AI醫療：暴力破解創新藥，人類突破長壽極限

文：任澤平團隊

AI正在全方位重構生命科學。

這是一場醫藥研發效率的革命。過去傳統藥物研發受困于三個十定律，耗時10年、花費10億美金，但是僅10%成功率。而今，以AlphaFold為代表的AI模型，將新藥研發的試錯成本、時間大幅降低，效率大幅提升。

AI的觸角已不再局限于實驗室，更延伸至手術機械臂、醫學影像、數字化診療等領域。創新藥、醫療影像、手術機器人，都是全新的醫療新質生產力。

如果說AI拓展了人類的智力邊界，那么AI醫療則通過破解生命密碼，拓展了人類的生命長度。活得長，活得好，AI正在重塑人類的生命極限。

1 全球AI醫療加速爆發，創新藥領跑

全球AI醫療市場規模加速擴容。行業呈現三大特征：

一是全球科技巨頭入場，算力成為新醫療的“水電煤”。 以英偉達、谷歌、微軟為代表，正在從底層重構醫療基礎設施。比如英偉達推出的BioNeMo平臺，已成為全球生物醫藥的算力引擎，提供給安進、羅氏等頂級藥企使用；谷歌的DeepMind發布的AlphaFold 3，進一步破解了生命分子的結構預測難題，被視為生物學界的ChatGPT時刻。

二是融合。IT信息技術+BT生物技術深度融合，交易與合作跨越國界。2025年全球AI醫療相關融資與并購交易額突破新高。

跨國藥企如賽諾菲、輝瑞狂砸數十億美元與AI初創公司綁定。比如賽諾菲與AI生物技術公司Earendil達成高達25億美元的合作，利用AI平臺開發針對自身免疫疾病的雙特異性抗體。與Atomwise達成潛在價值超10億美元的合作，利用其AtomNet深度學習平臺，在缺乏歷史數據的情況下進行小分子藥物設計。2025年12月擴大與Dren Bio的合作，總值17億美元，開發B細胞耗竭療法，與韓國ADEL公司達成10.4億美元協議，布局阿爾茨海默癥AI藥物。

科技公司通過AI大模型直接切入臨床診療與醫院管理。比如微軟大規模推廣其Dragon Copilot，一個環境感知AI，通過醫患對話，自動生成符合醫療標準的結構化電子病歷。最終將Copilot深度集成進全球最大的電子病歷系統Epic和Microsoft Fabric醫療數據分析平臺。

三是應用場景從單點突破走向全面。不僅是AI創新藥研發，在全球范圍內，AI醫學影像、AI手術機器人正在同步發展。

在此浪潮下，中國力量正在崛起。按NextPharma中國創新藥出海數據，2025年交易總額1356億美元，首付款70億美元，交易總數157起，較2024年的519億美元大幅增長161%。其中，雙抗、ADC、GLP-1等前沿領域是交易熱點。

AI創新藥可針對的病種范圍廣。一是針對腫瘤領域，針對肺癌、乳腺癌等實體瘤，AI 通過靶點預測、分子動力學模擬優化雙抗與ADC的分子結構及偶聯策略，提升對癌細胞的靶向殺傷潛力。二是針對神經系統的阿爾茨海默癥、帕金森等退行性疾病，AI設計出能穿透血腦屏障的分子，突破藥物入腦瓶頸，解決長期缺乏有效療法的難題；三是針對代謝與慢病，比如在GLP-1的減肥、糖尿病降糖賽道，AI正加速通過虛擬篩選、生成式模型快速發現高活性候選分子，將藥物從注射迭代為口服小分子，優化用藥方案；四是針對自身免疫與炎癥，如紅斑狼瘡、潰瘍性結腸炎等復雜疾病，AI通過模擬免疫通路網絡，篩選高特異性分子，有望替代傳統激素療法。五是針對感染性疾病，如耐藥菌、新發病毒等，AI能快速預測病原體變異，縮短廣譜疫苗與特效藥的研發周期；六是針對罕見病，孤兒藥研發，AI通過整合小眾靶點與單病例多組學信息，極大降低試錯成本，讓罕見病逐步有藥可醫。

AI創新藥應用空間大。AI創新藥正在從早期的靶點發現、化合物篩選，向臨床試驗設計、患者入組篩選等后端環節全產業覆蓋。為癌癥、神經退行性疾病等人類頑疾的治療帶來新曙光。

AI創新藥效率高。 傳統醫藥研發面臨三個十定律：一款新藥研發要耗時10年、耗資10億美金、成功概率只有10%。又慢、又貴、又難。AI技術將試錯成本大幅降低，藥物研發效率指數級提升。

