
AI可以在一杯咖啡的时间内设计出一个候选分子,但没有患者能被一个只存在于系统里的分子治愈。这个矛盾,正在成为AI制药产业如何持续转化的核心命题。
当算法将分子发现的速度不断推高,如何把数字世界中的设计转化为真实分子,如何通过实验验证其成药性、安全性,和有效性,如何将结果持续反馈至下一轮研发迭代——这些问题的答案,正在决定AI制药能否从技术探索走向规模化产业实践。
CXO头部公司药明康德最近在投资者开放日上给出了自己面对AI浪潮的回答:不用AI研发新药,但要为承接AI设计的药物完善转化闭环;一方面以化学、生物学及测试能力规模承接AI制药带来的需求暴增,另一方面也将AI与自动化融入自身平台,持续提升服务效率与交付能力。
而这一切,不是刻意为之,而是水到渠成。
01 AI制药浪潮已至,但它比想象中更“费实验”
患者未被满足的需求,是AI制药蓬勃发展的强大驱动力。尽管科学发展日新月异,但宏观现状仍然“残酷”,有研报统计,截至2025年6月,全球已获批上市药物已覆盖686个靶点和约4000种疾病,但这只占总靶点数的3%,和人类已知疾病的22%。
AI赋能的新药研发因此被寄予厚望,目前绝大多数AI制药应用专注解决“从机制到药物”的问题。

一个共识是,资本市场的回暖、药物研发交易的活跃,以及AI驱动研发能力的持续进步,正共同推动AI制药进入新的发展阶段。
2026年上半年,全球生物科技融资、License交易、并购交易金额分别达到502亿美元、1667亿美元和960亿美元,均显著超越去年上半年,全年有望再创新高。这为新药开发提供了土壤。
科学端,AI赋能药物发现(AIDD)正在加速从算法走向实验验证,投入增长尤为迅猛。根据Frost & Sullivan报告,2025至2030年,全球医药研发投入预计以约6.3%的年复合增长率稳步增长,而AIDD支出将由2023年的119亿美元,增至2032年的746亿美元,年复合增长率高达22.6%,已然成为备受瞩目的细分赛道,仅Alphabet(谷歌母公司)和DeepMind孵化成立的Isomorphic Labs一家公司,就已经在今年融资21亿美元。
这一影响力正在向上下游传导。
也许有些反直觉,当AI嵌入医药行业,其并未挤兑对实验、对CXO的需求——恰恰相反,物理世界的需求正在变得前所未有的规模化、工业化。
药明康德举了一个例子:其药物代谢与动力学(DMPK)业务发现,传统生物科技公司每月检测板需求约10块,专业型AIDD公司约需要100块,而综合型AIDD公司则高达5,000块。

当分子设计效率不断提升,实验验证能力必须同步扩展,否则创新就会在数字设计与实体研发之间遭遇瓶颈。AI制药的规模化发展,不仅是算力和算法的竞争,更是实验通量、数据质量与研发交付能力的比拼。
02 早已就位的行业"湿端引擎"
AI制药正在改变药物发现的起点,但并没有改变药物研发必须经过实验验证的基本规律。在行业标准的DMTA循环——设计(Design)、合成(Make)、测试(Test)、分析(Analyze)——中,AI已让前半段跑得飞快,但每一个设计假设仍需被合成、被检测、被验证,并将数据反馈回模型驱动下一轮迭代。

这个"干-湿闭环"的衔接质量,决定了研发效率能否真正转化为研发成果,而闭环转得越快,就越依赖“湿端”通量。
近几个月,AI制药行业强化“湿实验”建设的新闻越来越密集,AI公司与药企两端均有入局,如Anthropic 9月宣布在旧金山湾区搭建生物实验室,礼来则与英伟达以五年最高10亿美元的金额,共建“计算-自动化实验室”。
但身处重资产、强监管行业,湿实验室设施的建设绝非一朝一夕,具备全方位能力和多年经验的CRDMO早已默默接下了大量需求。

