快速失败都可以接受……最难以接受的就是要等了很久之后我才知道答案。”最终仍要看 OS。
真正的壁垒在 CMC 而不只在科学：“个性化肿瘤疫苗堪称药品制造的 nightmare。” 术后4到6周是业界认为的最佳窗口，其中测序与算法预测“in the order of days”、一周内可完成，mRNA生产一天、LNP包封一到两天，但 DNA 模板可能需要 multiple days to weeks，QC放行又要一到两周。因此必须全自动、无人干预：“任何一步有了人为的干预，那必然就会成为一个 bottleneck”，且一台设备只做一个病人、之后消毒和 QC 才能接下一个，一次性耗材是成本大头。
成本是这条赛道能否商业化的真变量，英博用 CAR-T 的高价和国内盈利困难作参照。 美国医保能负担基因治疗“百万美元一针”，但中国“大概最多是几十万元的费用，不是成本啊，是老百姓可以接受的”，而且这被视为一个 lifetime cost，再往回倒推成本结构。约束条件很硬：算法与工艺一旦进入临床一期就冻结，“未来五到七年的临床时间内，你整个算法和工艺是不能有任何的更改的”。
对 AI 叙事，他同时降温和升温。 降温：Moderna 在2015、2016年就已经能够做这件事，“远远 way before 我们说的所谓的 AI 时代”，算力要求没那么高；在本地部署且人类遗传资源测序数据不出境的前提下，他认为地缘政治风险也不大。升温：核酸药是最可能被 AI 驱动的品类，“它的底层就是 A U C G 这四个字母”，四进制、不涉复杂三维结构；但“AI 离开自动化就是空谈”，因为没有自动化就没有训练数据。艾博已邀请 Moderna 当年负责新抗原算法设计的总裁 Ian 出任 Chief AI Officer。
对马斯克“疫苗变成 software problem”和2025年 Stargate 项目相关的“48小时造出疫苗”说法，他给出的是有条件的认可。 “他们说的没有错，在技术层次上，它就是一个软件的问题”，工程挑战都能解——但“它的生产放行这个时间相对来说在两周之内，目前来讲还没有一个特别好的办法可以把这部分时间进一步的缩短”。监管层面的关键认知：审批的“其实不是一个产品，它审批的是一套平台技术”，新冠期间已经验证过平台安全性。
适应症外推是最大的想象空间，但目前明确获益的人群有边界。 英博给出了一个带有“我觉得”的强预测：“PD-1获批的适应症，我觉得 mRNA 肿瘤疫苗都会陆续获批。”边界在于免疫系统状态——疫苗只在免疫系统还健全时最有效，“you can’t keep beating a dead horse”，所以优先选术后患者。对于不可手术者，一条路径是先靠现有药物降期到可切除；他也猜想，切除最大的原发肿瘤后，疫苗和 PD-1 未来可能帮助清除微小病灶。
Yushan 的收尾把热度按了回去，这是给二级市场读者最有用的一段。 Moderna 目前只公布了三期的初步关键结果，“具体的 HR 风险比以及不同患者亚组的结果都还没有披露”，暴涨后几个交易日已回吐部分涨幅；现货型路线的对照也不乐观——Elyseal 针对共享 KRAS 突变的二期在总体人群未达无病生存期主要终点，只在部分亚组见到信号。

精读

1. 一天177%的涨幅，市场重新定价的是“肿瘤”这个期权，不是疫苗业务

开场由洪君给出坐标：8月19日 Moderna 单日涨幅177%，市值从250亿美金到690亿美金，“因为这一天人类第一次在三期临床上验证了一件事情——mRNA 疫苗可以用来对付癌症，至少呢先从黑色素瘤开始”。逻辑特别之处在于“为每一个病人定制一支专属的疫苗”，一人一药。
英博的巧合式开场很有说服力：读出前一个周末，艾博生物刚开完三天 off-site 战略会，会上对全球竞争格局和华尔街认知的分析结论就是“这个公司未来的看点不在于传染病疫苗，而在于肿瘤疫苗以及肿瘤治疗”。然后周中就看到了 INTerpath-001 的读出——他措辞谨慎，“我们不能说成功，但是一个非常 positive 的 readout”。
他给出的估值逻辑是天花板的替换，而不是业绩的上调：“第一就是 Moderna 的天花板绝不是一个传染病疫苗的公司。如果是一个传染病疫苗的公司，那么它的天花板是可预期的。”传染病疫苗加上 oncology，“这样的话未来几乎是星辰大海”，一是肿瘤病人群体，二是“预防性药物的定价和治疗性药物定价的空间又不同”。
而且他认为反馈还没走完：“这样的反馈还只是在路上，未来应该还会有更多更多的 positive 的 feedback 也好，或者是二级市场正向的反馈也好。”对一家做开创性研究的公司，“人们应该对它只有 respect……无论成败，更重要的是它为了大家趟出了这么一条路”。

