$英矽智能(03696)$AI制药龙头杀疯了丁香园Insight数据库07:50当前,AI与药物研发的深度融合正催生一个规模快速增长的新兴市场。据中邮证券研报,全球AI制药市场规模将以22.6%的年复合增长率,从2023年的119亿美元扩大至2032年的746亿美元。在这一高速发展的赛道中,英矽智能的表现尤为引人注目。2025年12月30日,英矽智能在港交所挂牌上市,发行价24.05港元,成为港股「AI制药第一股」。2026年1月,英矽智能在肿瘤、神经、代谢三大重点领域连续达成多项合作,累计BD金额已突破10亿美元,展现出强劲的商业化推进势头。资本市场也给予积极反馈,截至2月5日,英矽智能收盘价为68.65港元,股价相较发行价累计涨幅高达185%。一个由AI驱动的制药新时代正加速到来。AI入局,颠覆传统新药研发英矽智能成立于2014年,是一家AI驱动药物发现及开发公司。2022年,英矽智能成功发布了其一体化生成式AI平台Pharma.AI,该平台由Biology42、Chemistry42、Medicine42以及Science42四大模块构成。其中:Biology42旗下的PandaOmics平台,能从复杂的多组学数据中高效识别出全新的治疗靶点和生物标志物,解决新药发现的源头创新难题。Chemistry42平台则聚焦于分子设计与优化,它能够针对既定靶点快速生成并优化出具有理想成药特性的候选分子。Medicine42平台能将AI能力延伸至临床开发阶段,旨在前瞻性预测临床试验结果,特别是II期向III期转换的成功概率,从而助力临床决策、降低研发风险。而新近引入的Science42平台及其DORA工具,则着眼于提升科研效率,通过AI辅助文献综述、假设生成与数据解释,加速科学发现的整体进程。这四个模块涵盖了从靶点发现、分子设计、临床优化到科研支撑的完整闭环,构成了英矽智能区别于传统研发模式的核心竞争力。根据英矽智能招股书,利用Pharma.AI平台,其可将候选药物从靶点发现到临床前候选药物(PCC)确认的时间,由传统的平均4.5年,缩短至12至18个月,大幅提高药物研发效率。凭借这一核心优势,英矽智能也获得了众多知名投资机构的青睐,包括华平投资、启明创投、药明康德、BCapitalGroup、Prosperity7、奥博资本、Deerfield、兰亭投资、PIDC、CPE源峰、MiraeAssetCapital、礼来亚洲基金、斯道资本、清池资本、百度风投及创新工场。截至目前,英矽智能已通过Pharma.AI平台开发了超20项临床或IND申报阶段的项目。其中,核心管线Rentosertib(ISM001-055)是全球首款真正意义上由生成式AI完成新颖靶点发现(TNIK)和全新分子结构设计,并已顺利进入II期临床阶段的潜在FIC小分子抑制剂,该药物从AI提出靶点到进入I期试验仅用时约18个月,实现了AI驱动药物研发从「概念验证」到「临床验证」的关键闭环。图1.英矽智能TNIK抑制剂的AI研发过程图片来源:NatureBiotechnologyRentosertib于2024年在中国进行的IIa期试验中显示出积极的安全性及剂量依赖性的肺功能改善信号。英矽智能宣称其AI推选的临床前候选分子推进至IND申请的成功率为100%。然而,巨大的机遇总是与风险并存。Rentosertib所针对的特发性肺纤维化(IPF)领域,因其疾病复杂性,已成为新药研发的「百慕大三角」,吉利德、Fibrogen、罗氏等巨头的多个在研药物均在取得积极II期数据后于III期折戟。英矽智能专注于像TNIK这样的「首创」靶点,其生物学机制和临床转化路径的不确定性天然更高,晚期失败风险客观存在,但一旦成功,将极具突破性。Rentosertib之外,英矽智能的AI平台仍在持续输出令人瞩目的前沿成果。2025年11月发表于《NatureCommunications》的研究显示,其Chemistry42平台成功设计出靶向PKMYT1、具有「BIC」潜力的新型PROTAC分子D16-M1P2。这项研究将分子形式从小分子抑制剂升级为更为复杂的蛋白降解靶向嵌合体,有望克服现有疗法的耐药性问题。据介绍,D16-M1P2已推进至提名临床候选化合物前的阶段,再次体现了Pharma.AI平台在应对复杂靶点和前沿技术领域的强大拓展性与创新潜力,为英矽智能的长期管线注入了新的想象空间。图2.英矽智能利用Chemistry42设计并优化PKMYT1抑制剂流程图片来源:NatureCommunicationsBD合作提速,成收入主要来源对于基于AI平台开发的药物,英矽智能采用了三种业务模式:1)自主开发候选药物;2)共同开发授权药物并保留部分知识产权;3)与其它制药公司合作但不保留任何知识产权。在积极推进内部自研管线的同时,英矽智能也通过软件授权和联合研发等模式,持续推动Pharma.AI平台的商业化落地。目前,对外授权及合作已成为英矽智能的主要收入来源。图片来源:英矽智能招股书2022年,英矽智能与赛诺菲、EQRx等国际药企的合作,验证了其AI驱动药物发现模式的可行性,为后续更大规模的合作奠定了信任基础。2023年至2025年间,英矽智能先后与Exelixis、StemlineTherapeutics达成三项管线合作,潜在合作总额接近20亿美元,初步证明了其AI发现的候选药物具有可观的商业潜力。