Pirfenidone

论文题目 A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial 地址 https://pmc.ncbi.nlm.nih.gov/articles/PMC12353801/pdf/41591_2025_Article_3743.pdf 01 文章介绍 人工智能在药物发现中已经大量用于靶点优选和分子生成，但真正走到患者随机临床试验阶段的AI发现药物仍然有限。这篇发表于 Nature Medicine 的研究将这一过程推进到了IIa期临床验证：Insilico Medicine 此前利用AI驱动的药物发现体系，将 TNIK 确定为特发性肺纤维化的潜在治疗靶点，并进一步设计出小分子抑制剂 rentosertib，也即原ISM001-055。 本研究在71名IPF患者中比较三种给药方案与安慰剂，首先评估安全性，同时观察肺功能、药代动力学和血清蛋白组变化。结果显示，最高剂量60 mg每日一次组12周后的FVC平均增加98.4 ml，而安慰剂组下降20.3 ml，但这仍是一项样本量较小、以安全性为主要终点的早期试验，因此更准确的意义是为TNIK和这条AI药物研发路径提供了首轮患者层面的临床信号，而非已经证明治疗有效。 02 研究背景与问题 特发性肺纤维化是一种随年龄增加而高发的进行性肺部疾病，其核心病理包括成纤维细胞异常活化以及细胞外基质持续沉积。患者肺组织逐渐失去正常结构和弹性，最终表现为呼吸困难、咳嗽以及肺功能进行性下降。论文指出，即使已有抗纤维化药物尼达尼布和吡非尼酮，现有治疗主要仍是减缓疾病进展，而不是恢复已经丢失的肺功能。 与此同时，IPF也是新药开发难度较高的疾病之一。疾病涉及纤维化、炎症、细胞命运和组织重塑等多条生物学通路，单一候选靶点能否真正转化成人体疗效往往难以从细胞或动物实验判断。因此，AI能否提高靶点筛选效率并进一步带来临床上有效的新药，是比“模型能不能生成分子”更重要的问题。 此前研究中，Insilico Medicine 使用生成式AI驱动的发现体系，将 Traf2- and Nck-interacting kinase，TNIK 确定为IPF相关调控因子，并进一步开发出TNIK小分子抑制剂rentosertib。该候选药随后完成了早期临床研究。本篇论文要回答的已经不再是“AI能否找到一个化合物”，而是更加关键的问题：这个由AI支持发现的新靶点和新分子，在真实IPF患者中是否具有可接受的安全性，并产生值得继续验证的临床和分子信号。 需要注意的是，这篇IIa期论文并未详细展开最初生成式模型的网络结构、训练集规模或完整的分子生成算法。因此不能把本文理解为一篇新的生成模型方法论文。AI真正承担的关键任务发生在更上游的靶点发现和候选分子设计阶段，本研究的主体则是临床验证。 03 主要发现 第一项发现：主要安全性终点整体接近安慰剂，但治疗相关不良事件呈剂量增加趋势 12周治疗期间，至少出现一次治疗期间不良事件的比例分别为：30 mg每日一次组72.2%，30 mg每日两次组83.3%，60 mg每日一次组83.3%，安慰剂组70.6%。因此，从研究预设的主要安全终点看，各组总体TEAE发生率没有出现非常明显的分离。 但进一步观察可以看到一个值得重视的信号：被研究者判断为与治疗相关的不良事件，在安慰剂组为29.4%，而三个rentosertib组分别达到50.0%、61.1%和77.8%，呈现随剂量增加而升高的趋势。治疗相关严重不良事件分别出现在5.6%、11.1%和11.1%的三个给药组，而安慰剂组没有报告。 肝功能异常尤其需要关注。