

AI制药正经历一场深刻的范式转换。过去几年的算法狂欢与概念炒作正在褪去,行业正式迈入“深水区”——资产兑现时代。互联网巨头正以截然不同的路径重仓入局,跨国药企用真金白银狂扫AI管线,而AI制药的技术焦点正从相对成熟的小分子,转向难度更高、价值更大的大分子与新疗法。
在深水区,单纯的算力与公开数据已无法构筑护城河,干湿闭环的验证能力、高质量私域数据的积累以及临床成功率,成为决定谁能游向彼岸的核心标尺。
互联网巨头入局,从“赋能者”到“亲自下场”
当AI制药的叙事从实验室走向产业落地,科技大厂们不再满足于做岸边的观望者,而是选择以不同姿态跃入深水区。
近期,字节跳动AI制药业务线启动拆分与独立融资,核心团队、算法平台及管线资产整体迁入新主体Anew Labs,字节继续控股并提供算力支持。这一组织动作明确表态:这块业务要按制药的规矩来玩。在互联网巨头中,字节选择了最“重”的路径——亲自下场做药。其推出的通用分子生成基础模型AnewOmni,据称是全球首个跨小分子、多肽、抗体的全模态药物设计大模型。
此外,字节的AnewSampling动力学框架,通过在全原子水平重建分子动力学平衡分布,能精准捕捉蛋白柔性及配体结合模式。
以上两个平台,是字节的AI制药业务试图从底层物理规律统一跨模态分子设计的基础。同时,在今年的美国免疫学家协会(AAI)年会上,字节首次披露了一款处于临床前的IL-17小分子抑制剂AN-5162。
AN-5162是全球首个“全谱”IL17小分子抑制剂,其利用字节内部AI技术,突破了既往小分子只能靶向IL-17AA和AF的局限,成功实现了对IL-17AA、IL-17AF及极难成药的IL-17FF二聚体的全面抑制。这是一次真正利用AI挑战‘难成药’靶点、突破业界瓶颈的案例,也标志着字节的AI制药业务成功实现了从0到1的跨越。
然而,字节的“大力出奇迹”逻辑在生物医药深水区面临着天然冲突。大语言模型在文本领域的成功,难以直接平移至生物科技:蛋白结合亲和力等关键标签只能靠湿实验一个个测出,公开数据库存在“多样性的假象”与阴性数据缺失。算力是字节的绝对长板,但高价值数据资产与干湿闭环,仍是其亟待补齐的短板。
与字节的“重”不同,其他科技大厂各择其道。百度通过百图生科深耕生命科学大模型,走平台赋能路线,并与赛诺菲达成了超10亿美元的合作;腾讯强调“连接”,通过投资晶泰、英矽智能等头部企业卡位赛道,并悄然公开了AI设计的GLP-1减肥药专利;华为则走基础设施路线,与恒瑞、复星等参与成立数智化转型促进中心,不碰管线,只做数字化底座。路径的分野,本质是各家核心基因在医药赛道的投射,但共同指向了一个事实:AI制药已从科技大厂的“探索性项目”变为必须深耕的产业。
当擅长饱和攻坚的算法巨头闯入生物医药深水区,这预示着,全球医药产业的创新链条和话语权,正在经历一次深刻的重新分配。
资产兑现:临床数据成为唯一标尺
当科技巨头开始深度嵌入药物研发流程,标志着AI制药开始进入深水区,同时,深水区的另一个重要标志,是估值逻辑的彻底切换。资本不再为单纯的算法想象力买单,而是追问:AI设计的分子能否走向上市?能否被跨国药企持续买单?
