Zovegalisib

1. 从“概念验证”到“临床分化”的分水岭 2025 年，全球医药行业经历了一场深刻的“大校准”（The Great Calibration）。如果说 2023-2024 年是 AI 药物研发（AI Drug Discovery, AIDD）的“炒作期”和“资本狂欢期”，那么 2025 年则是残酷的“落地验证期”。本年度，AI 技术不再仅仅是一个融资故事的注脚，而是成为了决定管线生死的审判官。作为投资研究员，经过对全年海量数据、临床试验结果及投融资事件的深度复盘，我们认为 2025 年标志着 AI 制药行业进入了 “去伪存真”的深水区。市场情绪从盲目乐观转向理性审视，估值体系正在重构。 年度核心投资逻辑变化：临床结果的两极分化： 行业迎来了标志性的“二元时刻”。一方面，Insilico Medicine（英矽智能）的特发性肺纤维化（IPF）药物 ISM001-055 在二期临床中取得积极结果，证明了生成式 AI 发现全新靶点及设计分子的能力。另一方面，行业龙头 Recursion Pharmaceuticals 的先导资产 REC-994 在治疗脑海绵状血管畸形（CCM）的二期试验及长期扩展研究中未能表现出显著的影像学或功能性改善，最终导致项目终止。这种鲜明的对比揭示了当前 AI 技术的边界：生成式化学（Generative Chemistry）已趋于成熟，但基于表型筛选（Phenotypic Screening）的生物学转化仍面临巨大的“湿实验”验证鸿沟。技术范式的代际跃迁： 2025 年是技术爆炸的一年。AlphaFold 3 的发布将预测范围从蛋白质结构扩展到了蛋白质与 DNA、RNA 及配体的相互作用，彻底改变了药物-靶点相互作用的预测精度。更为激进的是 Evo 2 的问世，这一基于 9.3 万亿核苷酸训练的“基因组基础模型”，标志着 AI 开始具备跨物种的基因组设计能力，将应用场景从单纯的小分子药物拓展到了合成生物学和基因疗法。巨头并购与生态整合： 行业从单打独斗走向生态整合。Recursion 与 Exscientia 的合并案在 2025 年完成整合，诞生了拥有“生物学+化学”全栈能力的 TechBio 巨头，旨在通过规模效应破解研发效率难题。而 默克（Merck）斥资 92 亿美元收购 Cidara Therapeutics，虽然核心资产并非纯 AI 生成，但其 Cloudbreak 平台代表的工程化生物制药能力被巨头高溢价认可，预示着拥有独特平台技术的公司将成为并购市场的宠儿。监管框架的具象化： 美国 FDA 于 2025 年 1 月发布的关于 AI/ML 在药物开发中应用的指南草案，以及欧盟《AI 法案》的全面实施，结束了监管的“真空期”。行业被迫从“黑盒模型”转向“可解释性 AI（XAI）”，合规成本上升，但也为头部企业构建了深厚的护城河。2026 年展望前瞻： 展望 2026 年，我们预判行业将从 “生成式发现”（Generative Discovery）进化为 “智能体开发”（Agentic Development）。AI 将不再仅仅是生成分子的工具，而是进化为能够自主设计实验、管理临床试验流程、甚至撰写监管文件的“智能体（Agents）”。同时，数据主权（Data Sovereignty）将引发新的地缘政治博弈，高质量、闭环的私有数据将成为比算力更稀缺的资产。2. 宏观市场与资本格局：理性繁荣下的结构性机会 2025 年的资本市场呈现出“总量克制，结构集中”的特征。虽然整体生物医药融资环境尚未完全恢复至 2021 年的高点，但 AI 制药赛道凭借其提升研发 ROI（投资回报率）的潜力，依然是资金避险和布局的重点。2.1 市场规模与增长动力拆解 根据多家机构的数据交叉验证，2025 年全球 AI 药物研发市场规模已达到 69.3 亿美元 左右。对于未来十年的增长预期，市场存在一定的分歧，但整体保持双位数的强劲增长态势： 保守预测： 到 2034 年市场规模将达到 165.2 亿美元，CAGR 约为 10.10%。 乐观预测： 部分分析认为，随着生成式 AI 在临床试验设计和商业化环节的渗透，到 2034 年市场规模可能突破 131 亿美元 甚至更高，CAGR 高达 18.8%。