2025年AI制藥：激蕩與重塑

2025年，AI制藥以扎實數(shù)據(jù)跨越實驗室幻想，正式步入“價值驗證年”。

2026年，這場由數(shù)據(jù)與算法驅動的醫(yī)藥革命，正從概念驗證邁向臨床現(xiàn)實。

01

2025年，錢涌向哪里？

2025年，AI制藥領域的投融資市場可謂是風起云涌，諸多重大事件不斷沖擊著行業(yè)的視野。例如，2025年年底英矽智能在港交所掛牌上市，募資22.77億港元，成為全年港股生物醫(yī)藥板塊的IPO「募資王」，上市前完成的8輪融資，背后是啟明創(chuàng)投、紅杉中國等一眾頂級機構的身影，其股價首日大漲24.66%，獲得1427倍超額認購，這樣的成績無疑為AI制藥行業(yè)注入了一劑強心針，也引發(fā)了人們對于資本流向的深度思考。

仔細觀察可以發(fā)現(xiàn)，AI制藥資本流向顯著特點之一，是不僅聚焦于頭部企業(yè)，也逐步滲透至早期平臺型公司。頭部企業(yè)如英矽智能，憑借其在AI制藥領域的領先技術和豐富的研發(fā)管線，成為資本競相追逐的對象。其先進的[Pharma.AI](Pharma.AI)平臺，能夠高效地進行靶點發(fā)現(xiàn)、分子生成等關鍵環(huán)節(jié)，已搭建涵蓋超過30個創(chuàng)新項目的管線組合，在腫瘤、免疫、纖維化、代謝等多個治療領域均有布局，這無疑為其吸引資本提供了堅實的基礎。而早期平臺型公司也開始受到資本青睞，這些公司雖然在規(guī)模和成熟度上不及頭部企業(yè)，但它們往往擁有獨特的技術或創(chuàng)新的商業(yè)模式，具有巨大的發(fā)展?jié)摿Α＠纾瑢Ｗ⑿》肿釉O計的初創(chuàng)公司望石智慧，其基于三維靶點結構的深度生成模型與知識嵌入優(yōu)化技術，能在原子層面精準設計高成藥性分子，已憑借該細分技術優(yōu)勢獲得多輪融資，成為AI制藥產業(yè)鏈的關鍵創(chuàng)新節(jié)點。

其次，AI制藥投資邏輯從“賭技術”轉向“看管線”，這是2025年AI制藥領域投資的又一重要變化。早期，資本更多地是基于對AI技術本身的看好，投資那些擁有先進AI算法和技術平臺的企業(yè)，期望技術的突破能夠帶來巨大的回報，這是一種對未來可能性的“賭博”式投資。然而，隨著行業(yè)的發(fā)展，失敗案例的出現(xiàn)讓投資者逐漸認識到，單純的技術優(yōu)勢并不足以保證企業(yè)的成功。藥物研發(fā)是一個復雜的過程，從實驗室到臨床再到市場，每一步都充滿了不確定性。因此，如今投資者更注重企業(yè)的臨床進展與商業(yè)落地能力，關注企業(yè)是否有切實可行的研發(fā)管線，以及這些管線中的藥物能否順利通過臨床試驗，最終實現(xiàn)商業(yè)化盈利。

在AI制藥行業(yè)中，具備全鏈條能力的AI藥企正逐漸成為資本的寵兒。一個典型代表是晶泰科技。其核心優(yōu)勢在于構建了“AI計算平臺+自動化機器人實驗室”的全鏈條閉環(huán)研發(fā)體系。AI平臺負責分子設計與性質預測，而自建的高通量自動化實驗室能快速完成合成、篩選與測試，實現(xiàn)“干濕實驗”無縫銜接與數(shù)據(jù)實時反饋。這種從虛擬設計到實體驗證的一體化能力，大幅提升了研發(fā)確定性，使其贏得了軟銀、紅杉等頂級資本的多輪重注。

02

AI技術，走到哪一步了？

AI制藥技術正驅動藥物研發(fā)領域發(fā)生系統(tǒng)性變革，其在研發(fā)全鏈條取得的突破性進展，對醫(yī)藥行業(yè)的創(chuàng)新發(fā)展具有關鍵支撐意義。