16名提前退出研究的患者中，有12人因不良事件停药，其中7人涉及肝损伤或肝功能异常，而且4人同时接受尼达尼布。研究因此提出，未来需要专门评估rentosertib与现有抗纤维化药物之间潜在的药物相互作用。 此外，60 mg组有3名患者发生IPF急性加重，而安慰剂组有1名，60 mg组3名患者均因此住院。由于样本量很小且观察仅12周，目前无法判断这一差异是否与药物有关，但这是后续长期试验必须持续监测的安全信号。 第二项发现：60 mg每日一次组出现最明显的FVC改善信号 FVC是IPF临床研究最重要的肺功能指标之一。治疗12周后，安慰剂组FVC平均变化为 −20.3 ml，30 mg每日一次组为 −27.0 ml，30 mg每日两次组为 +19.7 ml，而60 mg每日一次组达到 +98.4 ml，其95%置信区间为10.9至185.9 ml。 采用协方差模型并对缺失值进行多重插补后，60 mg组仍然显示出最大的改善趋势。研究模型估计，该组FVC相对基线提高约2.82%，位于既往文献提出的IPF中FVC最小临床重要差异2%至6%的范围内。 不过，这个结果不能简单理解成“rentosertib已经显著改善IPF”。一方面，这项研究的主要终点是安全性，并未按照验证FVC疗效差异进行统计效能设计；另一方面，每组只有17至18人，而且22名患者缺少第12周的肺功能测量，需要进行缺失值插补。因此，论文讨论中也主要将这一结果称为FVC增加趋势，而不是确证性疗效证据。 第三项发现：未联合标准抗纤维化药物的60 mg组显示更强FVC信号，但属于小样本亚组结果 作者进一步按照患者是否同时接受尼达尼布或吡非尼酮进行分层。在没有联合现有标准抗纤维化治疗的患者中，60 mg每日一次组FVC平均增加 187.8 ml，95%置信区间为68.6至306.9 ml；而同时接受标准治疗的患者中，没有观察到相同幅度的变化。 这一结果提示rentosertib单药暴露与联合现有治疗时可能存在不同的药效或药代行为，同时也与前述联合尼达尼布患者出现较多肝毒性停药的现象形成呼应。 但这部分结果的样本量非常有限，属于亚组分析，无法证明标准治疗会削弱rentosertib疗效，更不能据此提出临床用药方案。作者也将药物之间可能的相互作用作为后续研究方向，而非已经确认的机制。 第四项发现：药物暴露具有明显剂量关系，并与FVC变化呈相关趋势 药代动力学分析显示，60 mg每日一次能够产生更高的整体药物暴露。以AUC衡量，60 mg组在首次给药和第12周的平均暴露量分别约为1630和3450 h·ng/ml，高于两个30 mg方案。 患者大约在治疗第2周达到稳态，到第12周未观察到明显持续性药物蓄积，末期几何平均半衰期约为10.9至12.0小时。 更值得关注的是，患者FVC变化与药物AUC以及谷浓度之间呈正相关，也就是说，药物暴露较高的患者整体上更可能出现较大的FVC改善。这与60 mg组表现出的肺功能信号方向一致。 不过，这些属于事后探索性分析，只能说明暴露与肺功能变化之间存在统计关联，不能证明“提高药物浓度必然改善肺功能”。 第五项发现：血清蛋白组出现剂量依赖的抗纤维化相关分子变化 作者使用Olink平台对患者血清进行了蛋白组学分析，共检测到 2841种蛋白。随着治疗持续，出现显著变化的蛋白数量逐步增加，在第2、4和12周分别达到20、82和192种。 剂量同样具有明显影响。与安慰剂比较，30 mg每日一次、30 mg每日两次和60 mg每日一次组分别出现1、8和22种高置信度差异蛋白；只比较基线与第12周时，三个剂量组显著改变的蛋白数进一步达到0、39和115种。 