政策鼓勵AI技術應用到醫療領域：

一是國家頂層戰略設計支持。2025年五部門聯合印發《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，促進AI醫藥醫療從技術創新到商業落地。2024年7月《全鏈條支持創新藥發展實施方案》明確提出要利用人工智能、大數據等技術賦能藥物研發，旨在降低研發成本、縮短研發周期，強調要統籌公共和私人部門資源，推動數據資源共享，涵蓋了研發、審批、進院、支付的全鏈條。2025年4月工信部、衛健委等七部門聯合發布《醫藥工業數智化轉型實施方案（2025—2030年）》明確提出到2030年，規上醫藥工業企業基本實現數智化轉型全覆蓋。要借助AI輔助靶點篩選、化合物合成路徑預測等技術革新傳統研發模式。

二是打通了創新藥從研發到用藥的閉環。過去，AI創新藥，特別是First-in-Class，往往研發成本高、技術附加值高，因此上市初期定價較高。在傳統的按病種付費模式下，醫院治療一個病人的總費用被封頂了。如果醫生開了AI創新藥，可能直接導致該病例虧損。結果就是：藥雖好，但醫生不敢開，醫院不敢進。針對進院難問題， 2025年12月落地的“基本醫保+商?！彪p目錄模式，建立了三除外機制：不計入藥占比、不計入醫?？傤~、不納入DRG/DIP控費。這意味著，未來高價值的AI創新藥有了獨立的支付通道。

三是地方政策支持。 2025年，地方政府開始給出真金白銀的補貼。北京、上海等地設立生物醫藥專項產業基金，明確對AI制藥平臺的算力成本給予直接補貼。利潤北京發布的《高精尖產業發展資金實施指南》，推出算力補貼，支持企業租用算力進行模型訓練，補貼金額最高可達實際算力費用的20%，單家企業最高補貼3000萬元。上海提供模型補貼，最高500萬元；算力市級最高30%租金補貼，市區協同可實現1年、最高100%租金補貼?！渡虾Ｊ邪l展醫學人工智能工作方案》中明確支持將AI深度融合入臨床診療和藥物研發全流程。

四是鼓勵創新藥出海。支持本土企業開展國際多中心臨床試驗，推動國產創新藥在歐美發達國家同步研發與上市。2025年，License-out對外授權持續成為中國創新藥國際化的主流模式之一，全年對外授權交易總額創歷史新高，同時聯合開發、自主出海等深度合作模式快速興起。比如上海部分區的政策，對取得美國FDA或歐盟EMA注冊批件并實現銷售的創新藥，最高可給予1000萬元支持。

在此背景下，一批中國領軍的AI創新藥企業跑出來了：

比如英矽智能的全球首款由AI設計的治療特發性肺纖維化藥物，已在2025年完成2a期臨床研究并取得積極結果，驗證了AI制藥的臨床有效性。英矽智能2026年1月在港交所上市，2025年11月與禮來達成了一項潛在價值超1億美元的合作。

再比如晶泰科技旗下專注于生物藥研發的AI雙抗研發平臺Ailux，實現了從傳統的小分子AI研發向更復雜的大分子抗體AI研發。2025年11月，禮來與晶泰科技達成最高總價值3.45億美元的合作，利用Ailux平臺發現和開發雙特異性抗體。

恒瑞通過自建AI藥物設計中心，利用AI模型優化ADC抗體偶聯藥物的連接子與載荷結構。2025年成功將多款AI輔助研發的ADC創新藥授權給默克。

2 AI創新藥的科學原理和客觀挑戰

傳統的新藥研發像“在大海里撈針”，而AI技術介入，將這一過程徹底轉變。AI通過深度學習、生成式模型等技術，從根本上重構了藥物發現的底層邏輯：從只能做實驗轉向了大數據驅動發現。

先要搞懂藥物研發的基本邏輯。以癌癥為例，癌癥就像身體里的一把“鎖”壞了，這就是“靶點”，我們需要造一把“鑰匙”去修好它，這就是“先導化合物”。

在傳統制藥邏輯下，這極其困難：首先，你很難看清“鎖”的內部結構，尋找靶點難度極大；其次，為了配鑰匙，科學家只能在浩如煙海的已知化合物庫里，大海撈針，一個個去試，去篩選。這有點像碰運氣、試錯，效率很低。

現在，AI在3個環節發揮了革命性改變：

第一步是解決了“找準鎖”的問題。藥物研發的核心靶點大多數都是蛋白質，只有搞清楚了蛋白質的3D結構，才能設計出完美匹配的藥物分子。以前科學家要弄清蛋白質3D結構非常難，現在像谷歌旗下的DeepMind開發的AlphaFold這樣的AI模型，能夠以高準確性預測蛋白質的三維結構，有效地解決了蛋白質折疊問題這個過去的重大挑戰。這就相當于AI幫我們開了天眼，直接看清了“鎖芯”靶點的構造。