從藥物研發(fā)全流程看，多款AI設計藥物成功推進至臨床中后期，標志著AI制藥實現(xiàn)關鍵突破，具有里程碑意義。2025年相關標志性進展包括：德睿智藥AI輔助設計的GLP-1受體激動劑MDR-001啟動Ⅲ期臨床，研發(fā)周期僅4.5年；劑泰科技AI驅動藥物MTS-004達成Ⅲ期主要終點，填補國內假性延髓情緒失控治療空白；美國Generate Biomedicines公司全球首款AI設計抗體藥物GB-0895啟動Ⅲ期臨床，研發(fā)周期4年，預計上市時間較競品提前12-18個月。這些進展實現(xiàn)了AI制藥從理論到臨床的跨越，為技術可行性提供關鍵臨床證據(jù)，進一步推動行業(yè)資源聚集。

AI技術在靶點發(fā)現(xiàn)與分子生成核心環(huán)節(jié)具備顯著效率優(yōu)勢，推動研發(fā)前端范式革新。英矽智能特發(fā)性肺纖維化藥物研發(fā)項目為典型案例，依托PandaOmics與Chemistry42平臺，將靶點發(fā)現(xiàn)與分子生成周期縮短至18個月、成本控制在260萬美元，實現(xiàn)時間與成本雙重優(yōu)化。相較于傳統(tǒng)依賴經驗與有限數(shù)據(jù)、周期長達數(shù)年的模式，AI可整合多組學數(shù)據(jù)構建深度學習模型，精準挖掘疾病分子機制并鎖定靶點；生成式AI則能基于靶點結構與成藥性需求，快速完成候選分子屬性預測及全新結構從頭設計，其中ED2Mol、ResGen等算法可實現(xiàn)原子級結構構建，有效拓展藥物設計空間、提升成藥性概率與研發(fā)效率。

AI在臨床試驗優(yōu)化與藥物重定位領域的應用取得實質性進展，為研發(fā)中后段效率提升提供支撐。臨床試驗中，AI可破解受試者招募與方案設計瓶頸，以“Deep Patient”系統(tǒng)為例，其能解析電子健康記錄非結構化數(shù)據(jù)，精準匹配入排標準，提升招募效率并優(yōu)化受試者同質性，保障試驗結果可靠性，國內AI賦能新藥MTS-004 38個月完成Ⅲ期臨床的案例印證了這一優(yōu)勢。藥物重定位方面，AI通過整合藥物活性、臨床及疾病機制數(shù)據(jù)構建關聯(lián)模型，實現(xiàn)新適應癥挖掘，如雷尼替丁經AI分析被發(fā)現(xiàn)可抑制阿爾茨海默病相關病理蛋白聚集并推進新適應癥開發(fā)。該模式可復用已上市藥物安全性數(shù)據(jù)，規(guī)避早期風險，縮短研發(fā)周期、降低成本，快速響應未被滿足的臨床需求。

AI技術在藥物研發(fā)全鏈條的突破性應用，正系統(tǒng)性推動研發(fā)周期縮短與研發(fā)成功率提升，重構藥物研發(fā)的效率體系。相關研究數(shù)據(jù)顯示，在藥物發(fā)現(xiàn)階段，AI技術將候選分子的整體成功率從傳統(tǒng)模式的5%-10%提升至9%-18%；進入臨床試驗階段后，AI設計藥物在Ⅰ期臨床試驗中的成功率可達80%-90%，顯著高于傳統(tǒng)研發(fā)藥物的平均水平。在具體環(huán)節(jié)中，靶點發(fā)現(xiàn)階段的研發(fā)周期可由傳統(tǒng)的數(shù)年壓縮至數(shù)月；虛擬篩選環(huán)節(jié)中，AI平臺可在數(shù)天內完成對億級規(guī)模分子庫的成藥性預測與篩選，而傳統(tǒng)實驗篩選方法需對實體分子進行逐一驗證，研發(fā)周期常達數(shù)年。

上述數(shù)據(jù)與案例充分證實，AI技術通過對藥物研發(fā)各環(huán)節(jié)的效率優(yōu)化與風險管控，逐步打破傳統(tǒng)藥物研發(fā)的低效范式，推動醫(yī)藥行業(yè)向高效化、精準化的創(chuàng)新發(fā)展方向轉型。

03

未來展望

在AI制藥變革中，一個多元共生、充滿活力的生態(tài)系統(tǒng)正逐漸成型。傳統(tǒng)藥企、科技巨頭和初創(chuàng)公司這三大主體，在這個生態(tài)中各自扮演著獨特而關鍵的角色，它們相互交織、相互影響，共同推動著AI制藥行業(yè)的發(fā)展，同時也面臨著諸多挑戰(zhàn)。

