REC-3565

药研黄岛主原创文章，版权所有，转载请联系博主协商。以下为表格完整版。 还记得那些年我们听过的"AI将颠覆制药行业"的豪言壮语吗？当时多少人嗤之以鼻："AI画个图还行，制药这么复杂的事，它懂什么？" 然而，2026年的数据告诉我们：AI制药这次真的来了。截至今年初，全球AI驱动的药物临床管线已达173个以上，从2025年初的102个到如今的173个，这个增速堪比外卖小哥的业绩KPI。 01.Phase I 占半壁江山，但Phase III已在路上 来看看这173个项目的阶段分布，简直就是一个"金字塔"结构：Phase I：94个（54%） —— 大部分选手还在起跑线Phase II：56个（32%） —— 中间梯队，开始证明自己Phase III：15个（9%） —— 种子选手，离上市只差临门一脚 更值得关注的是，AI药物的I期成功率高达80-90%，而传统药物约为40-65%。初步数据表明，AI筛选出的候选药物在早期临床阶段展现出更高的转化率。需要注意的是，最终药物的临床价值仍需III期临床数据验证。 图1：2025 vs 2026年AI制药临床试验数量对比 | 数据来源：HumAI Blog, 2026-04-02 小贴士：虽然Phase III只有15个，但预计2026年将有15-20个项目进入关键试验。下一个获批的first-in-class药物，有望出现AI的身影（*预计2026-2027年获批概率约60%，数据来源：行业分析报告*）。 02.肿瘤称霸、炎症崛起：适应症版图大揭秘 都说"得肿瘤者得天下"，AI制药领域也不例外。但你以为只有肿瘤？那就 too young too simple 了。 图2 AI制药适应症分布 看这饼图，肿瘤（40%）确实是老大哥，但炎症/免疫（25%）紧随其后，而且增速惊人。至于纤维化、呼吸疾病这些"难啃的骨头"，AI反而表现出了浓厚兴趣——毕竟越是复杂靶点，AI的价值越能凸显。 最让人意外的是神经系统疾病（10%）居然也占了一席之地。比如多系统萎缩（MSA）这样的罕见病，AI正在开辟新战场。药企老板们，你们的管线规划该更新了！ 03.AI在药研各环节大显身手：一张图看懂AI制药全景 说了这么多管线数据，你可能还是有点懵：AI到底在药物研发的哪个环节发力？别急，看完这张图你就明白了： 图3：AI在药物研发各环节的应用分布 | 数据来源：行业研报整理 靶点发现/筛选（35%）是AI的主战场！传统方法找靶点要2-3年，AI可将此时间压缩至2-6个月（数据来源：BCG & Wellcome Trust 2023年报告）。英矽智能的PandaOmics、BenevolentAI都是这个领域的明星。 分子设计/优化（30%）紧随其后。Chemistry42、AtomNet这些AI平台，能把需要合成的化合物数量从传统方法的数千个降到几十个。Exscientia的GTAEXS617仅需合成136个化合物就进入临床，这效率，传统药企看了都得流口水。 效率革命：AI辅助的药物发现，从靶点确认到候选分子（PCC）仅需约13.7个月，而传统方法平均需要4.5年。这一效率提升对于加速药物研发具有重要意义。 04.靶点江湖大揭秘：这些靶点最吸金 看完环节分布，再来看看具体靶点。AI制药江湖里，哪些靶点最抢手？下面这张表格给你答案： 靶点类别 代表靶点 药物数量 代表药物/公司激酶抑制剂 TNIK, CDK7, MALT1, CDC7, Wee1, TYK2 12+ ISM001-055 (英矽智能)、Zasocitinib (武田/薛定谔)蛋白降解 MALT1, RBM39 4+ REC-3565 (Recursion)、REC-1245呼吸/纤维化 TSLP, NLRP3 3+ GB-0895 (Generate)、ISM5411 (英矽智能)GPCR GIPR, 5-HT受体, A2A受体 3+ ISM0676 (英矽智能) - 减重31.3%表观遗传 LSD1 2+ REC-4539 (Recursion)、EXS74539 (Exscientia)免疫检查点 CBL-B 1+ ISM3830 (英矽智能) - 克服免疫耐药 激酶抑制剂绝对是"卷王"，占了AI药物管线的最大份额。但别以为AI只会跟风——TSLP（哮喘）、NLRP3（炎症）这些新兴靶点，AI也玩得风生水起。 05.头部玩家华山论剑：谁的AI最强？ 看完了靶点，再来看看各路高手的独门绝技。同样是AI制药，不同公司的策略差异可大了去了： 英矽智能走的是"端到端"路线——从靶点发现到分子设计，全流程AI搞定。ISM001-055是全球首个端到端AI设计的药物，已进入IIa期，数据还登上了Nature Medicine。这波操作，直接把"AI制药"从概念变成了现实。 