2. 嘉宾的履历本身就是这条赛道的地图：小核酸→mRNA→基因治疗

英博自我定位是“从零六年开始……整个 professional career 都是在和核酸药物打交道”，做过小核酸、mRNA、基因治疗。本科生物，出国读了药剂学博士，毕业论文就是小核酸的递送，项目由 Alnylam 资助，之后加入 Dicerna。
转向 mRNA 的原因很技术性：小核酸在一五年左右有一个巨大转折，“从 LNP based delivery 就是递送到 GalNAc 肝脏递送”，而他的经验主要建立在 LNP（lipid nanoparticle）上，所以从 Dicerna 去了 Moderna 做 LNP 系统开发；第三份工作是 Moderna 前高管创立的基因治疗公司。
回国的触发点带点私人色彩：最后一家公司从 Boston 搬到 San Francisco，而 Boston 是他待了十几年的城市，“其实也就隔着个太平洋就回家了嘛。所以说还不如我直接就回家”。技术路线上是刻意取中：小核酸相对成熟，基因编辑当时又让人觉得离成熟还远，所以“选择一条折中的 mRNA 的路线”。
2019年国内的产业现状，他用一句话概括到极致：“甚至有投资人跟我说，我是他见过的第一个从 Moderna 回来的活人。”一八年年底 Moderna 上市让投资人不得不看一眼这个领域，但“到底有哪些技术难题挑战，它能做什么样的事情，其实了解是非常非常之有限的”。

3. Moderna 的四根支柱，说明个性化疫苗是2010年就下的注

他还原了当年 Moderna 的四个 pillar，每一个都由不同 partner 撑起：肿瘤治疗是 On Kaido（与 A Z 合作），传染病疫苗是 Valera，罕见病是 L P Dero（与 Alexan 合作），个性化肿瘤疫苗是 Caperna（与 Merck 合作）。他所在的 AstraZeneca 相关板块主要做肿瘤治疗产品，个人贡献主要在递送与 CMC 研发。
对 Yushan 追问“Moderna 是不是一直很聚焦”，他的回答是肯定的：“Moderna 是非常专注的一家公司，即使在新冠疫情之后，它其实也只是专注于 mRNA 技术路线的发展。而基于这样一个平台，公司来判断做什么样的治疗领域最符合逻辑。”
关键的时间锚点：Moderna 2010年成立，当时基于的技术平台就是 mRNA 个性化肿瘤疫苗。而挑战从来不只是科研——“做药从来不简简单单是一个科研的挑战，更多的是科研加上整个 CMC 生产是一个应用技术的挑战”。个性化疫苗“就代表着对于 CMC 整个生产工艺技术要求的一个极限”，同时对监管也是全新产品。

4. INTerpath-001 的读出质量，取决于终点设计

试验设计：全球多中心，入组一千多位病人，双盲随机；一个 arm 是个性化肿瘤疫苗加 PD-1（与 Merck 合作的 Keytruda），另一个 arm 是 PD-1 only；人群是术后切除的、比较晚期的黑色素瘤患者。主要终点 recurrence-free survival，两组差异达到统计学显著。
他解释了 recurrence-free survival 与免疫原性及生存期的关系：“recurrence free survival 就应该是直接对应着生存期的延长，它和最早免疫原性是否能转化成生存率的延长还是不一样的。因为没有复发，那么必然生存期会有一定的延长。”但他没有跳过最后一关——“最后的话还是要看 overall 的 survival”。
Yushan 在后半程用“无进展生存期”表述时，英博当场纠正：“在 Moderna 的这个临床实验中，它其实用的是无复发……无进展生存期和无复发还不一样。”无复发意味着肿瘤切除后没有长回来，病人处于 tumor-free 状态，“那么它对于肿瘤而言，它就是起到了治愈的这样一个效果”——相比原来三个月到一年就复发。

