MDR-001

INNOVATION AI颠覆新药研发 还是只是辅助工具？  2026 2026年，AI制药正在经历一场“冰与火之歌”。 一边是资本市场热浪滚滚：英矽智能以1427倍超额认购登陆港交所，诺和诺德牵手OpenAI布局全链条AI应用，礼来、赛诺菲等MNC纷纷签下数十亿美元的合作协议。 另一边却是冷静的审视：Nature Biotechnology最新研究指出，AI生成药物在靶点独特性上并未超越传统方法；多位行业专家反复强调，“AI不能替代动物实验和人体试验”。 AI究竟是颠覆新药研发的革命性力量，还是只是提升效率的辅助工具？本文将从最新热点、实战案例、行业数据三个维度，深度解析这一行业焦点问题。 一、AI制药缘何再度成为焦点？ 01 资本市场用脚投票 2026年开年以来，AI制药领域的资本热度持续攀升： 事件 时间 金额/数据 解读 英矽智能港股IPO 2025.12.30 募资22.77亿港元，超额认购1427倍，上市后涨幅超90% 刷新年内港股生物科技IPO记录 诺和诺德×OpenAI 2026.4.14 全链条战略合作，覆盖研发、生产、供应链、商业运营 MNC系统性布局AI的里程碑 礼来×英伟达 近期 投入10亿美元建AI实验室 AI“军备竞赛”升级 赛诺菲×华深智药 2026.1.5 最高25.6亿美元合作 跨国药企重金押注AI 英矽智能×施维雅 近期 8.88亿美元抗肿瘤药研发协议 AI平台价值再获验证 资本的热情源于一个核心判断：AI正在从“概念炒作”走向“实际产出”。正如英矽智能联合首席执行官任峰所言：“在经历早期的探索与概念炒作热潮之后，AI制药正在进入一个以实际产出为导向的理性发展新阶段。” 02 重磅产品进入临床后期 过去，AI药物的研发往往止步于II期临床。但这一局面正在被打破： 企业 产品 适应症 进展 意义 Generate Biomedicines GB-0895 严重哮喘 III期临床启动 全球首款完全由AI设计的抗体药物进入III期 剂泰科技 MTS-004 假性延髓情绪失控 III期临床完成 中国首款完成III期的PBA治疗药物 德睿智药 MDR-001（GLP-1受体激动剂） 代谢疾病 III期临床启动 AI辅助设计的小分子进入后期验证 这些进展证明：AI不仅能够“找到分子”，还能推动分子走完整个临床验证流程。这标志着AI制药正在“冲出死亡谷”。 二、实战案例：AI如何赋能新药研发？ 2.1 诺和诺德×OpenAI：全链条AI战略 2026年4月14日，诺和诺德与OpenAI达成全面战略合作，将OpenAI最先进的AI能力深度整合到其全球业务中，范围涵盖从早期药物发现、生产制造、供应链到商业运营的全链条。 诺和诺德CEO Mike Doustdar直言：“用了AI，我们就能以前所未有的规模去分析数据，发现以前根本看不到的模式，验证假设的速度也能快上几个量级。”OpenAI CEO Sam Altman则表示：“AI正在重塑各行各业，在生命科学领域，它的使命就是帮人们活得更健康、更长久。” 值得注意的是，诺和诺德并非首次涉足AI。2022年与微软合作后，又陆续与英伟达及多家AI制药初创公司合作，正在系统性地打造AI核心竞争力。这一案例说明：AI正从“单点工具”升级为“系统能力”。 2.2 暨南大学×华为：成药性优化智能体 2026年4月18日，暨南大学与华为联合发布“先导化合物成药性优化智能体”，针对新药研发中的核心痛点——先导化合物成药性优化，提供AI驱动的解决方案。 传统方法高度依赖科研人员人工研读文献、积累经验，效率低下。该智能体通过自研细粒度文献解析算法，建立高价值成药性优化专属知识库，可输出优质候选分子与完整优化路径，智能生成兼具高靶点亲和力且全面满足ADMET评价标准的优选分子。 暨南大学校长、中国工程院院士邢锋表示，药学学科是暨大“双一流”建设学科，近年来在新药创制、关键技术攻关等方面不断取得新进展。 2.3 晶泰科技×尧唐生物：节省90%实验需求 2026年2月，晶泰科技与尧唐生物达成合作，共建AI驱动的mRNA干湿实验闭环筛选平台。数据显示，晶泰科技的AI mRNA序列设计平台平均仅需设计约10条序列，即可筛选出性能优异的新分子，节省90%以上的实验需求。 这一合作的背后是“干湿闭环”的协同效应：AI预测设计（干实验）与实验验证（湿实验）深度融合，形成“制备—设计—验证—优化”的快速迭代闭环，极大加速mRNA药物的研发效率。 