EXS-21546

中盛投资认为，AI制药的本质，是通过人工智能、计算化学、自动化实验等交叉技术，重构药物研发“靶点发现-分子设计-临床前研究-临床试验-上市后监测”的全链条，解决传统制药“高投入、长周期、低成功率”的行业痛点。截至2026年3月，全球纯AI制药赛道已形成30余家上市公司、60+活跃头部玩家、数百条进入临床阶段的AI辅助设计管线的产业格局，正处于“技术已验证、商业待闭环”的爆发临界点——首款纯AI设计的重磅药物尚未获批上市，但资本市场已提前完成对产业底层逻辑的定价，从纳斯达克到港交所，AI制药已成为生物医药领域确定性最高的产业变革方向。本文中盛投资将从全球上市公司格局、中国产业地图、技术路线底层逻辑、商业模式分化、投资洞察五大维度，完成对AI制药产业的全维度深度拆解。 一、全球AI制药上市公司全景图谱：30家企业全梳理 全球AI制药上市公司可分为四大类：原生AI制药龙头（纯AI驱动的药物研发企业）、AI制药工具与软件服务商、CXO+AI赋能龙头、医疗数据与临床AI服务商，其中原生AI制药企业是赛道的核心增长引擎。1.1 全球第一梯队龙头企业TOP10（核心壁垒全解析）1. Tempus AI，总部位于美国，是全球营收规模最大的医疗AI企业，核心技术壁垒为真实世界医疗数据平台+AI临床研发体系，截至2026年3月预估市值约85亿美元，于纳斯达克上市。公司由著名企业家埃里克·莱夫科夫斯基创立，累计积累了超600万患者的多组学数据、临床诊疗数据与真实世界随访数据，构建了全球最大的肿瘤诊疗数据库之一。商业模式采用“技术服务+自研管线”双轮驱动，一方面为罗氏、诺华、默沙东等全球顶级药企提供AI驱动的临床试验设计、精准患者招募、真实世界证据研究服务，覆盖药物研发从临床前到上市后的全流程；另一方面自研肿瘤创新药管线，多个项目已进入临床阶段。2025年公司营收超12亿美元，是全球少数实现规模化盈利的医疗AI企业。2. Schrödinger（薛定谔公司），总部位于美国，是全球计算化学与AI分子模拟领域的绝对龙头，核心技术壁垒为基于量子化学的物理模拟平台，其核心FEP+技术实现了分子结合自由能的精准预测，已成为行业公认的金标准，截至2026年3月预估市值约62亿美元，于纳斯达克上市。公司成立于1990年，拥有超过30年的计算化学技术积累，是全球最早将AI与量子化学结合用于药物研发的企业之一。商业模式采用“软件授权+自研管线”双轮驱动，软件业务方面，全球超1500家药企、科研机构、高校付费使用其模拟平台，包括全球TOP20的所有制药巨头，2025年软件业务营收超4亿美元，现金流稳定；自研管线方面，与百时美施贵宝（BMS）合作的KRAS抑制剂已进入临床II期，内部自研的肿瘤、神经疾病领域管线超20条，多个项目已进入临床阶段。3. Certara，总部位于美国，是全球药物研发模拟软件领域的绝对龙头，核心技术壁垒为药物研发全流程模拟软件+AI监管合规服务，全球超90%的获批新药都使用过其软件产品，截至2026年3月预估市值约42亿美元，于纳斯达克上市。公司采用纯“卖铲子”的商业模式，为药企提供从药物发现到上市申报的全流程模拟软件与咨询服务，覆盖药物动力学模拟、临床实验设计、监管申报材料准备等多个环节，2025年营收超9亿美元，现金流稳定，是全球商业化最成熟的AI制药工具企业。4. Recursion Pharmaceuticals，总部位于美国，是全球AI表型筛选领域的龙头企业，核心技术壁垒为AI表型筛选+全自动化湿实验室，构建了“AI设计-机器人实验-数据反馈-模型优化”的干湿闭环药物发现平台，累计完成超3000万次生物学实验，建立了全球最大的细胞表型数据库之一，截至2026年3月预估市值约22亿美元，于纳斯达克上市。公司商业模式采用“自研+合作”双轮驱动，与罗氏、拜耳达成了总金额超50亿美元的合作协议，核心管线REC-994（针对脑血管疾病）已进入临床II期，另有10余条管线进入临床阶段，2025年合作收入超3亿美元。5. Relay Therapeutics，总部位于美国，核心技术壁垒为蛋白质动态结构模拟+AI分子设计，突破了传统静态蛋白结构的限制，可精准捕捉蛋白质的动态变化，识别隐藏的结合位点，针对传统的不可成药靶点开发药物，截至2026年3月预估市值约19亿美元，于纳斯达克上市。公司核心管线FGFR2抑制剂已进入临床II期，针对PI3K、SHP2等热门靶点的管线已进入临床I期，与赛诺菲达成了超20亿美元的合作协议。6. AbCellera Biologics，总部位于加拿大，是全球AI抗体发现领域的龙头企业，核心技术壁垒为AI驱动的全流程抗体发现平台，最快可在2个月内完成抗体筛选，也是新冠中和抗体的核心技术提供方，截至2026年3月预估市值约16亿美元，于纳斯达克上市。公司采用“技术服务+里程碑分成”的商业模式，与礼来、诺华、GSK等超30家全球药企达成合作，累计合作金额超百亿美元，2025年营收超5亿美元。7. Exscientia，总部位于英国，是全球端到端AI小分子药物设计的先驱企业，核心技术壁垒为Centaur Chemist端到端AI小分子设计平台，实现了从靶点到候选分子的全流程AI自动化设计，也是全球首个将AI设计的小分子药物推进临床阶段的企业，截至2026年3月预估市值约7亿美元，于纳斯达克上市。公司与拜耳、赛诺菲、大冢制药等全球药企达成了总金额超30亿美元的合作，已有5条管线进入临床阶段，其中针对免疫肿瘤的EXS21546已进入临床II期。8. Evotec，总部位于德国，是欧洲最大的AI制药企业，核心技术壁垒为AI药物研发平台+全流程CRO服务，覆盖从靶点发现到临床开发的全链条，截至2026年3月预估市值约55亿欧元，于法兰克福证券交易所上市。公司采用“平台+合作”的商业模式，与拜耳、罗氏、礼来等全球顶级药企达成长期合作，2025年营收超10亿欧元，是欧洲AI制药领域商业化最成熟的企业。9. IQVIA（艾昆纬），总部位于美国，是全球最大的医药CRO企业，也是医药AI领域的隐形巨头，核心技术壁垒为全球最大的临床试验数据库+AI临床全流程服务体系，截至2026年3月预估市值约480亿美元，于纽约证券交易所上市。