一款新药从实验室到上市，需要多长时间？
传统的答案是：10-15年，数十亿美元投入，90%以上的临床失败率。这是制药行业著名的”双十定律”，也是人类攻克疾病道路上的最大障碍。
但现在，AI正在从根上改写这个答案。
2026年，谷歌DeepMind旗下Isomorphic Labs宣布与礼来、强生达成深度合作，推动全球首个AI全流程设计的药物首次进入大规模临床试验。这不是对现有药物的简单优化，而是AI从靶点结构出发，从零设计的全新分子。
AI制药，不再只是”辅助工具”，而是”核心引擎”。
一、颠覆时刻：AI如何重塑药物研发
1.1 从”十年磨一药”到”数月出成果”
传统药物研发是一场”时间与金钱的豪赌”：
- 一款新药从靶点发现到上市，平均需要10-15年
- 研发成本动辄数十亿美元
- 临床失败率高达90%以上
- 无数候选分子在体外实验中表现优异，却因各种问题折戟
AI的介入，正在改变这个游戏规则：
- AI能在数天内完成过去需要数月的”虚拟筛选”
- 从靶点结构解析到先导化合物优化，研发周期压缩到以月为单位
- 大幅降低试错成本，让更多潜在药物进入临床
以英矽智能的Rentosertib为例，从靶点发现到进入II期临床，仅用时不到4年——而传统模式下，这个过程通常需要7-10年。
1.2 从”单点优化”到”全局设计”
传统药物设计往往只聚焦”药物与靶点的结合亲和力”单一指标，相当于只看钥匙能不能插进锁孔，却忽略了：
- 钥匙是否耐用？
- 会不会开错其他锁？
- 能不能批量生产？
AI制药则不同。Isomorphic Labs的IsoDDE引擎，在分子设计阶段就同时纳入：
- 成药性：药物能否被人体吸收、代谢
- 合成可行性：药物能否规模化生产
- 脱靶风险：药物是否会影响其他靶点
- 药代动力学：药物在体内的吸收、分布、代谢、排泄
从源头规避传统研发的高频失败点，让进入临床的分子更具成药潜力。
1.3 AI制药的技术演进
AI制药的技术发展经历了三个阶段：
第一阶段（2018-2022）：单点突破
以AlphaFold为代表，AI在蛋白质结构预测领域取得突破。AlphaFold已预测超过2亿种蛋白质结构，为药物靶点研究提供了前所未有的工具。
第二阶段（2022-2025）：端到端探索
英矽智能、晶泰科技等企业开始探索从靶点发现到分子设计的一体化AI解决方案。英矽智能的PandaOmics平台，将从靶点发现到PCC提名的周期缩短至18个月以内。
第三阶段（2026-至今）：临床验证
AI设计的药物进入大规模临床试验，验证AI全流程设计药物的临床可行性。礼来、强生等跨国药企全面拥抱AI制药，标志着行业进入新的发展阶段。
二、里程碑事件：AI制药进入临床元年
2.1 全球首个AI全流程药物临床试验
2026年，Isomorphic Labs宣布与礼来、强生达成深度合作，标志着AI制药进入临床元年。
此次进入临床的首款AI设计药物，是一款针对慢性肾病的小分子抑制剂。在I期临床试验中，该药物展现出了优异的安全性与符合预期的药代动力学特征。
这意味着什么？
这是全球首个由AI从靶点结构出发、从零设计的全新分子进入临床——不是对现有药物的改良，而是真正意义上的”AI造药”。
礼来与强生的合作，将全面覆盖小分子与生物制剂两大领域，靶点涵盖癌症、自身免疫病、代谢性疾病等全球高发疾病。AI制药不再是小众技术，而是成为跨国药企的核心研发引擎。
2.2 英矽智能：从中国走向全球
英矽智能是中国AI制药的代表企业。2026年，其核心产品Rentosertib（ISM001-055）在特发性肺纤维化（IPF）的IIa期临床中显示出明确疗效，并推进至III期。
这是全球首个由生成式AI发现并推进至临床III期的TNIK抑制剂，不仅验证了AI在难成药靶点上的攻坚能力，更确立了”端到端”AI药物发现模式在全球的可行性。
2026年，英矽智能登陆港交所主板，成为中国首家以生成式AI驱动药物研发为核心业务的上市公司，市值一度高达195亿港元。
2.3 晶泰科技：AI+量子物理的结合
晶泰科技采用”量子物理+AI+云计算”的技术路线，在药物研发领域走出独特道路。
其智能药物研发平台已成功赋能超过200个早期药物发现项目。其中与礼来合作的口服小分子GLP-1受体激动剂项目，2026年上半年已确认PCC，并计划于同年提交IND（新药临床试验申请）。
晶泰科技内部数据显示，其与实测值的相关性系数（R²）已提升至0.85以上，显著降低了湿实验筛选的成本与盲目性。
三、技术突破：AI制药的核心能力
3.1 蛋白质结构预测：从AlphaFold到AlphaFold3
AlphaFold是AI制药领域的里程碑式突破。2024年发布的AlphaFold3，进一步将预测范围扩展到DNA、RNA等生物分子。