比如说回前文DMPK的案例,面对检测板需求从10到100到5000,药明康德DMPK自动化体系支撑起了AI时代的通量:化合物存储容量超100万;体外测试部署高通量集成自动化工作站,每周可处理6,000余个化合物;全自动化体内生物分析和AGV自动转运系统,能实现样本制备、转运和质谱分析的7×24小时不间断运行,年处理体内样品量超过35万。
在分子供给层面,药明康德沉淀多年的化学空间资源库也在成为连接AI设计与实体合成的重要基础。WuXi Virtual Chemistry Space涵盖超460亿虚拟化合物、超40种反应类型、120多种工艺方案,能实现约75%的成功率,交付周期仅需4至6周;实体化合物库则已交付超过300万个化合物,自动合成系统每8小时可运行500个反应,实现7×24小时全天候运转。
药明康德管理层透露,麻省理工学院计算机科学与人工智能实验室孵化的Boltz模型已将WuXi GalaXi整合至其BoltzMol-1管线,药明康德的多年沉淀,使其顺理成章地跻身头部AIDD的关键合作伙伴。
在实验执行端,药明康德可承接的通量也令人惊叹,研发化学项目的详细路线设计可于24小时内反馈,合成环节平均每步3至5天,分析服务(LCMS/1H NMR)约1小时周转,全球物流1至4天送达。药明康德能快速跑通“湿实验”,将“接力棒”递还给AIDD客户。
对药明康德来说,高效像是一种习惯,它融入每个环节,并且会随着经验与执行的复利愈发在行业里拉开身位。当前端的分子在CRDMO的一体化平台上层层转化至后端,其后端产能也会提早准备好,在投资者日上,药明康德披露,如今,他们落地一个全新的TIDES(多肽、寡核苷酸及复杂偶联物)生产车间,从动工到交付使用只需要14个月。
创新的浪潮已承接在了药明康德的平台数据里:过去五年,药明康德服务分子的平均分子量增长30%,超600道尔顿的化合物占比跳升141%,长路线分子平均合成步骤增加22%——分子更大、更难了,但服务数量和节奏不降反增。截至2026年9月底,在过去12个月中,药明康德仅小分子业务就在R阶段向客户交付了超过45万个化合物,D&M现有管线总计3863个。
03 用智能化驱动自身
接住外部浪潮只是故事的一半,另一半故事是,药明康德把智能化充分用在自身运营上,只有让自己变得更快、更敏捷,才能立稳快速变化的时代的潮头。
比如在业务机会端,药明康德管理层在投资者日上透露,其智能监控系统已实现7x24小时全覆盖;在实验室执行端,AI动物行为分析和AI病理学将分析效率提升500%以上;在流程治理端,系统实现完全可审计,周转时间缩短10%。
此外,药明康德正围绕人类智能(HI)、人工智能(AI)与机器智能(MI)的融合,构建下一代化学实验室:AI辅助路线规划、实验设计、光谱分析与资源调配,帮助科研人员更高效地处理复杂信息;机器智能驱动实验一键部署、多单元协同,将科学家经验转化为可复制、可迭代的智能流程。
而在新药开发与生产(D&M)的中后端,药明康德也已构建从“数据(Data)→智能(Intelligence)→执行(Execution)”的智能运营体系,通过将研发与生产数据转化为可执行的智能决策,推动工艺开发、制造和运营全过程的数字化与智能化,在速度、效率、质量各方面都能表现得更优。
很多设备设施和流程并非为迎接浪潮而建,而是长期积累。比如早在前两年的投资者日上,药明康德的管理层就已经透露过,其全面的数字化系统可以通过90多款应用,为研发、生产、业务运营的各个环节保质提效;而在今年,药明康德苏州基地已实现小分子和大分子生物分析的全自动化;到2026年底,南京基地将建成端到端的DMPK体外测试大规模自动化系统。今日的升级,必是在行业爆发期之前就已经启动。
归根结底,能把握住AI时代的“风口”,仍是药明康德CRDMO模式优势的显影:因为R端能够更早地洞察需求和趋势变化,无论是实验室能力、全球产能规模,还是内部的自动化提效,药明康德都能更早准备,叠加上执行与经验的复利,最终它能够在过去二十多年、当下这个时代,乃至更远的未来,都被规模化地需要。
当AI不断刷新药物发现的速度上限,打开药物设计的边界,当更多创新分子不断涌现流转,能够稳定承接创新、高效交付、持续迭代的平台,将持续助力各方的成功,成为不可或缺的底座。
×