Watson, Inc.

注：本奖项申报将于2025年4月30日截止近年来，人工智能（AI）技术突飞猛进。与此同时，AI技术的颠覆性突破，正从算法层面向产业深处渗透。AI技术的迅猛发展已深刻重塑医药行业，从药物研发到临床诊疗，乃至全球产业链的协同模式均经历颠覆性变革。AI工具通过机器学习（ML）与大数据分析，将传统药物研发的“双十魔咒”（十年周期、十亿美元成本）大幅压缩。回顾2024年，各大跨国制药公司（MNC）都在为AI制药按下加速键——从靶点发现、分子设计到临床试验优化，AI技术将大幅缩短药物研发周期、提高新药开发效率。那么全球巨头药企们在2024年具体有哪些AI制药领域的合作？他们在AI制药领域有着怎样的布局？医药魔方Pro挑选了2024年制药业务收入排名前十的MNC巨头（推荐阅读：2024年全球药企TOP10），收集、整理了他们2024年在AI制药领域的合作和布局，供读者参考。01. 辉瑞早在2016年，“宇宙大药厂”辉瑞就与全球AI领域知名公司IBM达成合作，使用Watson的ML等技术进行新药物靶点识别、组合疗法的研究和患者的选择。2018年，辉瑞任命了一位首席数字官——Lidia Fonseca，负责制定和实施“加速和提高公司数字能力的战略”，奠定了公司数字化转型的基础。此后的几年，辉瑞相继宣布与Adapsyn、晶泰科技、Atomwise、CytoReason、Gero、Tempus等AI制药公司达成合作协议，涵盖靶点发现、小分子药物发现、免疫疾病模型、抗体药物研发等多个方面。2024年8月，辉瑞任命Berta Rodriguez-Hervas加入其数字领导团队，担任首席人工智能和分析官（Chief AI and Analytics Officer）。TRIANA Biomedicines2024年10月15日，辉瑞宣布与TRIANA Biomedicines达成战略合作和许可协议，以发现用于多个疾病领域（包括肿瘤学）的针对多个靶点的新型分子胶降解剂。TRIANA Biomedicines的药物发现平台由高分辨率的结构信息、AI和计算工具以及定制的化学文库驱动。根据协议条款，TRIANA Biomedicines将获得4900万美元的预付款，并有资格获得超过15亿美元的里程款。（推荐阅读：超15亿美元！辉瑞“加码”分子胶）02. 默沙东默沙东是最早“拥抱”AI制药的MNC之一。公开资料显示，2012年，默沙东就与Numerate公司合作研发心血管疾病的治疗方法。Numerate主要是利用ML软件研发治疗神经退行性疾病、心血管疾病和肿瘤的新兴治疗方案，并致力于为开发小分子疗法的企业提供药物设计平台。近几年，默沙东分别与AbSci、BigHat Biosciences、BenevolentAI、Exscientia等AI制药公司达成合作。2024年是全球AI制药合作遍地开花的一年，对默沙东来说也不例外：Unnatural Products2024年1月24日，默沙东宣布与Unnatural Products（UNP）达成总额约2.2亿美元合作，将应用UNP在AI与化学上的专业来设计和开发针对肿瘤治疗靶点的大环类候选药物。Variational AI2024年1月25日，默沙东实验室宣布与Variational AI公司达成合作，将利用Variational AI的Enki生成式AI平台，设计创新和选择性小分子药物。Evaxion Biotech2024年9月26日，默沙东与丹麦AI制药公司Evaxion Biotech就两种临床前候选疫苗（EVX-B2和EVX-B3）达成了期权和许可协议。其中EVX-B2是一种基于蛋白质的淋病候选疫苗，EVX-B3靶向一种未公开的感染因子。Evaxion将获得最高1320美元的预付款。此外，Evaxion还有资格获得每个产品5.92亿美元的里程款，交易总金额近12亿美元。03. 强生近年来，强生已为其AI能力投入了数亿美元。华尔街日报称，强生聘请了约6000名数据科学和数字专家，这些专家不仅精通数据科学，还具备生物学、化学和药物研发等多领域的知识。此外，强生还拥有名为Med的大型数据库，包含超3PB的信息，涵盖真实世界数据和临床试验结果。这些数据为AI模型提供了丰富的训练素材，帮助加速药物开发。早在2013年，强生就与AI制药顶尖公司Exscientia建立合作，将Exscientia的设计技术应用于新化合物的发现。2020-2023年间，强生相继与英矽智能、Tempus、SRI International、Aqemia、Intellomx等AI制药公司建立合作。Odyssey Therapeutics2024年4月4日，强生旗下杨森制药宣布与Odyssey Therapeutics达成战略研究合作，共同发现和优化针对特定治疗靶点的小分子药物。两家公司将结合各自在AI、ML、计算化学和药物发现方面的专长，共同发掘难以成药靶点。BigHat Biosciences2024年4月24日，杨森制药宣布与BigHat Biosciences达成合作，这一战略合作将强生的药物发现、临床开发和数据科学专业知识，与BigHat的Milliner™平台相结合，后者是一套与高速湿实验室集成的ML技术，用于指导多个神经科学治疗靶点的高质量抗体的设计和选择。