公司采用“传统CRO+AI赋能”的商业模式，AI技术覆盖临床试验设计、患者招募、数据管理、真实世界研究全流程，2025年营收超150亿美元，是全球医药研发服务领域的绝对龙头。10. BenevolentAI，总部位于英国，是欧洲AI靶点发现领域的龙头企业，核心技术壁垒为生物知识图谱+AI靶点发现，基于大语言模型挖掘海量生物医学文献，识别全新的疾病靶点，截至2026年3月预估市值约2.2亿欧元，于阿姆斯特丹泛欧交易所上市。公司采用“靶点发现+合作研发”的商业模式，与阿斯利康达成超10亿美元的合作，已有2条管线进入临床II期。1.2 全球30家AI制药上市公司完整名录（按技术方向分类）1.2.1 AI小分子药物发现与分子设计（原生龙头）本赛道是AI制药的核心领域，聚焦于通过AI技术完成小分子药物的靶点发现、分子设计、性质优化全流程，核心玩家除了上述第一梯队的企业外，还包括： Atomwise，总部位于美国，核心技术为基于深度学习的超大规模虚拟筛选，可针对传统方法难以处理的不可成药靶点，完成亿级分子库的快速筛选，大幅提升靶点验证的效率，公司与默克、礼来等多家药企达成合作，多个管线已进入临床前阶段。Cloud Pharmaceuticals，总部位于美国，聚焦于AI从头分子设计，核心技术为基于量子化学与强化学习的分子生成平台，尤其擅长罕见病药物的设计与开发，已有多条罕见病管线进入临床前阶段。Numerate，总部位于美国，核心技术为AI分子性质预测，可精准优化小分子的ADMET（吸收、分布、代谢、排泄、毒性）属性，大幅降低药物后续开发的失败风险，与辉瑞、武田等药企达成了长期合作。Cyclica，总部位于加拿大，核心技术为AI多靶点虚拟筛选，可完成蛋白组学规模的药物-靶点相互作用预测，实现多靶点药物的精准设计，尤其擅长神经退行性疾病药物的开发，与多家药企达成合作。Berg Health，总部位于美国，核心技术为AI代谢组学+靶点发现，通过分析患者的代谢组学数据，识别全新的疾病靶点与药物，聚焦于肿瘤与神经疾病领域，已有多条管线进入临床阶段。1.2.2 AI生物制剂与蛋白设计本赛道聚焦于通过AI技术完成抗体、蛋白、基因治疗药物的设计与开发，是当前AI制药领域增长最快的方向，核心玩家包括： Absci，总部位于美国，核心技术为AI蛋白从头设计平台，聚焦于抗体、酶、细胞因子等蛋白的设计与优化，与默克、赛诺菲等多家药企达成合作。Isomorphic Labs，总部位于英国，是Alphabet旗下DeepMind孵化的AI制药企业，依托AlphaFold系列技术，聚焦于蛋白设计与药物发现，是全球蛋白设计领域的顶级玩家。Ginkgo Bioworks，总部位于美国，是全球AI合成生物学领域的龙头企业，核心技术为AI驱动的细胞编程平台，可用于药物生产、疫苗开发等多个领域，于纳斯达克上市。Twist Bioscience，总部位于美国，核心技术为AI基因合成与设计平台，支持抗体、疫苗、基因治疗药物的研发，于纳斯达克上市。Deep Genomics，总部位于加拿大，核心技术为AI RNA药物设计平台，聚焦于罕见病与神经疾病的药物开发，已有多条管线进入临床前阶段。1.2.3 AI制药工具与软件服务商本赛道的企业为AI制药提供底层的软件、数据与工具支持，是行业的“卖水人”，商业化成熟度最高，核心玩家除了第一梯队的Certara、薛定谔外，还包括： 10x Genomics，总部位于美国，是全球单细胞测序领域的龙头企业，核心技术为单细胞测序+AI数据分析平台，为AI制药提供核心的生物数据，于纳斯达克上市。SOPHiA GENETICS，总部位于瑞士，核心技术为AI基因组数据分析平台，支持肿瘤与罕见病药物的研发，于纳斯达克上市。1.2.4 AI临床开发与医疗数据服务本赛道的企业聚焦于通过AI技术优化临床试验全流程，提升药物临床转化的成功率，核心玩家除了第一梯队的Tempus AI、IQVIA外，还包括： Charles River Laboratories，总部位于美国，是全球领先的临床前CRO企业，核心技术为AI驱动的药物筛选平台，于纽约证券交易所上市。Labcorp，总部位于美国，是全球领先的临床CRO企业，核心技术为AI驱动的真实世界数据研究平台，于纽约证券交易所上市。Guardant Health，总部位于美国，是全球AI液体活检领域的龙头企业，核心技术为AI驱动的肿瘤伴随诊断平台，支持临床试验的患者分层与招募，于纳斯达克上市。Veracyte，总部位于美国，核心技术为AI分子诊断平台，用于临床试验的患者分层，于纳斯达克上市。Freenome，总部位于美国，核心技术为AI多组学癌症早筛平台，支持临床试验的患者招募与分层，于纳斯达克上市。Healx，总部位于英国，核心技术为AI罕见病药物重定位平台，聚焦于孤儿药的研发，已有多条管线进入临床前阶段。Insitro，总部位于美国，核心技术为AI疾病模型构建平台，用于靶点发现与临床转化，与吉利德、百时美施贵宝等药企达成了超20亿美元的合作。Valo Health，总部位于美国，核心技术为AI整合药物研发平台，覆盖从靶点到临床的端到端全流程，与默沙东等药企达成了合作。 二、中国AI制药产业格局：五大城市集群 + 20强企业全解析中国AI制药产业起步晚于欧美，但在政策支持、算力优势、CXO产业配套的加持下，已形成完整的产业生态，头部企业已进入全球第二梯队，部分技术路线实现差异化突破。截至2026年3月，中国AI制药企业多数处于拟IPO阶段，已形成北京、上海、深圳、杭州、南京五大产业集群。2.1 五大产业集群的差异化优势中国AI制药产业已形成五大核心城市集群，各集群依托自身的资源禀赋形成了差异化的竞争优势： 北京集群是全国算法与基础研究高地，依托清华大学、北京大学、中国科学院等顶级科研机构的资源，在AI底层算法、生物计算大模型、蛋白结构预测等基础研究领域处于全国领先地位，聚集了深势科技、百图生科、分子之心、智药科技等一批原生AI制药龙头企业，也是全国AI制药领域融资最活跃的区域。上海集群是全国临床资源与商业化中心，依托张江药谷的产业配套，聚集了国内80%的跨国药企中国总部，以及大量的本土创新药企、CRO企业、三甲医院，在临床转化、商业化落地方面拥有无可替代的优势，聚集了英矽智能、药明康德AI平台、药明生物AI平台、诺令生物等核心企业，也是国内AI制药管线进入临床阶段最多的区域。