行业正在用医药产业的尺子对AI制药进行“验货”。英矽智能是这一轮资产兑现的标杆。其核心管线Rentosertib(ISM001-055)是全球首款由AI发现靶点并设计分子的药物,近期在IIa期临床试验中展现出逆转肺功能恶化的显著潜力,患者用力肺活量平均改善98.4毫升。更重要的是,英矽智能与礼来达成了高达27.5亿美元的合作,首付款达1.15亿美元,甚至触发了美国反垄断审查(HSR法案),这标志着交易规模与管线潜力已进入“顶级联赛”。
这笔交易并非一蹴而就,而是礼来对英矽智能长达三年的“压力测试”结果:从2023年的软件授权,到2025年的研发合作,再到资本层面的基石投资,最终走向管线授权与深度绑定。它撕开了AI制药的幻觉迷雾:竞争不再围绕概念展开,而是进入了“比临床”和“拼订单”的阶段。
跨国药企的焦虑与重注,是推动资产兑现的底层动力。面对“双十定律”(十年、十亿美元、10%成功率)的困境,低垂的果实已被摘尽,MNC急需AI作为搭梯上树的新路径。2026年开年,礼来与英伟达共建超10亿美元的联合实验室;阿斯利康与石药集团签下53.3亿美元协议;晶泰科技创下近59.9亿美元的AI药物发现订单纪录。
大药企不再把AI当作局部提效的工具,而是视为重构研发链条的战略基础设施。
啃硬骨头:从小分子迈向大分子
如果说小分子药物是AI制药在浅水区的试金石,那么大分子与新疗法则是深水区真正的“硬骨头”。
长期以来,AI制药的成熟应用高度集中于小分子领域,原因在于数据量级的巨大差距。小分子有数十年的公开数据库积累(如ChEMBL超200万条数据),而大分子(如PDB仅超25万条,SAbDab仅万余条抗体数据)的数据规模明显不足。此外,大分子序列空间庞大、结构复杂、可开发性参数多维,对AI的生成与多目标优化能力提出了极 致要求。
然而,最难啃的骨头往往蕴含最大的价值。近期,海内外玩家接连在大分子赌桌上下注。在美国,Protillion Biosciences与默沙东签署5.1亿美元协议,利用其超大规模蛋白质数据生成平台攻克复杂蛋白工程难题;在中国,和铂医药与百图生科共同发起成立MegaStream TechBio,聚焦复杂大分子AI药物研发。
和铂医药的布局揭示了深水区的核心壁垒——数据护城河与干湿闭环。其依托十年以上积累的全球最大全人源重链抗体(HCAb)数据库,发布了HCAb大模型,在107个AI生成的全新分子序列中,有效抗体比例高达78.5%。同时,和铂搭建高通量自动化湿实验平台,形成“AI设计-湿实验验证-模型微调”的主动学习闭环,这正是礼来与英伟达共建实验室所标榜的行业核心方向。
应用场景的延伸同样迅猛。AI的赋能范围正从小分子快速扩张至抗体、多肽、寡核苷酸乃至ADC与PROTAC。英矽智能已与迈威生物等构建赋能ADC创新的ABC(AI+BioTech/BioPharma+CRO/CDMO)新模式;赛诺菲与华深智药就双抗药物达成超40亿美元的合作。Boulevard Bio与剂泰科技达成最高16亿美元合作,目标瞄准剂泰科技的新一代三特异性TCE(T细胞衔接器)项目——MTS-128,以及独有的AI纳米递送平台——NanoForge平台。这些交易,标志着AI制药的主战场,正从相对简单的化学空间,转向难度更高、价值更大的生物体系。
深水区的暗礁:数据飞轮与II期死亡之谷
进入深水区,意味着暗礁丛生。首当其冲的便是数据瓶颈。业内日渐清晰的共识是:在公域数据均等可及、算法快速扩散的情况下,真正决定AI平台性能上限的,是高质量、标准化且可持续迭代的私域数据。药企积累的SAR过程数据、ADMET实验数据,以及自动化实验室产出的高通量数据,远比公开数据价值更高。
这也解释了为何所有头部玩家都在强调“干湿闭环”。只有持续运行的湿实验产生专有数据集反哺模型,模型指导高通量实验,才能形成自我强化的数据飞轮。没有实验数据反哺,模型很快会触及天花板。
更大的暗礁则是临床转化率。尽管AI设计分子在I期临床的成功率可达80%至90%,显著高于历史平均水平,但在关键的II期概念验证阶段,尚未展现出绝对优势。生物学复杂性远超数学模型预测能力,AI可以在化学层面设计出结合靶点的优良分子,但难以确保抑制该靶点一定能治好病。Verge Genomics终止其ALS候选药物开发的案例,正是对这种复杂性的残酷提醒。
全球至今尚无一款完全由AI主导设计的药物获批。行业正等待首个“First Approval”的到来。如果证明成立,整个赛道的估值将重构;如果关键项目在III期折戟,洗牌就会加速。
综上,从圈外人的狂欢到回归于药的渐进式变革,AI制药正在褪去浮华,进入真正考验定力与实力的深水区。在这里,互联网式的“快”必须向制药规律的“稳”妥协,算法的宏大叙事必须接受试管与临床数据的严苛审视。
未来的胜负手,不再是谁的模型参数更大,而是谁能率先破解复杂的疾病机制,谁能将算法、数据、实验、临床推进与商务拓展真正串成闭环,稳定产出高质量管线。当科技巨头与制药巨头在深水区汇合,这场由AI驱动的产业重构,才刚刚拉开真正的帷幕。
参考来源:
1.https://anewbt.com/#pipelines.
2.https://www.mrjjxw.com/articles/2026-05-20/4401677.html.
3.How successful are AI-discovered drugs in clinical trials? A first analysis and emerging lessons.
×