AlphaFold的意义在于：大幅降低药物靶点研究的门槛。
传统方式下，确定一个蛋白质的三维结构可能需要数年时间和数百万美元；AlphaFold可以在数小时内完成预测，且准确率接近实验水平。
这对中小型药企和科研机构意义重大——他们无需建设昂贵的结构生物学实验室，就能开展高质量的药物研发工作。
3.2 生成式AI：从”找药”到”造药”
如果说AlphaFold解决了”靶点长什么样”的问题，生成式AI则解决了”怎么设计药物分子”的问题。
英矽智能的Chemistry42平台，采用扩散模型进行抗体设计，支持按表位和框架进行条件控制。小分子设计平台升级了Alchemistry 2.0引擎，结合分子动力学模拟，大幅提升了结合亲和力预测的精度。
更值得关注的是”零样本”能力。Chai-2模型实现零样本抗体设计，面对全新靶点蛋白，能直接根据三维结构从头生成全新抗体，将成功率从不足0.1%提升至16%，效率飞跃百倍。
3.3 多智能体：从”单兵作战”到”军团协作”
传统药物研发流程中，靶点发现、分子设计、临床试验等环节相互割裂，信息传递效率低下。
AI制药正在构建”多智能体”平台，将不同环节的专业智能体整合成”首席智能体科学家军团”。这些智能体不再”各自为战”，而是分工协同，在知识图谱约束下进行推理规划。
这种”人机共生”的研发范式，正在重塑药物发现的效率天花板。
四、市场格局：AI制药的万亿赛道
4.1 全球AI制药市场规模
2026年全球AI制药市场规模约120亿美元，预计2030年将突破500亿美元，年复合增长率超过40%。
4.2 中国AI制药：快速崛起的第二极
中国AI制药行业2026年被认为是从技术验证迈向商业化兑现的关键之年。
核心数据：
- 中国AI核心产业规模预计突破1.2万亿元
- AI企业数量超过6000家
- 国产开源大模型全球累计下载量突破100亿次
- 中国已成为AI专利最大拥有国
在政策层面，2026年4月，国家药品监督管理局药品审评中心（CDE）正式发布《人工智能辅助药物研发申报资料指导原则（试行）》修订版，首次明确AI生成药物在IND申报中关于算法可解释性、数据溯源性以及模型验证的具体技术要求。
这是中国AI制药合规化的”破冰时刻”。
4.3 资本涌入：AI制药融资再创新高
2026年以来，AI制药领域融资持续火爆：
- 晶泰科技与DoveTree授权合作：约59.9亿美元
- 英矽智能港交所上市：市值一度达195亿港元
- 纽瑞特医疗核药融资：10亿元E轮
- 2026年H1 AI制药融资：约120亿元人民币
根据动脉网数据，2026年上半年，AI制药领域融资总额同比增长35%，头部企业如晶泰科技、英矽智能的股价表现强劲，反映出二级市场对AI制药商业模式盈利能力的认可。
五、挑战与展望
5.1 当前面临的挑战
尽管进展显著，AI制药仍面临三大核心挑战：
1. 数据质量与可得性
AI模型的训练需要大量高质量数据，但制药行业的数据往往分散在不同企业、机构，且存在格式不统一、质量参差不齐的问题。
2. 监管不确定性
各国药品监管机构对AI设计的药物尚未建立完善的审批标准。CDE新发布的指导原则是重要进步，但仍需进一步细化。
3. 技术局限
AI在分子设计环节表现出色，但在”成药性”预测、临床试验设计等方面仍有局限。AI设计的分子能否在人体中表现出预期效果，仍需要大量实验验证。
5.2 未来展望：人机共生的药物研发时代
展望未来，AI制药将经历三个阶段：
近期（2026-2028）：单点深化
AI在靶点发现、分子设计等单点环节持续深化，效率优势进一步显现。AI设计的药物陆续进入II、III期临床，初步验证商业化可行性。
中期（2028-2030）：全流程融合
AI深度融入药物研发全流程，从靶点发现到临床试验，实现端到端智能化。人机协同成为主流研发范式。
远期（2030+）：范式革命
AI从”工具”升级为”创新伙伴”，不仅执行人类指令，更能提出创新性的药物设计思路。药物研发进入真正的”AI驱动”时代。
结语：让每一种疾病都有药可医
2026年，AI制药进入临床元年。这不仅是技术的突破，更是人类对抗疾病历程中的重要里程碑。
传统”双十定律”（十年、十亿美元研发一款新药）的牢笼，正在被AI撬动。英矽智能18个月完成靶点发现到PCC提名，晶泰科技将预测准确率提升至0.85以上，Isomorphic Labs的AI设计药物进入临床试验——这些不再是PPT上的概念，而是真实发生的进步。
AI的价值，从来不是替代药物研发科学家，而是把科学家从海量的筛选、试错中解放出来，让他们聚焦真正的医学创新与临床转化。
让每一种疾病都有药可医——这个愿景正在因为AI而变得更加真实。
发表回复