Garutadustat

晶泰科技与英矽智能作为中国AI制药领域的双雄，分别代表了"自动实验赋能型"与"自研管线型"两种截然不同的商业模式，形成了AI制药生态系统的互补格局。 晶泰科技以"AI+CRO"服务为核心，我称之卖装备的-主要是自动化实验室，定位为行业基础设施提供者，通过量子物理计算与AI结合的分子预测技术，为药企提供高精度、高通量的药物研发解决方案； 英矽智能则以"AI+Biotech"为特色，我称之为造车的，亲自下场造新药，采用自研管线为主、对外授权为辅的模式，凭借其Pharma.AI平台从靶点发现到临床试验的全流程覆盖能力，打造了全球领先的AI驱动药物研发体系。 两家公司在技术路径、商业模式、财务状况及创新能力方面存在显著差异，共同推动着中国AI制药行业的快速发展。一、商业模式与核心定位对比1. 晶泰科技：稳健的"卖装备"模式 晶泰科技成立于2015年，定位为AI制药领域的"基础设施"与"赋能组"，专注于为药企提供AI工具与自动化实验服务。公司核心商业模式是"AI+CRO"服务，主要收入来源包括： 研发服务费：为药企提供药物发现各环节的AI辅助服务，如分子生成、晶型预测等，按项目收取服务费用 里程碑付款：与药企进行联合研发，根据研发进展获得里程碑付款 技术授权费：向药企提供AI平台的使用授权，收取固定或浮动授权费用 公司不直接研发上市药物，而是专注于打造标准化、可复用的AI模块与工具，并通过平台化方式输出给合作伙伴。这种模式使其能够在降低AI制药门槛的同时，保持业务的稳定性和可预测性。2. 英矽智能：高风险的"造车人"模式 英矽智能成立于2014年，定位为AI驱动的Biotech公司，即"造车人"，利用自有AI平台直接研发创新药物管线并推进至临床及商业化阶段。公司商业模式主要基于"自研管线+AI服务"双引擎： 药物对外授权的首付款与里程碑付款：90%+收入来自自主研发药物管线的对外授权，包括首付款、研发里程碑付款及未来可能的商业化分成 AI平台订阅与API调用：10%左右收入来自Pharma.AI平台的订阅服务、API调用及定制化AI模型开发 英矽智能的商业模式与传统Biotech高度一致，其核心价值体现在自有的、快速推进的多元化研发管线上。通过AI技术，英矽智能显著缩短了从靶点识别到临床前候选化合物(PCC)的时间，使其管线推进速度远超传统研发模式。 商业模式核心差异表： 对比维度 晶泰科技 英矽智能 定位 行业基础设施提供者 AI驱动的Biotech公司 主要收入来源 研发服务费、里程碑付款、技术授权费 药物对外授权首付款、里程碑付款、平台订阅 商业模式特点 "AI+CRO"技术服务模式 "自研管线+License-out"模式 客户群体 大型药企、Biotech公司、科研机构 跨国药企、风险投资者 现金流稳定性 较高，服务费收入稳定 波动大，依赖少数大客户里程碑付款 成长天花板 相对有限，但可通过技术复用拓宽 潜在回报上限极高，但临床失败风险也高二、核心技术平台与能力对比1. 晶泰科技：量子计算驱动的精准药物研发平台 晶泰科技的核心技术平台基于量子物理计算、人工智能算法与自动化实验设备的有机结合，形成了独特的"计算-预测-实验验证"闭环系统： XMolGen-AI分子生成平台：基于生成对抗网络(GAN)与量子化学计算构建化学空间映射模型，实现小分子化合物的定向生成。支持从已知分子库扩展至全新骨架设计，覆盖先导化合物发现场景。在PRMT5抑制剂开发中，XMolGen生成百万级分子库，结合XFEP筛选出高活性候选分子。 CSP晶体结构预测模型：融合量子力学第一性原理与第一性原理计算(FPC)，实现多晶型、共晶体系的精准预测。2024年剑桥晶体数据中心(CCDC)盲测中，对7类有机分子的预测准确率居全球前列。在辉瑞Paxlovid研发中，CSP将晶型筛选周期从传统6个月压缩至3周，助力药物提前上市。 自动化实验平台：在深圳和上海各部署100+台自动化工作站，通过AI预测化学反应成功率(准确率达81%)，降低实验成本，提高研发效率。其机器人实验室可全天候运行，每月积累超20万条高质量数据，AI预测准确率超90%。 技术优势：在晶型预测、分子动力学模拟等环节精度领先，如溶解度预测准确率达92%(传统QSAR方法仅67%)。其技术平台具有通用性，可延伸至新能源、新材料、农业科技等广阔领域。2. 英矽智能：全流程覆盖的Pharma.AI平台 英矽智能的核心竞争力是其自主研发的Pharma.AI平台，该平台覆盖从靶点发现直至临床验证的完整药物研发链条： Biology42靶点发现平台：包含PandaOmics模块，利用组学数据和各类文本、试验数据用于靶点分析、鉴定和发现。