晶泰科技2024年10月10日，杨森制药宣布与晶泰科技下属部门Ailux Biologics签署大分子药物发现AI平台授权协议。根据协议，晶泰科技商业授权杨森及其附属公司使用晶泰自主开发的XtalFold™ AI平台进行大分子药物的发现和工程化设计。04. 艾伯维Alphabet（谷歌母公司）旗下的抗衰老研究公司Calico致力于了解衰老的生物学特性。艾伯维与Calico的合作关系始于2014年，艾伯维负责推动Calico研究发现的开发和商业化。2020年，艾伯维子公司Cerevel Therapeutics宣布与Cyclica开展研究合作，利用AI加速神经科学新药的发现。Cerevel将使用Cyclica专有的AI平台来筛选、鉴定、设计和评估针对神经科学疾病预先指定靶点的化合物。2023年1月，艾伯维宣布与Anima Biotech合作，利用AI发现和开发针对肿瘤学和免疫学靶点的mRNA生物学调节剂，Anima将获得4200万美元的预付款。2023年12月，艾伯维宣布与BigHat Biosciences合作，利用AI和ML发现下一代治疗性抗体。BigHat将获得3000万美元的预付款，并可能有资格获得高达约3.25亿美元的里程款。2024年，艾伯维又宣布一项AI制药方面的合作：Gilgamesh Pharmaceuticals2024年5月13日，艾伯维与Gilgamesh Pharmaceuticals达成合作协议，利用后者在新型神经功能重塑因子（neuroplastogens）的创新平台，共同开发新一代精神疾病药物。Gilgamesh Pharmaceuticals将药物化学方面的专业知识与AI发现和平台相结合，加速了新型精准精神疗法的创造。根据协议，艾伯维支付6500万美元预付款，19.5亿美元里程款。05. 阿斯利康在AI制药领域，阿斯利康的布局多元且深入。2017年，阿斯利康与Berg Health、Roivant等新一代AI和数据驱动型的公司合作，完成了在AI制药领域的试水。2019年，阿斯利康开启了新的战略方向：包括由数字、数据和AI驱动的未来医疗战略，并在内部进行了一次根本性的组织架构调整，数据科学和AI部门应运而生。2023年11月，阿斯利康宣布推出一家新的全球健康科技公司Evinova，正式进军AI CXO领域，为药企、CRO公司提供包括实验解决方案、研究设计和规划以及管线资产管理的三大类服务。同年，阿斯利康也大刀阔斧地进行AI革命，相继和SandboxAQ、Verge Genomics、Saama、Nanoform、AbSci等多家AI制药公司达成合作。Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）06. 罗氏现阶段AI药物研发的痛点之一是数据问题，罗氏是最早押注制药领域大数据的MNC之一。2018年，罗氏以19亿美元前瞻性收购肿瘤大数据领头羊Flatiron Health的全部股份。同一年，基因泰克与医疗数据化分析公司GNS Healthcare达成协议，使用其AI平台分析已知疗法在肿瘤中的功效。2021年，罗氏与拥有国家级大数据中心的天津港保税区结盟成为长期战略合作伙伴，共同开展包括个体化医疗研究等多方面的合作。2023年，罗氏宣布扩大与Shape Therapeutics（简称ShapeTX）的合作伙伴关系。双方的合作始于2021年8月，当时达成了总金额可能超30亿美元的合作协议。此次扩大合作，ShapeTX将利用其专有的AI RNA编辑平台，开发一种潜在的一次性疗法。Dyno Therapeutics2024年10月24日，罗氏宣布与Dyno Therapeutics达成第二项研究合作，开发针对神经疾病的下一代AAV基因疗法。双方此前于2020年10月宣布了一项针对神经疾病和肝脏定向疗法的研究合作与许可协议。Dyno Therapeutics是一家利用AI推动体内基因递送的生物技术公司。根据此次新合作协议，Dyno Therapeutics将进一步向罗氏提供其领先的平台和序列设计技术，促进体内基因递送。罗氏将向Dyno支付5000万美元的预付款，以及超10亿美元的里程款。07. 诺华与其他MNC类似，诺华在AI制药领域也经历了早期探索阶段。2017年6月，诺华与IBM Watson Health达成了合作，用AI技术来改善乳腺癌治疗方案。在此之前，诺华与Cota Healthcare也进行了类似的合作。2019年，诺华与微软合作，建立AI创新实验室，作为其AI和数据科学战略的重要一环。该实验室旨在增强诺华AI从研究到商业化的能力。其核心是创新的AI模型和应用程序，从生成化学、图像分割和分析开始，解决生命科学领域一些最困难的计算挑战。近年来，诺华不断深化对外合作与技术拓展，2024年相继宣布了多项AI制药领域的合作：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs宣布与诺华和礼来达成战略合作。其中与诺华的合作涉及三个未公开的靶点，Isomorphic Labs将获得3750万美元的预付款，并有资格获得高达12亿美元的里程款。