深圳集群是全国自动化硬件与工程化能力领先的区域，依托珠三角完善的智能制造配套，在自动化实验平台、机器人湿实验室、微流控技术等工程化领域形成了突出优势，构建了全球领先的干湿闭环能力，聚集了晶泰科技、星亢原生物、智化科技、智药未来等企业，其中晶泰科技的自动化实验室产能已位居全球前列。南京集群依托深厚的传统医药产业基础，以及完善的CXO产业配套，在药物信息服务、合成工艺优化、AI辅助药物筛选等领域形成了特色优势，聚集了药渡经纬、药石科技AI平台、成都先导南京分公司等企业，是国内AI制药产业落地最扎实的区域之一。杭州集群依托全国领先的数字经济与算力优势，以及互联网大厂的跨界布局，在生物数据处理、生物计算大模型、AI辅助诊断等领域快速崛起，聚集了极药科技、华大基因AI平台、迪安诊断AI平台等新兴企业，是国内AI制药产业增长最快的区域之一。2.2 中国AI制药TOP20企业全解析1. 晶泰科技（XtalPi），总部位于深圳，是中国AI制药领域的龙头企业，核心特色为AI+量子化学+全自动化实验平台，构建了全球领先的干湿闭环药物发现体系，其晶型预测技术已达到全球领先水平。公司已提交港股IPO申请，预计2026年完成上市。晶泰科技成立于2015年，由麻省理工学院的博士团队创立，累计融资超10亿美元，投资方包括软银、红杉中国、腾讯等顶级机构。公司与恒瑞医药、正大天晴、齐鲁制药等超100家国内头部药企达成了长期合作，自动化实验室年产能超100万反应，是全球规模最大的自动化药物研发实验室之一，业务覆盖药物发现、晶型研究、合成工艺优化等全流程。2. 英矽智能（Insilico Medicine），总部位于上海与香港双中心，是全球端到端AI药物研发的领军企业，核心平台为Pharma.AI，覆盖从靶点发现、分子设计到临床开发的全流程，也是全球首个将AI设计的抗纤维化药物推进临床II期的企业。公司目前处于港股IPO筹备阶段。英矽智能成立于2014年，累计融资超4亿美元，核心管线ISM001-055（针对特发性肺纤维化）的II期临床顶线数据积极，预计2027年进入III期，是当前全球进度最快的AI设计小分子药物。公司已有3条管线进入临床阶段，与复星医药、翰森制药等国内头部药企达成了合作，也是国内AI制药领域管线布局最完善的企业。3. 深势科技（Deep Potential），总部位于北京，是中国AI分子模拟领域的龙头企业，核心技术为基于多尺度物理建模的AI分子模拟平台，其Uni-FEP技术实现了分子模拟效率的量级提升，可与全球龙头薛定谔的核心技术直接竞争。公司目前处于拟IPO筹备阶段。深势科技成立于2018年，由北京大学、中国科学院的团队创立，累计融资超3亿美元，与药明康德、中国生物制药、华海药业等超50家药企达成了合作，业务覆盖药物发现、合成工艺优化、材料设计等多个领域，是国内少数拥有底层计算化学技术的AI制药企业。4. 百图生科（BioMap），总部位于北京，是百度系孵化的生物计算平台企业，核心特色为生物计算大模型+免疫图谱平台，聚焦于免疫肿瘤领域的靶点发现与抗体设计。公司目前处于拟IPO筹备阶段。百图生科由百度创始人李彦宏发起成立，累计融资超3亿美元，构建了全球最大的免疫细胞图谱，推出了国内首个生物计算大模型BioMap-1，自研的肿瘤免疫管线超10条，与百济神州、信达生物等国内头部biotech达成了合作。5. 分子之心（Molecule Mind），总部位于北京，是全球AI蛋白设计领域的领军企业，由国际知名计算生物学家许锦波教授创立，核心技术为蛋白结构预测与从头设计平台MoleculeOS，突破了蛋白设计的多个核心技术瓶颈。公司目前处于拟IPO筹备阶段。分子之心的技术覆盖抗体设计、酶设计、基因编辑工具设计等多个领域，与多家国内头部药企、科研机构达成了合作，是国内少数拥有全球领先蛋白设计技术的企业。6. 药明康德AI平台，总部位于上海，是全球最大CXO企业药明康德旗下的AI赋能平台，覆盖药物发现到临床开发的全流程，药明康德已在A股（603259）与H股（02359）上市。药明康德AI平台推出了Wuxi AI Lab，整合了AI靶点发现、分子设计、合成路线规划、性质预测等多个模块，累计为超500家药企提供了AI制药服务，AI设计的分子已有20余个进入临床前阶段，是国内AI制药技术落地最广泛的平台。7. 药明生物AI平台，总部位于上海，是全球领先的生物药CDMO药明生物旗下的AI赋能平台，覆盖抗体发现、细胞株开发、工艺优化等生物药研发全流程，药明生物已在H股（02269）上市。药明生物AI平台推出了AI抗体设计平台，将传统抗体发现的周期从6个月缩短至2个月，与超100家生物药企达成了合作，是国内AI生物药领域的龙头平台。8. 星亢原生物，总部位于深圳，核心特色为AI多靶点药物设计，聚焦于蛋白降解剂（PROTAC）、双抗等新型药物的设计与开发。公司目前处于拟IPO筹备阶段。星亢原生物由麻省理工学院、加州理工学院的博士团队创立，自研管线超5条，其中针对肿瘤的PROTAC管线已进入临床前阶段，与百济神州、正大天晴等药企达成了合作。9. 智化科技（ChemAI），总部位于深圳，是全球AI化学合成路线设计领域的领先企业，核心技术为基于深度学习的逆合成分析平台，可快速生成最优的化学合成路线。公司目前处于拟IPO筹备阶段。智化科技的合成路线设计成功率超90%，将传统的路线设计周期从周级缩短至小时级，与超50家药企、CXO企业达成了合作，是国内合成化学AI领域的龙头企业。10. 药渡经纬，总部位于南京，是国内领先的AI药物信息服务平台，拥有全球最大的中文医药数据库，核心业务为AI辅助靶点筛选、管线立项、竞争格局分析。公司目前处于拟IPO筹备阶段。药渡经纬累计服务超1000家药企、科研机构，为超100个新药项目提供了AI辅助立项服务，是国内医药信息AI领域的龙头企业。11. 医渡科技，总部位于北京，是国内领先的医疗大数据+AI临床研发平台，聚焦于真实世界数据研究，已在H股（02158）上市。医渡科技构建了覆盖超300家三甲医院的医疗数据网络，为超200家药企提供了AI辅助临床试验设计、患者招募、真实世界证据服务，2025年营收超10亿港元，是国内医疗数据AI领域的龙头上市公司。