通过AI技术挖掘新靶点，如TNIK靶点，该靶点用于治疗特发性肺纤维化(IPF)。 Chemistry42分子生成平台：集成40+生成模型与多智能体强化学习(RL)，支持基于配体的R基替换、骨架替换和基于受体结合口袋的分子生成方法。在新冠口服药开发中，从靶点发现到临床前候选化合物(PCC)仅用18个月，效率是传统方法的6倍。 Medicine42临床试验预测平台：包括inClinico模块，用于预测临床试验成功率，尤其是中后期临床试验的成功概率。通过整合多模态数据，如既往临床试验、专利、文献等，为临床试验设计提供参考。 技术优势：从靶点发现到PCC提名的平均时间仅为12-18个月，远低于传统方法的4.5年，每个项目仅需合成与测试60-200个分子，大幅降低研发成本和时间。3. 技术能力覆盖环节对比 两家公司在药物研发不同环节的技术能力存在明显差异： 晶泰科技：技术覆盖从分子生成→晶型优化→合成路径预测→实验验证的全流程，但靶点发现环节依赖外部输入，临床试验预测能力未明确。 英矽智能：技术覆盖从靶点发现→分子生成→临床试验预测的全流程，形成端到端闭环，但合成路径规划环节可能依赖外部CRO支持。 技术能力对比表： 研发环节 晶泰科技 英矽智能 技术优势 靶点发现 依赖外部输入 Biology42自主发现 英矽智能优势，从靶点发现开始 分子生成 XMolGen-AI Chemistry42多模型 晶泰科技在晶型预测方面精度更高 合成路径规划 自动化实验室预测 依赖外部支持 晶泰科技优势，AI预测合成反应成功率81% 临床前开发 高精度计算+实验验证 生成式AI全流程 英矽智能优势，从靶点到PCC仅需12-18个月 临床试验预测 能力未明确 Medicine42临床预测 英矽智能优势，可预测临床试验成功率 技术通用性 可扩展至新材料、新能源等领域 主要聚焦生物医药领域 晶泰科技优势，平台可复用性高 数据来源：三、近三年合作订单与市场拓展分析1. 晶泰科技：头部药企合作与多元化布局 晶泰科技近三年（2023-2025）的合作订单与市场拓展呈现以下特点： •头部药企合作： 2025年与DovTree达成约60亿美元药物发现合作，创下AI药物研发领域订单规模新纪录，包括5100万美元首付款和最高58.9亿美元潜在里程碑付款 2024年与辉瑞合作加速新冠口服药Paxlovid研发，具体金额未披露 2023年与默克合作，具体金额未披露 •新兴领域拓展： 2025年与韩国JW Pharmaceutical、罗氏等签订百万美金级订单，拓展海外客户资源 2024年与深圳英伦科技合作成立合资公司，开发量子点、Mini-LED等新型显示技术 2025年与协鑫集团合作开发钙钛矿材料，预计贡献5000万-8000万港元收入 2025年完成对英国Liverpool ChiroChem技术公司的收购，强化AI+实验能力 •客户结构：截至2025年，已为全球前20大国际药企中的17家提供AI药物研发服务，客户留存率超50%，合作项目覆盖肿瘤学、免疫及炎症疾病、神经系统疾病及代谢失调等领域2. 英矽智能：大额授权合作与多领域布局 英矽智能近三年的合作订单与市场拓展呈现以下特点： •大型药企合作： 2025年1月与美纳里尼达成二次合作，授权一款潜在同类最佳肿瘤候选药物，总额达5.5亿美元 2025年1月与施维雅达成8.88亿美元抗肿瘤药物研发合作，覆盖抗肿瘤管线开发 2024年4月与Exelixis达成合作，获得1000万美元里程碑付款 2023年11月与赛诺菲达成合作，潜在价值最高可达12亿美元 •科研机构合作： 2023年与礼来达成软件授权合作，为后续战略合作打下基础 2025年与迈威生物和皓元医药达成战略合作协议，共同开发ADC药物，形成"AI+BioTech/BioPharma+CRO/CDMO"新模式 •新兴领域布局： 2025年将Pharma.AI平台的应用范围扩展至先进材料、农业、营养产品及兽医药物领域 2025年与先正达植保在农业领域达成合作 •客户结构：截至2025年，与全球前20大制药公司中的13家合作，客户集中度极高，2024年前五大客户贡献收入94.4%，最大客户占比60.6%3. 