Recursion则另辟蹊径，用的是"生物学显微镜"策略——用AI分析细胞图像，找到疾病的新靶点。他们的技术平台每周能筛选数百万个细胞样本，这效率，传统高通量筛选望尘莫及。 薛定谔则走的是"物理+AI"的混合路线。量子力学计算+机器学习，专门攻克那些难搞的蛋白-配体相互作用。别看他们软件卖得欢，临床管线也在疯狂扩张，SGR-1505、SGR-2921都已进入I期。 Generate Biomedicines则是抗体领域的AI专家。他们的Chroma模型能直接设计全新的蛋白质结构，GB-0895（TSLP抗体）已进入III期，有望成为全球首批获批的AI工程抗体药物。 看完全局视野，再来看看头部AI Biotech的具体管线数量。截至2026年初，这些玩家的临床管线布局如下： 图4：头部AI Biotech临床管线数量对比 | 数据来源：行业研报整理 英矽智能以10个临床管线领跑全场，累计提名28个PCC。Recursion与Exscientia合并后也达到10个管线规模。薛定谔、Generate Biomedicines、Isomorphic Labs等紧随其后。Isomorphic Labs作为Alphabet旗下公司，虽临床管线数量较少，但背后有AlphaFold的加持，未来潜力不可小觑。 06.大药企布局：跨国药企的AI合作版图 不仅是纯AI公司在行动，传统跨国药企也在积极拥抱AI。礼来、诺华、BMS、武田等巨头纷纷与AI公司建立合作： 药企 合作AI公司 药物/靶点 阶段礼来 Isomorphic Labs 肿瘤+免疫 临床前诺华 Isomorphic Labs 3个靶点 临床前武田 薛定谔 TYK2 (Zasocitinib) III期BMS Exscientia PKC-theta I期阿斯利康 石药集团 Lp(a)抑制剂 临床前赛诺菲 华深智药 双抗 临床前拜耳 Recursion 罕见病 合作中 武田/薛定谔的Zasocitinib是进展最快的合作项目，已进入III期并取得积极结果。阿斯利康与石药集团的$53亿超级大单更是刷新了AI药物BD交易记录。这些数字说明：大药企不是在做实验，而是真金白银地押注AI。 07.端到端AI vs AI辅助：两种模式的较量 同样是AI制药，"端到端AI设计"和"AI辅助研发"是两种截然不同的模式： 模式 定义 代表药物 数量 特点端到端AI设计 靶点和分子均由AI发现和设计 Rentosertib 较少 真正的"AI-first"药物AI辅助研发 AI在部分环节辅助 大多数AI药物 主流 AI与传统方法有机结合 端到端AI设计是目前最激进的方式——从靶点发现到分子设计，全部由AI完成。英矽智能的ISM001-055（Rentosertib）是全球首个也是目前唯一的端到端AI设计药物进入临床II期的案例，2025年6月数据登上Nature Medicine，意义重大。 但AI辅助研发仍是主流——大多数AI药物只是在某个环节（如靶点发现或分子优化）借助AI力量，其他环节仍依赖传统方法。这种"渐进式"策略风险更低，也更容易被监管接受。 08.效率革命：AI让靶点发现快了多少？ 说了这么多，你可能还是想问：AI到底比传统方法快多少？下面这组数据给你答案： 指标 传统方法 AI方法 提升幅度靶点验证周期 2-3年 2-6个月 5-6倍靶点筛选成功率 <5% 15%+ 3倍+靶点发现至PCC时间 4.5年 13.7个月 3倍加速 这些数字背后，是AI在海量文献分析、基因数据挖掘、蛋白质结构预测等方面的独特优势。传统方法需要数年时间筛选靶点，AI可以在数月内完成。当然，AI筛选出的靶点仍需严格的生物学验证，但从"大海捞针"到"精准定位"的效率提升是革命性的。 效率总结：AI让靶点发现至PCC时间从4.5年缩短至13.7个月。参考行业分析报告，整体研发周期有望从10-15年压缩至5-8年，研发成本预计降低50%以上。（注：以上预测性数据基于当前行业趋势分析，实际效果因项目而异） 9.别高兴太早：AI制药的"死亡之谷"还在 说了这么多好消息，是时候泼点冷水了。II期临床的"死亡之谷"可不是闹着玩的——2023年就有6条AI药物管线在此折戟。 目前的挑战依然不少：数据质量 ：AI模型"garbage in, garbage out"，约30%的AI生成分子根本无法合成生物学复杂性 ：细胞实验和人体环境差异巨大，AI预测的活性≠临床有效监管挑战 ：FDA至今尚未批准任何一款纯AI设计的药物，监管框架还在摸索中 所以，AI是工具不是魔法，最终的临床验证还得靠传统的"大力出奇迹"。 总结一下：AI制药从"概念"到"临床"的速度，超出大多数人预期。173个临床管线只是开始，随着III期数据陆续读出，行业即将迎来真正的"大考"。