Generate Biomedicines2024年9月24日，诺华宣布与Generate:Biomedicines达成多靶点合作，以发现和开发横跨多种疾病领域的蛋白质疗法。此次合作利用了Generate专有的生成式AI平台The Generate Platform，通过基于AI的优化和从头生成，创造潜在的first-in-class及best-in-class分子。根据协议条款，诺华将向Generate支付总计6500万美元的预付款，其中1500万美元用于购买Generate的股权。此外，Generate还将获得超过10亿美元的里程款，以及分层版税。（推荐阅读：超10亿美元！诺华“牵手”AI制药明星公司）BioAge Labs2024年12月18日，诺华宣布与BioAge Labs进行多年研究合作。该合作旨在通过研究驱动与衰老相关疾病的生物学机制和介导体育锻炼的有益作用，鉴定和验证多种新型治疗药物靶点。BioAge Labs搭建基于AI技术的高通量目标识别平台。根据协议条款，BioAge将获得高达2000万美元的预付款和研究资金，以及未来高达5.3亿美元的长期研究、开发和商业里程款。08. BMS在AI制药合作方面，BMS可以称得上是数量最多的MNC之一。2020年，BMS分别与Schrödinger（总金额27.55亿美元）和PsychoGenics达成合作；2021年，与Exscientia达成合作（总金额12亿美元）；2022年，与Envisagenics达成合作。2023年，BMS分别与CHARM Therapeutics、Tempus、Terray Therapeutics等多家AI制药公司达成了合作。2024年，BMS继续发力，与四家AI制药公司达成了合作：VantAI2024年2月13日，BMS宣布与VantA达成合作，借助生成式AI技术，加速分子胶的发现。此次合作将结合VantAI在几何深度学习方面的积累以及BMS在靶向蛋白降解剂开发方面的经验。根据协议，VantAI将有资格从BMS获得高达6.74亿美元的里程款。（推荐阅读：6.74亿美元！BMS“加码”AI制药，这次目标是分子胶）Nabla Bio2024年5月14日，Nabla Bio宣布完成2600万美元A轮融资，同时与阿斯利康、BMS和武田达成战略合作，前期付款和里程款超5.5亿美元。Nabla开发了集成的AI和湿实验室技术，能够实现原子精度的药物设计和药物功能的高通量测量，公司的研究重点是针对多通道膜蛋白的抗体，包括G蛋白偶联受体（GPCR）、离子通道和转运体。（推荐阅读：同一天，AI制药新锐宣布A轮融资、与三家MNC超5.5亿美元合作）Menten AI2024年5月28日，BMS宣布与Menten AI达成研究合作和许可协议。Menten AI是一家专门从事AI设计生成大环肽的biotech公司。合作利用了Menten AI平台，该平台结合了ML、基于物理的模型和量子化学模拟，以简化设计和优化过程。AI Proteins2024年12月3日，BMS宣布与AI Proteins达成合作，利用AI Proteins强大的发现平台发现和开发基于微蛋白质的新型疗法。AI Proteins将获得一笔预付款，交易总价值高达4亿美元。09. 礼来近年来，礼来通过一系列战略投资和合作，逐步深化了在AI制药领域的布局。2019年以来，礼来相续与Atomwise、Biolojic Design、Verge Genomics、Genesis Therapeutics、晶泰科技、Fauna Bio等多家AI制药公司合作，合作范围涵盖RNA靶向疗法、小分子药物开发和抗菌药物研发等领域。2024年10月，礼来宣布任命Thomas J. Fuchs为首席AI官（CAIO），标志着礼来对AI的重视上升到新的高度。同时，2024年，礼来在AI制药合作方面继续“加大马力”：Isomorphic Labs2024年1月7日，数字生物公司Isomorphic Labs（简称IsoLabs）宣布与诺华和礼来达成战略合作。其中与礼来的合作包括针对多个靶点的小分子治疗研究，Isomorphic Labs将获得4500万美元的预付款，以及高达17亿美元的里程款。Genetic Leap2024年9月5日，礼来与Genetic Leap达成基因疗法药物开发合作，将利用Genetic Leap的RNA靶向药物的AI平台，为礼来选定的靶点开发寡核苷酸药物。根据协议条款，除了分级特许权使用费外，Genetic Leap还将从礼来获得高达4.09亿美元的里程款。（推荐阅读：4.09亿美元！礼来与AI制药公司达成合作，共同开发寡核苷酸疗法）Axcelead DDP2024年9月5日，礼来与Axcelead Drug Discovery Partners（简称Axcelead DDP）就多个药物发现项目达成战略研究和合作协议。Axcelead DDP通过其成熟的药物发现能力和包括AI在内的创新技术来生产候选药物。Insitro2024年10月9日，礼来宣布与AI制药公司Insitro签署三项战略协议，双方共同推进治疗代谢疾病的潜在新药，包括代谢功能障碍相关的脂肪性肝病（MASLD）。