第二步是解決了“配鑰匙”的問題，這就是AI分子設計，更對癥下藥、“配鑰匙”的效率更高。理論上存在的化合物數量無窮大，甚至超過宇宙中的原子數量，人類無法窮盡篩選。有了AI技術，就不需要再去大海撈針了。利用生成式AI、采用“藥物從頭設計”的方法，模型可以根據靶點結構，生成全新的、從未存在過的分子結構。設計出數百萬種候選分子，并篩選出結合力最強的前幾十種，直接跳過了傳統長達3-5年的篩選期。這就相當于把開鎖的鑰匙也就是治療絕癥的創新藥直接造出來了，這種方法更直接、更快、成本更低。

第三步是用AI給創新藥物“排毒”。很多藥進到人體內有毒，或者根本無法吸收。這是新藥研發失敗率最高的關節。AI利用深度學習算法，基于歷史藥物數據庫，預測新分子的ADMET性質，即吸收、分布、代謝、排泄、毒性。AI能計算出藥是否會導致肝毒性或心臟副作用，從而在早期淘汰掉90%的不合格分子，極大地節省了后期臨床試驗的成本。

也就是說AI創新藥的本質，是將微觀世界的生物學問題（蛋白質與分子的相互作用），轉化為計算機領域的數學問題（高維空間的特征匹配）。

過去傳統模式其實及時不斷試錯，要合成成千上萬個化合物，挨個在實驗室里試，看哪個能起作用。效率極低，成功率僅為0.01%。

現在AI模式是學習海量的生物醫藥數據，包括基因組學、蛋白質結構、臨床數據，構建出人體生物系統的數字孿生模型，在虛擬空間中先完成篩選和驗證，再回到實驗室確認。

盡管前景廣闊，但我們必須清醒地認識到，AI制藥還有三座大山要翻越：數據、黑箱、臨床。

第一座大山是制藥數據質量。AI的燃料是數據。公開數據庫中的數據往往不完整，而且因為實驗標準不一、一致性差，“喂”給AI的“口糧”質量不高，將會影響AI模型訓練效果。

第二座大山是AI制藥模型。現有的深度學習模型很多是“黑箱”，擅長發現“相關性”，但難以確定“因果性”。而制藥是容錯率最低的科學，關系人的安全，行業正在向可解釋性AI演進，確保藥物研發知其然、更知其所以然。

第三座大山是臨床試驗。AI目前只是加速了前期藥物發現，但它能否通過臨床試驗，大規模用在人身上，還需要時間的檢驗。通過數字化臨床試驗提升患者招募與數據匹配效率，已成為行業突破口。

3 未來AI醫療的四大突破性機遇

3.1 第一大機遇：AI制藥、創新藥

未來AI醫療的第一大應用是：AI輔助藥物發現。這是目前醫藥領域壁壘最高、且最具爆發力的應用場景。

隨著生成式AI的成熟，藥物研發將徹底告別碰運氣時代。

第一，從市場規模看，AI制藥具有萬億級經濟空間。癌癥、阿爾茨海默癥等絕癥是人類壽命的攔路虎。AI通過精準找靶點和分子生成，將攻克這些曾經無藥可醫的疾病。未來，人類壽命上限有望突破120歲，由此衍生的抗衰老、健康管理市場規模巨大。

第二，AI制藥也是醫藥工業化的最強驅動。AI介入之前，制藥是手工作坊式的。但AI改變了整個行業的生產邏輯：為了篩選最佳分子，需要計算數億種可能性。這迫使藥物研發必須像流水線一樣高效。

目前的AI制藥供應鏈主要分為三個關鍵環節：

環節一：算力與算法基建。這一環節的企業提供核心動力。參與方包括晶泰科技、英矽智能等平臺型獨角獸，以及華為等科技巨頭提供的底層算力支持。

環節二：創新藥Biotech企業。這是產業鏈中彈性最大的環節。利用AI平臺開發出First-in-class管線，進行臨床驗證。

環節三：CXO研發外包。負責高效率的合成與測試。AI技術帶來的研發爆發，具備高端測試能力的CXO龍頭的效率將大幅提升。

3.2 第二大機遇：AI精準診斷、醫療影像與基因測序

未來AI醫療的第二大應用是：AI精準診斷。

AI賦能醫療影像能夠解決兩大痛點：

一是解決醫療資源不均問題。中國醫療資源分布極度不均，三甲醫院人滿為患，基層醫院門可羅雀。AI通過學習千萬級病例，其閱片準確率已媲美專家。未來，AI影像設備能以專家級的水平自動讀片、診斷，覆蓋更多基層醫療機構。