12. 零氪科技，总部位于北京，是国内领先的肿瘤大数据+AI临床研发平台，已在纳斯达克（LDOC）上市。零氪科技累计积累了超800万肿瘤患者的诊疗数据，为超150家药企提供了AI临床服务，2025年营收超8亿元，是国内肿瘤领域医疗AI的龙头企业。13. 诺令生物，总部位于上海，核心特色为AI辅助气体药物研发，聚焦于吸入式创新药的设计与开发。公司目前处于拟IPO筹备阶段。诺令生物自研的管线已有2条进入临床阶段，其中针对呼吸疾病的NO吸入制剂已进入临床II期，是国内气体药物AI领域的领先企业。14. 科赛睿生物，总部位于上海，核心特色为AI+肿瘤精准医疗，聚焦于靶向药物的耐药性解决方案开发。公司目前处于拟IPO筹备阶段。科赛睿生物自研管线超3条，其中针对EGFR耐药的管线已进入临床前阶段，与多家国内三甲医院达成了合作。15. 智药科技，总部位于北京，核心特色为AI药物发现平台，聚焦于中枢神经、肿瘤领域的小分子药物设计。公司目前处于拟IPO筹备阶段。智药科技已有3条管线进入临床前阶段，与多家国内药企达成了合作，是国内中枢神经领域AI制药的领先企业。16. 图灵量子生物，总部位于北京，核心特色为量子计算+生物医药，通过量子算法加速分子模拟与药物设计，是国内量子制药领域的先驱企业。公司目前处于早期发展阶段，推出了全球首个生物制药量子计算平台，与多家顶级科研机构达成了合作。17. 深度生命，总部位于上海，核心特色为AI生命科学平台，聚焦于单细胞多组学数据分析与靶点发现。公司目前处于早期发展阶段，与多家三甲医院、药企达成了合作，累计服务超50个科研项目。18. 智药未来，总部位于深圳，核心特色为AI新药研发平台，聚焦于罕见病药物重定位与从头设计。公司目前处于早期发展阶段，已有2条罕见病管线进入临床前阶段。19. 极药科技，总部位于杭州，核心特色为AI辅助药物研发，聚焦于ADC、双抗等新型药物的设计与开发。公司目前处于早期发展阶段，与多家浙江本土药企达成了合作，自研管线超3条。20. 成都先导，总部位于成都，是国内DNA编码化合物库（DEL）技术的龙头企业，核心特色为DEL+AI药物发现平台，已在A股（688222）上市。成都先导推出了AI+DEL整合药物发现平台，累计为超100家药企提供服务，AI设计的分子已有10余个进入临床前阶段，是国内DEL+AI领域的龙头上市公司。2.3 A股/港股AI制药核心上市公司补充除上述企业外，A股/港股还有多家上市公司布局AI制药赛道，包括CXO+AI方向的皓元医药、药石科技、康龙化成、泰格医药；传统药企+AI方向的恒瑞医药、百济神州、信达生物、复星医药、云南白药；医疗数据+AI方向的万达信息、卫宁健康、创业慧康、东华软件。 三、AI制药技术路线全图鉴：六层架构的底层逻辑与壁垒AI制药不是单一的算法技术，而是覆盖“生物数据-算法模型-分子设计-模拟验证-自动化实验-临床转化”的六层全链条技术栈，每一层都有明确的技术壁垒与核心玩家，各层之间形成了数据闭环，共同构成了AI制药的完整技术体系。3.1 AI制药全流程技术栈的底层逻辑AI制药的技术栈从底层到顶层依次为生物数据层、AI算法模型层、分子生成层、分子模拟层、自动化实验层、临床转化层，每一层的输出都是上一层的输入，形成了完整的闭环体系。最底层的生物数据层是AI制药的核心燃料，为上层的算法模型提供训练数据；AI算法模型层是处理生物数据的核心框架，将原始数据转化为可用于药物设计的有效信息；分子生成层是AI制药的核心产出环节，基于算法模型的输出从头设计符合要求的药物分子；分子模拟层通过物理计算验证分子的活性与成药性，筛选出最优的候选分子；自动化实验层通过机器人平台完成分子的合成与活性检测，生成新的实验数据反馈给底层的算法模型，完成干湿闭环；最顶层的临床转化层通过AI技术优化临床试验的全流程，完成药物从实验室到上市的最终转化。3.2 六大核心技术层深度拆解3.2.1 生物数据层：AI制药的核心燃料生物数据层是AI制药的基础，没有高质量、标准化的标注数据，AI模型就无从训练。核心的数据类型包括蛋白结构数据，比如AlphaFold2开源的2亿+蛋白结构、PDB数据库的实验解析蛋白结构；基因组、转录组、蛋白组、代谢组等多组学数据；海量的生物医学文献与专利数据；临床试验数据与真实世界患者诊疗数据；以及化合物的活性、ADMET性质等实验数据。 本层的核心壁垒在于高质量、标准化、规模化的标注数据的积累，多组学数据的整合分析能力，以及数据的隐私与合规性。核心代表玩家包括Tempus AI、英矽智能、百图生科、医渡科技、10x Genomics等企业。3.2.2 AI算法模型层：处理生物数据的核心框架AI算法模型层是AI制药的核心大脑，负责处理底层的生物数据，提取有效信息，支撑上层的分子设计与验证。当前主流的核心技术方向包括四大类： 第一类是图神经网络（GNN），这是当前药物发现领域的核心算法，专门用于处理分子图结构、蛋白相互作用网络等非欧式空间的数据，可精准预测分子的性质、蛋白-配体的结合亲和力，是AI分子设计的基础算法。第二类是Transformer大语言模型，这类模型原本用于自然语言处理，现在被广泛用于处理蛋白质序列、基因序列、生物医学文献，代表模型包括BioGPT、PubMedGPT、AlphaFold3，可实现靶点挖掘、分子生成、生物医学知识挖掘等多种功能。第三类是扩散模型，这是当前最热门的分子生成技术，原理类似AI绘画领域的Stable Diffusion，可从头生成符合ADMET要求的全新分子结构，大幅提升分子设计的效率。第四类是强化学习，主要用于优化分子生成的策略，可在满足分子活性要求的同时，同步优化成药性、合成难度、专利自由度等多个目标，实现多目标的平衡优化。 本层的核心壁垒在于算法对复杂生物体系的可解释性，小样本场景下的学习能力，以及多目标优化的平衡能力。核心代表玩家包括DeepMind、薛定谔、深势科技、分子之心、Recursion Pharmaceuticals等企业。3.2.3 分子生成层：AI制药的核心产出环节分子生成层是AI制药区别于传统药物研发的核心环节，将传统药物发现的“筛选模式”转变为“设计模式”，把分子发现的周期从1-2年缩短至1-2个月，大幅提升了发现全新分子的效率。