合作订单与收入对比 公司 2023年合作订单 2024年合作订单 2025年合作订单 合作订单特点 晶泰科技 与默克等药企合作，具体金额未披露 与辉瑞合作加速新冠口服药研发 与DovTree合作约60亿美元，与韩国JW、罗氏等签订百万美金级订单 客户多元化，订单分散，金额跨度大，服务型收入为主 英矽智能 与礼来达成软件授权合作，金额未披露 与Exelixis获1000万美元里程碑付款，与赛诺菲达成12亿美元潜在合作 与施维雅达成8.88亿美元合作，与美纳里尼达成5.5亿美元授权 客户集中度高，大额订单为主，依赖少数头部药企，管线授权收入占比高 数据来源：四、财务状况与盈利能力分析1. 晶泰科技：稳健增长的平台服务商 晶泰科技近三年财务表现如下： 收入增长：2024年营收2.66亿元，2025年上半年实现营收5.17亿元人民币，同比增长404%，首次实现半年盈利 盈利能力：2025年上半年经调整净利润1.42亿元人民币，毛利率约85%，研发投入占比35%，盈利能力显著提升 现金储备：截至2025年6月30日，持有现金余额53.08亿元人民币，月均现金消耗约4970万元，可支撑约107个月运营 资本结构：现金储备充足，资产负债率较低，财务结构健康，2025年5月被纳入MSCI中国小型股指数，获得国际资本体系认可 收入构成：药物发现解决方案业务收入占比高，2025年上半年药物发现解决方案业务收入达4.35亿元，同比增长超600%2. 英矽智能：高增长与高亏损并存的Biotech 英矽智能近三年财务表现如下： 收入变化：2022年营收3014.7万美元，2023年5118.0万美元，2024年8583.4万美元，三年复合增长率达86.6%；但2025年上半年营收骤降至2745.6万美元，同比下降54% 盈利能力：持续亏损，2022年净亏损2.22亿美元，2023年2.12亿美元，2024年1709.6万美元，2025年上半年净亏损1921.5万美元，累计未弥补亏损高达29.05亿美元 毛利率：2024年毛利率达90.4%，创行业新高，但高毛利未能转化为盈利 研发投入：2022-2024年研发开支分别为7817.5万、9734.1万、9189.5万美元，2024年研发费用率107.1%，研发投入占比极高 现金流：持续负向现金流，2022-2025年上半年经营现金流出分别为4751.7万、2957.6万、5740.1万、3684.2万美元，2025年上半年现金及等价物2.126亿美元 负债状况：财务杠杆压力大，截至2025年9月末，债务达8.95亿美元，负债率382.3%，流动比率仅0.25，短期偿债能力严重不足3. 财务状况对比表 财务指标 晶泰科技(2025上半年) 英矽智能(2025上半年) 差异分析 营业收入 5.17亿元人民币 2745.6万美元(约1.89亿元人民币) 晶泰科技收入规模更大，增长更稳定 经调整净利润 1.42亿元人民币(首次半年盈利) -1921.5万美元(约-1.33亿元人民币) 晶泰科技已实现盈利，英矽智能持续亏损 毛利率 约85% 90.4% 英矽智能毛利率略高，但晶泰科技已实现盈利 研发费用率 35% 129.6% 英矽智能研发费用率远高于晶泰科技 现金储备 53.08亿元人民币 2.126亿美元(约14.7亿元人民币) 晶泰科技现金储备远超英矽智能，支撑时间更长 月均现金消耗 4970万元人民币 约614万美元(约4190万元人民币) 晶泰科技现金消耗略高，但现金储备更充足 客户集中度 较分散，服务型收入为主 前五大客户占比94.4%，最大客户占比66.3% 晶泰科技客户结构更健康，英矽智能客户高度集中五、创新能力与技术壁垒分析1. 晶泰科技：量子计算与自动化实验的深度融合 晶泰科技的创新能力主要体现在量子计算与AI技术的深度融合，以及自动化实验平台的闭环优化： •技术创新： 2025年4月获得"数据处理方法、装置、模型训练方法和预测自由能方法"专利，提升AI模型训练和自由能预测能力 2025年12月申请"非天然氨基酸的生成方法及其应用"专利，扩展技术应用至多肽药物研发领域 2025年3月获得"容器密封装置和实验设备"专利，提升自动化实验设备性能 •技术壁垒： 晶型预测准确率超90%，UV谱图预测模型准确率突破90%，远高于行业平均水平 拥有650万+高精度分子数据、10万+分子力场参数的数据库，远超学界公开水平 自主研发的"灵动勺"机器人解决微量粉末分装行业难题，Multi-Agent系统实现化学合成全流程自主决策 •创新能力验证： 在辉瑞Paxlovid研发中，将晶型筛选周期从传统6个月压缩至3周，助力药物提前上市 与季康生物合作GPCR抗体项目，利用AI技术克服GPCR抗体发现的技术障碍，从抗原设计到抗体发现形成完整解决方案 与希格生科合作的弥漫型胃癌药物实现中美双IND获批，验证其技术平台的临床转化能力2. 