AI制药：是真革命，还是新泡沫？

想理解AI能干什么，得先知道传统新药有多难。

业内常说新药研发是“双十”生意：一款新药从立项到上市，动辄十年以上，花费十亿美元起步，算上失败项目的成本，摊到每个上市药上往往是二三十亿美元。而进入人体临床试验的药物，最终能获批上市的大约只有一成左右。

我们可以把研发拆成几步，用“配钥匙”来打个比方：

找锁（靶点发现）：先弄清楚是哪个蛋白质“坏了”导致生病。这个蛋白质就是“锁”，也叫靶点。

配钥匙（分子设计）：设计一个小分子或抗体，能精准插进这把锁，让它停止“作恶”。

磨钥匙（分子优化）：钥匙不光要插得进，还要不伤身体、能被吸收、能在体内停留够久。这一步通常要合成和测试成百上千个分子。

试钥匙（临床前+临床试验）：先在动物身上试，再分I期（安全性）、II期（初步疗效）、III期（大规模验证）在人身上试。

审批上市：拿着数据去找监管机构批准。

传统做法里，前三步主要靠化学家的经验加大量“试错”，像在一片几乎无限大的分子海洋里捞针。AI要做的，就是把“捞针”变成“导航”：帮你更快找到对的锁，更快画出对的钥匙，少走弯路。

一句话理解AI制药：它不是让机器“发明”药，而是把新药研发中最耗时、最靠运气的“试错”环节，变成可计算、可预测的工程问题。

外行看AI制药，往往只看到“大模型”“算力”这些热词。但真正决定胜负的，是下面四件事，而且越往后越难。

蛋白质是一条链折叠成的三维结构，形状决定功能。过去测一个蛋白质结构，可能要一个博士生做好几年。2020年，DeepMind的AlphaFold能直接从氨基酸序列算出蛋白质结构，准确度接近实验水平，这项成果拿下了2024年诺贝尔化学奖。

后来的AlphaFold 3更进一步，能模拟蛋白质和药物分子怎么“咬合”在一起。这相当于给全行业发了一张高清地图。但也正因为地图人人都能拿到（还有很多开源替代品），光会“看结构”已经不算护城河了。

就像AI能画图、写文章一样，生成式AI也能“写”出全新的分子结构，并预测它和靶点结合得有多紧、毒性大不大、能不能被人体吸收。英矽智能的Chemistry42、Isomorphic的IsoDDE、Chai Discovery的Chai系列模型，都在这个层面竞争。

这里比拼的是命中率：AI设计100个分子，有几个真能在实验室里起作用？命中率越高，需要合成和测试的分子越少，时间和钱就省得越多。

这是整个行业最关键、也最容易被忽视的一点。

AI模型的水平取决于喂给它的数据。但药物研发的数据有个大问题：公开数据少、质量参差、失败数据更是几乎没人发表。而恰恰是“这个分子为什么不行”的数据，对AI最有价值。

所以领先的公司都在做同一件事：建自己的自动化实验室，让机器人7×24小时做实验，源源不断产出标准化数据，再喂回AI模型。业内把电脑里的计算叫“干实验”，实验台上的实验叫“湿实验”，两者来回迭代就是“干湿闭环”。晶泰科技重注机器人实验室、礼来和英伟达建联合实验室，本质上都是在抢这个闭环。

算法可以被追上，算力可以花钱买，但独家的、持续产出的高质量实验数据，很难复制。这是目前最硬的壁垒。

AI能把实验室阶段从四五年压到一年多，但它改变不了人体。一个分子在人身上到底有没有效、安不安全，只能靠临床试验一点点验证，这部分的时间和费用占了研发的大头。

有行业分析指出，AI发现的分子在I期临床（主要看安全性）的通过率明显较高，但到了II期（看疗效），淘汰率和传统药物差不多。换句话说，AI已经证明它能更快地造出“安全的分子”，但还没证明它能造出“更有效的药”。这是所有人都在等的答案。

把这个行业铺开来看，大致有三类玩家：

科技巨头派：以谷歌系的Isomorphic Labs为代表，手握顶尖算法和几乎无限的资金；英伟达则是“卖铲子”的，几乎所有人都要用它的芯片和生物模型平台。

AI原生药企/平台派：英矽智能、晶泰科技、Recursion、薛定谔（Schrödinger）、Chai Discovery、Xaira等。有的自己做药，有的给药企提供工具和服务，更多是两条腿走路。