其中多种下降蛋白与肺纤维化和细胞外基质相关，包括 MMP10、PTPRZ1、COL1A1、FAP、FN1、ROBO2、ASPN和LTBP2。通路富集进一步显示，细胞外基质组织相关通路是下降最明显的生物学过程之一。 图4进一步展示，COL1A1、FAP、FN1和MMP10总体上随着剂量和治疗时间增加而下降，其中COL1A1、FAP和MMP10的变化与FVC改善呈显著负相关，而FN1在该相关分析中没有达到统计学显著性。这些结果为TNIK抑制可能影响纤维化相关组织重塑提供了人体分子层面的支持，但血清蛋白变化仍属于关联证据，不能等同于肺组织纤维化已经被逆转。 04 研究价值、局限与总结 这项工作的价值并不只是“AI生成了一种药物”，而在于它建立了一条更加完整的转化链条：AI参与发现新的疾病靶点TNIK，AI支持设计候选小分子rentosertib，随后药物进入真实患者的随机、双盲、安慰剂对照IIa期临床研究。 从AI药物研发角度看，这是比虚拟筛选准确率或细胞实验活性更加严格的一层验证。 不过，需要准确理解AI在本文中的作用。AI承担的是上游靶点发现和药物设计关键任务，而临床试验本身并不是由AI模型完成患者疗效预测。本文也没有提供生成模型的详细网络架构、训练数据、分子生成数量和逐级筛选效率，因此无法单独根据这篇IIa期论文评价具体生成式模型相对于传统药物化学流程究竟提高了多少命中率。论文强调的是整个项目从靶点发现到完成早期临床开发速度较快，而不是证明某一个AI模型已经在临床上优于传统药物研发方法。 研究本身也存在明显边界。首先，总样本只有71人，每个治疗组不足20人，而且研究主要为安全性设计，并未针对FVC疗效进行正式统计效能计算。其次，治疗仅持续12周，对于IPF这样缓慢进展的慢性疾病而言过短，难以评价长期FVC下降、急性加重、生存和长期安全性。再次，所有患者均来自中国，人口学和地域构成相对单一，结果能否推广到更广泛人群仍待验证。与此同时，高剂量组的治疗相关不良事件更多，肝毒性、腹泻以及与尼达尼布联合时可能存在的相互作用都需要更大规模研究。 此外，DLCO、FEV1和6分钟步行距离并没有出现与FVC同样清晰的剂量依赖改善；生活质量指标总体也较为不确定。60 mg组还发生了3例IPF急性加重，而安慰剂组为1例。因此，目前证据更适合表述为出现临床活性信号，而不是证明rentosertib已经能够逆转IPF。 总体来看，这篇 Nature Medicine 论文真正重要的地方，是让“AI发现靶点和设计药物”接受了一次患者层面的随机临床检验。Rentosertib在IIa期研究中展现出可继续开发的安全性基础，同时60 mg每日一次剂量出现FVC改善趋势，并伴随多种纤维化相关血清蛋白和细胞外基质通路下降，为TNIK作为IPF治疗靶点提供了进一步人体证据。 下一步最关键的不是再证明AI能够生成分子，而是通过规模更大、随访更长、患者来源更多样的II期或III期研究，确认FVC信号是否可重复，同时厘清肝脏安全性、IPF急性加重以及与尼达尼布等现有药物之间的相互作用。只有当这些临床问题被真正回答后，这条“AI靶点发现—生成式分子设计—临床验证”的路线，才可能从一个有代表性的案例进一步变成可验证、可复制的药物研发范式。

