文 观察者网心智观察所

制药行业正历经一场前所未有的效率变革, AI把新药发现时间从四年半缩减至九个月, 传统巨头仍受高投入低产出的困扰, 中国借由AI与工程化能力的结合, 正重塑全球创新药的竞争态势。

一场关于时间的竞赛

2026年7月，一则来自上海的消息震动了全球医药产业。

公布消息的是, 在从事AI制药业务且于香港上市的企业英矽智能, 而该称呼其实就是Insilico Medicine , 其表明, 通过采用这般方式即将人工智能技术与中国的生物医药研发体系相结合, 公司成功实现了某项成果, 也就是把新药发现早期阶段的时间大幅压缩。据创始人兼CEO亚历克斯·扎沃龙科夫相告, 在传统模式的情形下, 从启动该项研究开始, 一直到寻找到具备开发潜力的候选药物, 通常需要耗费时间大概为四年半左右, 然而英矽智能所达成的最快纪录仅仅是九个月, 即便常规周期也被缩短到了十三个月。

这并非表明新药九个月便能够实现上市, 由候选药物迈向市场, 其间依旧要历经动物实验、人体临床试验、监管审批以及生产验证这般漫长的环节, 而AI所改变的, 乃是制药行业最伊始且格外关键的一步: 寻觅“具有可能有效性的药物”。

在过去的几十年当中, 全球制药行业始终面临着这样一个难题, 那就是投入呈现出越来越高的态势, 然而成功率却呈现出越来越低的趋势。人工智能正在尝试对这一核心生产方式予以改变, 而这场变革的重心恰恰是落在了中国。

一个行业的迷宫难题

制药领域曾有一句流传度颇高的话语, 一款全新的药物, 需要用到十亿美元以及耗费十年的时间, 这句话精准地体现了当下药物研究与开发的艰辛。

一个创新药诞生, 一开始就得寻觅恰当的生物学靶点, 就得清楚疾病是人体之内哪关键环节失去控制产生的, 还得找寻到可以调节该环节的分子。以前的时候啊, 这整个过程对科学家的固有经验以及大量的试错是强烈依赖的, 研究人员得在海量的化合物里毫无头绪地进行筛选, 要历经从设计开始, 再到合成, 接着测试, 最后失败这样的往返进行、不断循环的情况, 一旦遭遇挫折就得需要耗费好些年。

人工智能带来的颠覆，在于让计算模型提前参与方案预判。

AI如何重塑药物发现逻辑

AI制药并非是运用通用模型去撰写论文, 它的重点在于, AI深深地融入到了研发的关键部分之中, 这才是其核心之处。

在靶点发现环节之初, 人工智能凭借着对海量医学论文、生物数据库以及实验数据展开精准度极高的分析, 对疾病机制进行繁杂细致的梳理, 助力研究人员挖掘出那些深藏不露、以人类肉眼的敏锐度以及观察入微的程度都难以察觉到的潜在关联, 这一切都在有条不紊地进行！

首先, 在分子设计环节, 传统方法是侧重于从现存库中筛选测试, 其次, 生成式AI不一样, 它能直接依据目标蛋白的结构“量体裁衣”, 进而自动生成具备潜在效能的新分子, 它把“盲目搜寻”成功转变为了“ 精准创造”。

到了最后的实验筛选阶段, 人工智能虽然没办法替代实际的检验, 不过它能够预先排除好多低概率的方案, 进而把资源聚焦于最具希望的方向上。

当下, 英矽智能的AI系统, 已贯穿了靶点发现流程、分子生成流程以及优化全流程。自2021年起始, 公司借助AI生成的候选药物里, 已有31个进入到临床前开发阶段, 其中13个项目得到了人体临床试验许可。

ai的本质在于对科研步骤顺序予以改变, 以前是人类提出大量假设, 依靠实验进行筛选, 现在而是由ai先于虚拟空间完成初步筛选, 之后交由真实实验进行最终审查。

中国为什么成为AI制药的关键试验场

中国在全球竞赛里, 正呈现出与众不同别样的战略价值, 其具备的优势远远超过仅仅纯然只是简单的成本的考虑范围, 情形就这样。

中国因具备大规模制造能力, 在过去数十年借此塑造了产业有利形势。现今的情况又不一样了, 这种具体的工程化能力产生着变化, 正朝向生命科学领域进行转移。针对诸如药物研发这类事宜而言, 如果想要使其良好开展, 同样很是依托大量的数据、大规模的实验以及高效的工程执行, 而恰恰该情况与正好契合了中国近些年来伴随着较快速发展已然积累起来的技术基础。

