中国 AI4S 产业地图研究系列

过去几年，人工智能进入生命科学领域，一个越来越明显的趋势正在发生：越来越多 AI 公司开始从“技术供应商”走向“药物研发参与者”。

这背后反映的是 AI 制药行业一个核心商业问题：

AI 公司到底应该卖算法，还是自己做药？

这是决定 AI 制药企业商业模式的关键分叉。

如果选择卖算法，公司更像一家软件企业，为药企提供 AI 工具、计算能力和研发平台；如果选择自己做药，公司则需要承担药物研发周期长、资金投入大、临床失败风险高等问题，但一旦成功，也能够获得远高于软件服务的商业价值。

英矽智能（Insilico Medicine）选择的是后者。

这家公司没有停留在“帮助药企提高效率”的位置，而是试图证明：

AI 不只是辅助药物研发，而可以成为药物研发流程中的核心生产力。

它希望建立的是一种新的研发模式：AI 发现疾病机制，AI 设计候选分子，再通过实验和临床验证完成药物开发。

如果这条路线成功，未来的制药公司可能不再完全依赖传统科研流程，而会出现真正意义上的 AI 原生 Biotech。

但问题同样存在：AI 真的能够创造新的药物资产吗？

一家算法公司转型成为 Biotech，究竟是下一代制药公司的雏形，还是资本市场的一场长期赌局？

一、英矽智能：从 AI 公司走向 Biotech

英矽智能成立于 2014 年，创始人 Alex Zhavoronkov 长期关注人工智能、生物信息学和衰老研究领域。

与传统制药公司不同，英矽智能从成立之初就不是一家典型 Biotech，而是一家试图利用人工智能改变生命科学研究流程的科技公司。

早期，公司探索的方向主要包括生物数据分析、疾病机制预测、药物靶点发现以及分子生成。

简单来说，英矽智能最初想解决的问题是：

科学家面对大量生命数据时，AI 能不能帮助他们更快找到规律？

但随着行业发展，公司逐渐发现，仅仅提供算法工具，很难获得生命科学领域最大的价值。

原因很简单。药企真正愿意支付高额费用的，并不是一个模型本身，而是模型最终能否帮助他们产生更好的药物。

对于一家制药企业来说，降低一点计算成本并不是核心目标，提高研发成功率、缩短研发周期、创造新的药物资产，才是真正有商业价值的事情。

因此，英矽智能开始向更深的产业链位置移动：

从 AI 工具提供者，变成 AI 药物研发参与者。

二、为什么越来越多 AI 制药公司开始自己做药？

理解英矽智能之前，需要理解整个 AI 制药行业正在发生的变化。

过去，很多 AI 制药公司的想象路径是：开发一个强大的 AI 模型，然后卖给药企。

这条路线类似于软件行业。企业开发工具，客户购买服务。

但生命科学行业有一个特殊性：技术价值最终需要通过实验结果证明。

药企不会因为一个 AI 模型参数更多、算法更先进，就长期投入预算。

它们关心的是：这个模型有没有帮助发现新的靶点？有没有找到更好的分子？有没有提高临床成功概率？有没有真正产生商业化药物？

因此，很多 AI 制药公司开始意识到：如果只停留在工具层，可能只能获得有限价值。

真正巨大的价值，存在于药物资产本身。

一款成功的新药，可以带来授权收入、里程碑付款以及商业销售收益。

于是，行业出现了一种新的模式：AI 公司开始自己进入 Biotech。

英矽智能就是其中最典型的代表。

三、英矽智能的核心技术路线：Pharma.AI

英矽智能构建了一套名为 Pharma.AI 的 AI 药物研发平台。

它并不是单一模型，而是一整套覆盖药物研发流程的 AI 系统。

其中包括：

PandaOmics——用于疾病机制和药物靶点发现；

Chemistry42——用于生成和优化候选分子；

InClinico——用于临床试验相关预测。

传统药物研发通常需要大量人工探索。

科学家首先寻找疾病相关机制，再确定药物靶点，然后设计分子，并通过实验不断筛选。

这个过程不仅周期长，而且失败率很高。

英矽智能希望利用 AI 改变这一流程。

例如，在靶点发现阶段，AI 可以分析大量论文、生物数据和组学数据，寻找过去人类难以发现的关联。

在分子设计阶段，生成式 AI 可以根据目标属性生成候选分子，再通过实验筛选。

在临床阶段，AI 可以尝试利用历史数据预测药物成功概率。

理想状态下，AI 不只是提高某一个环节的效率，而是参与整个药物研发链条。

四、ISM001-055：AI 发现药物的关键验证

英矽智能最受关注的项目，是针对特发性肺纤维化（IPF）的候选药物 ISM001-055。

这一项目的重要意义在于：它试图证明，AI 可以参与从靶点发现到分子设计的完整过程。

传统药物研发中，科学家通常基于长期研究经验提出假设，再通过实验验证。

而 AI 药物研发希望改变这一模式：让模型从大量生命数据中寻找潜在规律，并提出过去未被发现的研发方向。

如果这样的模式能够成功，意义不仅是一款药物。

它可能证明：未来药物研发公司，可以从 AI 模型出发，而不是从传统实验体系出发。

这也是为什么英矽智能受到资本市场关注。

它真正想证明的不是：“AI 能不能帮助科学家工作。”