英矽智能：生成式AI全流程药物研发 英矽智能的创新能力主要体现在生成式AI在药物研发全流程的应用，尤其是从靶点发现到临床试验的端到端覆盖： •技术创新： Pharma.AI平台覆盖靶点发现、分子设计、临床试验预测的全流程 Biology42模块的PandaOmics技术成功识别TNIK靶点，用于治疗IPF Chemistry42平台集成40+生成模型，支持基于配体/结构的分子设计，从靶点发现到PCC提名仅需12-18个月 •技术壁垒： AI驱动的药物研发全流程能力，从靶点发现到临床试验预测全覆盖 生成式AI模型在靶点发现和分子设计领域的创新性，如Rentosertib与传统TNIK抑制剂结构差异大，创新性强 临床前研发效率提升显著，从靶点发现到PCC提名周期缩短70%以上，研发成本降低87% •创新能力验证： Rentosertib(原名ISM001-055)成为全球首款AI驱动发现的临床阶段药物，从靶点发现到临床前候选化合物提名仅用18个月 截至2025年，已有10个分子获得临床试验许可，其中进展最为领先的Rentosertib已完成IIa期临床研究并获CDE突破性治疗药物认证 2025年6月，Rentosertib的IIa期临床试验数据发表于《自然·医学》，验证了AI在临床阶段的价值3. 创新能力对比表 创新能力维度 晶泰科技 英矽智能 差异分析 技术平台 xtalPi AI平台(量子物理+AI+机器人) Pharma.AI平台(Biology42+Chemistry42+Medicine42+Science42) 晶泰科技技术更聚焦于物理化学计算，英矽智能覆盖更全面的药物研发流程 核心技术 XMolGen-AI分子生成、CSP晶体结构预测、自动化实验平台 PandaOmics靶点发现、Chemistry42分子生成、Medicine42临床预测 晶泰科技在晶型预测方面精度更高，英矽智能在靶点发现和临床预测方面更具优势 技术壁垒 量子计算精度高、自动化实验闭环、数据积累丰富 生成式AI全流程覆盖、靶点创新性强、研发效率提升显著 晶泰科技技术壁垒集中在计算精度和实验效率，英矽智能技术壁垒集中在全流程AI驱动和靶点创新 创新验证 辉瑞Paxlovid加速上市、多个药物进入临床阶段 Rentosertib IIa期成功、30+自研管线、10+临床前候选药物 晶泰科技更多通过合作项目验证技术，英矽智能通过自研管线验证AI能力 技术通用性 可扩展至新材料、新能源等领域 主要聚焦生物医药领域，部分扩展至新材料等 晶泰科技技术平台通用性更强，可应用于更广泛领域六、临床管线进展与未来发展前景1. 晶泰科技：技术服务驱动的管线赋能 晶泰科技作为平台服务商，其临床管线进展主要通过与合作伙伴的合作实现： •重点管线进展： 与DoveTree合作开发的肿瘤、免疫等领域药物，已进入临床前阶段 与希格生科合作的弥漫型胃癌药物已实现中美双IND获批 与强生合作开发的双抗药物已将候选分子开发周期从18个月压缩至10个月 全球首款AI设计的脑渗透型PRMT5抑制剂进入IND阶段 •未来发展前景： 短期(1-2年)：持续拓展与大型药企的合作，尤其是DoveTree的60亿美元合作订单的收入确认，预计未来2年收入将持续增长 中期(3-5年)：深化"AI+机器人+人类智慧"融合，构建生命科学与材料科学超级智能平台，拓展多元化业务 长期(5年以上)：随着AI制药技术的成熟和商业化，平台服务模式将更加普及，晶泰科技有望成为全球AI制药基础设施的领导者2. 英矽智能：自研管线引领的临床突破 英矽智能作为AI驱动的Biotech，其核心价值体现在自研管线的临床进展上： •重点管线进展： Rentosertib(ISM001-055)：针对IPF的TNIK抑制剂，已完成中国IIa期临床试验，FVC改善显著(60mg QD组FVC较基线改善12.3%)，计划于2026年上半年在中国开展IIb/III期研究 ISM5411：肠道限制性PDE4抑制剂，用于炎症性肠病，已完成I期临床试验 ISM3091：USP1抑制剂，用于实体瘤，处于I/II期临床试验阶段 其他管线：30+自研管线组合，覆盖肿瘤、纤维化、免疫、神经、代谢等五大领域 •未来发展前景： 短期(1年)： Rentosertib计划于2026年上半年启动III期临床试验，这是AI制药领域的关键里程碑 中期(2-3年)： 若Rentosertib III期临床成功，预计2028年可提交NDA，峰值销售额预计15-20亿美元 长期(3年以上)： 若核心管线成功商业化，英矽智能将成为AI制药价值的终极证明，大幅提升公司价值3. 