夜雨聆风AI 要把制药整个重做一遍。
可真正决定这场仗输赢的，是三个媒体较少留意的地方。
文:巴别塔观察
6 月 13 日，北京。
刚刚结束一场汇集35 家 临床中心、320 名 患者的三期研究者会议，标志着一款叫 Rentosertib 的新药，成了全球第一款从靶点发现到分子设计全程由 AI 主导、并真的推进到三期的药。背后是英矽智能。
如何理解这件事的分量？
礼来、诺华这些巨头，已经为"AI 制药"押注了五六年——光今年 3 月，礼来跟英矽签的一纸合作就开到最高 27.5 亿美元；几十亿美元的大单，这两年越来越常见。它们盯着的，是一个 复合年增长率高达 43.55% 的潜力市场。
有意思的地方在这儿：药企巨头，一边坐拥人类历史上利润最丰厚、规模最大的市场，一边又是最有危机感、最如履薄冰的一群公司。
为什么还抢着往 AI 里砸钱？因为头上永远悬着一把刀——"专利断崖"。
立普妥当年是全球药王，巅峰一年卖出 120 多亿美元；2011 年专利一到期，仿制药涌进来，销售额几年内就断崖式跳水。这是悬在每家大厂头上的同一个剧本：一款药专利一过，原研销售额几乎瞬间塌掉，所以它们必须不停买新药来填坑。光是到 2030 年前，全球就有 接近 3000 亿美元 的药要陆续撞上这道墙。
钱越砸越多。可买到的，是真突破，还是又一轮估值故事？
这就得看三个真正的胜负手。我也是这阵子才把它们捋明白，摆给你。
胜负手一 靶点，是不是"新"的
"AI 设计的药进了三期"不是中国独一份。
其实国外也有。美国的 Generate Biomedicines，用 AI 设计的抗体 GB-0895，今年 1 月就在全球三期里给了首例患者，治重度哮喘，进度比英矽还快半步。
那凭什么说英矽这款"全球第一"？关键在于它们打的靶点，来历不一样。
GB-0895 瞄的 TSLP，是个成熟老靶点，市面上早有同类药，AI 干的是把抗体的亲和力、半衰期调得更好，相当于把一条修好的路走得更漂亮。而 Rentosertib 瞄的 TNIK，是 AI 自己从一堆数据里翻出来的针对该疾病的新靶点，相当于蹚出一条没人走过的新路。
同样叫"AI 药"，优化老靶点（Generate 那条路）和发现新靶点（英矽这条）是两件事，难度不在同一个盘子上。
制药里这有个硬分级。一类叫 me-better：靶点机制大家都清楚，比谁的分子做得更好。拿肺癌的 EGFR 靶点说，机制是公开的，药却出了一代、二代、三代——上一代用久了耐药，下一代专门对付耐药。这种"从一到十"的精进，中国做得很顺、很强。另一类叫 first-in-class：连这个蛋白起什么作用都还没人清楚，你得证明一个全新的机制、靶点是否能够成药。这种"从零到一"的创世级创新，坦白讲中国还比较弱——其实何止制药，很多领域都这样。
那 AI 把这一关变简单了吗？没有想象中那么多。
说 AI 药物发现，绕不开 AlphaFold。它把困扰生物学界五十年的蛋白质结构预测做到近乎免费，作者拿了 2024 年诺贝尔化学奖，把"画分子"从几年压到几个月。但要紧的一句是：它主要提速的，是设计这道工序里它见过的部分。一旦遇上全新的靶点、全新的结合口袋——也就是最值钱的那个"新"——它的预测就没那么准，即便准确预测，也无法判断这一全新体系最终能否成药最后还得靠实验一遍遍验。
所以第一个胜负手很清楚：AI能不能真的发现并验证全新的靶点。英矽 Rentosertib 的真正分量，在于它打的是个新靶点，是那种最难的"从零到一"——它跑出来的，恰恰是中国最薄的那一环。
胜负手二 临床，能不能跑过那道生死谷