5. 选黑色素瘤不是科学偏好，是为了 early readout

入组人群大致是2B期到4期黑色素瘤，英博补充“如果我没记错”。这类病人“术后最快三个月，慢一点的话一年会有肿瘤复发”，所以能快速看到药物是否有效。这是英博眼中的策略核心，他的表述是一条创业公司通用的原则：“对于科技公司而言，快速成功和快速失败都可以接受，这样我可以赶紧基于我成功也好失败的经验我去开发下面的产品。但是最难以接受的就是要等了很久之后我才知道答案。”
因此黑色素瘤同时满足两点：有很大市场需求，且提供 early readout 窗口——“我觉得这样一个非常非常明智的 strategy”。Moderna 也已经很快开启了非小细胞肺癌的3期临床研究。
但对“下一个读出是什么”的追问，他刻意压住节奏：“我觉得我们先不要太急着去看下一个适应症。”目前只是一个无复发终点，更希望它尽快正式获批，而获批的含义是路线打通——“就像当年新冠疫苗的获批一样，所以说 Moderna 快速又开发了 RSV 以及流感疫苗”。他给这次结果的定性是机理性验证：“它代表着不是一个产品，不是一个病种的成功，是整个 mRNA 技术路线对于整个肿瘤治疗领域的一个巨大的突破和成功。”

6. 为什么必须和 PD-1 联用：疫苗点火，PD-1 拆掉刹车

他先把 PD-1 的地位给足：“可以被称之为肿瘤免疫治疗上最伟大的发现之一，当然发明者也得了诺奖。”机制上是 immune checkpoint inhibitor——肿瘤之所以无限生长是因为它能抑制免疫系统对它的识别，PD-1 去掉这层拮抗。如今 PD-1 是免疫疗法的 cornerstone，“甚至是对于 PD-1 低表达的病人，临床有些医生认为病人也仍有可能从 PD-1 的使用中获益”。
联用的因果链他讲得很形象：个性化疫苗“相当于是给免疫系统点上一把火，让免疫系统能更好的识别肿瘤细胞”，但如果识别了却被 immune tolerance 压住，“那么还是没有效果”；PD-1 把拮抗拆掉，“所以说免疫系统可以识别可以攻击，这样的话可以起到了一加一大于二的作用”。

7. 个性化新抗原的机理：从“杀敌一千自损八百”到一人一药

对照组是传统肿瘤药物：“基本上都是会面临一个杀敌一千自损八百，甚至是杀敌八百、自损一千的这样一个局面”，因为很难区分快速分裂的肿瘤细胞和快速分裂的人体正常细胞——恶心、呕吐、脱发就是药物也在攻击胃肠道细胞和毛囊细胞。
疫苗的路径相反：只针对“只在肿瘤上表达的新生抗原”，之所以叫疫苗，是因为它借用传染病疫苗的原理，“使得我们机体把这种肿瘤细胞当做一个外来病毒来识别”。结果是临床上不良反应低、病人依从性好。他的个人判断是：“个性化肿瘤疫苗可以是基于所有疗法上对于病人的一种极好的补充。”
“个性化”的必要性来自异质性：每个人的肿瘤是自身细胞突变产生的，“都叫肠癌、非小细胞肺癌或者是都叫胰腺癌，但是每个人的肿瘤是不一样的”。把肿瘤当一类病处置，病人“最后只能获得一个预期之内的 survival”；把它当个性化疾病处置，才能做出针对每个人肿瘤标记物的疫苗，指导免疫系统特异性杀伤。
他也明确了一个常被误解的点：这不是给健康人的预防性疫苗，“它并不是一个预防性的机理，它更多的是一个治疗性的机理”，更准确说是“用肿瘤疫苗来唤醒激活我们自身的免疫系统去攻击肿瘤细胞”。

8. “个性化肿瘤疫苗堪称是药品制造的 nightmare”——4到6周窗口的时间账

窗口来自病人的生理节奏而非工厂：“业界认为四到六周是一个最佳的期间”，因为术后病人本来就有恢复期，在恢复期内把药做出来就不会耽搁治疗窗口；耽搁了，“这些肿瘤细胞可能很快又会重新生长出来”。
步骤拆得很细：取样要取肿瘤组织和肿瘤旁的正常组织做两相对比测序，测序与算法预测“in the order of days，几天就可以完成，一周之内就可以完成”；然后通过 reverse engineering 把 neoantigen 编码成 mRNA，需要 DNA 模板——“DNA template 可能是要 multiple days to weeks”；IVT（in vitro transcription，cell-free）做 mRNA“基本上一天就可以完成”；LNP 包封“大概一天到两天”；最后 QC 质检“一到两周”。
他的结论是窗口比想象的紧：“四到六周其实给我们真正生产的时间留出的并没有想象中的那么多，而整个的过程的话是要完完全全按照到非常紧凑的流程来做的。”顺序上也有省时设计：测序这一步的样本分析放在医院做，“因为这是最节省时间的。任何一步转运都需要时间”；拿到序列后的分析在云端完成，公司再端到端把产品运回医院。