大药企自建派：礼来、罗氏、诺华、赛诺菲等，一边自己砸钱建AI能力，一边大量采购外部的AI服务和管线。

从地域看，美国和英国集中了最多的资本和顶尖算法团队；中国则凭借工程化能力、研发成本优势和越来越活跃的对外授权，跑出了英矽智能、晶泰科技这样在全球都有分量的公司。

出身：2021年从谷歌DeepMind拆分出来，CEO就是诺奖得主、DeepMind掌门人哈萨比斯（Demis Hassabis）。

优势：AlphaFold的“亲儿子”，算法实力公认顶尖。2026年2月发布了自研药物设计引擎IsoDDE，号称在预测药物与蛋白结合方面超过AlphaFold 3。资金上更是无人能及：2025年融资6亿美元，2026年5月又完成21亿美元B轮，累计约26亿美元；合作方包括礼来、诺华、强生。

短板：到目前为止还没有公开任何人体临床数据。哈萨比斯曾说2025年底前要让AI设计的药进入临床，后来改口称指的是临床前，目标推迟到2026年底。它是这个行业最大的期待，也是最大的未知数。

出身：2014年成立，2025年12月30日在港交所上市（03696.HK）。

优势：它是少数真正做到“AI找靶点+AI设计分子+自己推进临床”全链条打通的公司。拳头产品rentosertib用于特发性肺纤维化（一种致死性肺病）：靶点是AI平台PandaOmics找出来的，分子是Chemistry42设计的，II期结果发表在顶级期刊《自然·医学》上，2026年7月在中国启动了III期临床，为期52周。

商业上也开始兑现：2026年上半年营收约1.06亿美元，同比增长287%，首次实现半年度盈利；年内新签授权交易总额约73亿美元，合作方包括礼来、武田、赛诺菲、施维雅等。累计提名了33个临床前候选药物，10个项目在临床阶段。

风险：III期随时可能失败，这是所有新药的宿命；另外它目前的收入主要来自授权首付款，具有“一次性”特征，能否持续还要看后续交易。

出身：2014年由几位MIT博士后创立，总部在深圳，2024年在港交所上市（02228.HK）。

优势：它走的是一条差异化路线——物理计算+AI+大规模机器人实验室。机器人自动做实验、产生数据，再喂给AI，这正是前面说的“干湿闭环”。2025年营收8.03亿元，同比增长约两倍，首次实现年度盈利；与DoveTree达成了潜在总额最高约59亿美元的合作；已与全球前20大药企中的17家合作。2026年6月底现金约87亿元，弹药充足。

短板：2026年上半年由盈转亏（一是去年DoveTree大单抬高了基数，二是主动加大研发投入）；去年收入中约45%来自单一客户，集中度高。花旗在首次覆盖时也指出，它的自有管线深度有限，商业化输出仍待验证。它更像“AI时代的研发外包+技术平台”，而不是一家传统意义上的新药公司。

出身：1990年代就开始做计算化学软件的美国公司，几乎全球大药企都在用它的模拟软件。

优势：它的强项是基于物理规律的分子模拟，再叠加AI。它参与创立的Nimbus公司设计出的银屑病口服药zasocitinib，被武田以重金收购，III期数据亮眼，2026年9月FDA受理上市申请并给予优先审评，预计2027年一季度出结果。如果获批，这将是“计算驱动设计”路线最有说服力的成功案例之一。

提醒：zasocitinib更准确地说是“以物理计算为主的计算设计”，和英矽智能那种生成式AI路线不完全一样。但它说明了一件事：计算方法确实能做出好药。

2024年才成立，OpenAI参与投资，专攻用AI从零设计抗体。2026年7月完成4亿美元C轮融资，估值约38亿美元，七个月翻了约三倍；合作方包括礼来、辉瑞、诺华。它走“纯软件”路线，把自己定位成药物设计领域的工具提供商。优势是模型迭代快，劣势是同样还没有临床验证。

它不做药，但几乎所有AI制药公司都在用它的GPU和BioNeMo生物模型平台。淘金热里，卖铲子的人往往最先赚钱。

AI制药有个反直觉的现象：起步早不等于跑得远。几家曾经最耀眼的先行者，如今都放慢了脚步。

Recursion成立于2013年，是最早一批把AI和大规模自动化实验结合起来的公司，一度被视为美国AI制药的旗帜，2024年11月还吞并了另一家明星公司Exscientia。

但2025年5月，它一口气停掉了多款进展最快的候选药物，原因是中期临床疗效不理想。分析师直言，在烧钱速度不可持续的情况下，砍管线是迟早的事。到2026年二季度，它的收入只有770万美元，同比下降约60%，同时通过裁员压缩开支。它手里的数据和平台依然有价值，但“先发”并没有换来“先成”。

2020年，Exscientia宣布全球首个AI设计的分子进入临床，名噪一时。但之后多个项目进展不顺，最终在2024年并入Recursion，作为独立公司的故事画上了句号。

BenevolentAI曾是欧洲最受追捧的AI制药公司，在新冠期间用AI找到老药新用的线索而出名。但2023年它自研的皮炎药物II期失败，此后连续重组，2025年3月从阿姆斯特丹交易所退市，转为私有公司。

