技术与资本共振 AI制药助力产业'加速跑'

日前，由西湖大学、西湖实验室、西湖制药（杭州）有限公司联合研发的盐酸伊司特韦片（商品名：艾普司韦）获得国家药品监督管理局附条件批准上市，用于成人轻型、中型新型冠状病毒感染治疗，为国内首款AI辅助研发获批上市的创新药。 华侨大学海上丝绸之路研究院教授胡麒牧对《证券日报》记者表示，艾普司韦从分子源头发现到完成临床试验仅耗时三年半，标志着国内AI制药正式走出实验室概念阶段，进入真实商业化落地周期。 产业布局全面提速 传统新药研发长期面临周期漫长、投入巨大、成功率偏低的难题，行业流传的'双十定律'，即十年研发周期、十亿美元投入，成为压在创新药企身上的沉重枷锁。而艾普司韦项目中，AI贯穿药物研发多个关键节点。其研发团队依托拥有490亿种化合物的DNA编码化合物库（DEL），初步筛选出百余个潜力分子；借助AI模型确定筛选条件与对照化合物，提升筛选效率，构建起'计算预测、实验验证、数据反馈、模型再优化'完整研发闭环，用技术压缩新药研发的试错成本。 盘古智库高级研究员余丰慧对《证券日报》记者表示，艾普司韦的上市，直接验证AI辅助药物研发路径具备现实可行性，AI在制药环节的应用，已从早期的技术概念验证进入实质性的研发生产力阶段。AI目前发挥最大价值的环节是药物发现的前端，在包含490亿种化合物的DEL库中，AI模型通过计算预测大幅压缩了候选分子范围。这种能力直接转化为研发周期的指数级压缩，三年半完成从源头发现到临床试验。 AI制药，本质是利用人工智能技术赋能靶点挖掘、分子设计、虚拟筛选、成药性预测、临床试验优化等全链条研发环节，推动药物研发模式从过往经验试错驱动，转向数据与模型驱动。当前，AI制药已成为全球生物医药赛道的风口，技术突破与资本涌入形成双向共振，国内外产业布局全面提速。 国际市场上，莫德纳（Moderna）联合默沙东的个性化mRNA肿瘤疫苗Ⅲ期临床实现重大突破，其中AI深度参与靶点设计；Alphabet（谷歌母公司）旗下的AI制药公司IsomorphicLabs（艾索莫菲实验室有限公司）完成21亿美元B轮融资，加码分子设计引擎研发。跨国药企同样大手笔押注AI赛道，礼来联合英伟达五年合计投入最高10亿美元搭建AI协同创新实验室；罗氏与英伟达合作打造制药行业规模领先的混合云AI工厂；辉瑞、诺华等企业纷纷通过投资、合作布局AI制药业务。 国内AI制药产业也在加速追赶。除艾普司韦成功获批之外，英矽智能研发的特发性肺纤维化候选药物Rentosertib已启动Ⅲ期临床，这也是以AI靶点发现+AI分子设计的全链条AI主导药物。同时，科技巨头加速入局，华为依托鲲鹏、昇腾两大创新计算平台布局AI药物研发领域；字节跳动、腾讯、阿里等企业持续输出算力与算法能力，为本土AI制药产业筑牢底层技术底座。 从融资端来看，东方证券研报显示，2026年上半年，AI制药相关融资事件数量占创新药领域11.5%，融资金额占比达19.2%，已成为仅次于小分子和抗体的第三大创新药细分赛道。一级市场资本已开始为AI制药的平台能力支付估值溢价。 千亿元赛道红利释放 随着技术落地提速，AI医疗产业进入高速增长周期，市场成长潜力持续释放。弗若斯特沙利文预测，2023年至2033年国内AI医疗市场规模将从88亿元增长至3157亿元，年复合增长率高达43.1%。 从产业端看，据HealthcarediscoveryAI统计，当前全球已有超过173个AI发现药物项目处于活跃临床阶段。其中，Ⅱ期项目56个，Ⅲ期项目15个。预计2026年内还将新增15至20个新项目进入关键确证性临床试验。 从产业投资逻辑来看，新药研发管线落地周期较长，中游创新药企业绩兑现尚需时间，而产业链上游的数据服务、实验试剂、模型验证等配套环节，凭借更早、更确定的需求释放，多家A股细分龙头企业已率先受益。 重组蛋白试剂龙头百普赛斯搭建'AI预测—实验验证'双轮蛋白开发体系，匹配AI制药风口下蛋白分子改造需求，完成多款工业级蛋白产品AI优化。迪安诊断将AI技术落地临床科研与辅助诊疗场景，整合智能科研分析系统、临床科研智能体，与国内六十余家三甲医院达成合作。迪安诊断依托临床端沉淀真实世界数据反哺药物靶点挖掘，打通临床与新药研发双向链路，走出差异化AI医疗发展路径，2026上半年公司净利润实现大幅增长。 余丰慧表示，对行业而言，下一步的竞争焦点会从谁能用AI筛选分子，转向谁能建立高质量的湿实验数据闭环和临床反馈体系，因为AI模型的优劣最终取决于喂养它的数据质量。没有自主实验能力和临床合作网络的纯AI公司，短板将在这一轮淘汰中暴露无遗。未来能走出来的，一定是把计算能力和实验验证能力深度融合的药企。 '不过也应当客观看到，艾普司韦的成功属于个案，并不代表AI制药已经全面成熟。'胡麒牧表示，当前多数AI产出候选分子仍处在临床前、早期临床阶段，算法模型高度依赖高质量实验数据供给，高质量标注数据不足、算法可解释性弱、湿实验验证成本依旧高昂等痛点，依旧制约行业进一步发展。AI无法完全替代科研人员，AI与生物实验、临床医学深度耦合，才是产业长期发展方向。 （文章来源：证券日报）