9. 自动化不是效率选项，是可行性前提：一台机器只做一个病人

自动化的覆盖范围：“几乎是从取样测序拿到了序列之后的话，整个过程可以通过自动化来完成，这是我们目前可以做到的一个水平。”原因是刚性的：“如果没有自动化的话，整个流程就不可能做到无人干预。”
难点在哪？他的回答是“每一步都是难点，既要它全自动，不能有人干预。任何一步有了人为的干预，那必然就会成为一个 bottleneck”，同时“你要设计出一套足够通用但又足够精准的流程，可以使得每个人生产出不同的产品，都能达到最后你一个质量控制的要求”。
商业化规模下的架构他描述得很具体：“你可以把它理解成一台一台单独的为每个病人设计的机器来生产每一个病人需要的产品”。一千多个病人在三期里不是同一天入组，有时间间隔；商业化面对的病人群体巨大，既要保证及时性又要防交叉污染——每台机器只做一个病人的产品，做完“还要进行适当的消毒 QC 才能用来进行下一个病人产品的生产”，并大量使用一次性设备。

10. 34个新抗原是风险收益比，不是生产极限

Yushan 问 Moderna 新闻稿里“不超过34个”的门道，答案出乎意料地务实：“理论上讲，有多少个我们都能做，但是当 mRNA 达到一定长度之后，它翻译成蛋白的效率可能会有所降低，生产的挑战也会大。三十四个是上限，但是不是生产的上限，只不过是我们认为它是一个风险收益比。”
更重要的是时代背景：这个项目“已经是十年前的事情”，当时 AI 与新抗原预测算法都不发达，业界的算盘是“即使是只有百分之十的命中率，三十四个新抗原也好，二十个新抗原也好，我有两个新抗原是可以精准的识别肿瘤细胞的话，那么免疫系统就已经可以去把肿瘤细胞杀死了”。而随着预测能力提升，“绝大多数肿瘤的患者并不需要 up to 三十四个这样新抗原这么多”。
数量多也有实质好处，他把逃逸问题讲成一道乘法题：肿瘤细胞抗药性强是因为会逃逸，覆盖的新抗原越多逃逸概率越低——“它一次性突变掉一个新抗原的概率是很高，可是一次你要突变掉五个新抗原，我觉得这种概率的话你可以做做乘法，基本上就变得非常非常低了。”“我这个网撒的越大，那么理论上讲肿瘤细胞我就可以杀死的越干净。”
但代价也在：剂量总量固定，“你只做一个新抗原的话，那针对这一个新抗原的免疫反应肯定是最强的，如果分散到多个的话，可能每一个反应就没有那么那么强，但是也不会说是降低了三十倍那个样子”。至于稳妥的抗原数量，他拒绝给数字：“每个病人的情况可能都不一样”，要靠很长的随访才知道复发的新生肿瘤细胞是否还带有其中某几个抗原。

11. 目前优先术后患者：手术刀清肉眼可见的，疫苗清肉眼看不见的

对“是不是所有肿瘤患者都能获益”这个最诱人的问题，他给的是明确边界：“目前来看的话，是的，是只有术后的患者获益是很明确的。”手术刀清除肉眼可见的肿瘤，“mRNA 个性化肿瘤疫苗针对的是肉眼看不见、散落在你组织中的这些，你是没有办法用手术刀清除的”。
原发肿瘤还在时是拉锯战：“相当于是两股势力的对抗，一股是肿瘤疫苗加上 PD-1 试图调动免疫系统对它进行攻击，另一方面是肿瘤自身对免疫系统有一个耐受拮抗的作用。”这部分他严格 hedge：“目前我们只能说它还没有被完全的验证，但是并不代表未来它不可以。”
接着是他标注为个人猜想的一句预言，也是全场最有画面感的框架：“未来的肿瘤治疗基本上可能是一把手术刀加一个个性化肿瘤疫苗和 PD-1 的联合就可以搞定了。肉眼可见的用手术刀，肉眼看不见的用个性化肿瘤疫苗调动我们整个的免疫系统来对它进行围追堵截。”
不可手术的病人有两条可能的路径：一是用现有药物降期，“把它从比如说四级降到三级，或者是说把它变到可以清除，那么这一类病人就可以又回过头来适用于个性化肿瘤疫苗的疗法”；二是原本被认为切除也不获益的多发微小病灶病人——切掉最大的原发灶，其余微小病灶免疫拮抗性还不强时，联用疫苗和 PD-1 也可能有效。“我觉得它给人带来的想象空间是巨大的。”