增长驱动因子的定性分析： 研发成本的倒逼： 传统药物研发“双十定律”（10 年、10 亿美元以上）在 2025 年已演变为“10 年、25 亿美元”，且临床成功率不足 10%。药企迫切需要通过 AI 技术将临床前阶段的时间和成本压缩 30%-50%。 细分领域的爆发： 虽然小分子药物优化仍占据 51% 的市场份额，但 “临床前测试”（Preclinical Testing） 和 “临床试验优化”（Clinical Trials Optimization） 正成为增长最快的细分赛道。2025 年，AI 在患者分层、临床试验入组预测方面的应用，已被证明能显著降低临床失败率。2.2 投融资环境：马太效应加剧 2025 年的 VC（风险投资）和 PE（私募股权）市场不再为“PPT 造药”买单，资金高度集中于拥有验证过的平台技术和临床阶段资产的头部企业。主要融资事件分析： 公司名称 融资轮次/类型 金额 关键投资方 战略意义深度解读 Isomorphic Labs 战略融资 6 亿美元 Thrive Capital, Alphabet 作为 Google DeepMind 的衍生公司，这笔巨额融资发生在 2025 年 3 月，直接验证了 AlphaFold 技术路线的商业价值。资金将用于其“端到端”药物设计引擎的建设及独立管线的推进，标志着其从软件服务商向 TechBio 的转型。 Insilico Medicine E 轮融资 1.1 亿美元 Value Partners 等 在资本寒冬中完成超亿美元融资，证明了其“软件授权+管线对外许可”双轮驱动模式的可持续性。资金将支持其 ISM001-055 等核心资产的全球临床试验。 Xaira Therapeutics A 轮融资 10 亿美元 顶级风投联合 2024-2025 年间最大的早期融资之一，显示了市场对整合了大规模生物数据与生成式 AI 模型的新一代平台的极高期待。 Cradle Bio B 轮融资 7300 万美元 - 专注于蛋白质设计的生成式 AI 公司，显示了除小分子外，大分子/蛋白质工程领域的 AI 应用正成为热点。二级市场表现： 二级市场对 AI 概念股的态度极为苛刻。Recursion (RXRX) 在宣布 REC-994 失败后，股价经历了剧烈波动，这反映了公开市场投资者对 TechBio 公司“科技属性”与“生物医药属性”估值逻辑的纠结。相比之下，Schrödinger (SDGR) 在 2025 年第三季度调整了指引，将重心从独立临床开发转向软件服务与合作开发，这种“卖水人”策略的回归在一定程度上稳住了投资者信心，但也限制了其作为 Biotech 的高爆发想象力。3. 2025 年临床管线深度复盘：光荣与梦想的碰撞 2025 年是 AI 药物研发历史上至关重要的一年，因为“AI 设计”的药物终于大规模进入了能够提供疗效证据的临床二期（Phase II）和三期（Phase III）阶段。3.1 正面案例：Insilico Medicine 与生成式 AI 的胜利 核心资产： ISM001-055（TNIK 抑制剂） 适应症： 特发性肺纤维化（IPF）临床结果详情： 2025 年，Insilico Medicine 公布了 ISM001-055 的 IIa 期临床顶线数据，这是一次里程碑式的胜利。 疗效数据： 在为期 12 周的试验中，接受 60mg QD 剂量治疗的患者，其用力肺活量（FVC）平均改善了 98.4 mL。相比之下，安慰剂组患者的 FVC 平均下降了 62.3 mL。这一显著的差异（Delta > 150 mL）不仅显示了药物缓解疾病进展的能力，甚至暗示了逆转疾病的可能性。 安全性： 药物表现出良好的安全性，未观察到显著的毒性信号。AI 归因分析： 靶点发现（Target ID）： 利用 PandaOmics 平台，AI 在海量组学数据中识别出 TNIK（Traf2- and Nck-interacting kinase）是驱动纤维化的关键调节因子，这在当时并非主流靶点。 分子设计（Molecular Design）： 利用 Chemistry42 生成式平台，从头设计（De Novo）了具有最佳结合亲和力和药代动力学性质的分子结构。