2.4 英矽智能：AI赋能效率提升超60% 英矽智能作为AI制药领域的标杆企业，其2021至2024年间的研发项目，从立项到PCC（临床前候选化合物）平均耗时12-18个月，与传统方法平均4.5年的耗时相比，效率提升超60%。 这一数据直观地说明了AI在药物发现阶段的效率优势。然而，正如其高管所言：“效率提升不等于成功率提升”——AI最终能否真正提高药物研发的成功率，仍是需要时间验证的问题。 三、争议与冷静：AI的“能力边界”在哪里？ 尽管资本和产业热情高涨，但学术界的冷静分析同样值得关注。 3.1 Nature Biotechnology实证研究：AI并非更“独特” 2026年3月，杜克大学与波士顿大学法学院在《Nature Biotechnology》发表研究，分析了116家AI原生公司的153项专利，并与传统方法开发的专利进行对比。 核心发现： 维度 核心结论 解读 靶点独特性 AI原生公司与对照组无显著差异 并非更“冷门”，靶点选择与传统方法相当 结构独特性 AI生成药物与已知分子高度相似（中位数83%） 与对照组几乎相同，未显著跳出“化学空间” 组合独特性 AI原生公司中12%同时具备新靶点+新结构，对照仅5% AI的潜在优势在于“组合创新” 该研究同时警示：AI对专利制度提出了三大挑战——当发现过程变得“显而易见”时如何维持专利有效性？人类发明人资格需要多少贡献？以及如何防止AI驱动的“过早申请”损害创新效率。 3.2 行业共识：AI是“辅助”而非“替代” 多位行业专家强调，AI无法替代药物研发中的关键环节： “人体结构远远比计算机大模型要复杂得多，只要创新药研发过程需要动物实验和人体试验，AI大模型替代CXO就是无稽之谈。” —— 凯恩斯 “AI确实已经在药物研发的某些环节展现出价值，但药物研发是一个涵盖生物学、化学等多学科的复杂领域，目前AI能做的依然有限，只能在部分特定场景中发挥作用。” —— 解元，CRO公司创始人 “提升研发成功率是理想情况，尚需时间验证。当前药企借助AI进行药物开发的首要目标还是降本增效。” —— 国内头部药企研发负责人 核心制约因素：AI模型训练所需的高质量数据依然不足。目前可用于训练AI模型的数据多来自公开渠道或企业内部数据，医疗数据的共享率仍低于20%，数据孤岛现象严重制约了AI模型的泛化能力。 四、总结：颠覆还是辅助？ 综合以上分析，我们可以得出以下结论： 4.1 AI已证实的能力（“辅助”层面） 能力维度 已验证效果 数据支撑 效率提升 临床前周期缩短60%以上 英矽智能12-18个月 vs 传统4.5年 实验替代 节省90%以上实验需求 晶泰科技10条序列vs传统数百条 靶点发现 识别非显而易见靶点 诺和诺德×OpenAI 分子设计 全流程一体化优化 暨南大学×华为智能体 4.2 AI未突破的边界（“颠覆”层面） 能力维度 现状 原因 临床成功率 尚未有AI发现药物获批 临床验证周期长，数据不足 动物/人体试验替代 无法替代 人体复杂性远超模型能力 靶点创新性 未显著超越传统方法 训练数据多来自成功案例 4.3 未来趋势：从“辅助工具”到“赋能平台” AI制药正经历从“单点工具”到“系统平台”的升级： 短期（1-2年）：更多AI设计药物进入III期临床，效率优势进一步验证 中期（3-5年）：首个AI发现药物有望获批上市，成为行业里程碑 长期：AI与机器人自动化深度融合，重塑药物研发范式 AI正在深刻改变新药研发，但距离“颠覆”尚需时日。 当前最准确的定位是：AI是药物研发的强大“加速器”和“辅助工具”，而非“替代者”。 它能够显著提升效率、降低成本、拓展化学空间，但无法替代临床前动物实验和人体临床试验这一根本验证逻辑。 正如诺和诺德与OpenAI合作中所强调的：“这一合作已被纳入严格的数据治理和人类监督框架。” AI在制药领域的角色，始终是人类科学家的“超级助手”，而非“取代者”。 相关活动推荐 扫描二维码即可报名参会 若您所在公司/机构，完成最新融资、BD、临床进展、PI患者招募，欢迎联系我们，为您免费【首发】 广东医谷杨经理 分享让更多人看看 本期话题：在日常工作中，AI工具（如ChatGPT、DeepSeek、Midjourney等）对你的工作效率有多大帮助？是帮你写报告、做PPT、查文献，还是帮你养虾、算饲料配方、做数据分析？欢迎在评论区聊聊你工作中最离不开的那个AI工具——不限行业，不限于制药。优质分享将有机会在评论区置顶展示。