——两天两条新闻，读懂AI制药走到哪一步了 本文适合非医药专业背景的投资者与行业观察者阅读。阅读指南：三分钟看懂核心结论 英矽智能是一家用人工智能做新药研发的公司。2026年9月7日和9月10日，它连续发布了两条性质完全不同、但组合起来信息量极大的新闻。 第一条（9月7日）：一篇发表在顶级学术期刊上的论文，讲的是“这款药可能还影响了衰老相关的生物指标”。这不是新临床数据，不赚钱，但它证明了AI找靶点的能力。 第二条（9月10日）：核心药物启动了III期临床试验（上市前最后、也是最大规模的人体试验），完成了第一位患者给药。这也不赚钱，但它是这家公司从“卖AI服务”走向“卖药”的关键一步。 两条新闻合在一起，回答了一个核心问题：为什么礼来、武田这些全球顶级药企愿意花几十亿美元和英矽智能合作，而不是找其他AI公司？因为英矽智能有一条从AI找靶点、AI设计分子、一直推进到III期临床的完整验证管线。两条新闻连发两天，是刻意的组合叙事。一、先补一个背景：AI制药到底在做什么？ 传统新药研发有一个残酷的“双十定律”——十年时间、十亿美元，而且大部分候选药物最终会失败。一款药物从靶点发现到最终获批上市，整体成功率大约只有8%到9%。 AI能做的是在最前端大幅提速。传统药物发现阶段平均要4.5年，而英矽智能用AI把这个过程压缩到了9到18个月，效率提升3到6倍。但AI不能加速人体临床试验本身——患者招募、给药周期、安全性监测、监管审批，这些环节还是得按现实世界的节奏来。 理解这一点，就能理解后文所有的时间线和风险判断。二、新闻1深度解读：9月7日Nature Biotechnology论文2.1 这篇论文是谁发布的？ 这篇论文由英矽智能主导并联合多家国际顶尖机构发表，不是某一方单独完成的。 2026年9月7日，英矽智能联合哈佛医学院、斯坦福大学、博德研究所、亚琛工业大学、北京大学、西湖大学的国际科学家团队，在《自然·生物技术》上发表了这项研究。论文第一作者兼通讯作者是英矽智能创始人兼首席执行官Alex Zhavoronkov博士，他于9月8日在巴黎索邦大学举办的《自然》学术会议上就该研究作了专题报告。在这六套衰老时钟模型中，其中一套PAOPAC正是由英矽智能团队自己开发的，其他模型来自哈佛、牛津等合作团队。 英矽智能官网新闻稿以公司名义发布了这项成果，明确表述为“英矽智能宣布在《自然·生物技术》发表一项最新联合研究成果”。所以准确的表述是：英矽智能是论文的主导方和第一作者单位，哈佛、斯坦福等机构提供学术合作与模型验证。2.2 这篇论文做了什么？ 这不是一次新临床试验，而是对已经完成的IIa期试验中42名患者的血清样本做了一次事后组学再分析。研究团队用了6套独立开发的蛋白质组衰老时钟模型，去测量患者血液中2,841种蛋白质的变化，看是否能预测“生物学年龄”的年轻化。 核心结果：30mg BID（每日两次）组在第4周，多套模型一致指向预测生物学年龄下降约3-4年，单一模型最高接近6岁；安慰剂组则持平或微升。信号集中在第4周，到第12周效应回落进入平台期。2.3 不是“抗衰老神药”——三个最常见的误读 误读一：“英矽智能做出了抗衰老药。”❌ 论文作者明确指出，衰老时钟无法区分是药物直接干预了衰老通路，还是改善了IPF疾病本身带来的继发蛋白谱变化。抗衰老从来不是这款药的适应症，III期也完全不把生物年龄当终点。 误读二：“6套时钟等于6次独立验证。”❌ 这是6个计算模型跑同一批样本，跨模型一致性强是加分，但不是6个独立的临床证据。 误读三：“血液蛋白组年轻化等于身体机能逆转。”❌ 这只是血液中蛋白质的模型预测读数向年轻人群偏移，属于生物标志物信号，不等于生理功能逆转或寿命获益。研究仅42例、12周，没有评估死亡率、衰弱等硬终点。2.4 真正值得关注的：英矽智能在论文中展示的三重能力 这篇论文之所以重要，不仅在于结果本身，更在于它同时展示了英矽智能在三个层面的能力： 第一，AI靶点发现的原创性得到了独立学术验证。TNIK这个靶点完全由英矽智能的AI平台PandaOmics从组学数据中挖掘出来，在此之前从未与IPF或纤维化建立过关联。