英矽智能有着一种极为典型的运转模式, 其AI算法团队分布在加拿大蒙特利尔以及阿布扎比, 然而实验验证、自动化平台还有规模化研发全都在上海落地, 在全球范围开发算法, 并于中国进行加速验证。

与此同时之时, 中华人民共和国生物医药产业正处于经历结构升级的进程当中。从基础开展研究、生物技术从事初创企业起, 直至合同负责研发组织也就是CRO以及临床试验涉及体系之处, 本土对应创新医药生态已然逐渐走向趋于成熟的态势。辉瑞公司高级管理人员曾经公开表明具体指出, 中国的临床展开开发速度能够达到可变成欧洲的数倍之多, 然而综合起来计算成本仅仅只不过是欧洲的一半左右这般情况。

当下, 中国正以一种顺理成章的态势, 从全球医药领域的“生产基地”, 逐步转变成为“创新试验场”。

游戏规则正在被改写

单个企业缩短的研发年限与之相比, 更值得予以关注的是深层规则的变动, 随着AI深度融入科研, 一个国家的竞争力正在日益取决于整合算法、数据与产业体系的综合能力, 这一点。

曾几何时, 制药这个行业是归属于资源巨头们的领域范围里面, 究竟是谁, 如果拥有着数量最为众多的科学家 , 还有实验室以及资金, 那么谁就能够掌控那种绝对的话语权。现如当下, AI这种事物的介入正在对格局进行重塑刷新, 而未来的竞争重点将会朝着算法模型究竟是优良还是劣质、数据质量到底是高还是低以及把计算所得到的结果转化成为真实实验的速度方面转变。

这已经成为中美下一轮科技博弈的核心战场。

从发现药到卖药：AI制药距离颠覆还有多远

在面对旨在打破僵局的英矽智能时, 行业里那些秉持理性态度而发出的声音，依旧作出了这样的提醒, 那就是寻找到候选药物这一行为, 仅仅只是漫长征程开始的那一点。

于制药产业当中来说, 最为棘手难办的挑战可不是“造出分子”, 而是要充分证实, 该分子进入人体之后的有效性, 安全性, 可量产性以及能不能够顺利通过监管审批。在实验室里取得成功, 绝对不能等同于在人体方面获得胜利。

拿英矽智能备受众人瞩目的, 名为Rentosertib（ISM001 - 055）的那款抗纤维化药物来说, 这个药物所针对的, 是那种被称作“不是癌症的癌症”的特发性肺纤维化（IPF）。英矽智能凭借AI锁定了潜在靶点TNIK, 并且生成了候选分子。在2025年6月的时候, 《自然·医学》发表了它的IIa期研究结果, 结果显示, 每日口服60毫克, 治疗12周之后, 受试者的用力肺活量平均提升了98.4毫升, 然而与之同期, 安慰剂组下降了20.3毫升。该药于2026年7月8日, 正式开启III期临床试验, 打算在全国47家临床中心, 招募320名患者。

虽说目前进展还算顺利不假, 然而此药物到底能不能最终获得批准, 这仍然得去等候III期临床数据那堪称终极性质的检验才行。

对整个行业来讲, 这是一个共同面临的课题, AI具备大幅提升寻找方向效率的能力, 然而却没办法直接去包办后期的真实验证, 现在瓶颈已经从“寻找方向速度太过缓慢”转换到了“怎样去证明AI给出的答案是真实且有效的”。

研发的前半程属于计算科学，后半程终究要回归生命科学本身。

中国的机会：重构规则而非简单复制

长久以来, 全球创新药的权杖, 相当牢固地被欧美巨头掌控着。辉瑞、默沙东、罗氏等企业, 依靠长达数十年的积淀, 打造了这样的坚固壁垒, 它由顶尖人才、专利数据库、临床网络以及全球销售体系构筑而成。

