徽声在线9月18日讯（记者 武超 于淼）在过去的两年里，AI制药在药物研发的前端环节展现出了显著的优势，特别是在算法的持续迭代、商务拓展（BD）交易的活跃、估值与融资的快速增长等方面取得了显著进展。然而，在研发链条的另一端，仍存在一些节奏上的不匹配问题，如临床验证的漫长过程、数据孤岛的打通难题、复合型人才的短缺以及监管体系的完善等，这些都是决定AI制药最终能否成功的关键因素，需要更长时间的积累和努力。

在2026张江药谷大会暨上海国际生物医药产业周上，AI制药面临的现实挑战被多家企业和行业专家反复提及。尽管如此，多位专家也指出，AI在提升早期安全性预测的准确性、加快分子生成效率方面已经取得了明确进展，产业界也正在积极推动数据标准化和干湿闭环（即计算与实验相结合）的落地实施。这些进展能否有效转化为临床成功率的提升，成为行业下一阶段亟待解答的问题。

临床成功率：AI制药的试金石

由西湖大学、西湖实验室及西湖制药联合研发的盐酸伊司特韦片（商品名：艾普司韦）近期获得了国家药监局的附条件批准上市，这标志着国内首款依托AI辅助研发实现上市的新药诞生。然而，完全由AI驱动研发的药物，目前最快的进展是进入了III期临床试验阶段。

9月10日，英矽智能（03696.HK）宣布，其研发的Rentosertib分别在北京协和医院和上海市肺科医院完成了首例患者入组并给药，预计2029年将公布顶线数据。据公开资料，Rentosertib是全球首个由AI独立完成靶点发现与分子设计的候选药物，针对特发性肺纤维化（IPF）这一难治性疾病。

英矽智能联席CEO兼CSO任峰向徽声在线记者介绍，AI在医药研发前端具有显著的降本增效作用。他举例说：“AI将候选药物从靶点发现推进至临床前候选化合物（PCC）确认的平均时间缩短至12至18个月，而传统药物研发的平均周期约为4.5年。以Rentosertib为例，我们仅合成了78个分子，耗时1.5年，投入260万美元，而传统方式则需要4.5年，成本高达数千万至上亿美元。”

然而，效率的提升并非AI制药成功的唯一标准。任峰坦言：“现阶段，我们还没有足够的数据来证明AI开发的药物在临床上能够提高成功率。这主要是因为临床验证的周期极长，截至目前，还没有一款真正由AI开发的药物走完全部研发流程并成功获批上市。”

据中邮证券研报引用国外行业研究数据，AI制药在加速临床1期进程方面表现出色，同时将成功率从传统经验水平的40%-65%提升至80%-90%。然而，在2期及后续的临床试验中，AI制药并未展现出明显的优势，成功率仍维持在约40%的水平。

BD交易的活跃从市场端验证了AI制药平台的商业价值。英矽智能在2026年内已公布多起对外授权合作，合作方包括礼来、SK生物制药、施维雅、武田制药等知名药企，合约总价值近70亿美元。任峰透露，公司正利用这些BD收入培育自有的First-in-class管线，未来可能转向自主临床或销售，实现商业模式的转型与丰富。

AI制药的关键“卡点”何在？

整体来看，AI制药尚未全面延伸至产业化全链条。在大会的讨论中，多位嘉宾提到了当前制约行业发展的几个关键“卡点”。

和黄医药（00013.HK）高级副总裁唐飞用“信任”一词概括了AI在药企落地过程中的核心障碍。他将这一信任危机细分为三个层面：首先是人的信任，不少研发人员担心AI会取代自己的工作，药企在推进AI转型时需要对岗位权责和业务流程进行系统性重构；其次是科学家的信任，面对没有历史数据积累的全新靶点，科学家难免对AI的挖掘能力产生疑问；最后是行业对AI输出结果本身的信任，AI存在固有的幻觉问题，加上药企内部数据大多分散在不同异构系统中，即便模型本身能力很强，如果底层数据没有打通，AI输出的结论也可能偏离事实。

