AI，正在颠覆制药行业？

资本疯抢、大厂下场、政策加持，AI制药最近彻底火了。

从字节跳动拆分出来的AI制药公司新生探途Anew Labs完成2.9亿美元首轮融资，估值15亿美元。

紧接着，Anthropic被曝已在旧金山湾区悄然搭建湿实验室，用Claude驱动机器人做真实生物实验。

10月9日，AI制药、CRO概念午后回暖，贝瑞基因直线涨停，走出6天3板，泰诺麦博涨超10%，金石亚药、透景生命、诺诚健华、神州细胞等快速冲高。

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驱动生命科学强劲增长。

这是什么信号？

AI真的要颠覆制药行业了吗？

想要搞懂这个问题，得先弄清楚制药是怎么一回事。

一款新药的研制，大致可分为药物发现、临床前研究、临床试验、上市审批和上市后监测五大阶段。

新药研制流程

整个过程，平均要花十年、十亿美元起步，临床成功率还不到10%，试错成本非常高。

这就是传统医药界残酷的“双十定律”。

AI的出现，把药物发现的逻辑颠覆了。

药物发现，是创新的源头，目标是为疾病找到有效的“钥匙”。

首先需要确定药物在体内作用的特定生物分子（靶点），并验证其与疾病的关系。

传统制药的巨大时间与成本消耗，就是从这里开始。

以前靠人筛，科研人员在实验室里反复合成、试验，在数以亿计的分子组合当中，碰运气筛选出那个亿万分之一的有效分子，像大海捞针。

本质是单向试错。

现在AI改写了这一步，直接“画”分子。

AI制药流程

AI根据海量医药数据，直接在计算机上生成潜在可能的分子结构或蛋白序列。

这部分完全在计算机上完成，不碰真实试剂、不碰细胞，所以叫干实验，负责想。

传统模式需要数月甚至数年的分子筛选工作，AI几秒到数小时就能精准完成。

当然，计算可以缩小搜索空间，但无法替代真实实验数据。

一个分子从图纸变成实体，就必须被送到真实的实验室，合成、表达出来，测一测它到底能不能结合、有没有药效、安不安全。

这个实验室，就叫湿实验室，所以湿实验负责验。

一张图纸设计出来可能只要几秒钟，但要把它做出来、跑一遍测试，可能要几周、几个月。

AI制药干湿闭环

闭环最关键的一步，是实验数据的回流。

不管实验成功还是失败，全部真实数据都会重新喂回AI模型，每循环一轮，模型积累的真实数据就更多，预测精度也会越来越高。

研发模式从单向碰运气，变成一套持续迭代的循环体系。

从结果来看，新模式对于时间和成本的颠覆是实打实的。

时间成本对比

西南证券研究报告指出，AI重构了新药研发全链路，药物发现阶段时长能够压缩70%-90%，临床前、临床阶段分别节省一半以上时长，累计可降低约50%研发总成本、约540亿美元。

比如，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，直接降低70%研发成本。

英矽智能是跑得最快的那个样本。

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，传统模式平均需要4.5年。

其AI全流程研发的药物Rentosertib，仅18个月完成靶点到候选药的开发，耗时缩减超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。

在AI制药产业链上的企业，主要分为三类。

第一类，上游的AI技术公司，负责靶点挖掘与分子设计。

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

它们并不负责后续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开展湿实验验证。

英矽智能是这类的代表。

它自主研发Pharma.AI平台，覆盖从靶点发现到临床预测全流程，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。

2026年以来，公司公开披露的对外合作总额已接近100亿美元，而上一个财年营业收入才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，以及判断哪些药物较值得推进临床

它的核心管线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。

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

第二类，中游的CRO/CDMO服务商，拼的是湿实验标准化和产能。

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。

比如，诺和诺德宣布携手Anthropic，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。

金斯瑞是全球最大的基因合成供应商

淘金热潮里，它们是提供工具的“卖铲子”一方，最先挣到钱。

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驱动蛋白订单保持三位数增长。

第三类，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。

复星医药就是典型代表。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。

复星医药PharmAID平台

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。

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只能在前端提效，一款药物能不能最终上市，还要走完完整临床试验，遵守严格药监法规，这刚好是传统药企长期积淀的核心能力。

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包揽全部环节。

上下游合作是主流，但业务交叉不可避免导致潜在竞争。

那么问题来了，AI制药现在到底走到哪一步了？

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，适配多样化的研发场景。

新药临床分三关，I期看安不安全，II期看有没有用，III期跟现有疗法比谁更好。

数据显示，I期成功率从传统经验水平的40%-65%，拉到了80%-90%。

可到了II期，成功率约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擅长判断分子安不安全、能不能被吸收，但药到底有没有效，取决于靶点假设是否成立。

II期失败，多半是生物学机制没被证明，这事AI现在答不了。

所以，AI是在移动瓶颈，不是消除瓶颈。

那什么时候能证明？

所有人盯着同一个日子：2029年。

II期研究特发性肺纤维化患者参加随机双盲试验

英矽智能的核心管线Rentosertib，已在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任峰给出判断：如果III期成功，“这将是AI制药领域的DeepSeek时刻”。

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

政策端也在发力。

《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%。

这是国内第一次为创新药的全球份额给出数量目标。

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是不是在颠覆制药行业？

答案是，已经在颠覆了，但目前只是研发的前端。

干湿闭环能不能彻底大规模跑通，不能靠少数几家企业，这是整个行业共同面对的命题。

一旦AI制药的完整路径得到验证，新药研发的周期、成本都将迎来系统性优化。

最终惠及的，是全人类。
○正解局是头部的产业财经新媒体、专注于中国产业经济与城市发展研究的财经研究型内容智库机构，成立于2018年。正解局长期从产业视角分析城市竞争力、企业发展路径与宏观经济趋势，核心理念为“解读产业，发现价值”。