从数据来看，AI制药已从概念验证进入临床实践阶段。当然，行业仍需III期临床数据的最终验证。（注：AI药物获批及商业化时间存在不确定性，本文数据仅供参考） 关注我，带你读懂生物医药行业的下一个十年 转发、在看、点赞，三连支持一下吧~ 免责声明：本文数据来源于公开行业报告和公司公告。AI制药行业仍处于早期发展阶段，临床数据存在不确定性。本文仅供行业参考，不构成任何投资建议。参考资料 HumAIBlog.AI-DiscoveredDrugsReachPhaseIII:2026WillDetermineWhetherAllthePromisesWereReal.2026-04-02. Axis Intelligence. AI Drug Discovery 2026-2030: Complete Analysis of 173 Clinical Programs. 2025-12-23. Intuition Labs. AI Applications in the Drug Development Pipeline. 2026-02-10. NatureMedicine.AgenerativeAI-discoveredTNIKinhibitorforidiopathicpulmonaryfibrosis:arandomizedphase2atrial.2025-06-03. Insilico Medicine. Phase IIa Results Announcement - Rentosertib (ISM001-055). 2025-06-03. Recursion Pharmaceuticals. Q1 2025 Financial Results and Business Update. 2025-05-05. BostonConsultingGroup&WellcomeTrust.DecodingAIinDrugR&D:What'sRealandWhat'sNext.2023. 武田制药. Zasocitinib (TAK-279) Phase III Trial Results Announcement. Generate Biomedicines. GB-0895 Phase III Clinical Trial Initiation Press Release.

了 还记得那些年我们听过的"AI将颠覆制药行业"的豪言壮语吗？当时多少人嗤之以鼻："AI画个图还行，制药这么复杂的事，它懂什么？" 然而，2026年的数据告诉我们：AI制药这次真的来了。截至今年初，全球AI驱动的药物临床管线已达173个以上，从2025年初的102个到如今的173个，这个增速堪比外卖小哥的业绩KPI。 01.Phase I 占半壁江山，但Phase III已在路上 来看看这173个项目的阶段分布，简直就是一个"金字塔"结构：Phase I：94个（54%） —— 大部分选手还在起跑线Phase II：56个（32%） —— 中间梯队，开始证明自己Phase III：15个（9%） —— 种子选手，离上市只差临门一脚 更值得关注的是，AI药物的I期成功率高达80-90%，而传统药物约为40-65%。初步数据表明，AI筛选出的候选药物在早期临床阶段展现出更高的转化率。需要注意的是，最终药物的临床价值仍需III期临床数据验证。 图1：2025 vs 2026年AI制药临床试验数量对比 | 数据来源：HumAI Blog, 2026-04-02 小贴士：虽然Phase III只有15个，但预计2026年将有15-20个项目进入关键试验。下一个获批的first-in-class药物，有望出现AI的身影（*预计2026-2027年获批概率约60%，数据来源：行业分析报告*）。 02.肿瘤称霸、炎症崛起：适应症版图大揭秘 都说"得肿瘤者得天下"，AI制药领域也不例外。但你以为只有肿瘤？那就 too young too simple 了。 图2 AI制药适应症分布 看这饼图，肿瘤（40%）确实是老大哥，但炎症/免疫（25%）紧随其后，而且增速惊人。至于纤维化、呼吸疾病这些"难啃的骨头"，AI反而表现出了浓厚兴趣——毕竟越是复杂靶点，AI的价值越能凸显。 最让人意外的是神经系统疾病（10%）居然也占了一席之地。比如多系统萎缩（MSA）这样的罕见病，AI正在开辟新战场。药企老板们，你们的管线规划该更新了！ 03.AI在药研各环节大显身手：一张图看懂AI制药全景 说了这么多管线数据，你可能还是有点懵：AI到底在药物研发的哪个环节发力？别急，看完这张图你就明白了： 图3：AI在药物研发各环节的应用分布 | 数据来源：行业研报整理 靶点发现/筛选（35%）是AI的主战场！