12. “You can’t keep beating a dead horse”：疫苗有效性取决于免疫系统的剩余状态

Yushan 的一段追问很有分量：随着各瘤种标准治疗方案快速迭代、术前治疗把肿瘤控制得更好、预后改善，“留给肿瘤疫苗需要解决的复发的问题，它的验证的标准也在越来越提高”，是不是意味着适用范围有限？
他把限制从“适应症”移到“临床设计”：“对它应用范围来说应该没有局限，只不过是对于它的临床设计上来讲的话，会有比较多的一些挑战。”现有药物越有效、生存期越长，就越需要在此基础上再证明延长——“你要观察的时间可能长”。
但他给出一条来自艾博自身经验（同时做固定抗原与个性化疫苗）的规律，也是这一段的记忆点：“我们发现肿瘤疫苗效果最好的时候，是在你的免疫系统还比较健全的时候。你不可能在免疫系统已经被化疗、放疗、药物摧毁之后，再用个性化肿瘤疫苗期待还能唤起免疫系统的激活……有一句话嘛，就是‘you can’t keep beating a dead horse’。免疫系统已经都垮掉了的话，那么个性化肿瘤疫苗也是无处发力。”这正好解释了为什么选术后人群——免疫系统处于比较正常的状态。

13. 安全性是这条路线的重要资产：outpatient care，不是 CAR-T

使用场景轻到超出预期：“如果是肿瘤患者不需要住院，那么几乎肿瘤疫苗可以做到 outpatient care，就是到医院来打一针肿瘤疫苗，打一针 PD-1 然后回家。”英博认为，“它不会出现可以预见的、超过其他 mRNA 传染病疫苗的不良反应”——发热、恶心、呕吐、乏力、注射部位肿胀、头痛；“相对于传统的化疗药物和肿瘤的其他药物相比的话……简直是可以忽略不计了”。
对 CAR-T 类比的回应把机制差异讲清了：CAR-T 的不良反应主要来自 T 细胞快速激活，即 cytokine release syndrome（CRS）；而 mRNA 疫苗“是有一个先缓慢注射到体内，然后缓慢表达抗原，然后激活免疫系统，激活 T 细胞来对它进行识别的一个过程”，因此 CRS 的临床报道“目前应该是少之又少的。我似乎没有了解到很多”。
给药路径上，他说肿瘤疫苗主要是肌肉注射，也有静脉注射；BioNTech 采取静脉注射。随后他强调，胰腺癌领域仍是“百花齐放”的时代，不是只有某一条技术路线能成功。

14. 路线盘点：现货型 vs 个性化，玩家大概一半一半

他先破题：“肿瘤疫苗的概念不是一个新概念，而肿瘤疫苗包括的技术路线也不只是 mRNA 这一条”——还包括核酸（DNA、RNA）、多肽、细胞疗法（病毒载体或 DC）；美国早期一些做多肽路线的公司“已经不复存在了”。
现货型（off-the-shelf）的优劣势讲得很干脆：优势是“马上就可以用，即插即用”，更快、更便捷、成本更低，主要针对 driver mutation，如 EGFR、KRAS；挑战有两层——不是所有病人都有明确的驱动突变，而且这些突变“在人体内已经存在了很久，它是慢慢发展来的，机体可能对它有了一定的耐受……就需要看到底是疫苗的力量更强，还是肿瘤让机体对它耐受的力量更强”。
两条路线的玩家分布，他给了一个粗略统计：“我们还统计了一下，大概一半一半吧。”个性化的优势是免疫耐受低、逐人定制，代价是“周期长，成本要高”。对 BioNTech 他明确指出路线与给药机理都和 Moderna 不同，并强调“Moderna 的成功代表了这条技术路线的成功，但是不代表其他路线不可以走得通。所以说整个的行业还是在一个摸索的阶段”。

15. 艾博的三条腿，与从“老百姓能负担”倒推回来的成本目标

艾博尝试三类抗原：TSA（tumor-specific antigen，几乎都是 driver mutation，如 EGFR、KRAS）、TAA（tumor-associated antigen，如 NY-ESO-1、TP53 这一类），以及完全个性化的 neoantigen——“是一段很短的肽段，然后把不同的肽段串接在一起”。
TSA 与 TAA 的分界线是因果与关联：非小细胞肺癌与 EGFR 有明确证据，胰腺癌、非小细胞肺癌、结直肠癌与 KRAS 直接相关；而更多肿瘤没有明确驱动基因，只是“通过肿瘤采样都观察到了这个基因突变的表达，所以说我们把它称之为 tumor-associated antigen”。
策略上，“如果有明确的突变基因，就先做突变基因，比如 EGFR、KRAS。没有的话，就先看 associated antigen”。如果周期能压到四周（“目前来讲的话看起来是可行的”）、单次成本控制在病人可接受范围内，“那么我们觉得未来可能个性化肿瘤疫苗，它虽说是个性化的，反倒有可能变成一种通用性的疗法。因为它几乎是可以不去看病人的肿瘤类型，不去看病人的原因，所有的肿瘤，所有的病人，我们用个性化肿瘤疫苗可能都会起到一定的疗效”。
定价上他不完全透露，但给了 CAR-T 作为参照：CAR-T 疗效被认可，但价格高昂使医保和老百姓都负担不起，“那使得它的受众群体就大为受限，而且 CAR-T 公司在国内也面临着一个非常非常困难盈利的情况”。参照系是美国基因治疗“可以卖到百万美元一针”，中国的估算是“大概最多是几十万元的费用，不是成本啊，是老百姓可以接受的”，且被视为一个 lifetime cost，再往回倒推成本上限——目标是既 affordable 又 profitable。
还有一条硬约束解释了为什么现在就做这些工作：“你的算法，你的生产工艺流程一旦进入了临床，你就不能再变了。那么说未来五到七年的临床时间内，你整个算法和工艺是不能有任何的更改的。”

