过去一周，AI制药领域密集出现多项进展。前字节跳动蛋白大模型负责人创立AI4S企业，字节跳动拆分的AI制药公司新生探途Anew Labs获得2.9亿美元天使轮融资，诺和诺德宣布与Anthropic达成合作，金斯瑞生物接入礼来AI平台提供湿实验服务，多部门印发医药“十五五”规划并单独提及AI制药。受此影响，9月A股和港股AI制药相关企业股价出现集中上涨。
从产业阶段判断，AI制药正从模型能力展示转向模型与研发体系的成果产出阶段。行业参与者大致形成两条路线：一类公司直接持有药物管线，利用AI寻找靶点、生成分子并推进临床，通过授权或自主销售获取收益，同时承担临床与商业化风险；另一类公司提供平台，为药企输出模型、算力、软件工具或实验服务，不直接持有药物资产，收入模式更接近技术服务和研发外包。两种模式共享同一前提——传统药物研发体系的成本、周期和失败率已难以持续，AI正从可选工具变为药企需要掌握的基础能力。
英矽智能的成长路径较完整地呈现了AI制药从平台走向资产的演进。2022年11月，赛诺菲与英矽智能在生物科技寒冬中签署潜在总价值12亿美元的合作协议，将六个靶点交由Pharma.AI平台攻关。两年后，合作产生针对转录因子靶点的同类首创先导化合物。转录因子此前被不少研发团队视为难以成药，原因并非缺乏生物学意义，而是传统筛选方式难以找到适合小分子结合的有效口袋。AI平台能够在更大的化学空间中搜索结构，从而有机会处理长期搁置的靶点。
此后，英矽智能陆续与施维雅、礼来、SK生物制药和武田制药等企业展开合作。公开资料显示，2026年以来，公司公开披露的对外合作总额已接近100亿美元，而上一财年营业收入为5624万美元。其中，与礼来的合作潜在总价值达27.5亿美元，与SK生物制药的中枢神经合作潜在总价值为25亿美元，与武田的研发联盟金额为6亿美元，与施维雅的抗肿瘤药物研发合作金额为8.88亿美元。早期药企更常见的做法是先围绕一个靶点开展小规模可行性验证，确认平台有效性后再考虑更大合作。如今部分药企首次接触AI公司时，已开始讨论多靶点组合、里程碑安排以及资产授权，反映出市场对AI公司价值判断的变化。
本月，西湖大学、西湖实验室与西湖制药联合研发的盐酸伊司特韦片（商品名艾普司韦）获得国家药监局附条件批准上市，成为国内首款依托AI辅助研发实现上市的新药。AI辅助研发与完全由AI主导研发存在区别，前者说明AI已进入药物研发流程，后者则需要证明AI在靶点发现、分子设计等关键环节发挥主导作用。目前全球完全由生成式AI赋能研发并推进至三期的候选药物中，英矽智能的Rentosertib是代表性案例，用于治疗特发性肺纤维化，已完成三期临床试验首例患者入组，预计2029年读出顶线数据。二期研究中，71名特发性肺纤维化患者参与随机双盲试验，最高剂量组用力肺活量平均提升98.4毫升，安慰剂组下降20.3毫升。
AI制药仍在等待规模效应。中邮证券在一份研究中提到，AI可能将临床一期成功率从传统经验水平的40％至65％提升至80％至90％，但后续需要更多临床验证。市场判断，未来3至5年可能出现AI主导药物获批或三期成功的案例。
在垂直领域，AI制药目前最容易产生误判的地方，是将分子生成速度等同于药物研发速度。模型可以在数小时内生成数千个候选分子，但实验室仍需逐个完成合成、表达、筛选、检测和毒理评估。计算端产生的候选分子越多，实验端承担的工作量反而越大。这一变化正在推动实验室组织方式调整。传统实验室主要为研发人员服务，任务通过邮件传递，结果以报告形式交付；面向AI研发的实验室则需要直接接收模型任务，用标准接口调度实验，并将结果快速反馈给模型。
瑞士初创公司Adaptyv Bio是Anthropic的合作伙伴，此前为Claude完成1320条蛋白序列湿实验验证，过去一年收入增长近10倍，并完成4000万美元A轮融资。该公司将实验室改造为面向AI智能体的物理后端，检测每条79美元起，API可直接连接，结果以机器可读取的结构化形式返回，同时运营含有阴性结果的Proteinbase开放数据库，已收录3000多条验证蛋白。
金斯瑞生物科技近期发布的融资计划，进一步说明AI制药竞争开始向实验基础设施延伸。9月11日，金斯瑞公告计划配售7712.6万股新股，每股配售价30.50港元，预计募资净额约23.27亿港元。其中70％、约16.29亿港元将用于扩大AIDD平台产能和基础设施，包括自动化高通量湿实验室、相关设备及实验室升级；20％用于AIDD研发、数字化工作流程整合和全球业务拓展。作为以基因合成、蛋白表达和生命科学服务为主业的企业，金斯瑞将超过16亿港元投向AIDD实验平台，表明产业竞争已不再局限于分子设计，真正比拼的是谁能更快、更稳定、更准确地验证分子。2026年上半年，金斯瑞AIDD相关业务同比翻倍，并连续三个半年度保持快速增长。基因到蛋白平台约占生命科学事业群收入的66％，公司约60％的全球实验室已配置AI驱动的自动化工作站，Gene-to-Protein平台能够将数字序列到模型可用数据的交付周期压缩至最快4天。
对于AI研发而言，反馈速度本身就是竞争力。模型完成一次设计后，实验结果越快返回，下一轮模型优化就越早开始；实验结果越标准，模型越容易识别哪些设计值得保留。因此，AI制药需要建立“干—湿—数据”闭环：干端负责提出假设、发现靶点、生成结构和优化候选分子；湿端负责合成、表达、筛选和验证；数字化系统负责将实验结果整理为模型可继续使用的训练资料。缺少任一环节，AI制药都难以形成稳定生产力。行业未来将围绕四种能力展开竞争：实验规模、交付速度、结果可靠性和数据质量。
尽管资本市场关注度持续上升，但并非所有AI制药公司具有相同价值。与医药产业本身的赛道分层类似，进入AI推进阶段后，部分企业擅长模型，部分拥有药物管线，部分具备实验平台，还有部分掌握临床资源或药企客户。单点能力的突出固然重要，但能否将模型、实验、数据与临床资源整合为可重复的产业闭环，正在成为区分企业长期价值的关键变量。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
