夜雨聆风AI应用 · AI制药 · 5月23日
华为说未来三年AI制药将快速爆发：药企集体焦虑，3000亿美元市场正在被AI重新洗牌
华为高管在行业会议上明确表态：未来三年AI制药将进入快车道。药企普遍焦虑智能化转型窗口期，AI正在从"辅助研发工具"演变为"制药行业的核心操作系统"。
喜欢的朋友，点赞、推荐、关注，然后慢慢看
华为高管樊杰在一个行业论坛上撂了一句狠话："未来三年，AI制药将快速爆发。"
能引起关注的不是这句话本身，而是说这句话的是华为的人。华为在过去几年里不轻易对非核心赛道公开发表判断，但一旦说了，通常意味着他们已经做了深度布局。华为在AI制药这件事上显然不是"说说话"——旗下已经通过华为云和盘古大模型在医疗领域投入了大量资源。
樊杰的底气来自一个正在发生的结构性的转变：AI正在从"辅助制药工具"变成"制药行业的核心操作系统"。这不是渐进式的改进，而是一次底层研发逻辑的重塑。
AI制药：从"辅助工具"到"核心操作系统"
传统制药的平均周期是10-15年，平均成本超过26亿美元。其中最大的成本和时间消耗不在临床试验（虽然也很贵），而在早期的药物发现阶段——筛选成千上万种候选分子，找到那个既有药效又低毒性的"正确答案"。这个过程就像在一个巨大的谷仓里找一根特定的针。
AI在制药中的角色升级，经历了三个阶段。
第一阶段（2020-2023）：AI做"辅助筛选"——用机器学习模型快速预测哪些分子更有可能成为有效药物，帮人类缩小搜索范围。这个阶段AI的角色像个"聪明的研究助理"。
第二阶段（2024-2025）：AI做"逆向设计"——不是从现有分子库里筛选，而是根据目标蛋白的结构，"设计"出全新的候选分子。这就像从"在谷仓里找针"变成了"自己造一根针"。DeepMind的AlphaFold在这一阶段做出了关键贡献——它解决了一个困扰生物学界50年的问题（蛋白质结构预测），让AI制药的底层能力上了一个台阶。
第三阶段（2026+）：AI做"端到端制药"——从靶点发现到分子设计到临床方案优化，全流程由AI驱动。代表公司是Isomorphic Labs（DeepMind分拆出来的AI制药公司），它正在尝试把整个制药研发流程整合到一个统一的AI平台上。如果这个目标实现，传统制药的整个方法论都会被改写。
华为的判断"未来三年快速爆发"，指向的就是这个第三阶段。因为支撑端到端AI制药的几个基础设施已经基本到位：算力不再稀缺、大模型的推理能力够用、分子模拟的精度达到实用级别。现在的瓶颈不是技术，而是药企自身的数字化转型速度——能不能用AI、愿不愿意用AI、敢不敢把核心研发流程交给AI。
药企的焦虑是真实存在的。全球前20大药企几乎都在紧锣密鼓地布局AI能力——或内部组建AI团队，或外部收购AI创业公司。谁在AI制药上慢了谁就可能在下一个十年的新药管线上全面落后。这个赛道的价值空间如果照目前的发展势头来估算，十年后有可能达到3000亿美元的规模——基本相当于再造半个全球制药研发市场。对于那些关注AI应用落地的投资人来说，AI制药可能比AI生成图文、AI编程这些热门赛道具有更确定的"结构性机会"——因为它不是在存量市场里抢份额，而是在重塑一个行业的底层逻辑。
但需要冷静看待的是，AI制药的产业化仍面临一个关键矛盾：AI可以在分子发现阶段将候选化合物的筛选效率提升10倍以上，但从发现候选分子到通过临床试验、最终获批上市，仍然需要10-15年的周期和数亿美元的投入。AI目前解决的只是研发链条中"最痛但不最贵"的前端环节——真正的成本大头临床阶段，AI的渗透率仍然极低。这意味着上市药企在AI制药上的投入短期内很难体现在财报的管线价值中。对创业者而言，当下做AI制药最务实的商业模式不是"自己当药厂"，而是做"AI制药的卖铲人"——为药企提供分子模拟平台、临床试验AI辅助系统、真实世界数据分析工具。直接承担研发风险的赌注太大，而提供工具的价值已经可以规模化变现了。
👍 如果你觉得这篇文章有信息增量，点个"推荐"支持一下
问大家一个问题：你愿意相信AI设计出来的新药吗？A. 愿意，只要经过临床验证B. 不太放心，制药还是人靠谱C. 看情况，小分子药可以，生物药不行D. 无所谓，有效就行，谁设计的不重要
还想看什么内容？留言告诉我
📚 推荐阅读
数据来源：本文信息基于华为高管公开演讲及行业研究报告整理。AI制药相关数据仅供参考，实际进展以各公司公告为准。
作者：牛牛 审核：静静 编辑：玻珠