而是：“AI 能不能成为药物研发体系的一部分。”

不过，需要注意的是，药物研发最终仍然需要经历严格的临床验证。

早期 AI 发现能力，并不等同于最终商业成功。

对于所有 AI 制药公司而言，最大的考验始终是：

实验预测能否转化为临床结果。

五、英矽智能的商业模式：为什么它选择一边合作，一边自己做药？

英矽智能实际上采取的是一种混合商业模式。

一方面，公司与药企合作，为其提供 AI 药物研发能力。

这种模式能够带来相对稳定的收入。

药企提供研发资金，AI 公司提供技术能力，双方共同推进项目。

收入来源包括研发服务费用、里程碑付款以及授权收益。

另一方面，公司也推进自己的药物管线。

这样做的原因是：如果 AI 技术真的能够提高研发效率，那么自己拥有药物资产，可以获得更高收益。

这类似于互联网行业中：卖云服务是一种商业模式；自己开发超级应用又是另一种商业模式。

前者收入更稳定，后者价值空间更大，但风险也更高。

对于英矽智能来说，它实际上同时经营两家公司：

一家 AI 技术公司，一家 Biotech。

这也是它商业模式最特殊的地方。

六、资本为什么愿意押注英矽智能？

英矽智能能够获得资本关注，核心原因在于它同时满足了两个投资逻辑。

第一个逻辑：AI 基础设施。

如果未来 AI 成为生命科学研发的重要工具，那么拥有核心模型和平台能力的公司会具有基础设施价值。

第二个逻辑：药物资产。

如果 AI 能够真正创造新药，那么成功案例本身就可能带来巨大的商业回报。

公开资料显示，英矽智能曾获得多轮融资，投资机构包括 Warburg Pincus、Coatue、B Capital 等。

资本下注的并不是一家普通 AI 公司，而是一种更大的可能：

未来制药行业是否会出现 AI 原生药企。

七、中国 AI4S 产业地图中的英矽智能位置

如果把中国 AI4S 公司放在一起，可以看到几条不同路线。

深势科技代表的是科学计算路线。

它希望通过 AI 和物理模拟，提高科学计算效率。

晶泰科技代表的是 AI + 自动化实验路线。

它希望建立计算预测和实验验证之间的闭环。

百图生科代表生命大模型路线。

它希望让 AI 理解生命数据和生命规律。

而英矽智能代表的是 AI 原生制药路线。

它希望直接利用 AI 创造药物资产。

这几家公司看似竞争，但实际上处于不同产业环节。

未来真正成熟的 AI4S 体系，可能是：生命大模型理解生命；科学计算模拟规律；机器人完成实验；AI 制药公司完成商业转化。

八、英矽智能最大的挑战：技术之外，更是商业问题

英矽智能最大的挑战，并不是 AI 技术本身。

而是如何证明：AI 能够持续创造商业价值。

首先，模型能力需要转化为真实研发成果，生命科学不是互联网，一个模型效果提升，并不能直接对应商业成功。

其次，药物研发周期非常长，互联网公司可以快速验证产品，但药物研发可能需要多年，这要求公司拥有长期资本支持。

第三，大型药企和科技公司未来也可能进入这一领域。

创业公司的优势在哪里？

可能来自：更强的数据积累，更高效的研发流程，更深的 AI 能力，更快的创新速度。

最终，市场会验证：AI 制药公司到底是一种新的研发范式，还是传统制药行业的一种辅助工具。

结语：AI 制药的终局，是卖算法还是创造生命资产？

过去几十年，科技行业经历了几个阶段。

软件时代，企业卖工具。

云计算时代，企业卖基础设施。

大模型时代，企业竞争智能能力。

而 AI4S 时代，一个更大的问题正在出现：AI 是否能够直接参与科学发现？

英矽智能选择了一条最激进的路线：不只是帮助药企使用 AI。

而是让 AI 成为药物研发过程的一部分。

如果成功，它可能代表未来制药行业的一种新模式。

如果失败，也说明 AI 距离真正改变生命科学，还有很长距离。

深势科技想改变科学计算，晶泰科技想改变实验流程，百图生科想让 AI 理解生命，英矽智能想让 AI 创造药物。

这四家公司，代表了中国 AI4S 产业探索的不同方向。

未来几年，真正值得关注的，不是谁拥有最大的模型，而是谁能够把 AI 技术真正嵌入科学研发流程，并最终形成可持续商业价值。

因为 AI4S 的终点，从来不是让 AI 看起来更聪明。

而是让人类探索未知世界的方式发生改变。