为什么先发优势不灵？原因有三：第一，AlphaFold等工具让算法门槛被迅速拉平，早期的技术领先很快被追上；第二，早期公司用的模型和数据已经落后，转型成本高；第三，也是最根本的——药最终要在人身上见分晓，临床失败不会因为“你是AI公司”而网开一面。

值得一提的是，Isomorphic的时间表也推迟过，但它资金极其充裕，还谈不上“掉队”。真正的分水岭，是谁能先拿出过硬的临床数据。

如果说创业公司在“讲故事”，那大药企的态度就是“看行动”。从这两年的动作看，国际大药企对AI制药的态度可以总结为：全面拥抱，但只为结果买单。

礼来可以说是最积极的一家。2025年10月，它宣布打造号称制药业最强的AI超级计算机，配备1000多块英伟达最新GPU；2026年1月又和英伟达宣布五年内投入最多10亿美元，在旧金山湾区共建AI联合实验室，让药物科学家和AI工程师坐在一起干活。礼来还推出了TuneLab平台，把基于自家几十年数据训练的模型开放给小型生物技术公司使用。与此同时，它也是英矽智能、Chai Discovery、Isomorphic的合作方——自己建、对外买、广撒网，三管齐下。

罗氏/基因泰克：与Recursion长期合作，同时大手笔采购GPU建自己的算力。

诺华、强生：与Isomorphic签约合作；诺华同时与Chai等新锐合作。

武田：通过收购Nimbus拿下zasocitinib，又从英矽智能引进项目，是“用钱买成果”的典型。

赛诺菲：与Recursion、英矽智能等都有合作。

综合来看，大药企的态度有三层：

AI是必选项，不是可选项。专利悬崖、研发回报率下滑，让所有药企都必须找到降本增效的办法。不用AI，就会在效率上掉队。

更愿意买“资产”，而不是买“平台故事”。行业交易的趋势是：药企越来越倾向于直接引进AI设计出来、已有数据支持的候选药物，或者为具体项目付费，而不是为一个“万能平台”的愿景买单。

谨慎乐观，注重验证。药企最清楚新药有多难。他们普遍认为AI能显著提升早期研发效率，但在拿到获批上市的药之前，不会把AI神化。

这里还有一个中国视角：近两年中国创新药对外授权交易非常火爆，其中AI相关交易占比不小。英矽智能、晶泰科技的大额合作，本质上就是全球大药企在用真金白银为中国的AI研发能力投票。

先看一组冷静的数字。据行业统计，2019年以来全球流入AI药物研发的资金约数百亿美元，进入临床阶段的AI相关项目约175个，但截至2026年中，还没有一款完全由AI发现的新药获批上市。所以有分析把当下称为AI制药的“III期大考”时刻。

再看乐观的一面。高盛的研究认为，AI有望把药物上市时间缩短约20%~25%，研发过程缩短约3年，整体开发成本降低约25%~30%。英矽智能宣称其平台把早期研发周期从约4.5年压缩到约18个月。这些都是实打实的效率提升。

我的判断是：

AI不会让新药“一键生成”。人体的复杂程度远超任何模型，临床试验这道关绕不过去。

但AI一定会成为新药研发的基础设施。就像今天没有建筑师不用CAD软件画图一样，未来没有药企会不用AI设计分子。到那时，“AI制药”这个词本身可能会消失——因为所有制药都是AI制药。

行业会剧烈分化。只有算法、没有数据和临床成果的公司会越来越难；拥有独家数据闭环、能持续拿出临床成果、或能把能力卖给大药企的公司会胜出。

武田zasocitinib的FDA审批（预计2027年一季度）：计算设计路线能否拿下“首个重磅获批”。

英矽智能rentosertib的III期进展：生成式AI药物能否在大规模人群中证明疗效。

Isomorphic首个人体临床试验（目标2026年底前）：最强算法公司能否从“软件”变成“药企”。

这三件事中只要有一两件给出好结果，AI制药就会从“讲故事”正式进入“看业绩”的阶段。反之，行业可能迎来一轮去泡沫。

如果你想判断一家AI制药公司是不是真有本事，不妨问四个问题：

有没有临床数据？PPT上的“AI设计了多少分子”不重要，进了几期临床、数据发没发表在权威期刊上才重要。

拿到了多少首付款？合作新闻里动辄“数十亿美元”，大多是要层层达标才能拿到的里程碑款，真正落袋的首付款才见真章。

有没有自己的数据闭环？有没有自动化实验室、独家数据来源，决定了它的模型能不能越用越强。

现金能撑多久？新药研发是马拉松，钱烧完之前拿不出成果，再好的技术也白搭。

声明：本文内容均来自公司公告及相关公开信息整理，仅供行业观察交流之用，不构成任何投资建议或收益承诺。

文中数据与表述请以公司最新披露为准；市场有风险，投资需谨慎。如有疏漏、错误或涉及版权等问题，欢迎与我们联系指正。

作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。