二是設備軟硬件一體化。未來的CT、MRI不再只是成像工具，而是集成了診斷功能的智能終端。聯影醫療、邁瑞醫療等企業正在加速這一進程，將AI能力下沉到縣鄉一級，解決基層“有設備、無人懂”的痛點。

除了影像，AI也在重構基因測序。AI能加速測序流程，提升測序精度。2025年美國人類遺傳學學會上，谷歌DeepVariant的AI算法與華大智造的DNBSEQ-T1+測序平臺結合。傳統測序在均聚物等復雜區域極易出錯，而AI專項模型將這些區域的錯檢位點數量直接降至近乎為零，這意味著無數曾經被漏診的遺傳病因現在能被精準捕捉。

3.3 第三大機遇：AI醫療信息化，超級醫療APP

未來AI醫療的第三大機遇是：臨床決策支持、醫療信息化、醫療大數據、超級醫療APP。

隨著通用大模型技術的成熟，醫療信息化正迎來從傳統的數據存儲、流程管理向深度數據價值挖掘轉變，讓應用場景深化。 AI不再局限于單一的輔助診斷，開始全面滲透至電子病歷整合、個性化健康咨詢、以及醫院精細化管理等核心環節。通過連接院內異構數據與健康應用，AI能夠生成個性化健康建議，顯著提升醫療服務的可及性與效率。

AI也能推動臨床決策的智能化。 面對海量的醫學文獻和不斷更新的診療指南，醫生很難憑借人腦完全掌握。AI大模型天生擅長處理文本，能實時輔助醫生制定最佳診療方案，減少誤診漏診。

2026年也是全球AI醫療商業化落地的關鍵。一方面，OpenAI等全球領軍企業推出針對醫療健康的垂類應用。如ChatGPT Health，加速了行業標準的形成；另一方面，國內互聯網大廠如百度、騰訊、阿里等積極布局“醫療+AI”，C端用戶規?？焖僭鲩L，驗證了AI醫療深度融合的商業邏輯。比如螞蟻阿福，自2025年6月正式發布以來快速崛起，提供健康科普、報告解讀、就診咨詢等上百項AI服務，更實現用戶規模的快速突破，截至2025年12月月活躍用戶已突破1500萬，單日用戶提問量超1000萬。

3.4 第四大機遇：AI手術機器人，精準醫療

未來AI醫療的第四大機遇是：AI賦能的手術機器人。

直覺外科是全球手術機器人的代名詞，其最新一代系統達芬奇Da Vinci 5(DV5)標志著行業正式進入AI時代。DV5最核心的升級不在機械臂，而在算力。其搭載的計算能力是上一代的10000倍。這種算力冗余是為了未來搭載高耗能的實時AI模型，實現術中實時導航、自動組織識別。達芬奇系統還能夠智能手術分析，這就不僅僅在做手術，還在記錄手術。它能捕捉并分析人體組織對器械的反饋數據，如牽拉力度、切割阻力等，結合AI算法，術后生成手術績效報告。這相當于給醫生配了一個AI教練，告訴醫生哪里用力過猛、哪里操作可以更高效。

新系統還配有Iris AI影像分割，就是利用AI技術將患者術前的CT/MRI掃描數據轉化為高精度的3D模型。醫生在手術中可以在控制臺上調出這個3D地圖，像開車看導航一樣避開關鍵血管和神經。

此外，強生等企業也有AI手術平臺布局。強生的Monarch平臺實現電磁導航與AI融合，在支氣管鏡手術中，肺部結構像迷宮一樣復雜。Monarch利用AI算法結合術前CT，生成一條虛擬路徑，實時引導軟體導管抵達肺部深處的微小結節。

美敦力收購了Digital Surgery公司，專注于手術視頻的AI分析。系統會自動將長達數小時的手術視頻切片，識別出切皮、縫合、止血等關鍵步驟，并對醫生的操作規范性進行打分。

AI輔助手術機器人，一是突破人類操作極限。傳統外科手術依賴醫生的手眼配合，受限于生理抖動和視野死角。AI與機器人的結合，利用計算機視覺和力反饋技術，能夠實現微米級的操作精度，讓復雜的高難度手術變得標準化。二是遠程醫療的物理載體。結合5G、6G低時延網絡，AI手術機器人讓北京的專家可以為邊疆的患者進行實時手術。這將徹底重構醫療服務的地理邊界。

AI醫療已不再是遙遠的技術概念。未來十年，誰能率先用AI跑通“研發-臨床”，誰就掌握了通往長壽時代的藥匙。

2月2日（周一）晚七點，我將跟大家聊聊市場形勢和機遇。