未来发展前景对比表 时间维度 晶泰科技 英矽智能 风险与机遇 短期(1-2年) 持续拓展头部药企合作，收入增长稳定 Rentosertib启动III期临床，管线授权收入增长 晶泰科技需证明订单持续性，英矽智能面临III期临床高失败风险 中期(3-5年) 深化技术平台融合，拓展多元化业务 Rentosertib可能进入III期/上市，管线价值释放 晶泰科技需应对技术通用性竞争，英矽智能需应对管线商业化风险 长期(5年以上) 成为AI制药基础设施领导者 成为AI制药领域Biotech龙头 晶泰科技天花板焦虑，英矽智能临床失败风险七、AI制药行业发展趋势与前景展望1. 市场规模与增长趋势 AI制药行业正处于快速发展阶段，市场规模持续扩大： 全球市场：2023年全球AI制药市场规模为13.8亿美元，预计2026年将达到29.94亿美元，2021-2026年年复合增长率将达到30.47% 中国市场：2022年，中国AI制药对外合作管线市场规模为15.5亿元，自研管线市场规模为11.6亿元，预计2025年将分别达到33亿元和34.7亿元，2035年将分别达到1353亿元和686.3亿元 管线数量：2018年全球AI驱动的新药发现/临床前管线数量为56个，2021年大幅攀升至158个。截至2026年初，AI驱动的临床试验管线已占现有临床试验管线的10% 临床阶段分布：目前全球共有102个AI驱动的药物管线获批临床试验，其中56个处于I期、41个处于II期、5个处于III期2. 行业竞争格局与技术趋势 AI制药行业竞争格局与技术趋势正在发生深刻变化： 商业模式分化：行业呈现"平台赋能型"与"自研管线型"两种主要商业模式，晶泰科技与英矽智能分别代表了这两种模式的领先企业 技术融合深化：AI技术与物理化学计算、自动化实验、临床试验设计等环节的融合日益深入，形成"计算-实验-临床"的全链条闭环。晶泰科技的"AI+机器人+量子计算"闭环与英矽智能的生成式AI全流程成为行业标杆 监管认可提升：FDA等监管机构对AI制药的认可度不断提高，2023年12月批准首个基于AI的药物开发工具(AIM-NASH)，2025年5月发布31页讨论文件，明确支持AI在临床试验设计中的应用 临床试验成功率：AI技术在早期临床试验中展现出较高成功率，I期临床试验成功率远超传统制药。但从II期到III期的"死亡之谷"成功率仍与传统模式相近，超过80%的药物在II期后无法进入III期3. 未来发展机遇与挑战 •机遇： 监管环境改善：FDA等监管机构对AI制药的认可度不断提高，将加速AI药物的商业化进程 技术融合加速：AI与物理化学计算、自动化实验、临床试验设计的深度融合，将显著提升研发效率和成功率 市场需求增长：全球制药企业面临专利到期和研发效率瓶颈，对AI技术的需求将持续增长 应用场景扩展：AI技术将从药物研发向新材料、新能源、农业等领域扩展，形成更广泛的市场空间 •挑战： 临床失败风险：即使AI技术能显著提高早期研发效率，但临床失败率仍与传统模式相近，超过80%的药物在II期后无法进入III期 数据质量与可获得性：AI模型训练依赖高质量数据，但临床试验数据获取受限，影响模型准确性 技术可解释性：AI"黑盒"问题仍是监管和临床医生的主要担忧，提高模型可解释性是行业关键挑战 市场竞争加剧：随着AI制药技术的普及，行业竞争将更加激烈，技术壁垒和差异化能力成为企业核心竞争力八、结论：两种模式的互补与共存 晶泰科技与英矽智能代表了AI制药领域的两种主流模式，各有优势与挑战： 1. 晶泰科技模式优势： 商业模式更稳健，现金流可预测性高，已实现盈利 技术平台标准化程度高，可复用性强，可拓展至新材料、新能源等领域 客户结构分散，服务型收入为主，抗风险能力强 现金储备充足，可支撑长期研发投入与业务拓展 2. 英矽智能模式优势： 潜在回报上限极高，若核心管线成功商业化，将带来巨大价值 端到端AI药物研发能力全面，从靶点发现到临床试验全覆盖 研发效率提升显著，从靶点发现到PCC提名周期缩短70%以上 靶点创新性强，可通过AI挖掘低关注度但高潜力的靶点 3. 两种模式的互补与共存： AI制药生态的健康发展需要多层次的分工协作： 平台的价值：晶泰科技作为底层技术提供者，通过标准化、规模化的服务，不断降低行业整体研发成本，提升效率，是生态繁荣的基石。其技术平台可跨行业复用，拓宽增长天花板。 Biotech的突破：英矽智能作为前沿的AI Biotech，承担了更高风险，致力于验证AI驱动药物研发的终极可行性——即能否真正产出安全有效的上市药物。其管线的成功是对AI制药价值最有力的证明，也将反哺和推动底层平台技术的迭代升级。 生态共生：晶泰科技以平台之力，为AI制药行业铺设了坚实的"智能基石"；英矽智能则充分利用这些基础设施，通过自身强大的AI引擎，设计和制造出极具竞争力的"新车型"(创新药物)。两种模式在AI制药生态系统中形成了互补共生的关系。

