资本竞逐、科技巨头入局、政策扶持，AI制药领域近期热度空前。

从字节跳动分拆的AI制药公司新生探途Anew Labs完成了2.9亿美元的首轮融资，估值达到15亿美元。

随后，有消息称Anthropic已在旧金山湾区悄悄搭建湿实验室，利用Claude操控机器人进行真实的生物实验。

10月9日，AI制药与CRO概念股午后回升，贝瑞基因直线涨停，6天内走出3个涨停板，泰诺麦博涨幅超过10%，金石亚药、透景生命、诺诚健华、神州细胞等个股也快速走高。

金斯瑞生物科技近期与礼来TuneLab达成合作后，股价再创新高，摩根大通明确看好其AIDD驱动生命科学领域的强劲增长。

这释放了什么信号？

AI真的会彻底改变制药行业吗？

提速与降本

要理解这个问题，首先得明白制药的流程。

一种新药的研发，大致包括药物发现、临床前研究、临床试验、上市审批和上市后监测五个主要阶段。

整个周期平均需要十年时间，投入至少十亿美元，临床成功率不足10%，试错代价极高。

这就是传统医药界残酷的“双十定律”。

AI的出现，彻底改变了药物发现的逻辑。

药物发现是创新的起点，目标是找到针对疾病的有效“钥匙”。

首先要确定药物在体内作用的特定生物分子（靶点），并证实其与疾病的关联。

传统制药的巨大时间和成本消耗，正是从这里开始的。

过去依赖人工筛选，科研人员在实验室里反复合成、测试，在数以亿计的分子组合中，碰运气寻找那亿万分之一的有效分子，如同大海捞针。

本质上是单向的试错过程。

如今，AI改变了这一环节，直接“绘制”分子。

AI基于海量的医药数据，直接在计算机上生成潜在的分子结构或蛋白序列。

这部分完全在计算机上完成，不涉及真实试剂或细胞，因此被称为干实验，负责构思。

传统模式需要数月甚至数年的分子筛选工作，AI只需几秒到数小时就能精准完成。

当然，计算可以缩小搜索范围，但无法替代真实的实验数据。

一个分子从设计图变为实体，必须被送到真实实验室，进行合成、表达，测试其结合能力、药效和安全性。

这个实验室被称为湿实验室，因此湿实验负责验证。

一张设计图可能只需几秒钟就能完成，但要将其制造出来并完成测试，可能需要几周甚至几个月。

闭环中最关键的一步是实验数据的反馈。

无论实验成功还是失败，所有真实数据都会重新输入AI模型。每循环一次，模型积累的真实数据就更多，预测精度也会不断提高。

研发模式从单向碰运气，转变为一个持续迭代的循环系统。

从结果来看，新模式对时间和成本的改变是实实在在的。

西南证券的研究报告指出，AI重构了新药研发的全链路，药物发现阶段的时间可以缩短70%-90%，临床前和临床阶段分别节省一半以上时间，累计可降低约50%的研发总成本，约540亿美元。

例如，广药集团联合望石智慧开展小分子新药研发，原本需要1-2年的早期发现工作，借助AI技术压缩至3-6个月，研发成本直接降低70%。

英矽智能是跑得最快的案例之一。

依托Pharma.AI平台，它从靶点发现到选出临床前候选药物只用了12-18个月，而传统模式平均需要4.5年。

其AI全流程研发的药物Rentosertib，仅用18个月完成从靶点到候选药的开发，耗时缩减超过60%。

但提速降本只是上半场的胜利。

亮眼的数据背后，真正的竞争才刚刚开始。

三类参与者

AI制药产业链上的企业，主要分为三类。

第一类，是上游的AI技术公司，负责靶点挖掘与分子设计。

它们依靠AI大模型，完成靶点发现、候选分子和蛋白序列的设计生成，输出高质量的候选药物方案。

它们不负责后续的大规模实验和药物生产，产出的成果要么对外授权给药企，要么交给第三方机构进行湿实验验证。

英矽智能是这类公司的代表。

它自主研发的Pharma.AI平台，覆盖从靶点发现到临床预测的全流程，已与全球前20大制药公司中的13家达成软件授权合作，包括施维雅、礼来、SK生物制药和武田制药等企业。

自2026年以来，公司公开披露的对外合作总额已接近100亿美元，而上一财年的营业收入仅为5624万美元。

英矽智能主打AI制药，利用人工智能协助寻找新药方向、设计药物分子，并判断哪些药物更值得推进临床。

其核心管线Rentosertib，靶点由AI发现。IIa期临床结果显示，60mg给药组患者肺活量平均提升98.4毫升，对照组反而下降20.3毫升，成为业内首个AI制药临床概念验证成果。如今已进入III期临床。