现在哈佛、斯坦福等机构的独立研究团队用自己的衰老时钟模型跑同一批临床样本，得出了与英矽智能一致的方向性结论——这相当于外部学术机构用自己的方法论验证了英矽智能AI找靶点的可靠性。 第二，英矽智能不只是“外包计算”，而是能主导跨学科的国际科研合作。论文涉及临床医学、蛋白质组学、衰老生物学、计算生物学等多个领域，英矽智能作为第一作者单位协调了六家国际顶级机构的合作。这在AI制药公司中非常少见——大多数AI公司只是为药企提供工具，不主导学术产出。 第三，公司自己开发的衰老时钟模型PAOPAC是六套模型之一，说明英矽智能的AI能力不限于靶点发现和分子设计，还延伸到了临床生物标志物分析领域。从PandaOmics（靶点发现）→Chemistry42（分子生成）→PAOPAC（临床评估），英矽智能的AI工具链正在覆盖药物研发的更多环节。 这篇论文的核心贡献在于建立了一种范式：这是全球第一次，把AI从零发现靶点、AI设计的药物，在人体临床试验中前瞻性地嵌入多组衰老时钟做系统评估，并发表在顶级期刊上。通俗地说，论文证明的是：英矽智能的AI不仅能找到疾病靶点，还能挖到传统生物学不容易看到的“疾病-衰老交叉”信号。这给公司的AI平台做了顶刊级的背书，也解释了为什么它的BD合作集中在first-in-class（首创）新靶点领域，而不是普通的分子优化。三、新闻2深度解读：9月10日III期首例入组3.1 这是一个什么级别的里程碑？ Rentosertib的III期临床试验GENESIS-IPF-3，设计为47家中心、320名患者、52周、随机双盲安慰剂对照，主要终点是FVC（用力肺活量）的年下降率。这是全球第一个“AI自主发现全新靶点（TNIK）+ AI从头生成全新分子”推进到注册III期确证性临床的项目。 为什么说“全新靶点”很重要？TNIK此前从未与IPF或任何纤维化疾病建立过人类药物关联。现有IPF药物吡非尼酮和尼达尼布只能减缓FVC下降，不能停止或逆转纤维化，都是老机制。如果III期阳性，这将是十多年来IPF领域最重要的新机制口服药。3.2 “全球第一”需要加一个限定词 严格地说，在“AI发现新靶点 + AI设计新分子 + 小分子形态”这个口径下，英矽智能是全球首个进入III期的。但如果把口径放宽到“AI参与设计的分子进入III期”，美国的Generate Biomedicines的GB-0895（抗TSLP长效单抗，重度哮喘）已于2025年12月启动Phase 3，比英矽智能早了约7个月，但它属于AI工程优化已知靶点的抗体，不是源头靶点创新。 这个区分不是吹毛求疵，而是理解BD溢价的核心：“AI做源头生物学创新”的议价能力，远高于“AI优化已知靶点分子”。3.3 时间边界：2029年才是真正的验证节点 首例入组≠读出数据。III期入组周期预计1年以上，顶线数据大概率2029年才能读出。在此之前，2026和2027年Rentosertib不产生任何收入，反而消耗临床开支。III期IPF的历史失败率不低，且这次是双盲安慰剂对照、52周FVC终点，难度显著高于IIa期的开放/小样本设计。这是当前市场多空分歧的核心来源之一。四、两条新闻放在一起看：为什么连续两天发？ 这是非常刻意的组合叙事。9月7日的论文，论证的是英矽智能的AI平台不仅找到了疾病靶点，还能挖到疾病-衰老交叉的生物学信号，强化的是平台科研原创力。9月10日的III期公告，论证的是这个AI发现的靶点和分子已经走到监管确证临床阶段，是可成药的资产，不是停留在学术故事里。 组合起来，刚好回答了投资者最关心的问题：为什么礼来愿意支付1.15亿美元首付款、签下总额27.5亿美元的合作？为什么武田、SK生物制药也愿意给出数亿到数十亿美元级的合作？