AI制药下半场精华简报
TL;DR
AI制药已从算法竞赛进入临床验证阶段，通过加速靶点发现和分子设计显著提升研发效率，但III期临床试验成功率仍与传统方法持平；行业分化出”卖服务”和”卖管线”两种商业模式，未来胜负手在于如何将AI能力转化为真实的研发效率，最终实现个性化医疗的产业革命。
核心洞察
技术突破
- 研发范式重构：AI实现从”先靶点后疾病”到”多组学数据反推靶点”的范式转变（英矽智能案例）
- 效率革命：
- 临床前周期从4年压缩至18个月（Pharma.AI平台）
- 虚拟筛选速度提升百万倍（DrugCLIP平台）
- 纳米递送开发从数年缩短至2-3个月（NanoForge）
- 临床优化：AI可预测药物代谢/毒性、优化患者入组标准（但III期通过率仍仅10%）
商业动态
- 模式分化：
- 服务型（晶泰科技）：2025年收入8.03亿，首度盈利
- 管线型（英矽智能）：BD签约75亿美元但亏损扩大
- 混合型（剂泰科技）：收入增长13399%，亏损收窄56.4%
- 资本趋势：2026年AI制药占创新药融资19.2%，成第三大细分赛道
- 临床进展：全球173个AI药物项目在研，15个进入III期（含首款全AI药物Rentosertib）
行业影响
短期挑战
- 临床转化瓶颈：AI分子I期成功率80-90% vs III期10%的”死亡之谷”
- 数据孤岛问题：医疗机构数据割裂拖慢临床试验效率
- 同质化竞争：肿瘤/代谢等热门赛道出现头对头试验军备竞赛
长期机遇
- 估值体系重构：平台能力开始获得资本溢价（东方证券数据）
- 生态位重塑：
- 传统药企借力AI升级研发管线（银诺医药案例）
- CRO企业向AI+机器人实验室转型（晶泰科技干湿闭环）
- 终极愿景：mRNA疫苗案例展示”一人一药”个性化医疗可行性
关键结论
“AI无法消除药物研发的不确定性，但能让不确定性得到更准确的定价”——安永吴晓颖的论断揭示了AI制药的本质价值：通过数据驱动提升研发决策质量，最终实现从”造分子”到”造药”的产业跃迁。2026年作为试金石之年，将检验哪些企业能真正跨越从技术炫技到商业落实的鸿沟。
🔗 知识库双向关联
- The twilight of the chatbots_简报
- Clara YC P26 Is Hiring a Growth Engineer to Bring AI Doctors_简报
- [[[TV][多模型] 诺奖背后，AI医疗的谎言与真相。 欧洲计算生物学大佬Valencia_20260819_1726|诺奖背后，AI医疗的谎言与真相。 欧洲计算生物学大佬Valencia]]