16. 成本的大头在一次性耗材，省钱靠“做小”而不是“做大”

成本结构上他只肯给一个明确大头：“大头还是在一次性的这种耗材上面”，因为避免交叉污染必须一次性；但未来空间很大——“随着需求的上升，耗材生产规模的提升，每一单的成本可能就会大幅的下降”。整体上“哪一步成本是最高的，我们现在看起来可能它是分散到各个部分”。
自动化省的不止人工，还有他反复强调的“死体积”：如果靠人接流出的液体，就得权衡“我接多少，是不是最开始这些你不要接，最后面那一段你不要接，这就每一步都会有损失”；自动化能精准控制，把死体积和废弃液降到最低，consumable 与 raw material 的用量也随之下降。“每一个环节都需要去考虑，最后才能出来一个总体成本上有一个大幅的下降。”
工程哲学是全场最好的类比：“其实有的时候做大容易，做小反而难。从大哥大到现在的 iPhone，你要把很多的零部件放在一个很小的设备内，它其实面临的挑战是最大的。”艾博早年建了一整间房间规模的 mRNA 生产自动化平台（含 QC），现在要反向做成“几乎是可以 portable 的这样一套 device”——“你按到一个开始键，过几个小时之后，整个的 mRNA 疫苗就可以生产出来”，而一次开机的产量“几乎是病人整个 lifetime 所需要的整个肿瘤疫苗的剂量”。
Yushan 追问是否一针解决，他纠正得很实在：“一次可以解决一次的问题，还是需要多次的，它和 PD-1 是一样，每三周一针”，Moderna 的疗程大约一年，未来不同瘤种疗程可能长短不一。但依从性好，“不至于说是生活的质量受到巨大的影响”。做小的路径是：原来做放大的技术团队反向思维，与外部 partner 合作按自己的思路设计仪器、再不断测试验证，最终换来标准化与可复制性——“三期临床实验上千个病人，最后商业化的上我们是百万级的病人的时候，只能靠一台一台不同的仪器来控制它工艺的可重复性”。

17. AI 在这条链上的真实位置：核酸药最适合被 AI 驱动，但“AI 离开自动化就是空谈”

应用范围贯穿全链条：“从最开始的抗原序列的预测，到最后 mRNA 序列的优化，甚至未来……在脂质分子的研发，就是递送系统的开发上面”。个性化疫苗是把 AI 用到极致的场景——固定抗原的 driver mutation 是长期 disease biology 积累发现的，“它不需要什么变化，就是在那摆着”，而“个性化肿瘤疫苗，每一个人都是算出来的，而算的好坏，算的准确与否，我觉得对你未来的临床实验的结果，是病人最后整个的生存期的延长，会有一个举足轻重的作用”。
为什么核酸药是 AI 最好的落点，他的论证很干净：“核酸药是最有可能被 AI 所驱动的，因为它是一个完全计算性的药品的设计，而不涉及太复杂的三维的结构，它有四个字母……就是一个四进制的算法，不像蛋白一样二十个氨基酸还有三维的结构。”底层就是 A、U、C、G，“它从某种意义上就是一个计算科学驱动的学科”。
组织建设上，艾博把 Moderna 当年负责新抗原算法设计的总裁 Ian 请来做 Chief AI Officer，自建 computational science 团队并加入 automation 人员——“这一部分的团队是一个非常非常 unique、非传统的 biotech 的这样一个部门”，且在持续扩招。相较于他推测的同行收购路径，艾博生物主要采取自主搭建模式。
最锋利的一句在于二者的依赖关系：“AI 离开自动化就是空谈，因为 AI 需要的是大量的数据训练，没有自动化的话是不可能去训练出一个好的 AI 模型来的。”