那种依赖长期积攒的逻辑被AI的现身给搅乱了。AI的关键要义是把知识沉淀的门槛予以降低。以往的时候, 老牌实验室的关键价值在于历经几十年积攒起来的直觉跟经验；现今呢, 大量的历史论文以及实验数据变成了模型训练集, 年轻的企业同样能够凭借算法获取巨头级别的假说处理能力。

发生如互联网之于零售业那般的重塑转变, 平台打破传统供应链垄断, 使小商家能直接连接全国市场是如此；AI目前于生命科学领域正引发类似的, 具建设性内涵的重新组合情况。

真正的内核：工程化能力而非低廉成本

仅仅把中国的优势单纯归结为“人力成本低”, 这是会造成误解的。这场竞争的实质并非在较量谁的实验员更为廉价, 重点在于察看谁能够在第一时间使得研发流程达成高度工业化。

AI制药落地, 不单单依靠算法, 更要依赖高质量数据, 依赖自动化实验设备, 依赖快速迭代的工程体系。中国有庞大的制造底座, 有工程人才储备, 有完善的CRO产业链, 正好为这种高强度的工业化研发提供了绝佳土壤。

比如说英矽智能, 它是那种在美国成立的, 其算法布局在全球范围, 并且在中国进行落地验证的架构, 这表明, 未来科技竞争已经不会只局限在单一地理边界了，只有高效地整合全球顶级要素, 也就是美国的基础研究, 中国的工程化落地, 还有全球的数据市场, 如此这般企业才能够脱颖而出。

三个必须正视的挑战

机遇并不等于胜局，中国在AI制药领域仍需直面三重挑战：

首先, 基础科学依旧是底层的关键命脉, AI擅长于现有的知识进行组合, 然而癌症机制、免疫系统、神经科学等方面的源头突破不能仅仅依靠计算能力来达成, 美国在基础生命科学这一领域所具备的顶尖大学体系以及研究传统, 仍然是技术方面的壁垒。

另有一点, 商业化变现方面依旧有待取得突破, 研制出药物仅仅是第一个步骤，于全球市场当中达成商业变现, 需具备极为高层次的监管应变能力, 还有国际销售网络以及专利布局能力。有一个值得予以留意的现实情况是, 即便英矽智能在中国投入的资金数额巨大, 然而超过九成的收入依旧是源自和西方大型药企展开的跨国合作。中国正逐渐成为研发的重要区域, 可是价值链的最顶端领域依旧是被传统的巨头企业控制着。

其三, 科研就业结构迎来了剧烈的变化, 英矽智能CEO扎沃龙科夫曾经透露过, 在公司大约400人的团队当中, 未来预计会有大约四成的与软件相关岗位的工作将会被自动化给取代, 这也就预先显示出了科研组织形态的变革, 未来的研发团队将会大量减少重复性劳动岗位, 转而朝着既懂得生命科学又明白AI模型与机器人系统的复合型人才方向发展。

智能基础设施时代的科技角逐

英矽智能的这个案例, 带给我们的真正启示, 是在于它展示了, 一种全新的科研生产范式。

在科学创新领域, 其正从以往那种仅仅依靠少数天才科学家所具备的个人智慧情形, 逐渐演变成了与工业流水品相类似的智能循环模式, 具体为, 先是数据对模型进行滋养, 接着模型产出假设, 然后由机器人去执行实验, 最终实验结果又反过来为训练提供助力。

这里, 科技竞争的维度, 被彻彻底底地拓宽了。一直以来, 欧美凭借基础科学处于领先地位, 中国依靠工程制造得以扎根；而当下, AI创造出了交汇点, 促使基础科学、算法以及工程能力朝着融合的方向发展句号。

在中国医药产业这儿, AI制药的深层价值是提供了一个契机, 本土很强劲的工程制造优势能够对接前沿科学创新。从仿制药到创新药, 再到AI制药, 这场产业转型才刚刚开始。