行业启示： 这一成功证明了生成式 AI 具备“端到端”的能力——既能发现新靶点，又能设计出在人体中有效的分子。它打破了“AI 只能做老药新用”的刻板印象。3.2 负面案例：Recursion 与表型筛选的局限 核心资产： REC-994（超氧化物清除剂） 适应症： 脑海绵状血管畸形（CCM）临床结果详情： REC-994 是 Recursion 管线中进展最快的资产，也是其“表型筛选+AI”平台概念验证的核心。然而，2025 年发布的 SYCAMORE 试验结果令人失望。 试验数据： 尽管满足了安全性的主要终点，但在关键的疗效指标上——即 MRI 测量的病灶体积缩小和功能改善（mRS 评分）——长期扩展研究显示，治疗组与自然病程（Natural History）或安慰剂组相比，没有显著差异。早期看到的“积极趋势”在长期随访中未能维持。 结果： Recursion 决定永久终止该项目的开发。AI 归因分析（失败复盘）： 表型筛选的陷阱： Recursion 的方法是基于细胞形态的变化（表型）来预测药物疗效。REC-994 在细胞模型中能显著改善 CCM 病变的细胞形态，但这种细胞层面的表型改善未能转化为人体器官层面的临床获益。 转化鸿沟： 这揭示了当前 AI 模型的局限性——即使 AI 能完美识别细胞图像中的微小变化，如果该细胞模型（Model Fidelity）本身不能完全代表复杂的人体疾病生物学，AI 的预测就是“精确的错误”。行业启示： “垃圾进，垃圾出”（Garbage In, Garbage Out）依然适用。数据的质量和生物模型的临床相关性（Translatability）比算法本身更重要。3.3 混合案例：Relay Therapeutics 与物理驱动的 AI 核心资产： RLY-2608（PI3Kα 抑制剂） 适应症： 乳腺癌临床进展： Relay Therapeutics 利用其 Dynamo 平台（结合 AI 与分子动力学模拟）开发的 RLY-2608 在 2025 年推进至 III 期临床（ReDiscover-2）。 数据亮点： 2025 ASCO 年会上公布的更新数据显示，在二线治疗中，中位无进展生存期（PFS）达到了 11.0 个月，且安全性优于现有的 PI3Kα 抑制剂（如 Alpelisib），特别是高血糖发生率显著降低。成功逻辑： Relay 并非纯粹依赖数据驱动的“黑盒”AI，而是结合了物理学原理（Physics-based）。通过模拟蛋白质的动态构象变化，Relay 成功设计出了只针对突变体、不影响野生型的变构抑制剂。行业启示： “AI+物理学”的混合模式在解决“不可成药”靶点（Undruggable Targets）的特异性问题上，展现出了比纯深度学习更高的成功率。4. 技术前沿：2025 年的三大技术突破 2025 年，AI 制药的技术栈发生了一次质的飞跃，从单纯的“结构预测”转向了更深层次的“相互作用预测”和“基因组设计”。4.1 AlphaFold 3：相互作用的通用模型 Google DeepMind 与 Isomorphic Labs 联合发布的 AlphaFold 3 是年度最重要的技术突破之一。 技术飞跃： 相比于 AlphaFold 2 专注于蛋白质单体结构，AF3 引入了扩散模型（Diffusion Models）架构，使其能够高精度预测蛋白质与 DNA、RNA、小分子配体（Ligands）及修饰因子的复合物结构。 数据表现： 在预测蛋白质-配体相互作用方面，AF3 的准确率比传统的分子对接软件（Docking Software）提高了 50% 以上，且在预测抗体-抗原结合等关键免疫相互作用方面实现了双倍的精度提升。 研发影响： 这意味着药物化学家可以在计算机上直接模拟药物分子与靶点的“结合过程”，大幅减少了湿实验筛选的工作量。4.2 Evo 2：生物学的“GPT-4” 由 Arc Institute 及合作伙伴发布的 Evo 2 标志着“基因组大模型”的成熟。 模型规模： Evo 2 在超过 9.3 万亿个核苷酸 数据上训练的，涵盖了超过 10 万种物种的基因组数据。 能力跃迁： 与专注于蛋白质的 AlphaFold 不同，Evo 2 能够理解 DNA 层面的语言。