18. LNP 是算力的真天花板，也是效率的下一个百倍空间

艾博曾考虑计算整个 LNP 的排列组合——公司投资人中有国内知名 AI 或 TMT 领域投资人，也有软银这样的国际投资人。结论是目前很难实现：“这个用到的算力将是目前很难很难实现的一件事情。”
拆解原因：LNP 里最主要的可电离阳离子脂质本身是小分子，“它运用到算力是有限的”；难的是“整个 LNP 的话，涉及到不同的脂质分子和 mRNA 一套自组装的系统”，目前只能靠传统的体内、体外筛选，“显然它的时间成本就会很高，因为它需要去做实验”。但他没有关门：“未来的话，真的这一部分是有可能实现……科技的发展从来都是把不可能变成可能。”
回报有多大，他给了一个量化的愿景：“现在的话，如果是一个 mRNA 可以表达100个蛋白质分子……可以表达一万个蛋白质分子的话，就是它的递送效率再提高一百倍，那么未来有很多的蛋白分子或者蛋白药物都可以通过 mRNA 这种形式可以得到一个更快速的研发。”
一个重要的设计纪律：个性化只留在核酸端。“个性化肿瘤疫苗它的个性化的部分只是在于核酸的序列、新抗原的预测以及基于新抗原的序列我们生产出来的 mRNA 序列，它的递送系统是固定的”，因为“我们也不希望里边有太多太多个性化的部件和产品，因为这样的话它就面临着更大的复杂性和不可控性”。递送提升的红利是降剂量、降成本、进一步控制不良反应。

19. 对“疫苗就是 software problem”的有条件认可：卡点在放行和监管，不在算法

Yushan 搬出两句话：2025年的 Stargate 项目相关说法中，甲骨文创始人认为个性化肿瘤疫苗在 AI 帮助下“整个这个疫苗制造呢四十八小时就可以完成”；马斯克针对这次三期突破说疫苗以后“变成了一个 software problem”。
英博的回答把技术与制度分开：“他们说的没有错，在技术层次上，它就是一个软件的问题……像我说是一个 engineering 的挑战，这些都可以不断的解决。”但“还面临着一个就是现有一套监管体系，毕竟是药品……它的生产放行这个时间相对来说在两周之内，目前来讲还没有一个特别好的办法可以把这部分时间进一步的缩短”。
他也顺手给 AI 叙事降了温：Moderna 在“二零一五一六年”就已经能够做这件事，“远远 way before 我们说的所谓的 AI 时代”，“它对于算法算力的要求是没有那么高的，它不是一个特别高精尖的”。

20. 监管的关键认知：审批的不是一个产品，是一套平台技术

监管上的核心张力是版本冻结与迭代需求的冲突：“就是从进入到一期开始，你的算法工艺就不能再变，可是从生物技术的角度而言，一期和二期临床实验往往还是给你提供进一步改进的空间。”因此“在三期临床之前，你最好是能把所有的可提升的空间再进一步应用”。他承认监管已经“对个性化肿瘤疫苗有了很大的突破”，但工艺不能再改，因为会影响安全性有效性。
对“怎么可能一个人一个人地监管”这个尖锐问题，他给出的答案是这一段最重要的结构性洞见：“第一，监管要保证你这个产品它的安全性，所以说它审批的其实不是一个产品，它审批的是一套平台技术。”Moderna 恰好在新冠期间证明了平台安全性，一期二期又证明了给药剂量下平台的可靠性，“所以说最后有效性的话是在三期临床实验中去获得的，但是能否进三期首先要看你一个工艺的可重复性以及你的安全性”。
关于 Moderna 希望2027年上市，他不给硬预测但给了方向性乐观：“我们肯定是很期待这样一款产品能尽早的上市，我们也相信从公司、患者群体以及监管的角度都有动力去做这样一件事情。”对国内路径的判断更直接：“应该大的挑战是不会有了，因为大家都对于平台技术的一个认可……我们目前不认为在国内外在监管上还有真正的一些障碍没有跨过去的。”