核心的技术方向包括从头分子设计（de novo design）、药物重定位、虚拟筛选、PROTAC/双抗等新型分子设计。 本层的核心壁垒在于生成分子的成药性，也就是ADMET性质的可控性，生成分子的合成可行性，以及专利自由度，避免生成的分子侵犯现有专利。核心代表玩家包括Exscientia、英矽智能、晶泰科技、星亢原生物、Atomwise等企业。3.2.4 分子模拟层：验证分子活性的核心工具分子模拟层是连接AI分子设计与实验验证的核心环节，通过物理计算的方式，提前验证分子的活性与性质，大幅降低实验筛选的成本与周期。核心的技术方向包括三大类： 第一类是分子动力学（MD）模拟，用于模拟蛋白质的动态结构变化，突破了传统静态蛋白结构的限制，可精准识别靶点的隐藏结合位点，代表企业是Relay Therapeutics。第二类是量子化学计算，用于精准计算分子的电子结构，预测分子的结合自由能、反应活性，是当前最精准的分子模拟技术，代表企业包括薛定谔、深势科技、晶泰科技。第三类是自由能微扰（FEP）技术，这是当前行业公认的金标准，可精准预测蛋白-配体的结合亲和力，误差可小于1kcal/mol，大幅提升了分子优化的效率。 本层的核心壁垒在于计算效率与精度的平衡，算力成本的控制，以及多尺度模拟的整合能力。核心代表玩家包括薛定谔、深势科技、Relay Therapeutics、D.E.Shaw Research等企业。3.2.5 自动化实验层：实现干湿闭环的核心载体自动化实验层是AI制药实现数据闭环的核心载体，解决了AI制药的“数据瓶颈”问题。核心的技术方向包括自动化合成平台、自动化细胞筛选平台、机器人湿实验室、微流控技术，通过这些技术构建“AI设计分子→自动化合成→活性检测→数据反馈→AI优化分子”的完整闭环。 本层的核心价值在于，可快速生成高质量的标注数据，持续优化AI模型，同时将实验周期从月级缩短至天级，大幅提升药物研发的效率。本层的核心壁垒在于自动化实验平台的工程化能力，干湿数据的匹配度，以及实验流程的标准化与稳定性。核心代表玩家包括Recursion Pharmaceuticals、晶泰科技、英矽智能、Ginkgo Bioworks等企业。3.2.6 临床转化层：AI提升临床试验成功率的核心环节临床转化层是AI制药实现商业价值的最终环节，传统临床试验的失败率超过90%，AI技术可将临床试验的周期缩短30%-50%，成本降低40%以上，大幅提升临床转化的成功率。核心的技术方向包括AI辅助临床试验设计、患者招募与分层、临床试验数据管理、不良反应预测、真实世界证据研究。 本层的核心壁垒在于真实世界数据的合规性与质量，多中心临床试验的协同能力，以及监管机构的认可。核心代表玩家包括Tempus AI、IQVIA、医渡科技、零氪科技、Certara等企业。3.3 主流技术路线的优劣势对比当前AI制药领域的主流技术路线可分为四大类，各类路线的优劣势与代表企业各有不同。 第一类是基于结构的AI药物设计（SBDD），这类路线的核心优势在于靶点机制明确，分子设计精准，成药性高，是当前行业最成熟的技术路线；核心劣势在于依赖高分辨率的蛋白结构，对于没有解析出高分辨率结构的不可成药靶点，开发难度较大。代表企业包括薛定谔、晶泰科技、Relay Therapeutics。第二类是基于表型的AI药物设计（PBDD），这类路线的核心优势在于不依赖明确的靶点机制，可发现全新的靶点与药物，针对复杂疾病、罕见病的开发优势突出；核心劣势在于可解释性较差，后续的临床转化难度较高。代表企业包括Recursion Pharmaceuticals、BenevolentAI。第三类是端到端AI药物研发平台，这类路线的核心优势在于覆盖了药物研发的全流程，可实现完整的数据闭环，研发效率最高；核心劣势在于技术壁垒极高，前期投入大，开发周期长。代表企业包括英矽智能、Exscientia。第四类是AI制药工具软件，这类路线的核心优势在于现金流稳定，商业化成熟，风险较低；核心劣势在于业务天花板相对较低，面临核心技术迭代的压力。代表企业包括Certara、薛定谔、深势科技。 四、产业竞争格局分化与核心现实4.1 产业核心现实：首款AI设计重磅药物的上市临界点截至2026年3月，全球尚无完全由AI设计并获批上市的重磅新药，但已有超50条AI辅助设计的管线进入临床阶段，其中多款已进入临床II/III期，距离上市仅一步之遥。当前进度领先的管线包括：英矽智能的ISM001-055（特发性肺纤维化），II期临床顶线数据积极，预计2027年进入III期，是当前全球进度最快的AI设计小分子药物；Exscientia的EXS21546（免疫肿瘤），已进入临床II期，针对难治性实体瘤；Recursion Pharmaceuticals的REC-994（脑海绵状血管瘤），II期临床进展顺利，预计2027年公布顶线数据；Schrödinger与BMS合作的MRTX1719（KRAS抑制剂），已进入临床II期。行业普遍预计，2028-2029年将迎来首款AI设计的重磅新药获批上市，届时将彻底重构行业的估值体系与商业逻辑。4.2 商业模式的三大分化路径经过近10年的产业迭代，全球AI制药企业已形成三大清晰的商业模式分化： 第一类是平台型企业（自研+合作双轮驱动），代表企业包括Schrödinger、Recursion Pharmaceuticals、英矽智能、晶泰科技。这类企业的模式是既对外提供AI技术服务，收取预付款+里程碑分成，同时内部自研药物管线，追求药物上市后的长期收益。这类模式的特点是重资产、高投入、长周期，但天花板极高，一旦自研管线获批，将实现估值的量级跃升，是未来诞生AI制药巨头的核心赛道。第二类是工具型企业（纯“卖铲子”模式），代表企业包括Certara、薛定谔的软件业务、深势科技。这类企业的模式是专注于AI软件授权、技术服务与咨询，不自研药物管线。这类模式的特点是轻资产、现金流稳定、风险低，商业化成熟，但天花板相对较低，适合技术壁垒极强的工具类企业。第三类是CXO+AI赋能企业，代表企业包括药明康德、IQVIA、AbCellera。这类企业的模式是在传统CRO/CDMO服务的基础上，通过AI技术提升服务效率，降低成本，扩大服务规模。这类模式的特点是依托现有客户资源与产业配套，商业化落地最快，现金流稳定，是传统CXO企业的第二增长曲线。