前两项协议中，礼来为Insitro提供了获得GalNAc（N-乙酰半乳糖胺）递送技术许可的选择权。第三项协议中，Insitro和礼来将合作发现和开发针对代谢疾病的第三个新靶点的抗体。（推荐阅读：双赢！礼来与AI制药公司达成最新合作）10. 赛诺菲近年来，赛诺菲与多家专长不一的AI药企进行了深度绑定，如Owkin、Exscientia、天演药业、英矽智能、CytoReason、SandboxAQ、百图生科、Aqemia等。2023年6月，赛诺菲宣布，全公司数字化转型迈出下一步，“all in”AI和数据科学，为患者加速取得突破性成就。这也是第一家高调宣布全面高举AI战略的MNC。2024年以来，赛诺菲在AI制药领域依然动作不断：Formation Bio、OpenAI2024年5月21日，赛诺菲宣布与OpenAI、Formation Bio建立合作伙伴关系，以加速AI在药物开发中的应用，三方将共同构建一款AI驱动的药物开发软件。Healx2024年11月13日，赛诺菲宣布与Healx达成合作，双方将利用Healx的AI药物发现平台Healnet，以及赛诺菲的化合物来确定新的疾病适应症。小结除了上文提到的MNC，默克、吉利德、拜耳、勃林格殷格翰、武田等巨头也在2024年纷纷加码AI制药。合作范围极为广泛，不仅涵盖利用AI研发多靶小分子、抗体、ADC等药物，还涉及FIC靶点发现、集成AI平台等领域。2024年，AI制药迎来高速发展。从biotech到MNC，再到传统药企，都在更加积极拥抱AI，推动创新药研发迈向“智造”时代。这表明AI制药的影响力正在不断扩大，越来越多的制药巨头正凭借其强大的技术与资源优势，加速AI技术在药物研发中的应用，进一步推动整个行业的创新与变革。参考资料：[1]各公司官网[2]Business Wire官网推荐阅读专访晶核余海华 | 核药赛道“十二问”尧唐生物吴宇轩：基因编辑迎来「中国解法」医药魔方Pro洞察全球生物医药前沿趋势赋能中国源头创新成果转化媒体合作：15895423126Copyright © 2025 PHARMCUBE. All Rights Reserved.欢迎转发分享及合理引用，引用时请在显要位置标明文章来源；如需转载，请给微信公众号后台留言或发送消息，并注明公众号名称及ID。免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。

☝ 点击上方 一键预约 ☝   最新最热的医药健康新闻政策 2025年3月，在波士顿的一家Biotech 创始人，正在寻求新一轮融资。他和中美两国的投资人都有接触，忽然感觉“DeepSeek 对国内科技行业的提振很强，去年的低迷一扫而光”。 他感觉到，中国资产涉及到“AI 加持医疗”的价值在增加，“技术上虽然刚开始，但是未来前景很大，美国相关股票在最近也开始暴涨”。  国内知名基金的生物板块负责人，也加紧和同公司数据智能团队交流，并紧锣密鼓地调研之前投资的人工智能公司，独立分出来做医疗的团队。 “最近老板都在疯狂补课。”一位投资人发来一篇关于AI影像公司商业前景的文章。其表示，在一级市场，剩下的AI 公司标的已经不多了。 一线从业者的“体感”，来自春节前DeepSeek R1 模型的横空出世带来的一股“AI热潮”。DeepSeek 在美中两国相继登上APP 下载榜第一名，国内多家地方政府机关、大型三甲医院以及大药企的接入……DeepSeek 之热，制药人也几乎都人手下载了一个。“虽然在我们的领域还没有到非常专业的程度，但在大众应用层面的表现已经非常出色了。” DeepSeek 的影响带动了AI 医疗/医药股的走势。一个多月来，多个医疗影像、医疗信息化、AI 制药概念股涨幅接近50%。其中，晶泰科技作为国内“AI 制药第一股”，日前宣布将在港股配售筹集超过20亿港元。 -01- 似曾相识的“暴涨” AI 概念公司在股市中的走高已经不是第一次。 在一位投资人的印象里，这甚至已经是第四次了：从2014年IBM 组建watson 部门，到2017年和2021年在牛市中被炒热，AI 概念曾几次被推高到A股的风口。因此，AI 公司在创投界也一直比较受欢迎。 美股也历经了数次“AI 热”，包括去年9月的ChatGPT 热潮的影响。投资人表示，这不是第一次，也不会是最后一次，AI 对生产力的提升会在未来长达十年的时间里逐步显现，这种趋势已经成为共识。因此一旦有新的动向出现，AI 股便会一路走高。 作为一种新技术，中美的AI 技术发展及相关股市表现在某种程度上是“共此凉热”。此前中国进度看起来稍后一些，“前面几波都是美国人在做，中国可能花6个月或小一年才能追上。“ 但这次不同，“以前都是美国先迈左脚，这次是中国先迈了右脚，DeepSeek这个台阶是中国先迈上去了。那体现在股价上就是这波中国的股票涨得比较多。”投资人表示。 不过有投资人评价，如今无论是已上市还是未上市的AI制药公司，“都很难评价”，“神奇的公司太多了”“没法证明也没法证伪”。 AI医疗和AI制药不同。如果说一件商品的形成有“好的技术-好的产品-好的商业模式”三个步骤，有的AI医疗公司（医疗信息化、影像等公司）或许已经由第二步到第三步努力；而对于AI制药行业整体而言，目前可能还在第一步到第二步进阶的阶段。 -02- AI 制药，走到哪一步了 AI 制药，目前出现的第一类公司，是在临床前阶段帮助筛选分子。比如根据某种疾病的模式，综合是否更有利于结合靶点、蛋白质等条件，在“分子仓库”里寻找可能匹配的解决方案。 除了晶泰科技、英矽智能等自己利用AI来研发产品的（相当于利用了AI技术的Biotech），还有一些公司会用AI筛选分子技术，结合后期的动物试验等做CRO，例如药明康德。 有业内人士表示，AI 在筛选分子方面的作用不可一概而论。在小分子、抗体、多肽等不同Modality （模态）上，AI 赋能的方式和程度都不太一样。 不过行业共识是，无论是哪一种，真正用AI 设计的分子（而不是那些人为设计较多、AI仅起优化作用的），尚未产生令人惊艳的临床数据，“De novo design （从头设计）”任重道远。 第二类AI 制药的思路是提高临床开发效率，根据适应症、生物标志物、患者既往病史和当下各项指标等条件，筛选出最适合用药的人群。将来，这种筛选方式产生的临床数据经过AI 分析，或许也可以为患者提供更精准的治疗方案。 相比起小规模出现的AI 分子筛选类公司，AI 临床创新方案或精准入组病人设计公司更少，赛菲尼（Safenia）医药是一家。其致力于采用AI 辅助的方式，从病人用药反应的数据中提炼患者的生物特征（Biologic Signature）、设计精准筛选患者的标志物，为临床研究确定药物适用的对象。 AI 效率之高曾让赛菲尼医药董事长黄予良惊叹：“如果按照我们传统做法，要花9个月到一年的时间才能在1个基因上找到适用患者的生物特征；现在的赛菲尼，我们使用整合AI 的研发工具，在25个基因上分析并确定药物适用患者的生物特征，花了差不多6个礼拜时间就全部搞定了,且精准度比起‘众多博士’的努力还要高和可靠。” 商业模式上，赛菲尼医药的基本模式是“再创造”那些三期试验不成功的药物，利用AI 筛选具有药效反应生物特征的患者。在有预测能力的基础上，提高临床试验的成功率，“目前药物的三期临床成功率不到50%，我们希望能够通过我们的AI技术平台赋能，将这个成功率提高到80%以上。” NewCo 孵化机构合伙人彭巍表示，经过多年的干实验预测与湿实验反复验证，国内外AI 制药领域在泡沫中终于涌现出一些有潜力的公司，不缺融资、不缺人才、也不缺大厂合作。但其管线与商业模式真正成熟还有一段距离，因此这些公司目前埋头苦干，十分低调，不愿引来过早的竞争或过多的关注。 有从业者表示，目前MNC 也都在涉足AI 制药领域，有的已成立了近百人的专门部门，旨在于研究如何利用AI指导药物的高效开发。但如果要让AI 参与临床试验，尤其是三期试验的环节，无异于在公司战略层面启动重大变革——AI 要深度参与制药行业，恐怕还需要一些时间。 -03- “药效黑箱”捆住了AI 的翅膀 在业内人士看来，对于整个制药行业而言，利用AI 筛选分子有时显得有些“隔靴止痒”——理论上再优秀的分子，都要经过临床阶段的验证，这才是制药的最大难点、风险点及成本所在。 而在把“安全性”置于第一位的制药工业，动物及三期人体试验的过程，在可见的未来里，是难以被AI 的推测及模拟所代替的。 对人类来说，生命科学还是“一门远远未尽的科学”。某个分子在什么情况下、为何能发挥作用；为何理论上能发挥作用，可有时又会导致严重的副反应和安全性问题……这些问题又常常处在“黑箱”里，目前只有通过人体试验，才能大致推测出药物作用的结果，可根本原因有时却依旧不十分明确。 这就导致了AI 在制药工业中的局限性。某种程度上，AI 只能根据收集和整理已知的信息，为未知的事情提供可参考的解决方案。但若源头的信息都是未知的，AI也就无从提供一个正确方案。 我们尝试从AI 发展的角度来理解这个问题。据业内人分析，AI 的能力是由“数据-模型-算力”三个维度构成的。 就数据层面而言，以DeepSeek 为例，作为一种面向普罗大众的应用，因其有大量语料数据可供“喂养”，因此它的优势也是在语言层面。多位行业人士判断，DeepSeek 在医疗的心理咨询领域应用空间可能较广。 相比数据层面而言，人类对于生命认识的局限性，导致了分子作用具有一定“黑箱效应”，那么制药领域可供“喂养”AI 的数据就“少得可怜”，更别提下一步的逻辑推演和模型建立。 不过行业人士对此仍持开放态度，“三年前我们也不知道AI 现在能发展成这样”。在未来AI 会如何帮助人类探索解决生命科学领域的未知问题，进而应用到制药工业的临床环节，仍难有定论。 包括在分子筛选环节，虽然AI筛选出的分子的有效性要经过临床环节验证才能明确，公司们目前仍处在“说故事”的阶段，然而，“许多伟大的事情都是从说故事开始的”。 -04- 突破何时来到？ 行业人士认为，在AI 制药领域，大体上，目前中美公司的产品发展思路差不多，技术差距也并不算太大，“就看接下来哪边能有一个明确的突破”。 其表达了对中国公司的信心，“据说DeepSeek 只用了Chatgpt 1/30的投入，就达到了这样的效果。如果这是真的，足以说明我们能够通过算法上的创新和优势，超越了那边拿钱去‘砸’GPU 算力的做法。