21. COVID 是一次练兵；但肿瘤为什么慢了十几年

COVID 疫苗对肿瘤疫苗的溢出效应体现在工艺质量上：整个生产流程哪里能提升纯度、降低杂质，“用这样一个在工艺上提升的产品再去开发肿瘤疫苗……对于整个肿瘤疫苗产品的质量也是一个巨大的提升”。借着 COVID 疫苗的生产，“相当于说做了一次练兵，加速了一个技术的成熟”。
为什么新冠疫苗很快、肿瘤疫苗经历十多年？他给了三条并列原因：一是肿瘤本身“要复杂的多，它不是一个病毒”，而且“肿瘤的话，它从来都是多病因的”；二是新冠疫苗的成功还站在前人肩上——“基于人类以前对于 RSV 疫苗抗原的识别的一个突破，就是我们找到了这个 Pre-F 的叫抗原序列”；三是临床入组效率的天壤之别——大流行期间发病率高、病例容易捕捉，而肿瘤试验入组一千多人，“可能筛选的病人要远远高过一千”。
他把这层对比压成一句：“一个是给健康人，一个是给病人。健康人的群体是远远远远超过病人群体，同时病人的话还要经过大规模的筛查是否适合入组的条件。”这也解释了 Moderna 在新冠后最先上市的是 RSV 和流感而不是肿瘤疫苗。他同时提醒当前位置：“我们肿瘤疫苗的开发现在也只是到了一个有非常积极的信号 read out 的阶段，还没有正式获批上市，离正式获批上市其实还是有一段路要走。”
至于产业化瓶颈，他认为不在工程：“在这个产业化上面，最重要的还是要拿出令人信服的数据吧。至于工业化，我觉得在现在的一个技术发展的前提下，应该都不是一个特别大的挑战。”而疗效“其实它是包含了从一开始算法到最后你生产工艺，然后以及临床的策略”。

22. 中美对比：进度有差距，认知差距没那么大，且个性化疫苗必须本地化部署

他的判断分两层：“在进度上肯定是有差距……临床研发上人家已经是三期有一个非常好的 read out 了，但是在理解认知上面，我觉得大家的差距并没有想象中的那么大，尤其是现在随着 AI 技术的发展，随着大家对于算法的提升，我觉得甚至是不排除有一定的后发优势。”加上国内临床资源丰富，“应该很快就会有一些 positive 的结果可以在近几年内和大家分享”。
对跨国药企来中国寻找项目或并购，他指出这条赛道的交易结构本质不同：“个性化肿瘤疫苗它不是一个产品，它是整个一套算法和工艺。”因此“它不是简简单单的要拿走一个产品，它要整个要把你的算法、工艺都要进行当地化的部署”，原因很物理——“你很难想象在中国或者在其他地方生产出的个性化肿瘤疫苗要运到欧洲、美国去给那边的病人使用”，运输时间与成本都不允许。
对 Yushan 提出的地缘政治敏感性，他认为在满足本地部署、且人类遗传资源测序数据不出境的前提下，风险不大，理由有两条：“首先它用到的算力远远没有我们想象中那么高”；其次“各个国家都对于自己的人类遗传资源有着很好的保护，简单来说就是人类遗传资源不出境，出境需要审批”。只要本地化部署、遗传资源不出境，“那么我觉得没有什么真正大的风险”。

23. 五到十年的判断，与主持人把热度按回去的收尾

对未来五到十年他给出了全场最强但仍带有“我觉得”的预测：“PD-1 获批的适应症，我觉得 mRNA 肿瘤疫苗都会陆续获批。”他还预期医生行为会被改变——如今很多临床医生相信即使 PD-1 低表达的病人也可能获益；一旦肿瘤疫苗获批，“我相信会有更多的医生认为，即使在没有获批的适应症里面，这些病人也有可能从个性化肿瘤疫苗这款产品中获得一个极大的生存上面的获益”。
Yushan 的收尾给出竞争与数据两重风险。竞争面：BioNTech 同样推进个体化新抗原疗法，在胰腺癌“早期研究已经观察到持续数年的免疫应答，但真正的疗效还需要三期临床试验验证”；现货型一侧，Elyseal 针对共享 KRAS 突变的疫苗“最新临床二期研究在总体人群中并没有达到无病生存期主要终点，只在部分亚组中看到积极信号”。Moderna 与 BioNTech 实际上都在双线布局，国内包括艾博生物、云顶新耀等也在同步押注两个方向。
数据面的提醒最该被投资人记住：“资本市场的热情往往跑在完整数据前面。”到录制为止 Moderna 公布的只是三期初步关键结果——试验达到主要终点，但“具体的 HR 风险比以及不同患者亚组的结果都还没有披露”，要等之后的学术会议；而“在公布结果暴涨之后的几个交易日里，Moderna 的股价也已经回吐了部分涨幅，市场同样在等待完整数据”。Yushan 的结语与英博的审慎一致：“肿瘤疫苗值得期待，但它的答案还需要时间。”

Vol.231 一个中年人决定为摇滚买单：与马智勇聊中国摇滚、线下演出和音乐行业之变 Sam Altman：奇点放缓、Emad 同时运行18个 Grokbots、Waymo将硬件成本砍83%｜EP #283