4.3 全球龙头竞争格局：未来五强的核心竞争力对比综合技术实力、管线进度、资本认可度、商业化能力，行业普遍认为未来最有可能成为全球AI制药超级巨头的5家企业如下： 第一家是Recursion Pharmaceuticals，它是全球最大的AI自动化药物发现平台，干湿闭环的核心壁垒难以复制，与罗氏、拜耳的合作提供了充足的资金与产业资源，管线进度领先，是最有可能率先实现商业化突破的原生AI制药企业。第二家是Schrödinger，它是行业的“卖水人”，软件业务提供了稳定的现金流，底层物理模拟技术是AI制药的基础工具，自研管线进展顺利，是行业的“隐形基础设施”。第三家是Exscientia，它是端到端AI小分子设计的先驱，临床管线数量领先，与全球顶级药企的合作布局完善，商业化能力突出。第四家是英矽智能，它是中国AI制药的龙头，全球首个进入临床II期的AI设计药物的研发方，端到端平台的技术壁垒与全球龙头持平，在中国市场的本土化优势突出，未来有望成为全球AI制药的第二梯队龙头。第五家是晶泰科技，它是全球领先的干湿闭环平台，自动化实验的工程化能力全球顶尖，与国内药企的合作布局完善，港股IPO后将获得充足的资金支持，未来增长空间巨大。 五、投资洞察与未来趋势5.1 全球资本市场表现与估值逻辑截至2026年3月，全球AI制药上市公司的市值呈现明显的分化：工具型与CXO+AI企业估值稳定，PE普遍在20-40倍，商业化成熟，风险低；原生AI制药企业估值波动大，PS普遍在10-30倍，估值完全取决于管线进度与技术壁垒，临床数据的公布将带来估值的量级跃升或大幅回调。与传统制药巨头（数千亿美元市值）相比，AI制药企业仍处于“婴儿期”，赛道整体市值不足传统制药行业的5%，一旦首款AI设计重磅药物获批，行业的估值体系将彻底重构。5.2 核心投资逻辑的转变AI制药的投资逻辑已从2019-2022年的“算法炒作”，转变为2023-2026年的“管线落地与商业化验证”。对于早期项目，投资的核心关注底层技术的壁垒、平台的可扩展性、团队的跨界能力；对于中后期项目，核心关注管线的临床进度、与药企的合作情况、现金流的可持续性；对于上市公司，优先选择商业化成熟、现金流稳定的工具型/CXO+AI企业，或管线进度领先、有明确上市预期的原生龙头企业。5.3 未来3-5年产业发展的六大趋势第一，多模态大模型将重构AI制药的全流程。以AlphaFold3、生物计算大模型为代表的多模态模型，将实现从靶点发现到临床开发的全流程赋能，大幅提升AI制药的效率与成功率。第二，干湿闭环成为头部企业的核心壁垒。仅靠算法的AI制药企业将逐渐被淘汰，拥有自动化实验平台、实现干湿数据闭环的企业将建立难以复制的竞争优势。第三，首款AI设计重磅药物将获批上市，行业迎来爆发拐点。2028-2029年将迎来首款AI设计新药的获批，届时将吸引更多的资本与药企进入赛道，行业进入快速增长期。第四，AI与新型药物技术的融合加速。AI将与抗体药物、PROTAC、ADC、基因治疗、细胞治疗、合成生物学等新型技术深度融合，突破传统药物研发的限制。第五，监管政策逐渐完善，为AI制药提供明确的指引。FDA、NMPA等全球监管机构将陆续出台AI制药的相关指导原则，明确AI设计药物的审批标准，降低行业的监管不确定性。第六，中国企业将实现差异化突破，进入全球第一梯队。依托中国的算力优势、CXO产业配套、庞大的临床资源，中国AI制药企业将在自动化实验、中药现代化、生物制剂设计等领域实现差异化突破，部分企业将进入全球第一梯队。5.4 核心风险提示第一，临床失败风险。AI设计的药物仍面临临床失败的高风险，一旦核心管线临床失败，将对企业的估值造成毁灭性打击。第二，技术迭代风险。AI技术迭代速度极快，底层算法的突破可能导致现有企业的技术壁垒被快速颠覆。第三，商业化不及预期风险。AI制药的商业模式仍未完全验证，药物上市后的销售情况、与药企的合作里程碑达成情况均存在不确定性。第四，监管政策风险。全球监管机构对AI设计药物的审批政策仍不明确，可能导致药物审批周期延长或审批失败。第五，竞争加剧风险。传统制药巨头纷纷布局AI制药，可能导致赛道竞争加剧，行业利润率下降。 AI制药正处于黎明前的关键节点，它不是对传统制药行业的颠覆，而是对药物研发全流程的重构与升级。30余家上市公司、60+头部玩家、数百条临床管线，都在等待首款AI设计重磅药物的引爆。对于药企而言，AI制药已不是“可选项”，而是未来保持竞争力的“必选项”；对于投资者而言，这是生物医药领域未来10年确定性最高的产业变革方向，同时也是高风险高赔率的赛道；对于从业者而言，这是生物科学与计算科学跨界融合的历史性机遇。当首款AI设计的分子真正通过临床III期并获批上市时，今天的产业地图将被彻底重写，全球制药行业将进入一个全新的时代。

三个月，数轮融资，最后一笔接近2亿美元。换成人民币，这笔钱足以堆出一座金山。在如今这个资本紧缩、投资人恨不得把钱掰成两瓣花的年代，这种搞钱速度简直像是在变魔术。3月18日，一家名为深度智耀的公司突然站到了聚光灯下，手里拿着沉甸甸的D轮融资成绩单。这就好比在寒冬腊月里，别人都在瑟瑟发抖，它却突然穿着短袖喝着冰可乐走进了屋。所有人都在问：凭什么是它？更让人摸不着头脑的是，这家公司干的并不是当下最性感、最像科幻大片的“AI造药”生意，反而是闷头去啃那块最难、最苦、最没镜头感的临床开发硬骨头。资本这回究竟是眼神不好，还是看见了咱们没看见的宝藏？ 争议的火药味瞬间就被点燃了。在绝大多数人的认知里，AI制药就该像电影里演的那样，输入一串代码，屏幕上立马旋转出一个酷炫的分子结构，接着神药诞生，拯救世界。这才是高科技该有的样子，这才叫“颠覆”。可深度智耀偏偏反其道而行之，它没去抢那个“造物主”的角色，而是默默蹲在了生产线的末端，干起了整理数据、写报告、跑流程的“脏活累活”。这就好比大家都去争着当舞台上光鲜亮丽的主角，它却跑去后台搬道具、修灯光。有人说这是“捡破烂”，有人嘲笑它没技术含量，甚至有人断言这是“拿着金饭碗讨饭吃”。这种巨大的反差，就像是一辆法拉利不去飙车，反而去村里拉了砖头，让人既费解又想一探究竟：这葫芦里，到底卖的什么药？ 要想看懂这盘棋，咱们得先把时间轴拉长，像剥洋葱一样，一层层揭开药物研发的真相。