加上我们有这么多‘码农’，AI 这块我们的发展前景不会太差。” 不过现阶段，比起一般的Biotech，除了共有的一级市场融资难问题，AI 制药公司还面临一个特有的难题：生物数据。在中美贸易和地缘政治摩擦的背景下，生物信息成了一个格外敏感的问题。有华人创办的公司尽管是“美国户口”，但海外公司一看创始人名字是一个“中国的姓”，可能就会很快放弃合作。 涉及到临床阶段人体数据的AI 制药公司尤甚。而若将融资目标转回到中国，国内基金又惯于投资那些更“流行”、更“受欢迎”的，或是被大公司认可的标的。因此，在完成“自研出上市药物”这个漫长的目标之前，这类公司需要寻求更好发展，和MNC 达成一笔合作就格外重要。 就是说，MNC会不会开始花大手笔买入AI制药相关的资产，或是能否自研出具有突破性的AI制药成果，可能将会是行业能否迎来突破的一个风向标。 在黄予良看来，赛菲尼医药目前是从基因层面发力，这是众多影响药物作用（药效或副反应）中有明确科学依据的基础。只要方法得当和效率合适（正好是AI 的长处），就可以寻求临床阶段入组患者的差异性。而在其他领域，如分子设计、作用靶点发现，以及找到患者之间蛋白质、细胞层面等多组学的差异等，AI尚有发力和寻求证明的空间。 不过当前AI 制药企业多为“单点突破”：分子设计、靶点发现、患者筛选等环节各自为战，从技术到商业模式阶段都在各自摸索着，没有人去传递大家成果之间的“偶联性”。 黄予良期待，将来会出现一个角色，串联从靶点筛选到临床验证的全链条，实现“AI驱动新药研发闭环”，进而开创性地完成“整个创新药的全过程介入”，届时研发新药的所需时间可能会大大缩短。 -05- AI 能取代的，和不能取代的 虽然业内判断，制药业因AI 产生革命性改变尚需时日；但从个人层面而言，AI 取代制药行业的某些人类工作也许已经不远了，比如一般性的临床方案设计。 但目前AI不能取代的工作仍旧很多。 在“数据-模型-算力”这个AI 能力的三角里，即便解决了数据和算力问题，假设AI也有自我搭建逻辑框架模型的能力，但那个“最初的模型”，终归需要人来搭建——黄予良称，他花了整整两三年的时间，与行业内不同的人不断交流，才逐渐理解出“AI 识别患者基因不同”这个公司发展的核心概念。 “如果没有很好的逻辑，AI 拿再多的数据也都是发散性的，不能给你提供有效的信息。AI是为了更好的把数据信息化、有效化起来。”黄予良称，“随着全球科学、技术和经济的发展，我们进入了可能需要由AI来串联和整合信息的时代。应该积极拥抱和深刻参与这个进程。” 不过如今在医学领域的现实是，AI 虽然能收录汗牛充栋的医学临床指南，但还无法取代医生对患者的个体情况进行判断，从而给出最合适的用药方案； AI 虽然能帮助筛选出理论上最有可能成功的药物分子，但还无法取代科学家进行基础研究和临床研究，尽可能穷尽生命科学的谜底，进而在临床阶段保证药物的有效性和安全性。 投资医药也是一样。彭巍认为，制药过程中最难让AI 赋能的环节是靶点的预测与选择，因为致病机理是最复杂的，特别是非肿瘤适应症，很多基因有一定相关性，但并不是一个好的做药靶点。这种know-how（技能），需要兼具对biology（生物学）的深入理解和多年的制药经验，综合评估，不属于AI容易挖掘到的数据。 事实上，当年她投资宜联生物、橙帆医药等平台型公司的时候，除了看重公司的下一代大分子技术（ADC、双抗等）能够提高治疗窗口、精准靶向，实体瘤靶点的布局和BIC/FIC管线的优先次序也是重要的考量因素。而这些策略性思考，并不是用AI整理一张ADC竞争格局的表格就能得出结论的。 至少目前而言，“经验赋予的灵感，智慧给以的勇气，同理心造就的奇迹”，仍是人性闪耀的独有之处。比如科学家灵光乍现时，比如投资人凭借前瞻性思考看到并助力行业实现发展拐点时，制药公司破釜沉舟一掷千金跟进时，医生超适应症用药和同情用药时。这场冒险，可能会失败，但也造就了人类的成功，造就了AI难以替代之处。 (来源：深蓝观 作者：韦晓宁） 药闻康策 新媒体矩阵微信公众号 点击下方  一键关注 【免责声明】 1.“药闻康策”部分文章信息来源于网络转载是出于传递更多信息之目的，并不意味着赞同其观点或证实其内容的真实性。如对内容有疑议，请及时与我司联系。2.“药闻康策”致力于提供合理、准确、完整的资讯信息，但不保证信息的合理性、准确性和完整性，且不对因信息的不合理、不准确或遗漏导致的任何损失或损害承担责任。3.“药闻康策”所有信息仅供参考，不做任何商业交易或医疗服务的根据，如自行使用“药闻康策”内容发生偏差，我司不承担任何责任，包括但不限于法律责任，赔偿责任。 欢迎转发分享、点赞、点在看