因为它们买的不是普通AI分子优化服务，而是“从组学因果推断→新靶点发现→从头分子生成→临床确证”的完整能力链条。Rentosertib就是这条能力链条的活体demo。 一句话概括联动意义：BD大单是现在的业绩底座，Rentosertib是平台能力的证明和长期天花板。BD收入让它有钱养这条III期自研管线，管线的临床进展反过来持续抬升后续BD的议价能力——两者是正向飞轮，不是对立关系。五、公司目前的商业基本面 英矽智能2026年上半年实现总营收约1.06亿美元，同比增长287.2%，毛利率90.3%，实现净利润约3554万美元，上市以来首次半年报即扭亏为盈。截至6月底，公司现金及投资组合总额达5.85亿美元。 收入结构上，药物研发与管线开发收入约1.03亿美元，占总收入97%，主要来自2026年内密集落地的BD大额首付款。2026年已公布的交易合约总价值约73亿美元，合作方包括礼来（27.5亿美元总额、1.15亿美元首付）、施维雅（8.88亿美元）、SK生物制药（25亿美元）、武田（约6亿美元）等。 公司管理层在业绩会上明确表示，当前收入高度依赖首付款，下半年仍然如此；未来随着合作项目数量积累，希望首付款和里程碑付款并重，平滑收入波动。六、AI制药行业趋势：走到哪个阶段了？ 资本正在加速涌入。2026年上半年，AI制药相关融资事件数量占创新药一级市场的11.5%，融资金额占比达19.2%，已成为仅次于小分子和抗体的第三大创新药细分赛道。当前全球已有超过173个AI发现药物项目处于活跃临床阶段，其中II期56个、III期15个。 但AI制药的临床验证仍然严峻。行业数据揭示了一个关键事实：AI设计的候选药物在I期临床的成功率高达80%-90%，远高于行业历史的40%-65%；但II期成功率约为40%，与行业历史的37%几乎没有区别。这意味着，AI解决了“这个分子是否安全”的问题，但还没有证明能解决“这个分子是否真的能改变疾病的进程”这个更核心的问题。在全球117个进入临床的AI药物资产中，只有8个通过了II期。 全球竞争格局方面，英矽智能的独特生态位在于：它是唯一同时满足“AI发现新靶点 + AI设计新分子 + 推进到III期”三项的公司，且是小分子形态、口服慢性病适应症。绝大多数AI-native同行的靶点都是已知或表型筛选来源——Recursion是表型筛选+影像AI，Exscientia是结构导向化学AI，Isomorphic是AlphaFold结构预测，它们都不做“从组学因果推断找全新靶点”这件事。英矽智能的PandaOmics（靶点发现）+ Chemistry42（分子生成）+ Medicine42（临床试验设计）三件套，对应Target ID→Molecule Design→Clinical Translation完整链条，这是它和Generate/Recursion/Isomorphic拉开差异的根本。 监管范式先例价值同样值得关注。Rentosertib的III期是全球第一个被药监机构（中国CDE）正式纳入注册确证通道的“AI靶点+AI分子”组合，已获CDE突破性疗法认定（口服及吸入制剂均获认定），另获FDA孤儿药资格。这意味着监管已经接受了“AI发现的生物学可以作为成药性基础”这个逻辑。如果2029年读出阳性，等于监管层面给了AI靶点发现一个制度性背书。 中国AI制药的差异化生态位优势：美国路径以结构导向/表型筛选/蛋白工程为核心，强在分子工程与深度学习基础设施；英国路径偏结构导向化学AI，临床转化已遭重挫；中国路径（英矽）的独特生态位是“组学因果推断→新靶点发现→从头分子生成→临床确证”的全链条闭环，且依托中国CDE的突破性疗法通道加速推进，成为全球首个完成监管确证闭环的国家。