它不仅能预测基因突变的后果（致病性预测），还能 从头设计（De Novo Design） 全新的基因序列，包括启动子、增强子，甚至是完整的 CRISPR 基因编辑系统。 战略意义： 这为基因疗法和合成生物学提供了一个通用的设计引擎，使得 AI 的应用场景从“发现药物”扩展到了“设计生命”。4.3 “实验室在环”（Lab-in-a-Loop）的工业化 2025 年，Genentech（罗氏子公司）和 Recursion 等领军企业将“实验室在环”从概念变成了标准工业流程。 工作流： AI 提出假设 -> 自动化机器人执行实验 -> 数据回传 -> AI 模型迭代。 Recursion 案例： 依靠这一闭环系统，Recursion 在 2025 年完成了超过 1 万亿次 的细胞表型图像数据采集，这种庞大的私有数据集是其训练大模型、区别于依赖公共数据公司的核心壁垒。5. 商业格局演变：并购、合作与转型 2025 年的商业活动表明，制药巨头（Big Pharma）正在改变其利用 AI 的策略：从“尝试性合作”转向“深度绑定”或“直接收购”。5.1 巨头并购：默克收购 Cidara 交易金额： 92 亿美元（全现金，溢价明显）。 核心逻辑： 默克收购 Cidara 及其 Cloudbreak 平台，核心在于其 药物-Fc 偶联物（DFC） 技术。虽然 CD388 本身是抗病毒药物，但其背后的平台能够像“搭积木”一样快速构建多功能的免疫治疗分子。这表明巨头愿意为经过验证的、具有平台延展性的技术支付高昂溢价。5.2 TechBio 的终极整合：Recursion + Exscientia 交易背景： 2024 年底宣布，2025 年完成深度整合。 战略意图： 这是一场“生物学”与“化学”的联姻。Recursion 擅长生物学靶点发现（Target ID），Exscientia 擅长精密化学设计（Lead Optimization）。合并后的公司拥有约 8.5 亿美元的现金储备，且管线中有 10 个临床阶段项目。 市场影响： 这起合并消除了两家公司各自的短板，创造了一个全流程的 AI 制药巨头，也加剧了行业内“大鱼吃小鱼”的趋势。5.3 商业模式的修正：Schrödinger 的转型 Schrödinger 在 2025 年 Q3 明确宣布，不再寻求独立推进内部管线至临床后期，而是回归“软件+合作”模式。 原因分析： 临床试验极其烧钱，且风险巨大，这会拖累 SaaS 业务的高毛利估值。通过对外授权（Out-licensing），公司可以收取首付款和里程碑，规避临床风险。这标志着第一代 AI 制药公司在经历了“转型 Biotech”的尝试后，开始回归其技术服务商的本源。5.4 2025 年十大 AI 制药重磅交易（部分精选） 下表总结了 2025 年内最具代表性的 AI 药物发现相关授权与合作交易，反映了 Big Pharma 的资金流向： 日期 付款方 (Payer) 收款方 (Payee) 交易性质 潜在总金额 / 首付款 核心技术/资产来源 2025-11-14 Merck (默克) Cidara 并购 $9.2B (全额) Cloudbreak 平台，CD388 抗病毒药物 2025-02 Novartis (诺华) Isomorphic Labs 合作扩展 未披露 (含大额里程碑) 小分子药物发现，针对难成药靶点 2025-01 Eli Lilly (礼来) Isomorphic Labs 战略合作 $1.7B (总额) / $45M (首付) 利用 AlphaFold 技术进行多靶点研发 2025-03 Menarini Insilico Medicine 独家授权 $550M (总额) / $20M (首付) AI 发现的肿瘤临床前资产 2025-11 J&J (强生) Halda 并购 $3.05B 针对性细胞死亡机制 (Targeted Cell-Death) 2025-11 Pfizer (辉瑞) Metsera 并购 $10B 肥胖症/代谢领域资产 (竞购胜出) 注：辉瑞收购 Metsera 及强生收购 Halda 虽非纯 AI 公司，但均涉及高科技生物技术平台，反映了行业对前沿技术资产的争夺。6. 监管与伦理：合规成本时代的到来 2025 年，AI 制药不再是法外之地。