> **来源：[研报客](https://pc.yanbaoke.cn)** # AI制药进入资产兑现时代总结 ## 核心内容 AI制药行业已从早期探索阶段进入资产兑现时代，从融资复苏到BD（业务发展）放量，行业正在从“技术驱动讲故事”向“临床与商业驱动看数据”转变。AI技术正在深度融入药物研发的全链条，涵盖从靶点发现、分子设计、临床试验到生产与供应链管理等环节，推动研发效率提升、成本降低和突破传统认知局限。 ## 主要观点 - **传统药物研发痛点**：研发周期长、成本高、成功率低，传统模式受“倒摩尔定律”制约。 - **AI制药的定义**：融合人工智能、大数据、云计算等技术，以数据驱动的算法模型替代/优化传统研发模式，提升效率、降低成本并推动原创突破。 - **行业趋势**：AI制药进入结果验证阶段，资本从广撒网转向集中火力，产业界已从围观转为重仓下注，BD交易成为主流。 - **全球市场增长**：2021年全球市场规模为7.9亿美元，2024年达18.2亿美元，2026年预计达29.9亿美元；中国2023年4.1亿元，2024年5.6亿元，2025年突破6亿元。 - **跨国药企参与**：如艾伯维、阿斯利康、辉瑞、礼来、罗氏、默克等，均通过自建平台或合作方式，推动AI在药物研发中的应用。 - **中国政策支持**：2022年以来，国家出台多项政策推动AI在药物研发中的应用，包括“十四五”生物经济、医药工业、药品监管等，为AI制药发展提供制度保障。 - **AI制药商业模式成熟**：行业从“技术授权”转向“产品交付”，合作模式从交易型向伙伴型演进，交易结构更趋复杂，体现风险共担、利益共享。 ## 关键信息 ### 全球与中国市场发展 - **全球市场**：2021年7.9亿美元，2024年18.2亿美元，2025年24.1亿美元，预计2026年达29.9亿美元。 - **中国市场**：2023年4.1亿元，2024年5.6亿元（+36.59%），2025年突破6亿元。 ### AI制药应用范围 | 环节 | 核心应用场景 | |------|----------------| | 早期发现 | 靶点发现、蛋白质结构预测、化合物虚拟筛选、生成式分子设计、ADMET预测 | | 临床前研究 | PK/PD建模、实验方案优化、毒理风险预测、类器官药效预测 | | 临床试验 | 患者精准招募、临床试验设计优化、不良事件预测、临床数据挖掘 | | 生产与流通 | 药物晶型预测、智能制造工艺优化、质量控制、供应链智能调度 | ### 代表企业与合作案例 - **英矽智能**：全球首个AI发现靶点+设计分子并进入II期临床的公司，与礼来、齐鲁、施维雅等达成多笔高额交易，2026年与礼来合作金额达27.5亿美元。 - **Exscientia**：端到端AI平台缩短研发周期至12-15个月，与赛诺菲、BMS等合作，多个AI发现药物进入临床。 - **晶泰科技**：AI+机器人实验平台，为礼来、辉瑞等提供研发服务，部分产品获FDA IND批准。 - **阿斯利康**：与石药集团合作，全球最大AI化药授权交易，金额达73.5亿美元。 - **赛诺菲**：CEO亲自推动AI应用，与英矽智能、百图生科等共建AI药物发现生态。 - **辉瑞**：重视数据质量，推动AI文化重塑组织，构建AI驱动研发体系。 - **礼来**：建立组合式AI合作网络，与英矽智能、英伟达等合作，覆盖小分子、GLP-1、抗体等全管线。 ### 政策支持 - **中国**： - 2022年5月：国家发改委《“十四五”生物经济发展规划》 - 2022年7月：工信部《“十四五”医药工业发展规划》 - 2023年1月：国家药监局推动AI在中药研发中的应用 - 2024年3月：国务院将“人工智能+”列为国家战略 - 2026年4月：《关于“人工智能+药品监管”的实施意见》 - **欧美**： - 2023年3月：FDA发布《AI与机器学习在药物开发中的应用》文件 - 2024年4月：MHRA发布《人工智能在药物生命周期中的使用》反思文件 - 2024年8月：欧盟明确AI驱动药物研发的监管路径，推出《人工智能法案》 - 2025年1月：FDA发布《AI在药物和生物制品开发中的监管考量》最终指南草案 ### 行业趋势与挑战 - **趋势**： - AI制药从技术驱动转向临床与商业驱动 - 资本集中于头部企业，BD交易成为主要增长点 - 交易结构从“技术授权”转向“产品交付”，体现风险共担与价值后置 - AI与真实世界数据、临床试验设计、患者分层等环节深度融合 - **挑战**： - **数据瓶颈**：高质量数据稀缺，标准不统一，数据孤岛问题突出 - **技术瓶颈**：主流模型“黑箱”问题，泛化能力弱，假阳性率高 - **落地瓶颈**：虚拟筛选阳性率约30%，需湿实验验证 - **产业与监管瓶颈**：跨学科人才短缺，缺乏统一模型评价标准，监管规则仍待完善 ## 未来趋势方向 - **多模态与融合模型成为标配**：构建覆盖基因组学、蛋白质组学、影像学、真实世界数据的数字孪生模型。 - **“干湿实验”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”的全自动流程。 - **平台型与垂直型分化**：平台型公司与垂直型AI Biotech将形成两类成功者，前者专注通用技术，后者深耕特定疾病领域。 - **监管科学同步发展**：监管机构将逐步建立适用于AI模型的验证、变更管理与审计追踪框架。 ## 总结 AI制药正从概念验证走向价值兑现，资本与产业界正从“技术试水”转向“结果导向”。随着AI在药物发现、临床试验、生产管理等环节的深度应用，行业逐步形成以“数据驱动”为核心的新型研发范式。全球市场持续增长，中国正快速追赶，政策支持与产业合作推动AI制药进入成熟阶段。未来，AI制药将更依赖多模态融合、干湿闭环与监管框架的完善，形成以“产品交付”和“临床验证”为核心的创新生态。