AI医疗从未像今天一般热闹过。据不完全统计，DeepSeek人工智能大模型已经实现在全国范围内的近90家、当地知名大三甲医院的部署。过去一个月，国内AI医疗公司股票集体上扬，而大洋彼岸，以AI精准医疗公司Tempus AI为首，美股医疗AI公司迎来了一波爆发。 AI医疗的“先行者”IBM Watson Health退出赛道并不遥远，AI医疗在去年还没有进入主流视野。突然之间，AI医疗的时代就来了？ 01 两家最受市场关注的AI公司 Tempus AI去年才上市，今年1月就暴涨近三倍，从低点的30美金涨至超90美金一股，随后近几天又暴跌到50多美金。这只股票的关注度如此之高，不止在于它是佩洛西早就看好并重仓的AI公司，更是因为在AI医疗提出的概念非常庞大而富有吸引力。 Tumpus AI股价日K图，图片来源百度股市通 Tempus AI目前提供三种不同的产品线：基因组学、数据和 AI 应用。 基因组学是Tempus的主营业务，通过基因检测相关的服务，在肿瘤诊断领域推出一系列产品，包括肿瘤组织基因测序、液体活检等。作为数据和流量的入口，基因检测产品通过一整套智能诊断系统，生成源源不断的分子数据流，以推动其他两条产品线的增长。 数据服务除了基因测序业务之外，Tempus还依靠收购的Arterys公司进入到医疗影像领域。截至2024年11月，其数据库拥有超过250PB多模态数据，积累了120万影像数据、超110万样本测序数据和超25万“DNA+RNA”特征数据。这些数据整合为两个主要产品 Insights 和 Trials，为生命科学公司的药物发现和研发提供数据服务以及AI研发工具，同时也是Tempus收入增长最快的部分。 AI应用专注于开发和提供AI驱动的CRO服务、临床试验服务、构建和部署临床决策支持工具。本质上通过基于数据、算法的软件，为医疗环节的各个角色提供AI工具。 该系列的主要产品有Next（护理，推进医生与患者之间的信息沟通与治疗路径管理）、Algos（算法，利用深度学习评估生物标志物，帮助医生判断化疗药物或靶向疗法的适用性）、One（AI助手，借助 AI 辅助分析患者信息，为个体化治疗方案提供快速建议）、Hub（管理站，帮助医生或研究者通过手机或电脑访问并管理患者诊断数据）、Lens（数据分析，负责为科研人员呈现数据汇总和可视化结果，便于进行群体或个体层面的研究）、Pixel（AI影像，影像数据的 AI 诊断与纵向变化追踪）、Assays（精准医疗，覆盖多类测序手段，包括全外显子、RNA 乃至液体活检）。 Tumpus AI的三种产品 Tempus是少有的能有自己“业务飞轮”的AI医疗公司，它一直围绕“数据——分析——诊断——服务”的循环思路布局精准医疗。 其成长策略具体而言，首先专注于拓展医院网络。他们为临床医生提供基因检测和数据分析工具，同时收集宝贵的患者数据。他们还积极与更多医疗机构合作，推广测序技术的应用。 在此基础上，他们向制药企业出售数据服务，既可协助药企精准筛选临床试验人群，也能挖掘新药潜力，为后续的药企合作奠定坚实财务基础。 随着数据库规模与算法能力的提升，公司不断开发新的 AI 应用产品，从智能病理诊断到肿瘤原发灶识别，逐步渗透更多临床场景。与此同时，他们从肿瘤扩张到心血管、罕见病等多个疾病领域，让技术与数据的价值在更多场合被释放；最后则是在地域层面的全球化布局，接连与北美、欧洲及亚洲的主要医疗机构合作，进一步扩大数据来源和行业影响力。 正是这套覆盖数据收集、分析建模、诊断服务与商业合作的全链条策略，推动公司在精准医疗领域持续高速增长。近两年AI算力的爆发和诊断成本的显著降低，使海量医疗数据的收集、访问和整合变得更加高效，也让复杂的横向和纵向数据分析成为可能。这一技术进步为成长提速提供了强大支撑。 今年Tempus AI的预计年收入约为 12.3 亿美元，同比增长 75%以上。 一级市场上，另一家医疗AI领域新星OpenEvidence刚刚完成了7500万美元融资，由红杉资本领投，使公司估值一举突破10亿美元。创始人Daniel Nadler之前创办的金融数据公司Kensho曾在2018年以7亿美元价格出售给标普。2021年，他自掏资金创立了OpenEvidence，专注开发面向医生的AI助手。 OpenEvidence采用免费增值模式，通过广告创收，主要依靠医院内部口碑传播获取用户。红杉资本合伙人Pat Grady指出，这种自然传播模式在医疗行业极为罕见，通常只在互联网产品中才能见到。 目前，OpenEvidence已与《新英格兰医学杂志》建立合作关系，并计划在今年拓展更多医学期刊资源。此轮融资将主要用于AI算法优化和扩展医学数据合作伙伴网络。 02 数据为王 两个不同阶段公司的脱颖而出，再次强调了：医疗AI的基础是数据。 尤其是Tempus AI，在医疗领域收集数据多年，目前美国其他AI医疗公司短期想追上很难。它已经与超过200家生物制药企业建立了合作关系，连接了美国65%的学术医疗中心和50%的肿瘤医生，拥有850万临床记录、120万影像记录以及250PB多模态数据，从而构建起公司的核心壁垒。2024年11月，Tempus收购了基因检测公司Ambry Genetics，后者是一家拥有25年历史的基因检测公司，获得了更多有价值的数据，并将业务拓展至儿科、罕见病、免疫学、生殖健康和心脏病学等领域。 都说医疗行业产生的数据最多，似乎和AI是天作之合。 然而现实却充满挑战——医疗领域严重缺乏经济实惠且高效可用的优质训练数据，面临的问题不仅技术性强且枯燥乏味，项目周期往往漫长，使得整个行业在科技创新圈中难言“性感”。 《硅谷》第一季中有个经典桥段，硅谷的每家科技创业公司都挂着同一句豪言壮语——“让世界变得更美好”。