传统方法找靶点要2-3年，AI可将此时间压缩至2-6个月（数据来源：BCG & Wellcome Trust 2023年报告）。英矽智能的PandaOmics、BenevolentAI都是这个领域的明星。 分子设计/优化（30%）紧随其后。Chemistry42、AtomNet这些AI平台，能把需要合成的化合物数量从传统方法的数千个降到几十个。Exscientia的GTAEXS617仅需合成136个化合物就进入临床，这效率，传统药企看了都得流口水。 效率革命：AI辅助的药物发现，从靶点确认到候选分子（PCC）仅需约13.7个月，而传统方法平均需要4.5年。这一效率提升对于加速药物研发具有重要意义。 04.靶点江湖大揭秘：这些靶点最吸金 看完环节分布，再来看看具体靶点。AI制药江湖里，哪些靶点最抢手？下面这张表格给你答案： 靶点类别 代表靶点 药物数量 代表药物/公司激酶抑制剂 TNIK, CDK7, MALT1, CDC7, Wee1, TYK2 12+ ISM001-055 (英矽智能)、Zasocitinib (武田/薛定谔)蛋白降解 MALT1, RBM39 4+ REC-3565 (Recursion)、REC-1245呼吸/纤维化 TSLP, NLRP3 3+ GB-0895 (Generate)、ISM5411 (英矽智能)GPCR GIPR, 5-HT受体, A2A受体 3+ ISM0676 (英矽智能) - 减重31.3%表观遗传 LSD1 2+ REC-4539 (Recursion)、EXS74539 (Exscientia)免疫检查点 CBL-B 1+ ISM3830 (英矽智能) - 克服免疫耐药 激酶抑制剂绝对是"卷王"，占了AI药物管线的最大份额。但别以为AI只会跟风——TSLP（哮喘）、NLRP3（炎症）这些新兴靶点，AI也玩得风生水起。 05.头部玩家华山论剑：谁的AI最强？ 看完了靶点，再来看看各路高手的独门绝技。同样是AI制药，不同公司的策略差异可大了去了： 英矽智能走的是"端到端"路线——从靶点发现到分子设计，全流程AI搞定。ISM001-055是全球首个端到端AI设计的药物，已进入IIa期，数据还登上了Nature Medicine。这波操作，直接把"AI制药"从概念变成了现实。 Recursion则另辟蹊径，用的是"生物学显微镜"策略——用AI分析细胞图像，找到疾病的新靶点。他们的技术平台每周能筛选数百万个细胞样本，这效率，传统高通量筛选望尘莫及。 薛定谔则走的是"物理+AI"的混合路线。量子力学计算+机器学习，专门攻克那些难搞的蛋白-配体相互作用。别看他们软件卖得欢，临床管线也在疯狂扩张，SGR-1505、SGR-2921都已进入I期。 Generate Biomedicines则是抗体领域的AI专家。他们的Chroma模型能直接设计全新的蛋白质结构，GB-0895（TSLP抗体）已进入III期，有望成为全球首批获批的AI工程抗体药物。 看完全局视野，再来看看头部AI Biotech的具体管线数量。截至2026年初，这些玩家的临床管线布局如下： 图4：头部AI Biotech临床管线数量对比 | 数据来源：行业研报整理 英矽智能以10个临床管线领跑全场，累计提名28个PCC。Recursion与Exscientia合并后也达到10个管线规模。薛定谔、Generate Biomedicines、Isomorphic Labs等紧随其后。Isomorphic Labs作为Alphabet旗下公司，虽临床管线数量较少，但背后有AlphaFold的加持，未来潜力不可小觑。 06.大药企布局：跨国药企的AI合作版图 不仅是纯AI公司在行动，传统跨国药企也在积极拥抱AI。礼来、诺华、BMS、武田等巨头纷纷与AI公司建立合作： 药企 合作AI公司 药物/靶点 阶段 潜在价值礼来 Isomorphic Labs 肿瘤+免疫 临床前 ~$17亿诺华 Isomorphic Labs 3个靶点 临床前 ~$12亿武田 薛定谔 TYK2 (Zasocitinib) III期 许可协议BMS Exscientia PKC-theta I期 里程碑付款阿斯利康 石药集团 Lp(a)抑制剂 临床前 $53亿赛诺菲 华深智药 双抗 临床前 $26亿+拜耳 Recursion 罕见病 合作中 周期压缩60% 武田/薛定谔的Zasocitinib是进展最快的合作项目，已进入III期并取得积极结果。阿斯利康与石药集团的$53亿超级大单更是刷新了AI药物BD交易记录。这些数字说明：大药企不是在做实验，而是真金白银地押注AI。 07.