6.1 FDA 指南：拒绝“黑盒” FDA 于 2025 年 1 月发布的指南草案确立了 “基于风险的可信度评估框架”（Risk-based Credibility Assessment Framework）。 具体要求： 药企必须明确界定 AI 模型的“使用语境”（Context of Use, COU）。对于高风险应用（如决定是否进入临床试验的关键安全性预测），FDA 要求提供详尽的数据来源证明（Data Provenance）和模型验证报告。 影响： 这意味着仅仅展示“模型预测准确率 99%”已不够，企业必须解释 “为什么” 模型做出了这个预测。这直接打击了那些使用“黑盒”深度学习模型且无法提供可解释性的初创公司。6.2 欧盟 AI 法案：数据治理的挑战 欧盟《AI 法案》的实施将医疗 AI 列为“高风险”类别。 数据偏见： 法案强制要求训练数据必须具有代表性，以消除种族、性别等偏见。对于利用历史临床数据训练模型的公司，如果数据主要来自欧美白人人群，其模型可能无法在欧洲多元化市场获得批准。这迫使企业在 2025 年加大了对 多样化临床数据（Diversity in Clinical Trials） 的采集投入。7. 2026 年展望：智能体时代与数据主权 基于 2025 年的趋势，我们对 2026 年及以后的行业发展做出以下前瞻性判断：7.1 趋势一：从“生成”到“智能体”（Agentic AI） 目前的 AI 主要是“生成内容”（如生成分子结构）。2026 年，我们将看到智能体 AI 的崛起。 定义： 智能体不仅能回答问题，还能自主规划和执行任务。 场景： 2026 年的顶级 AI 制药公司将部署 AI 智能体，它们能自主阅读最新文献，提出靶点假设，设计验证实验，甚至直接调用云端实验室（Cloud Lab）的 API 来订购试剂和操作机器人，并在实验完成后自动分析数据。人类科学家的角色将从“操作者”转变为“监督者”。7.2 趋势二：数据主权与“巴尔干化” 随着各国意识到生物数据是国家战略资产，以及欧盟 AI 法案的实施，数据主权（Data Sovereignty） 将成为 2026 年的关键议题。 预测： 跨国数据共享将变得极其困难。跨国药企将被迫在不同地区（美国、欧盟、中国）建立本地化的数据中心和训练设施，导致 AI 模型的“本地化”趋势。拥有独家、合规、本地化临床数据的公司（如掌握特定人种基因组数据的公司）将具有极高的战略价值。7.3 趋势三：算力鸿沟与分层训练 像 Evo 2 这样的大模型需要数千张 H100/Blackwell GPU，这对初创公司来说是不可承受之重。 预测： 行业将彻底分层。Tier 1（基建层）： 少数几家公司（Isomorphic、Recursion、NVIDIA BioNeMo）将垄断“生物基础模型”的训练能力，成为行业的“基础设施提供商”。Tier 2（应用层）： 大多数 Biotech 将不再从头训练模型，而是通过 API 微调（Fine-tuning）基础模型来研发特定药物。投资建议 超配（Overweight）： 能够提供 AI 基础设施、拥有大规模私有闭环数据（Closed-loop Data）的 TechBio 公司。这些公司在“淘金热”中扮演“卖铲子”的角色，且护城河极深。 关注（Watch）： 传统的 CRO（合同研究组织）。如果 CRO 不能快速整合 AI 智能体来降低成本，它们将在 2026 年面临被 TechBio 公司取代的生存危机。 谨慎（Underweight）： 缺乏湿实验验证能力、仅依靠公开数据库（如 PDB、ChEMBL）训练模型的纯算法公司。在 FDA 新规和 AlphaFold 3 普及的背景下，这类公司的生存空间将被极大压缩。 结语： 2025 年是 AI 制药褪去光环、露出肌肉的一年。Recursion 的失败告诉我们生物学的复杂性远超代码，而 Insilico 和 Relay 的成功则证明了只要路径正确，AI 确实能摘取“低垂的果实”甚至挑战高峰。迈向 2026 年，胜利将属于那些能够完美融合 “干实验的算力”与“湿实验的数据”，并能在监管新规下从容跳舞的长期主义者。 来源：https://vestlab.beikee.org/