这行当从来不是靠嘴皮子功夫，它有一条漫长的流水线：从最初的药物发现，到临床前研究，再到临床试验，最后注册申报。过去几年，资本疯狂追逐的是前端，也就是“找苗子”。那时候的故事好讲：AI算得快，几天筛出几万个分子，听起来就像是弯道超车。可深度智耀从2017年成立起，眼神就不太好——或者是太好？它盯着的是后端。这里没有分子模型的浪漫，只有海量的数据、严苛的统计、繁琐的申报材料。一个新药，分子设计得再漂亮，如果临床数据过硬，那也就是个空中楼阁。这就像你盖楼房，设计图画得再怎么惊世骇俗，地基打歪了，房子照样得塌。普通人可能觉得这不就是填表吗？大错特错。这可是要把每一项数据、每一个术语都抠得严丝合缝，错一个标点，可能就是几亿美金打水漂，甚至关乎人命。 回过头深度智耀的这段路走得并不顺当。在前几年AI概念满天飞的时候，它几乎是被遗忘在角落里的那个。那时候，大语言模型还没像今天这样成精，投资人的耳朵里塞满了“颠覆”、“重构”这类高大上的词汇。你跑去跟投资人说：“我要用AI帮忙整理临床试验材料，还要帮着填表。”投资人大概率会给你一个白眼，觉得你这是在拿高科技当打字员用。制药行业本身也是个守旧派，这里的老规矩是：宁可慢，不能错。翻译可以信达雅，但临床数据不能有半点想象力。这种环境对于一家主打AI后端的公司来说，简直就是严冬。大家都在拼命往前端挤，那是聚光灯所在，是估值的放大器。而深度智耀却选择了一条看起来注定冷清的路，默默无闻地处理着那些让无数药企头疼的数据山。那时候，它看起来就像个埋头苦干的老黄牛，只知道耕地，不知道吆喝。 转折点在2023年，一记响亮的耳光打醒了所有做梦的人。欧洲那两家被称为AI制药模饭的明星公司——BenevolentAI和Exscientia，接连摔了大跟头。前者的核心管线在二期临床惨败，后者干脆关停了早期肿瘤管线。这下子，神话破了。全世界才猛然惊醒：原来光会画分子是不够的，这就像是你会造出最顶级的发动机，但你不一定会造整车，更不一定能把车开到终点。分子再好，临床不过关，一切归零。这时候，资本回过头来，突然发现那个一直在角落里搬砖的深度智耀，竟然早就把路铺好了。它手里握着的“多智能体系统”，也就是那支“数字剧组”，瞬间成了香饽饽。这套系统不是靠一个大模型在那儿“一本正经地胡说八道”，而是像有一个严谨的团队：有的负责查资料，有的负责写，有的负责审，互相挑刺，互相纠错。这种“左右互搏”的本事，恰恰是临床研发最稀缺的品质。原来，它不是没技术，而是把技术藏在了最需要的地方。 故事讲到这，似乎该公司已经拿到了通关文牒，前路一片坦荡。可现实往往比剧本更狗血，真正的危机往往隐藏在看似完美的胜利之下。拿到了大笔融资，意味着你必须在更大的舞台上表演，而这就涉及到了“水土不服”的问题。临床研发不是写代码，它要面对的是一个个活生生的人，是不同国家千奇百怪的监管体系。日本的PMDA、美国的FDA、中国的NMPA，这些机构的规矩就像是不同的方言，听着像那么回事，实际上一不留神就得踩雷。虽然它和日本Immunorock的合作实现了“零返修”，但这仅仅是万里长征走完了第一步。AI系统再聪明，它也是个机器。在制药这个容错率几乎为零的行业里，谁敢把签字权交给机器？这就带来了一个无法回避的尴尬：AI像个超能秘书，活干得又快又好，可一旦出事，背锅的还得是人。这种“信任危机”就像一道隐形的天花板，时刻悬在头顶。 现在咱们再来看看这家公司的“高明”之处。有人说它踏实，有人说它务实，这听起来就像是夸奖一个只会死读书的学生。在这个恨不得把AI吹成神的年代，居然有一家公司靠着“不犯错”、“干脏活”拿到了10个亿，这本身就是一种绝妙的讽刺。那些天天喊着要“颠覆医药行业”的弄潮儿，如今还在PPT里意淫未来，而这个默默收拾烂摊子的“清洁工”，却已经把真金白银装进了口袋。这难道不是在狠狠嘲笑那些只会讲故事的所谓“创新者”，把外壳喷得锃亮，引擎却是个摆设。这哪里是什么技术胜利，分明就是一场务实主义的投机倒把，偏偏还就成了。 既然一家不做前端“黑科技”、只啃后端“硬骨头”的公司能值2亿美元，那是不是意味着那些还在吹嘘“AI造神药”的故事大王们，其实手里拿的只是一张废纸？在这个看脸的时代，你是愿意相信那个画大饼的魔术师，还是那个只会低头干活的搬砖工？ AI制药的"后台搬运工"，凭什么3个月拿走十多亿？ 一家公司，3个月内连续完成多轮融资，最后一轮将近2亿美元，折合人民币超过十几亿元。这个速度，在今天这个资本市场里意味着什么？意味着有人在用真金白银投票，而且投得很坚决。 但更让人摸不着头脑的是：这家叫深度智耀的公司，既不是靠设计分子出圈，也不是靠"AI造药"的故事刷屏，它专门盯着的，是药物研发链条里最不起眼、最容易让人打瞌睡的一段——临床开发和证据生成。 等等，这不就是那种"做幕后工作"的角色吗？前台明星都没轮到它，凭什么资本反而追着它跑？这个问题，值得好好说说。 先说一个让很多人不舒服的事实：AI制药行业里，最热闹的那群人，往往不是最能干活的那群人。 你打开任何一篇AI制药的融资新闻，十有八九说的都是"AI设计了多少个分子""用多少时间找到了靶点""未来能节省多少亿研发成本"。这些数字听起来像科幻小说，读起来也像科幻小说——爽，但和你没多大关系，和新药上市也没多大关系。 深度智耀从2017年成立那天起，走的就是一条和这些热闹截然相反的路。别人在前台争灯光，它跑去后台搬箱子。做的是临床试验方案设计、数据管理、统计分析、注册申报这些听起来像"行政工作"的事。 有人说它没眼光，不站风口；也有人说它才是真正看穿这个行业的那一个。到底谁对？先别急着下，因为接下来发生的事，比这场争论本身要有意思得多。 要搞清楚深度智耀到底做了什么，得先把药物研发的流程摸清楚。 一颗药从实验室走到病人手里，要经过药物发现、临床前研究、临床试验，再到注册申报，少说七八年，多则十几年。过去大家最爱盯着"发现"那一段，因为那段最酷：预测蛋白结构、筛靶点、设计分子，听起来像在玩高维拼图，很容易写成爆款。 但深度智耀从一开始就把精力压在了临床试验这一块。这一段没那么好但它有多难，圈里人心里清楚：临床方案要不要修改、数据采集规不规范、统计口径有没有对齐、医学写作有没有用错一个词——哪个环节掉链子，前面几年的研究费用就得打水漂。 