AI制药的下一道门槛

点击蓝字 关注我们

2026年，AI制药的关键词正在从“模型”转向“闭环”。

今年5月，微软推出Microsoft Discovery，将Agentic AI引入科研场景；7月，BMS披露AI已帮助部分候选药物推进至临床的时间缩短20%至30%。与此同时，Anthropic在旧金山湾区建成了自己的湿实验室，字节跳动分拆的Anew Labs完成2.9亿美元首轮融资，礼来旗下Lilly TuneLab接连签约金斯瑞、Twist、Ginkgo。科技巨头和跨国药企同时把筹码押向同一个方向：AI制药的竞争，正在从“谁的模型更准”转向“谁能跑通数据—模型—实验的完整闭环”。

从“预测分子”到“验证分子”

过去几年，AI制药最直观的进展集中在设计端。大模型可以在数小时内生成数千个候选分子，AlphaFold2让蛋白质结构预测变得触手可及。但问题也随之而来：分子生成的速度上去了，验证这些分子的实验能力却没有同步跟上。

金斯瑞在2026年中期业绩会上提到了这个矛盾：AI模型可以在数小时内生成数千个候选分子，但传统实验流程并不是为这样的规模和速度设计的。过去需要数周完成的验证，往往要经过多个割裂的步骤，数据未必能及时、标准化地反馈给模型。

这形成了一个新的错配。模型的速度越来越快，实验的速度却没有同步提升；算法可以持续迭代，但实验数据无法快速回流，模型也就难以真正变得更好。AI制药的核心矛盾，正在从“能不能设计一个好想法”，转向“如何快速做到数据回流”。

湿实验成为新的稀缺资源

当模型能力逐渐趋同，竞争的关键要素开始转移。国元证券在近期研报中给出了一个排序：数据>算法>算力。公开数据同质化之下，自有湿实验闭环产生的专有数据，包括稀缺的失败负样本，才是核心护城河。

这一判断正在被产业实践印证。金斯瑞2026年上半年AIDD相关收入接近4000万美元，公司预计AI驱动蛋白订单在下半年及之后保持三位数增长。每天可交付蛋白4000条，部分表达路径从序列接收到完成数据测试仅需4到7天。礼来旗下Lilly TuneLab选择与金斯瑞、Twist、Ginkgo合作，正是看中了后者的湿实验验证能力——模型设计出分子后，需要有人能快速、标准化地完成蛋白表达、纯化和表征。

剂泰科技联合创始人赖才达的判断更为直接：未来最重要的不是单纯增加算力，而是进一步建设连接AI与真实生物实验的基础设施。

合规：AI制药规模化的真正瓶颈

如果说湿实验能力是产业层面的瓶颈，那么合规就是制度层面的门槛。

2026年1月，FDA与EMA联合发布了《人用药品和生物制品研发中人工智能良好实践指导原则》，这是全球两大主要药品监管机构首次就AI在药物研发中的应用达成共识性框架。文件提出了10条核心原则，涵盖AI系统从设计、开发、评估到全生命周期管理的完整流程。

这份文件的核心逻辑是：AI进入真实研发流程后，其输出如何验证、数据如何追溯、最终由谁审核，都必须进入原有的质量体系。FDA在2026年9月的PDA/FDA会议上进一步强调，数字化转型并不会改变现有CGMP要求，质量部门的监督责任也不能因为AI的使用而被转移。会议讨论的风险案例甚至涉及AI Agent生成GMP受控文件却缺少质量审核的问题。

这意味着，AI制药公司需要回答一个互联网AI应用很少面对的问题：如何让一个快速迭代的技术，进入一个高度强调验证和可追溯性的体系。早期采纳这些原则的企业，有望在监管互动中获得战略先机。

价值兑现：从BD到临床数据

AI制药的价值兑现正在从叙事走向数据。2026年上半年，AI药物研发合作交易约174起，总金额约203.5亿美元。全球临床阶段AI药物管线从2017年的4条增至约179条，其中9条进入III期。

英矽智能与礼来达成的27.5亿美元合作是一个标志性事件。这笔交易的首付款1.15亿美元，相当于英矽智能2025年全年收入的约两倍。更值得注意的是交易结构：礼来在2023年先引入英矽智能的Chemistry42平台，2025年加码药物研发合作，再到2025年底以基石投资者身份参与其港股IPO，最终达成这笔全球授权合作。这种“渐进式加仓”的轨迹表明，传统巨头对AI制药公司的价值评估，已经从概念验证进入了实质性订单阶段。

但真实价值仍待检验。研究显示，AI筛选发现的候选分子在I期临床成功率可达80%至90%，远高于传统研发；但进入II期临床后，成功率回落至40%左右，与传统研发基本持平。II期和III期正是新药研发资金投入最高、失败风险最大的环节。AI在发现端的优势，能否延续到临床阶段，目前仍缺乏足够证据。

结语

AI制药正在进入一个更务实、也更艰难的阶段。模型能力的差距在缩小，算法不再是稀缺资源；湿实验验证能力、专有数据积累和合规体系，正在成为真正的分水岭。当“能不能设计分子”不再是问题，“设计的分子能不能成为药”就变成了唯一的考题。这道题，需要用临床数据来回答。