在生物医药与计算科学的交汇点上，Insilico Medicine（英矽智能）作为全球领先的AI驱动型生物技术公司，正在重新定义药物研发的路径。2025 年 12 月 30 日，英矽智能在香港联合交易所主板成功上市（股票代码：3696.HK），通过此次 IPO 募集资金约 22.77 亿港元，成为 2025 年香港规模最大的生物科技 IPO 之一。这一资本市场的里程碑不仅验证了AI制药模式的商业可行性，更标志着制药行业从传统的、具有高度偶然性的“发现”模式，向基于计算科学的“设计”模式发生了根本性转型。 英矽智能的核心竞争力在于其能够利用人工智能技术，在极短的时间内识别出具有临床潜力的首创（First-in-Class, FIC）药物靶点，并设计出高亲和力的候选分子。在传统研发模式下，从项目启动到提名临床前候选化合物（PCC）通常需要3至6年的时间，且面临极高的失败率；而Insilico Medicine在2021年至2024年间，通过其专有的Pharma.AI平台，在20余个内部项目中实现了平均仅需12至18个月即可提名PCC的突破性速度 。更具颠覆性的是，每个项目平均仅需合成并测试60至200个化合物，远低于传统制药动辄数千个分子的筛选规模 。 这种效率的飞跃直接转化为了强大的管线储备与商业价值。目前，公司已构建了包含30多个项目的多元化内部管线，涵盖纤维化、肿瘤、免疫学和老龄化相关疾病，其中多项资产已进入临床试验阶段 。其商业模式呈现出多维度的价值释放路径： 表 1 英矽智能的商业化维度与核心里程碑 依托多元化的商业化路径与持续兑现的管线进展，Insilico Medicine 于 2025 年底成功在港交所主板完成 IPO 融资，吸引了包括礼来（Eli Lilly）、腾讯（Tencent）等 15 家全球基石投资者的支持，为其长期研发与产业化布局提供资本支撑。 英矽智能的研发效率提升，并非仅停留在传统 AI for Science 语境下的早期分子发现环节，而是覆盖药物研发全流程的系统性优化。依托 Pharma.AI 平台，整合 PandaOmics、Chemistry42 与 inClinico 等核心模块，英矽智能将 AI 能力贯穿于靶点发现、分子设计与临床开发等关键环节，重塑了药物研发的整体节奏与决策方式。 图 1 Pharma.AI 平台能力全景图 Pharma.AI 成为英矽智能实现研发流程系统性重构的核心载体。从整体架构上看，这一平台并非由单一模型或工具构成，而是一套覆盖生物学、化学、临床与实验执行的端到端 AI 研发体系：以 PandaOmics 驱动新颖靶点发现，向下联通 生成式化学（Chemistry42）、合成路线规划以及 ADMET 与脱靶评估等化学决策层，并通过 inClinico 将临床试验设计与成功概率预测前置至研发早期。 在这一框架下，靶点发现、分子设计、合成可行性评估、体内外验证乃至临床决策不再彼此割裂，而是被纳入同一套可计算、可反馈的平台化流程之中，这也构成了英矽智能能够在整体研发周期与试错成本上实现系统性压缩的底层逻辑。 这一体系的关键优势在于其“闭环”设计。依托上海的高自动化智能实验室，机器人与 AI 驱动的实验系统能够持续生成组织处理、细胞培养、高通量筛选与多组学测序等数据，并实时回流至模型端进行微调与迭代，使药物研发在 in silico 与 wet lab 之间形成持续自我优化的循环，从而显著提升预测的稳定性与可信度。 在具体执行层面，这一平台化能力被进一步拆解为六个相互衔接的关键节点，构成 AI 制药发现流程的实际运行路径。 节点一：新颖靶点发现（PandaOmics） 整合多组学与文献数据，通过特征选择与因果推断，识别与既有疾病通路无直接关联但具备明确疾病驱动潜力的全新靶点。 节点二：生成式分子从头设计（Chemistry42） 基于靶点信息，在大规模化学空间中从零生成具备药物相容性与理化可行性的候选小分子。 节点三：合成路线与工艺可行性评估 利用 AI 进行逆合成分析与工艺规划，提前筛除不可合成或工艺风险过高的分子结构。 节点四：体外细胞实验与 SAR 迭代 在细胞模型中评估药理活性与初步安全性，并将实验数据反馈至模型以加速构效关系优化。 