傳統(tǒng)藥企（如恒瑞、石藥）憑借深厚底蘊與豐富資源積極擁抱AI制藥變革。恒瑞醫(yī)藥通過加大投入組建AI研發(fā)團隊，整合內外部數(shù)據(jù)提升研發(fā)效率；石藥集團則采取外部合作模式，與阿斯利康達成53.3億美元戰(zhàn)略合作，借助AI技術賦能藥物全周期研發(fā)，實現(xiàn)優(yōu)勢互補。科技巨頭（如英偉達、谷歌、亞馬遜）依托算力、算法及云平臺優(yōu)勢深度參與AI制藥生態(tài)。英偉達提供算力支持并投資Recursion等企業(yè)；谷歌旗下DeepMind的AlphaFold2突破蛋白質結構預測技術，提升研發(fā)效率；亞馬遜通過AWS云服務降低企業(yè)研發(fā)成本與技術門檻，助力初創(chuàng)公司創(chuàng)新。

初創(chuàng)公司（如英矽智能、晶泰科技）作為創(chuàng)新的先鋒，以靈活機制和專注的技術路徑驅動行業(yè)突破。它們通常在特定環(huán)節(jié)構建了深度技術壁壘，例如英矽智能的生成式AI藥物設計平臺，實現(xiàn)了從靶點到分子的端到端高效生成；晶泰科技則聚焦于“AI+機器人自動化實驗”的智能化閉環(huán)，解決藥物固態(tài)研發(fā)的痛點。這些公司通過自研管線推進或提供平臺服務，不斷驗證AI在研發(fā)中的實際價值，并吸引了大量風險資本，成為生態(tài)中最活躍的變革因子。

AI制藥行業(yè)蓬勃發(fā)展的同時面臨嚴峻挑戰(zhàn)，數(shù)據(jù)質量與標準化是核心瓶頸。AI模型性能高度依賴數(shù)據(jù)質量、數(shù)量及多樣性，而生物醫(yī)學數(shù)據(jù)分散于多機構，存在碎片化、格式不統(tǒng)一、標準化低等問題，且數(shù)據(jù)準確性與可靠性不足，制約模型訓練效果。建立統(tǒng)一數(shù)據(jù)標準與共享平臺、提升數(shù)據(jù)質量及可及性，是解決該問題的關鍵。“Ⅱ期死亡之谷”是AI制藥的重大挑戰(zhàn)。Ⅱ期臨床試驗因患者規(guī)模擴大、療效評估嚴格，失敗率本就較高；AI設計藥物雖前期表現(xiàn)良好，但人體生理機制復雜，AI難以完全模擬預測藥物體內反應，易出現(xiàn)療效不佳、副作用等問題導致研發(fā)失敗，提升AI藥物臨床成功率是行業(yè)核心課題。

在多方競合的AI制藥生態(tài)中，企業(yè)要想持續(xù)贏得信任與資本，需要具備多方面的能力。強大的技術實力是基礎，企業(yè)必須擁有先進的AI算法和技術平臺，能夠在靶點發(fā)現(xiàn)、分子生成、臨床試驗優(yōu)化等關鍵環(huán)節(jié)展現(xiàn)出優(yōu)勢，提高藥物研發(fā)的效率和成功率。良好的臨床進展和商業(yè)落地能力至關重要，企業(yè)需要有切實可行的研發(fā)管線，并且能夠將研發(fā)成果順利轉化為實際產品，推向市場，實現(xiàn)商業(yè)化盈利。

04

結 語

2025年的AI制藥，是一場技術、資本與產業(yè)意志的合力奔跑。它不再只是“更快的工具”，而漸成為醫(yī)藥創(chuàng)新的新范式。然而，光環(huán)之下，臨床與市場的終極檢驗才剛剛開始。2025年的激蕩只是序幕，當潮水繼續(xù)奔涌，唯有真正將技術深度融入研發(fā)邏輯、并能經受住科學與市場雙重驗證的企業(yè)，才能穿越周期，引領這場醫(yī)藥革命的未來。

參考來源：
1.Nature Reviews Drug Discovery
2.https://mp.weixin.qq.com/s/Qf51pMtbJZMI8Q5FjNbJZw

圖片來源：攝圖網(wǎng)

聲明：本內容僅用作醫(yī)藥行業(yè)信息傳播，為作者獨立觀點，不代表藥智網(wǎng)立場。如需轉載，請務必注明文章作者和來源。