端到端AI vs AI辅助：两种模式的较量 同样是AI制药，"端到端AI设计"和"AI辅助研发"是两种截然不同的模式： 模式 定义 代表药物 数量 特点端到端AI设计 靶点和分子均由AI发现和设计 Rentosertib 较少 真正的"AI-first"药物AI辅助研发 AI在部分环节辅助 大多数AI药物 主流 AI与传统方法有机结合 端到端AI设计是目前最激进的方式——从靶点发现到分子设计，全部由AI完成。英矽智能的ISM001-055（Rentosertib）是全球首个也是目前唯一的端到端AI设计药物进入临床II期的案例，2025年6月数据登上Nature Medicine，意义重大。 但AI辅助研发仍是主流——大多数AI药物只是在某个环节（如靶点发现或分子优化）借助AI力量，其他环节仍依赖传统方法。这种"渐进式"策略风险更低，也更容易被监管接受。 08.效率革命：AI让靶点发现快了多少？ 说了这么多，你可能还是想问：AI到底比传统方法快多少？下面这组数据给你答案： 指标 传统方法 AI方法 提升幅度靶点验证周期 2-3年 2-6个月 5-6倍靶点筛选成功率 <5% 15%+ 3倍+靶点发现至PCC时间 4.5年 13.7个月 3倍加速 这些数字背后，是AI在海量文献分析、基因数据挖掘、蛋白质结构预测等方面的独特优势。传统方法需要数年时间筛选靶点，AI可以在数月内完成。当然，AI筛选出的靶点仍需严格的生物学验证，但从"大海捞针"到"精准定位"的效率提升是革命性的。 效率总结：AI让靶点发现至PCC时间从4.5年缩短至13.7个月。参考行业分析报告，整体研发周期有望从10-15年压缩至5-8年，研发成本预计降低50%以上。（注：以上预测性数据基于当前行业趋势分析，实际效果因项目而异） 9.别高兴太早：AI制药的"死亡之谷"还在 说了这么多好消息，是时候泼点冷水了。II期临床的"死亡之谷"可不是闹着玩的——2023年就有6条AI药物管线在此折戟。 目前的挑战依然不少：数据质量 ：AI模型"garbage in, garbage out"，约30%的AI生成分子根本无法合成生物学复杂性 ：细胞实验和人体环境差异巨大，AI预测的活性≠临床有效监管挑战 ：FDA至今尚未批准任何一款纯AI设计的药物，监管框架还在摸索中 所以，AI是工具不是魔法，最终的临床验证还得靠传统的"大力出奇迹"。 总结一下：AI制药从"概念"到"临床"的速度，超出大多数人预期。173个临床管线只是开始，随着III期数据陆续读出，行业即将迎来真正的"大考"。从数据来看，AI制药已从概念验证进入临床实践阶段。当然，行业仍需III期临床数据的最终验证。（注：AI药物获批及商业化时间存在不确定性，本文数据仅供参考）免责声明：本文数据来源于公开行业报告和公司公告。AI制药行业仍处于早期发展阶段，临床数据存在不确定性。本文仅供行业参考，不构成任何投资建议。参考资料 HumAI Blog. AI-Discovered Drugs Reach Phase III: 2026 Will Determine Whether All the Promises Were Real. 2026-04-02. Axis Intelligence. AI Drug Discovery 2026-2030: Complete Analysis of 173 Clinical Programs. 2025-12-23. Intuition Labs. AI Applications in the Drug Development Pipeline. 2026-02-10. Nature Medicine. A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial. 2025-06-03. Insilico Medicine. Phase IIa Results Announcement - Rentosertib (ISM001-055). 2025-06-03. Recursion Pharmaceuticals. Q1 2025 Financial Results and Business Update. 2025-05-05. Boston Consulting Group & Wellcome Trust. Decoding AI in Drug R&D: What's Real and What's Next. 2023. 武田制药. Zasocitinib (TAK-279) Phase III Trial Results Announcement. Generate Biomedicines. GB-0895 Phase III Clinical Trial Initiation Press Release. 关注我，带你读懂生物医药行业的下一个十年转发、在看、点赞，三连支持一下吧~