节点五：转化医学与人源相关性验证 通过人体组织或疾病相关模型验证靶点与分子机制在人体生理背景下的适用性。 节点六：体内验证与 IND-enabling 研究 在动物模型中完成关键功效与安全性评估，为 IND 申报提供核心支持数据。 图 2. Pharma.AI 驱动下的六个关键研发节点 如果说前述六个关键节点描述的是 Pharma.AI 的“运行路径”，那么支撑这条路径持续运转的，则是三大核心技术平台：PandaOmics 负责把生物学问题“算清楚”，Chemistry42 负责把化学空间“搜出来”，而 inClinico 则把临床试验的“风险与成功率”尽可能前置到研发早期——三者共同构成从靶点到候选药物、再到临床决策的一体化引擎（详见表格 2 和 图 3）。 表 2. Pharma.AI 平台核心模块与功能分工 图 3 Pharma.AI：从靶点发现到临床决策的完整运行路径 如果说 Pharma.AI 重塑的是药物研发的流程形态，那么大语言模型（LLM）的引入，则标志着英矽智能在技术底座层面的一次跃迁—-从“任务定制模型”，走向以通用大模型为核心的可迁移科学智能体系。这也从侧面反映了英矽智能持续自我迭代、不断演化的技术基因。 回顾英矽智能的技术演进路径，2016 年是一个关键起点：公司将生成对抗网络（GANs）引入化合物生成领域，首次验证了其AI模型在药物设计中的可行性。 随后，于2019 年发表在 Nature Biotechnology 的 GENTRL（Generative Tensorial Reinforcement Learning）模型，标志着英矽智能在生成式药物设计方向上的一次系统性技术升级。该模型在 21 天内完成了 DDR1 激酶抑制剂的发现与实验验证，展示了深度生成强化学习在压缩分子设计周期方面的突破性潜力。 但 GENTRL 也清晰地暴露了早期 AI for Science 路线的典型局限： 模型高度任务特定，擅长“生成”，但不擅长“理解” 难以处理跨尺度信息（分子—通路—疾病—临床） 对文献逻辑、实验语境与监管语言的理解能力有限 随着研发问题从“能不能生成分子”转向“能不能做出正确决策”，这一瓶颈开始显现。 真正的转折发生在 2026 年 1 月。 英矽智能正式推出 Science MMAI Gym（科学多模态 AI 健身房），其定位并非一个新模型，而是一套将通用大语言模型转化为专业科学智能的训练基础设施。 这一系统试图解决一个核心问题： 为什么 GPT、Claude 这类通用模型“看起来很聪明”，却在真实药研任务中频繁失效？ 答案在于领域失配。 在药物研发场景中，模型不仅需要语言能力，还必须具备对以下问题的稳定认知： 药代动力学（DMPK）的因果逻辑 毒性终点（如 DILI、hERG）的边界判断 多步骤优化链中的物理与化学约束 为此，Science MMAI Gym 构建了两套训练体系： 化学超智能（Chemical Superintelligence, CSI） 聚焦分子优化链、逆合成、多维结构–性质推理 训练数据覆盖数百万级药化优化路径与合成描述 生物与临床超智能（Biology & Clinical Superintelligence, BSI） 融合组学、疾病机制、临床终点与试验设计逻辑 用于支持靶点评估、临床成功率预测与风险分层 其本质，是通过大量高约束、可验证的科学任务训练，让 大语言模型在真实药研问题中反复接受反馈与校正，逐步内化化学与生物学规则，而不是仅依赖提示工程 (prompt )在零散问题上给出表面合理的回答。 LLM 的引入，并未停留在独立系统层面，而是直接推动了英矽智能既有核心资产的代际升级。 ChatPandaGPT 是最直观的变化。 作为 PandaOmics 的新交互层，它让研究人员可以通过自然语言，直接与多组学证据、知识图谱和靶点评分体系对话，不再需要在模型、表格与代码之间反复切换。 GENTRL 的演进 也同样关键。 新一代模型逐步引入 Transformer 架构，在序列与图表示空间中联合强化学习进行目标导向优化，使分子生成不再只是“结构合理”，而是在复杂 SAR 约束下具备更强的泛化能力。 在临床侧，DILBERT 与 inClinico 的升级则更具战略意义。 LLM 的加入，使模型能够更好地理解临床试验方案中的统计假设、监管语境与设计逻辑，从而在符合 ICH E9 等原则的框架下，对 Phase 2 向 Phase 3 推进的风险进行结构化评估。 通过这些升级，英矽智能正在稳步推进其 PSI（制药超智能）蓝图，即创建一个完全由人工智能驱动、具备自主决策能力、能最大限度减少临床失败的自动化研发体系 。 