而在AI+医疗这个特殊战场上，可能还需要加一些条件：“让世界变得更美好，但取决于FDA审批进度”。 在医疗行业推动哪怕最微小的变革，都需要协调数量惊人的利益相关方，穿越层层叠叠的监管审批流程，与真正实现盈利之间更是横亘着漫长的时间鸿沟。通过实际接触不难发现：医生们并不期待大模型能够创造癌症治愈的奇迹，他们更现实的期望是，你能否帮助自动化处理A类手术中B环节涉及的C类手续报告；而这些真实需求只有在长期深入行业、充分理解临床工作流程后才能真正体会。 所以，在这样一个复杂的行业中，以权威标准或政策推动数据流通至关重要。 在美国，FHIR（Fast Healthcare Interoperability Resources）和HL7标准已经广泛应用，确保医疗数据在不同机构之间的互通。标准化数据使AI技术在医疗中的整合更加顺畅，推动了影像分析、辅助诊断等应用的落地。欧洲也在通过制定类似标准，推动医疗数据的互通互操作。 相比之下，中国的医疗数据标准化仍在发展中，但去年底有一个关键的转折点：首都医科大学宣武医院与北京国际大数据交易所合作，成功完成了北京市首笔公立医院数据交易。未来，该数据集将应用于国产颈动脉支架产品的研发，助力医疗机构更加精准地理解中国人群的脑血管疾病。 这意味着一个健康数据自由流通的时代正在开启。此前对于医院而言，政策指导下的医疗IT建设虽能在长期之中提升医院的综合竞争力，但短期之内仅以成本的形式计入损益表中。健康数据交易的实现或能改变这一局面：通过规模化销售脱敏数据，医院可以将数据治理从成本转化为收入，从而激发其主动深化信息化建设的动力，也为AI医疗的数据基础建设提供更加丰富且高质量的资源。 03 还是昙花一现吗？ 这次AI医疗浪潮和之前相比，最大的不同可能就是“系统化”。也就是说，AI不再只是独立模块或单一功能，而是嵌入医院的信息化体系之中，影像、病历、药品管理、随访体系等多环节互联互通。 事实上，中国医疗机构的AI应用水平处于较为领先的地位，根据2024年飞利浦中国版《未来健康指数报告》数据显示，86%的医疗机构管理者受访者表示已布局或计划投资生成式AI，这一比例显著高于美国（75%）。在具体应用场景方面，47%受访者表示已经在放射科部署AI，44%在院内患者监护中应用AI，40%在药品管理环节应用AI。 尽管部署率令人瞩目，但落地来看，医院最关心的是“是否能缓解医生资源紧张”、“是否能减少文书工作量”、“是否能降低误诊率”等具体现实问题。如果AI产品只在短期内解决一个小痛点，或长期维护成本过高，医院就会觉得得不偿失。 当年，IBM Watson Health的致命缺点之一，就是缺乏医患场景的深度融入，不能贴合医院工作流、无法与医生日常操作系统无缝衔接，很难获得持续应用。医生需要简洁、易操作且能节省时间的工具，而Watson的交互流程对医院信息化系统提出了较高要求，也往往需要额外的培训成本与维护投入。对很多医疗机构来说，“用起来不方便”就足以让他们望而却步。 而且，IBM在推广Watson医疗时，倾向于走“大项目、大客户”路线。但每家医院的管理体系、信息化水平、预算流程都不一样，要想批量复制落地并不容易。对于IBM而言，研发、维护和定制化投入巨大，却难以在短期内得到相匹配的市场回报；对医院而言，高昂的采购和运营成本也让人犹豫不决。双方都承担着不小的财务压力，最终只能无奈止步。 最著名的是与MD安德森癌症中心的合作终止，巨额投入却未达预期结果，引起业界广泛质疑。“明星项目”的失败具有强烈示范效应，直接动摇了IBM Watson在医疗领域的商业信心，也让其他潜在伙伴对其技术可行性持保留态度。 和Watson时代不同，现在市场上已涌现众多能够驾驭海量数据、挖掘深层价值并提供多样化解决方案的企业，AI在医疗领域的应用早已突破“辅助诊断”的单一维度，扩展至制药、检测、患者服务、科研等全产业链。结合对生物学与临床数据的深度理解，AI医疗已从早期简单的软件工具，发展为跨学科、跨场景的综合应用生态。 医疗 AI 领域的投资仍处于早期阶段，预计 2024 年至 2032 年间，AI 健康科技行业的复合年增长率将达到 43%。这是一个具有爆炸性增长潜力的市场。 然而，Watson的经验教训仍值得深思：市场不会为纯概念买单，只有真正建立在高质量数据基础上，通过扎实技术研发精准匹配临床需求，才能使AI自然融入医疗工作流，为医生、患者和研究者创造实质价值。 毕竟，AI医疗，不是“AI需要医疗行业来讲故事”，而是“医疗需要AI来革新”。 动脉网VBEF未来医疗医药100强展会陪伴大家度过了10年光景，我们一起见证了中国医疗健康产业的向“新”而行，产业在不断涌动着磅礴创新力，并在全球舞台上绽放着独特魅力。2025年5月，我们将继续承载这份使命，在苏州迎来2025未来医疗医药100强展会。本次大会期间，我们将在5月9日下午2点举办医疗AI大模型应用创新论坛，欢迎关注AI医疗的读者扫码报名活动。 *封面图片来源：神笔PRO 如果您认同文章中的观点、信息，或想进一步讨论，请与我们联系；也可加入动脉网行业社群，结交更多志同道合的好友。 近 期 推 荐 声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。 动脉网，未来医疗服务平台