七、分维度影响汇总 9.7 Nature Biotech衰老时钟论文：事件性质为事后生物标志物学术分析、顶刊发表；2026/2027业绩影响为零，无收入、无里程碑；核心作用是平台生物学原创能力背书；对BD业务的影响是提升复杂/新机制/衰老交叉靶点的长期议价能力，吸引差异化MNC合作；估值影响为抬升管线期权、拓展适应症想象空间，偏学术/长期；主要风险是过度解读为抗衰老药物，制造预期错配；时间兑现方面无明确临床时间线，属于生物标志物探索。 9.10 III期首例入组：事件性质为注册III期临床关键开发里程碑；2026/2027业绩影响为零，增加临床开支消耗；核心作用是AI全流程药物发现的临床闭环验证；对BD业务的影响是已有大额BD能力的实物证据，巩固平台溢价；估值影响为改变公司长期业务结构（平台→平台+产品），如果成功重构估值逻辑，同时带临床失败风险；主要风险是IPF III期确证性临床失败风险；时间兑现方面，顶线数据预期2029年，NDA/商业化更晚。 联动效应：两者构成正向飞轮——学术论文秀的是AI发现新生物学的能力，III期入组秀的是AI发现的东西能走完正规新药开发到后期临床。两者共同支撑英矽智能高溢价BD的商业逻辑，和纯做已知靶点分子优化的AI公司拉开差异。八、市场多空分歧的结构性根源 当前英矽智能市场呈现“南向增持+卖空同时放大”的典型多空对峙，其根源是两种定价范式的碰撞。 多头逻辑是：AI制药赛道的“DeepSeek时刻”期权 + 2026年上半年扭亏为盈验证商业模式 + 港股唯一的“AI原生+临床后期+自主管线”稀缺标的 + 纳入科技100指数带来的被动配置资金。 空头逻辑是：当前收入高度依赖BD首付款（占总收入97%）、2029年读出前无产品收入、IPF适应症III期历史失败率不低、以及“AI靶点发现”叙事在无III期成功案例前仍是未证实的假设。 公司管理层对此的坦诚值得注意：“目前没有任何一款AI研发的新药完成III期或者获批，所以我们还没有统计层面的成功率数据。传统制药是经验驱动，AI制药是经验叠加海量数据双重驱动，理论上成功率会优于纯经验驱动，但仍需更多临床结果来证实这一点。”九、后续跟踪清单 III期入组进度：47家中心、320人，入组周期预计1年+（2026年9月-2027年），关注每月实际入组速度和DSMB安全性审查节点。 吸入制剂I期数据：约80名受试者，关注安全性及PK特征，这是口服之外的二次卡位策略。 BD签约节奏：关注下半年是否出现新的first-in-class靶点授权，以及首付规模是否持续高于普通AI-CRO行业水准。 BD里程碑兑现：管理层表示下半年收入仍以首付款为主，关注既有合作是否触发临床/监管里程碑付款。 2029年顶线读出：这是Rentosertib估值与整个AI制药叙事的终极检验节点，IIa期FVC止跌回升信号能否在320人、52周、双盲设计中复制，是“DeepSeek时刻”与“叙事反噬”的分水岭。十、风险边界声明 本报告基于公开信息与公司公告整理，所有前瞻性判断均存在重大不确定性。核心风险包括：①IPF III期确证性临床失败风险（最重大尾部风险）；②BD收入可持续性风险（首付款依赖度高）；③“全球第一”叙事在不同口径下稀缺性会变化，需持续跟踪Generate/Recursion/Isomorphic等同行进展；④蛋白组衰老时钟信号属生物标志物探索，无法区分特异性与继发效应。 Rentosertib从靶点发现到III期的快速推进，已经验证了AI在早期研发效率上的优势；但“AI能否提升新药临床成功率”这个问题，只有2029年的III期数据才能回答。在此之前，英矽智能的一切估值都悬置在这个未解之问之下。