字节拆分出的Anew Labs，同样属于这类AI技术公司，定位端到端新药发现，拥有自研小分子候选管线。

第二类，是中游的CRO/CDMO服务商，比拼的是湿实验的标准化和产能。

它们承接上游AI公司输出的大量候选分子，完成基因合成、蛋白表达、体外体内药效测试等工作。

它们不赌新药管线的成败，只关心有多少分子需要验证。

上游AI设计出的候选分子越多，它们的订单就越多。

例如，诺和诺德宣布与Anthropic合作，依托Claude Science大模型生成的蛋白候选序列，全部交由外部服务商完成湿实验验证；礼来TuneLab平台联合金斯瑞、Twist等多家服务商，搭建起覆盖蛋白验证、数据测试、抗体表征的完整服务体系。

在淘金热潮中，它们是提供工具的“卖铲子”一方，最先获得收益。

Twist的AI制药订单连续三年翻番。2025年约2500万美元，2026年约5000万美元，2027年冲击1亿美元。

瑞士初创公司Adaptyv Bio过去18个月收入增长约10倍。

金斯瑞与礼来TuneLab合作后，预计AI驱动的蛋白订单将保持三位数增长。

第三类，是下游的传统药企，负责产业化与临床落地。

它们一方面可以采购上中游的服务，另一方面也会自建AI体系，实现降本增效。

复星医药是典型代表。2026年上半年完成PharmAID医药数智体系V2.0升级，形成覆盖决策管理、早研数智、临床研究、数据一体化四大板块的AI体系。

截至2026年6月30日，已有2个AI辅助生成及结构优化的新分子进入PCC阶段。

它早在2022年就与英矽智能达成战略合作，2025年又推动复宏汉霖与深势科技联手，探索抗体药物和ADC药物的AI研发路径。

恒瑞医药同样在加速AI化，上半年研发投入46.05亿元，占营业收入的29.8%，已将AI融入靶点发现、大分子与多肽设计、小分子生成与优化等研发全流程。

不过，AI只能在前端提升效率，一款药物能否最终上市，还需要完成完整的临床试验，并遵守严格的药监法规，这恰好是传统药企长期积累的核心能力。

它们才是药物最终走向患者的执行者。

由此可见，几乎没有企业能够独立完成所有环节。

上下游合作是主流，但业务交叉不可避免会导致潜在竞争。

谁能跑通闭环

那么问题来了，AI制药目前到底进展到哪一步了？

当前的主要难点，是如何将智能体系统与实验系统打通，真正实现干湿闭环。

目前行业尚未形成一套成熟、可规模化落地的解决方案，以适应多样化的研发场景。

新药临床分三个阶段：I期看安全性，II期看有效性，III期看与现有疗法相比的优劣。

数据显示，I期成功率从传统经验水平的40%-65%，提升到了80%-90%。

但到了II期，成功率约为40%，传统方法约37%，基本没有统计学差异。

问题的根本原因不在分子设计。

AI擅长判断分子是否安全、能否被吸收，但药物是否有效，取决于靶点假设是否成立。

II期失败，多半是生物学机制未被证实，这是AI目前无法回答的问题。

所以，AI是在移动瓶颈，而不是消除瓶颈。

那么，什么时候能证明？

所有人都在关注同一个时间点：2029年。

英矽智能的核心管线Rentosertib，已于2026年7月启动中国III期临床试验，计划入组320名受试者，预计2029年读出顶线数据。

联席CEO任峰给出了判断：如果III期成功，“这将是AI制药领域的DeepSeek时刻”。

这不仅代表一家企业管线取得突破，更将为整个行业提供确凿证据，证明AI介入新药研发这条路可以走通。

政策层面也在发力。

《医药工业发展“十五五”规划》首次将AI制药列为重点任务，明确到2030年首创新药占全球比例不少于25%，创新药产业规模年均增速不少于20%。

这是国内首次为创新药的全球份额设定数量目标。

同时，“医药工业数智化转型促进中心”由中国信通院联合恒瑞、复星、石药、华润医药等需求侧企业，以及华为、晶泰科技等供给侧企业共同发起，目标直指医药企业“不敢转、不会转、不能转”的难题。

万事俱备，只欠东风。

可以说，未来3到4年，就是医药企业AI采购的红利期。

据国元证券研报，AI药物发现软件与服务全球规模2026年约48.5亿美元，2030年有望达到185亿美元，复合增速超过40%。

中国智能制药市场规模预计同期突破5000亿元。

回到开头的问题：AI是否在颠覆制药行业？

答案是，已经在颠覆了，但目前仅限于研发的前端。

干湿闭环能否彻底大规模跑通，不能依赖少数几家企业，这是整个行业共同面临的命题。

一旦AI制药的完整路径得到验证，新药研发的周期和成本都将迎来系统性优化。

最终受益的，将是全人类。

参考资料：

《国元证券：AI制药迎快速增长期 关注CXO及平台型标的》，国元证券

《从成本中心到核心资产：AI制药的数据卡位战》，证券之星

《智绘新药：AI制药如何改写医药研发的未来》，科普中国

《AI制药，到哪一步了？》，财联社

《AI制药红利落地！重组蛋白成最先兑现的黄金赛道》，第一财经

《复星医药：已有2个AI辅助生成新分子进入PCC阶段》，中国证券网

本文来自微信公众号 “正解局”（ID：zhengjieclub），作者：正解局，36氪经授权发布。