北京深势科技股份有限公司生物医药行业总经理张鹏认为，一方面，AI研发药物的底层模型仍有较大提升空间；另一方面，在AI计算场景中，科研人员往往需要拿到最终实验数据才能反向验证计算流程的准确性。因此，行业需要搭建AI SaaS模式下的“干湿闭环”智能系统。他指出：“当前的主要难点在于如何将智能体系统与实验系统打通，真正实现干湿闭环。目前行业尚未形成一套成熟、可规模化落地的解决方案，以适配多样化的研发场景。”

上海医药中央研究院常务副院长田正隆提出了同质化与数据孤岛的问题。他表示，如果单纯依赖公开开源模型或特定合作企业的模型，不同企业获得的答案和解决思路会趋于类似。更关键的是，药企之间不愿分享失败数据，导致模型只能基于部分成功数据进行训练。对于任何模型而言，只有同时拥有成功数据和失败数据，才能形成闭环，回答未知的问题。他认为，能否打破数据孤岛，是未来AI制药能否真正解决从0到1问题的关键。

人才瓶颈也被反复提及。任峰表示，制约AI制药规模化商业落地的核心因素并非算法或算力，而是既懂AI又懂制药的复合型专家稀缺。张鹏对此有更具体的描述：“AI制药行业最紧缺的岗位不是算法工程师，而是能把AI设计的分子挑出来、送进湿实验验证、再把实验结果反馈给模型迭代优化的人。”

合成可行性则是被低估的工程瓶颈。张鹏在接受徽声在线记者采访时表示，AI设计分子在虚拟评价环节表现良好，但真正把一个分子从计算机上变成实体分子时，合成环节仍有大量门槛没有打通。他进一步称，大分子的合成在高通量上当前比小分子更有优势，国内完善的上下游工业生态及国家专项支持，有望更快解决合成与工艺放大的难题。

上海人工智能实验室医学智能中心负责人徐捷表示：“AI落地不仅是技术引进，更是人才结构重组与决策模式变革。我们缺的不是更聪明的模型，而是把模型变成生产力的耐心。”

资本热度下的AI制药探索

此外，AI制药领域正受到资本的广泛关注，互联网巨头也在加速布局这一新兴领域。

“目前国外的Google、国内的字节跳动和阿里巴巴都在积极布局AI制药领域，且今年创业企业的投融资活动也非常火热。我觉得这对于整个行业会形成合力影响。”任峰表示。

这种热度最直接的体现是大会开幕前一天的一笔大额融资。9月16日，字节跳动分拆的AI制药公司新生探途（Anew Labs）完成了首轮外部融资，金额高达2.9亿美元。

互联网大厂做AI制药，与现有的专业AI制药公司相比，有何竞争优势？

张鹏以深势科技为例进行比较：“没有企业有精力布局所有方向，可以互为补充。Anew Labs等从药物层面构建自己的平台技术壁垒，以及自己的分析能力、整体模型的能力。我们深势科技则定位为赋能者，帮助药企从0到1构建专属干湿闭环体系，不做自营管线研究。”他还认为，未来可能所有制药企业都会有自己的AI科学家。

生态建设也是AI制药突破瓶颈的关键。闵行区委副书记、区长吴强表示，闵行区的研发经费投入占比达8%，居全市首位；拥有上海交通大学、华东师范大学等高校资源，以及8家三甲医院及华山医院虹桥院区等优质医疗资源。这构成了上海AI制药路径的一个关键特征：不追求单点技术突破，而是依托密集的临床资源、高校科研能力和产业政策，构建从基础研究到临床转化的完整生态。英矽智能、深势科技、剂泰科技（07666.HK）等企业均在上海设有核心研发或运营团队。

关于行业的关键转折点，任峰认为应该是“真正由AI主导发现的药物在临床三期获得成功”，并称之为AI制药的“DeepSeek时刻”。他预计：“未来3至5年，会有AI主导的药物获批或者在三期获得成功。我觉得这将是对整个行业的强心针，推动AI制药行业更加蓬勃发展。”

（徽声在线记者 武超 于淼）