英矽智能近年达成的交易趋势来源:Insight数据库自2025年12月成功登陆港交所以来,英矽智能的BD布局明显提速,在短期内于多个核心治疗领域实现「多点开花」:2025年12月中旬,英矽智能将肾性贫血管线ISM4808的大中华区权益授权给台湾太景医药;2026年1月2日,披露与海正药业的合作管线已取得阶段性里程碑进展;2026年1月5日,与施维雅就肿瘤领域项目达成多年期研发协议,总金额高达8.88亿美元,拉开2026年全球BD交易序幕;2026年1月20日,与复星医药旗下的衡泰生物就新型NLRP3抑制剂ISM8969达成逾5亿港元的共同开发协议,展现出其在神经退行性疾病这一高难度赛道的前瞻性布局与资产价值。ISM8969是其通过Chemistry42自主研发的潜在BIC分子,凭借出色的BBB穿透能力,解决了中枢神经系统药物开发的关键瓶颈。值得一提的是,英矽智能与复星医药的合作早有基础,2022年,双方已达成当时亚太地区规模较大的AI制药战略合作之一,涉及1300万美元首付款及最高8200万美元的里程碑付款,内容包括围绕4个指定靶点的抗肿瘤药物AI发现项目,以及对英矽智能自研靶向QPCTL抗肿瘤项目的共同开发。其中,QPCTL项目的候选分子ISM8207处于Ⅰ期临床阶段。在多靶点AI药物发现方面,英矽智能也已向复星医药交付临床前候选分子,并触发了相应的里程碑付款。2026年1月27日,英矽智能与齐鲁制药又达成一项总金额达1.2亿美元的药物研发战略合作,进一步拓宽其在黄金赛道的覆盖范围。该合作聚焦于心血管与代谢类疾病的小分子抑制剂开发:英矽智能将利用Pharma.AI平台负责新颖药物的设计与优化,而齐鲁制药则承担后续开发与商业化工作。从施维雅、衡泰生物到齐鲁制药,英矽智能在肿瘤、神经、代谢三大黄金赛道连续落子,近期BD累计总金额已突破10亿美元,展现出强劲的商业化拓展势头。不过,英矽智能的野心不止在制药领域。该公司正将Pharma.AI的应用范围扩展至多个行业,如先进材料、农业、营养产品以及兽医药物等领域。AI制药发展趋势据PharmacologicalReviews发布的最新综述,截至2025年,已有超过75个由AI设计或识别的小分子药物进入临床阶段,而在2020年之前,此类药物几乎为零。目前,全球已涌现出一批具有代表性的AI驱动型生物技术公司。以生成式化学闻名的Exscientia,曾凭借其「半人马化学家」模式,将人类专家经验与算法创造力结合,大幅缩短药物研发周期,并推动AI设计的药物DSP-1181进入临床试验。2024年,Exscientia被RecursionPharmaceuticals收购,其分子生成能力将与Recursion基于细胞图像的规模化「表型组学」平台深度融合,共同推动AI制药向精准化发展。图3.领先的AI药物研发公司及其临床管线图片来源:PharmacologicalReviews与此同时,以知识图谱技术为核心的BenevolentAI曾因准确预测巴瑞替尼对新冠的疗效而受到关注,但其自主研发的湿疹新药BEN-2293却在Ⅱ期临床试验中未能成功。相比之下,Schrodinger选择了一条更稳健的路,通过深度整合物理模拟与机器学习,专注于针对已知靶点进行药物分子优化,该模式已通过合作开发的TYK2抑制剂NDI-034858进入Ⅲ期临床得到验证。其软件销售内部研发并行的商业模式,也为其提供了更持续的发展支撑。当前,AI制药行业已进入密集整合期,巨头之间、巨头与新锐企业之间的BD规模空前。赛诺菲与中国的Helixon达成了总额17亿美元的AI设计抗体授权协议,默克、拜耳、罗氏等MNC也与Recursion、BenevolentAI等建立了深度绑定,AI能力正日益融入MNC的研发体系,形成风险共担、收益共享的合作格局。值得关注的是,中国在全球AI制药领域的影响力正快速提升。晶泰科技已从晶体预测拓展至全流程AI药物研发,与礼来、DoveTree等企业达成数十亿美元合作;阿斯利康曾先后两次与石药集团就其AI药物发现平台达成合作。中国正逐渐成为原创性AI药物候选分子的关键供给方。尽管前景广阔,AI制药要实现规模化商业成功,仍面临一系列发展壁垒。目前AI设计分子在早期临床试验中成功率较高,但在关键的Ⅱ期概念验证阶段尚未展现出明显优势。BenevolentAI的BEN-2293项目失利表明,AI当前更擅长解决早期生物活性问题,而对人体内复杂疾病环境中的综合疗效与安全性预测能力仍显不足。此外,当AI逐步参与乃至主导研发决策时,其生成的假设须经过与传统方法同等严格的实验验证,构建透明、可审计的研发流程已成为行业必须面对的核心任务。与此同时,成功的AI制药项目亟须计算科学家、生物学家、化学家与临床医生深度协作,这要求打破学科壁垒,培养具备跨学科能力的复合型人才。结语AI与药物研发的融合已走过概念验证期,正进入规模化应用与价值验证阶段。英矽智能等企业的高速发展,反映出资本市场对这一趋势的认可。与此同时,行业依然面临临床转化成功率有待验证,跨学科协同的体系尚未完全建立等关键挑战。如何让AI在更高维度上推动新药研发走向更短周期、更低成本和更高成功率,将是关键所在。