把分子画出来，只是开头。真正的硬仗，在临床。
一款候选药从实验室到上市，九成以上会死在临床——没效果、有毒性、扛不住大样本。这一段动辄烧掉几亿美元、耗上好几年，是制药真正的成本和死亡率大头。也有新药机制看着漂亮，临床上没比现有药强出多少，照样算失败。
AI 在这关几乎使不上劲。这里有个特别贴切的对照：第一次工业革命，一个飞梭让织布这一环节快了几倍，立刻带动了上游的“纺纱”过程通过机械化大提速；制药偏偏卡在一处——设计提速了，但是下游的"临床测试"，要靠真人一口一口吃下去、试出来，这步跳不过去。一轮试验几十周，做完还要随访、分析，三期动辄好几年。
那为什么全球第一款这样的药，把三期放在中国做？
很多人以为是"中国能把药造出来"。其实造药这步没那么金贵——分子合成完，生产大多外包给 CDMO，国内几家头部 CXO 既接国内单、也接欧美单。制造，算不上胜负手。
真正的原因，是中国能极快地完成"概念验证"。国内医疗资源高度集中：找到某个领域真正管事的大专家，他认这套机制、手里又攥着大量患者，入组速度能比国外快好几倍；海外小公司招够病人常常等得脱层皮。于是跑得通的玩法是——先在国内把"这药大概率有用"快速验出来，再去海外做桥接、做全球三期，进美国这个最大的药品市场。
中国在临床这一关最实的本事，浓缩成一个字：快。
胜负手三 数据，干不干净
第三个，是我整轮看下来最意外的。
喂给模型什么数据，很大程度上决定了它产出的是垃圾，还是真有可能成的苗子。但关键一层在于——中国真正缺的，多半不是数据的"量"，是"成完整逻辑链的干净数据"。
怎么理解？中国最强的环节是 CXO/CDMO（医药研发外包），帮全球客户把分子设计、合成出来。可分子交付出去之后，它后面进了临床、有什么副作用、什么效果，这些最金贵的下游数据，留在了客户手里。前面这家公司，往往只攒下"和靶点亲和力高""小鼠初步有效"这类前半段数据。
越往后越是这样：毒理、药代（吸收、分布、代谢、排泄那一套），恰恰是数据最值钱、中国却最散的地方。
你只攒下了前半段的数据，最关键的后半段链条，攥在别人那儿。
根子也不难懂。早些年国内创新药公司钱不宽裕，做到半道就把分子卖了换现金；中国真正的看家本领是"工程师红利"——实验室里反复试、快速做，这一段强。可再往后的临床，拼的是和顶尖专家的关系、全球多中心的运营能力、还有大笔长期资金，那是另一套功夫。
算法能追、算力能买，干净的数据却是慢功夫，急不来。
写在最后
所以回到开头那个问题——一笔几十亿美元的 AI 制药大单，到底是真突破，还是又一张更大的"饼"？照着三个胜负手问三句，大概就分得清了：
它打的靶点，是新的还是旧的？跑到第几期了？喂模型的数据，又从哪来？
把三个胜负手摆一块，中国的位置就清楚了：临床执行、快速验证、已知靶点的迭代，是实打实的强项；从零到一的新靶点、和干净的全链条数据，还得慢慢补。 英矽那款药的可贵，恰恰在于它在中国最薄的那一环上，跑出了个亮点。
这行变化太快，我也是一路现学，未必全对，但我觉得大体站得住。如果这篇帮你把这件事看清了一点，转给也在琢磨的人。
觉得有用，点个赞和在看。
「巴别塔观察」用两把思维冷读世界——第一性思维，拆穿一件事最底层的物理结构；复利思维，看懂它在长周期里的积累。不追情绪，只把结构摆给你看。转发，是把同一套判断，递给下一个同频的人。
📮 想进交流群？
关注本公众号 → 点击底部菜单 「加群 – 加入粉丝群」
◆ 往期精选
信源：英矽智能、Generate Biomedicines、Nature Medicine、医药魔方、诺贝尔奖官网