它搭的那套多智能体系统，说白了就像一支"数字作战小队"：有人专门拆任务，有人专门查资料，有人专门写，有人专门审，还有人专门负责回头找漏洞。不是一个"大脑"单打独斗，而是一群各有分工的"小脑袋"互相盯着，防止谁拍脑袋乱说。 街坊邻居可能不在乎这些技术细节，但有一点能听懂：如果临床材料里一个统计数字填错了，或者引用了一条并不存在的文献，后果可能是整条研发线整体停摆，几亿投入直接蒸发。这才是这条链条真正的价值所在。 看到这里，你可能会觉得这家公司命运挺顺的：选对了方向，默默耕耘，最后等来了资本认可。 但现实哪有这么浪漫。 在深度智耀埋头做后端的那些年，行业的聚光灯始终不在它身上。那时候的融资圈里，谁能讲出一个"AI三个月发现候选分子"的故事，谁就能拿到更多关注。大语言模型还没今天这么普及，很多人觉得AI在制药里的作用顶多是整理文件、翻译术语，离研发核心远得很。 更大的压力来自行业本身的逻辑。制药不像互联网，它最看重的不是"看起来聪明"，而是"绝对不能出错"。一个系统再能干，只要在关键节点出过一次差错，信任就很难建立起来。而且这个行业的"容错率"，几乎等于零。 当时不少人会直接问：你不做最火的分子设计，非要钻进临床后端，到底是在坚持什么？这样的质疑，听起来像是挑刺，但不得不承认，这些问题很真实，也很扎心。 早期资本的眼光也一样，更容易被那些"会包装故事"的公司吸引，谁更会讲AI的想象空间，谁就更容易被记住。深度智耀那时候的状态，像一个不抢话筒的人，先把活干了，等别人都说完，再把结果摆出来。 这种策略，稳是稳，但代价是很长一段时间内，市场根本没把它放进主要视野里。表面上波澜不惊，实际上压力一直都在。 真正的转折点，来得猛，也来得很具体。 2023年，AI制药行业迎来了一记响亮的耳光。欧洲AI制药公司BenevolentAI，核心管线BEN-2293在二期临床试验里直接失败，股价崩了，公司被迫大裁员；另一家Exscientia，干脆关停了早期肿瘤管线EXS-21546。 这两件事一出，很多人心里那套"AI造分子，新药流水线"的神话，碎得相当彻底。 以前大家愿意相信：只要AI把分子筛得足够快、设计得足够多，新药就会像工厂产品一样出来。可2023年的现实直接戳破了这层想象：分子再好临床过不去，一样白忙。这就像你在厨房把食材切得精准漂亮，但火候不对、调味搞错、出餐顺序乱了，照样端不出一桌好饭。 这一刻，资本开始重新扫描那些专注后端临床的公司。大家慢慢意识到，真正缺的不是"会喊AI的人"，而是"能把事做到终点的人"。 深度智耀的价值，就在这个节点被重新放大了。它不是突然冒出来的黑马，而是在正确的路上已经跑了好几年的选手，只不过之前没人注意它。等到别人跑偏了，大家才发现它一直没偏。 更关键的是，它在技术路线上也做了一个反常的选择。大约2019年前后，市场上大语言模型开始流行，很多公司争着往上靠，深度智耀却看到了一个严重的风险：AI最可怕的不是答得慢，而是答得太像真的。一个编出来的数据、一条根本不存在的引用，在制药里可以直接造成灾难。于是它没有继续走"一个超级大模型扛所有"的路，而是把复杂任务拆分给多个智能体，让它们互相审查、互相纠偏、反复推演。 2023年，微软邀请深度智耀参加闭门开发者大会，并介绍Agent框架。这个时间节点意味着什么？意味着当行业刚开始给这套新思路命名的时候，深度智耀已经把这套东西用了一段时间了。等于别人还在给工具起名字，它这边已经用这工具做完好几个项目了。 2025年，它和日本创新药企Immunorock合作，一次性通过PMDA审批，实现"零返修"。这个结果，在监管最严格的日本市场里，算得上是一张硬凭证。 故事讲到这里，听起来像要迎来大结局了。但如果你以为深度智耀已经稳了，那可能想得太简单了。 表面上，融资到位，技术获得认可，行业风向也转了过来。可制药这条路上，最贵的风险往往不是"做不到"，而是"做到一半，出了岔子"。 先说一个绕不开的现实：AI系统可以把活干快，把潜在的坑提前找出来，但在制药领域，所有关键交付，最终仍然需要专业人员审核、签字、放行。AI像一个超能助手，能把材料整理得整整齐齐，还能提前提醒你哪里可能藏着问题；但背负法律责任的，永远还是人。这个逻辑很朴素，但它从根本上划定了AI在这条链条里的位置和边界。 其次是跨地域的麻烦。深度智耀目前已经把业务延伸到中国、日本、美国、澳洲、新加坡和东南亚多个市场。听起来很扩张，但每个市场的监管规则、执行习惯、审批逻辑都不一样，就像每个小区的门禁系统钥匙看着差不多，但刷卡方式各有各的规矩。把一套在中国跑通的方案直接搬到日本，或者直接拿去应对FDA，根本行不通。适配的代价，不比重新做小多少。 再往外深度智耀已经开始把这套技术能力向农药、材料等领域延伸，逻辑是：只要目标清晰、约束明确、需要反复验证，这套系统都能切进去。听起来像一把万能钥匙。但万能钥匙最怕遇到设计完全不同的新锁。新领域有新规则，有新的专业壁垒，有新的监管逻辑，迁移从来不是复制粘贴，而是一次完整的重新适配。 而且还有一场争论，悬而未决：既然AI能做这么多，研发岗位会不会被大规模替代？有人认为这是历史必然；有人认为AI只是把专家从重复劳动里解放出来，让人去做更高层次的判断。这两种说法都有道理，但谁也没有证据说哪边一定对。在制药这种"出错就是大事"的行业里，这个问题的答案，会影响非常多人的职业路径。 融资来了，认可来了，可前面的路依然不是平路。 必须夸夸深度智耀，选了一条没人抢的路，还真把路走出来了，这确实值得掌声。 但等等，既然临床后端这么重要，既然这才是新药成败的真正关卡，那请问：这个道理是今天才出现的吗？制药行业存在了几十年，难道之前没有人发现临床数据比分子设计更关键？还是说，之前大家都在揣着明白装糊涂，只要AI的故事够响，资本愿意买单，就没人有动力去做这块"脏活"？ 更有意思的是，现在所有人开始转身追捧"临床后端"，是因为这个方向真的成熟了，还是因为前端讲砸了，大家需要换个故事继续讲？说"AI真正的价值在交付"，和说"AI能帮你设计出一万个分子"，本质上有什么区别——都是一套叙事，只不过这套叙事，暂时更难被戳破。 花十几亿去押一家专门做"后台工作"的AI公司，这到底是资本看懂了行业本质，还是换了个方向继续讲故事？如果临床后端真这么重要，为什么不是传统CRO公司先把这条路走通，反而要等AI公司来补这个缺口？