> **来源：[研报客](https://pc.yanbaoke.cn)** # AI 制药进入资产兑现时代 ## 核心内容 AI 制药行业已进入资产兑现阶段，行业趋势从早期的技术探索和融资热潮，转向以临床验证和商业价值为核心的BD（业务发展）交易和合作模式。资本和产业界正逐步从“技术驱动”向“临床与商业驱动”转变，推动AI制药成为药物研发的主流模式之一。 ## 主要观点 - **传统药物研发痛点**：研发周期长（平均10年以上）、成本高（超10亿美元）、成功率低（低于15%）。 - **AI制药的定义**：融合AI、大数据、云计算等技术，贯穿药物研发全链条，以数据驱动模型替代传统试错式研发，显著提升效率、降低成本。 - **AI制药的应用范围**：覆盖药物研发的各个阶段，包括早期发现、临床前研究、临床试验、生产与流通。 - **政策支持**：中国和欧美各国相继出台政策支持AI制药发展，强调数据质量、模型验证、监管框架等。 - **市场增长**：全球AI制药市场规模从2021年的7.9亿美元增长至2026年的29.9亿美元，中国市场也保持快速增长。 - **产业趋势**：跨国药企全面拥抱AI，与AI制药公司建立深度合作，形成“平台+管线”的双轨模式。 - **交易结构变化**：BD交易增长显著，合作模式从“交易型”转向“伙伴型”，资本更注重临床与商业价值验证。 - **AI制药公司的角色转变**：从技术供应商转变为资产输出方，成为药企研发管线中的关键组成部分。 - **行业进入成熟期**：AI制药不再仅靠技术故事，而是通过临床数据和真实药物管线验证其价值。 ## 关键信息 ### 全球AI制药市场增长 - **2021年**：7.9亿美元 - **2024年**：18.2亿美元 - **2025年**：24.1亿美元 - **2026年**：预计达到29.9亿美元 ### 中国市场增长 - **2023年**：4.1亿元 - **2024年**：5.6亿元（增长36.59%） - **2025年**：突破6亿元 ### 典型AI制药企业合作案例 | 合作方 | 交易类型 | 交易金额（亿美元） | 项目 | |--------|----------|-------------------|------| | 英矽智能 & 礼来 | 授权/许可 | 27.5 | 口服GLP1R非肽药物 | | 英矽智能 & 齐鲁制药 | 合作 | 9.31亿港元 | 心血管/代谢药物 | | 英矽智能 & 施维雅 | 合作 | 8.88 | 抗肿瘤疗法 | | Ailux & 礼来 | 合作 | 3.45 | AI驱动双抗平台 | | 晶泰科技 & 尧唐生物 | 合作 | 未披露 | CAR-T | | AbTherx & Red Queen | 合作 | 未披露 | 治疗抗体 | | 乘典 & BioCorteX | 合作 | 未披露 | 抗体类融合蛋白 | ### AI制药的典型应用场景 | 环节 | 核心应用场景 | 技术/案例 | |------|----------------|-----------| | 早期发现 | 靶点发现、蛋白质结构预测、ADMET性质预测 | AlphaFold2、Pandoraomics、Pharma.AI | | 临床前研究 | 药代动力学评估、生物标志物发现 | MOVE、数字双胞胎、类器官药效预测 | | 临床试验 | 患者精准招募、试验设计优化、不良事件预测 | Unlearn.ai、MitoReID、真实世界数据应用 | | 生产与流通 | 药物晶型预测、智能制造、质量控制 | AI+MES、生成式AI、药物稳定性预测 | ### 产业合作趋势 - **合作模式**：从“交易型”走向“伙伴型”，涵盖平台授权、管线共建、联合研发。 - **交易结构**：BD交易增长显著，交易金额增加，合作项目从AI平台到产品管线多样化。 - **买方角色**：全球以礼来、赛诺菲为代表，国内以齐鲁为代表，形成合作网络。 - **卖方角色**：AI原生公司如英矽智能、Exscientia等，已从技术服务商转型为资产输出方。 ### 技术与产业瓶颈 - **数据瓶颈**：高质量标注数据稀缺，数据标准不统一，核心数据不共享。 - **技术瓶颈**：AI模型“黑箱”问题，泛化能力弱，假阳性率高。 - **落地瓶颈**：AI预测需湿实验验证，干湿闭环尚未打通，临床验证周期未压缩。 - **监管瓶颈**：AI制药监管规则尚不完善，合规性存在不确定性。 ### 未来趋势方向 - **多模态与融合模型**：AI平台将融合基因组学、蛋白质组学、影像学等多维度数据，构建全面数字孪生模型。 - **干湿闭环自动化**：实验室自动化与AI设计结合，形成“设计-合成-测试-学习”闭环。 - **平台型与垂直型分化**：行业将出现两类成功者：通用平台型公司与特定疾病领域专家型AI Biotech。 - **监管科学同步发展**：监管机构将出台相关政策和应用指南，建立适用于AI模型的验证与变更管理框架。 ## 估值与投资逻辑 - **估值锚点转变**：从算法效率转向临床可兑现性。 - **资本结构变化**：融资数量与金额均呈回升趋势，但资金更集中于优质标的。 - **BD交易趋势**：交易金额大于融资，合作模式更注重结果导向。 - **头部公司集中**：AI制药行业正从“技术驱动”转向“临床驱动”，头部企业获得更高溢价。 ## 案例分析 ### Verge Genomics - **产品**：VRG50635 - **靶点**：PIKFYVE - **适应症**：ALS - **临床阶段**：I期 - **AI贡献**：利用人体多组学数据锁定靶点，减少对动物模型依赖。 - **验证结果**：构建6800个样本数据集，推进至临床I期。 - **局限性**：尚无法证明疗效和长期安全性，模型结论依赖样本代表性和外部验证。 ### Insilico Medicine - **产品**：Rentosertib - **靶点**：TNIK - **适应症**：特发性肺纤维化 - **临床阶段**：II期 - **AI贡献**：整合多组学数据筛选靶点，生成式化学设计提升命中率。 - **验证结果**：从靶点确定到候选药物仅用18个月，合成测试少于80个分子。 - **局限性**：需后续研究验证长期疗效与安全性，AI贡献难以完全脱离团队经验。 ### BenevolentAI - **产品**：Baricitinib - **靶点**：JAK1、JAK2 - **适应症**：2019冠状病毒感染 - **临床阶段**：上市 - **AI贡献**：知识图谱用于药物再利用，快速筛选候选药物。 - **验证结果**：Baricitinib获得临床应用验证。 - **局限性**：为老药新用案例，不能代表AI从零发现新靶点。 ### Exscientia - **产品**：EXS4318 - **靶点**：PRKCQ - **适应症**：肿瘤、炎症 - **临床阶段**：I期 - **AI贡献**：生成式设计与实验反馈形成闭环，提高先导优化效率。 - **验证结果**：候选药物进入I期临床。 - **局限性**：I期尚无法验证临床有效性，需湿实验校正。 ### Unlearn.ai - **应用场景**：临床设计 - **适应症**：AD - **临床阶段**：III期 - **AI贡献**：基于大规模临床数据训练数字孪生模型，优化试验设计。 - **验证结果**：减少对照组人数，提升试验效率。 - **局限性**：需数据高度匹配，监管接受度和模型可解释性仍是挑战。 ## 总结 AI制药正从技术验证阶段迈入价值兑现阶段，行业成熟度显著提升。传统药企与AI公司深度绑定，推动AI技术从“工具”向“联合开发者”转变。行业估值逻辑从“技术可行性”转向“临床可兑现性”，资本更关注结果而非概念。未来，AI制药将更加注重多模态数据融合、干湿闭环自动化以及监管合规性，成为全球药物研发的重要力量。