如果说前述的大语言模型与 Pharma.AI 展示的是英矽智能在方法论与系统层面的进化，那么临床试验给出的，则是这一技术路线能否成立的最终裁决。 在这一意义上，Insilico Medicine 并未停留在“模型性能”或“流程效率”的层面，而是通过真实世界中的药物候选分子，完成了 AI 驱动药物发现的首个临床概念验证（PoC）。 Rentosertib 是英矽智能最具标志性的项目之一。该分子针对特发性肺纤维化（IPF）的全新靶点 TNIK（TRAF2 and NCK interacting kinase）： 靶点由 PandaOmics 识别，分子结构由 Chemistry42 定向生成，完整贯穿了 AI 驱动的“靶点发现—分子设计”流程。 2025 年 6 月 3 日，Insilico 在 Nature Medicine 发表了 Rentosertib 的 IIa 期临床研究（GENESIS-IPF）结果。这项在 22 个中心开展的随机、双盲、安慰剂对照试验共纳入 71 名受试者，首次在严格的随机对照框架下，验证了生成式 AI 设计分子的临床有效性。 在 12 周时，关键肺功能终点 FVC（用力肺活量） 的变化显示出明确的剂量分化趋势： 安慰剂组：−20.3 ml 30 mg QD：−27.0 ml 30 mg BID：+19.7 ml60 mg QD：+98.4 ml（95% CI 10.9–185.9） 这一结果在统计意义和临床意义上均具有里程碑价值： 这是人类历史上首次由生成式 AI 从靶点发现到分子设计全流程产出的药物，在随机对照临床试验中显示出明确疗效信号。 与此同时，安全性数据也提示该分子仍需进一步优化。在试验期间发生的 16 例提前停药中，12 例（75%）由不良事件（AE）驱动，其中 7 例与肝损伤或肝功能异常相关（30 mg BID 22.2%，60 mg QD 17%）。这也再次印证了一个现实结论：AI 可以显著提高发现效率，但并不能绕开临床验证本身的复杂性与严苛性。 Rentosertib 的意义并不只在于“首例成功”，更在于其是否能够被规模化复制。 从目前披露的管线来看，英矽智能已在肿瘤、免疫与代谢等多个领域推进了一批新分子实体（NMEs），显示出平台的跨适应症通用性： ISM8969（NLRP3 抑制剂） 具备脑渗透能力的口服小分子，用于帕金森病等中枢神经系统炎症相关疾病，已于 2026 年获得 FDA IND，进入 I 期临床。 ISM6331（Pan-TEAD 抑制剂） 针对 Hippo 信号通路关键节点，目前处于全球多中心 I 期临床，主要用于间皮瘤等晚期实体瘤。 ISM3412（MAT2A 抑制剂） 面向 MTAP 缺失肿瘤的合成致死靶点，正在进行首次人体（FIH）I 期剂量递增试验。 ISM5411（PHD1/2 抑制剂） 一种肠道限制性口服分子，用于炎症性肠病（IBD）。2026 年 I 期数据显示，其兼具良好的肠道选择性与系统安全性，并显示出炎症调节与黏膜修复的潜在双重作用。 这些项目的共同特征是： 从靶点发现到进入 I 期临床的周期通常控制在 30 个月以内，研发成本显著低于传统模式。 英矽智能的十年演进，浓缩了生成式人工智能在生命科学领域从探索走向成熟的全过程。从早期将 AI 引入分子生成，到构建覆盖靶点发现、分子设计与临床预测的 Pharma.AI 平台，再到以 Science MMAI Gym 为代表的通用科学智能探索，公司逐步形成了一套可闭环、可扩展的 AI 驱动药物研发体系。 Rentosertib 在 IIa 期临床中的结果，使这一体系首次接受了真实世界的严格检验。其意义并不止于某一个项目的成功，而在于它证明了：由 AI 主导完成从靶点发现到分子设计的药物，有可能在随机对照临床试验中产生可验证的临床获益。这为 AIDD（AI 驱动药物研发）从“方法论创新”迈向“临床可行性”提供了关键证据。 向前看，随着制药超智能（PSI）理念的推进，以及 Life Star 2 等自动化实验系统对实验效率的持续放大，药物研发正在从高度依赖经验与运气的过程，转向以数据、模型与验证为核心的工程化体系。Insilico Medicine 的探索并不意味着答案已经确定，但它清晰地指向了一种可能的未来路径：药物发现不再只是少数成功的偶然事件，而是一个可以被系统性设计、不断迭代和持续优化的过程。 在这一进程中，英矽智能更像是一座正在搭建的基础设施——它所推动的，是整个医药研发范式的缓慢但深刻的转变。