Metis Pharmaceuticals Co., Ltd.

> 2026年7月10日下午，北京，“燃灯·肺癌学术年会”创新药物临床研究专场刚刚结束，北京胸科医院院长李亮向中国青年报抛出了一个足以重写制药业时间表的话：“过去研发一个新药可能需要十多年的时间，未来，智能体、类器官的推广应用，可能让新药的研发时间压缩到两三年。” 这是一个信号。它宣告了一个旧范式的终结——一款新药从靶点发现到上市，平均耗时10年以上，这是全球制药业公认的“铁律”。如果李亮的判断成为现实，意味着新药研发的周期将被压缩至原来的五分之一。这个时间表，真的能实现吗？ ## 历史镜像：从“18个月”到“两三年”的递进 AI对药物研发效率的提升，并非凭空想象，已有真实案例作为参照。英矽智能的候选药物Rentosertib，是一款由AI平台全流程设计的药物，从靶点确定到选出临床候选分子，仅耗时**18个月**，而该环节的传统行业周期为2.5至4年。这相当于别人刚读完大一，它已经毕业了。 但18个月，只是“从靶点到候选分子”这一个环节。李亮所说的“两三年”，是包含临床前实验、多期临床试验、上市审批在内的**全流程周期**。这意味着，AI+类器官的组合，必须在这个已被验证的“单点效率提升”基础上，实现**全链条的突破**。 ## 棋盘上的玩家：谁在铺路？ 当前，行业内的技术布局正在加速，从三个层面为“两三年”目标铺设轨道。 **第一层：底层技术平台的搭建。** 国内头部医药CXO美迪西正在构建“人类细胞模型-AI预测-类器官”三位一体的创新评价平台，聚焦肿瘤、肝脏等关键疾病领域，目标是替代传统动物实验环节，提升新药安全性评价效率。这相当于为AI制药铺好了“试验场”。 **第二层：数字孪生模型的构建。** 华源智因在2026年7月获得数千万元种子轮融资，专注于开发“虚拟细胞”模型。其核心逻辑是，在数字空间模拟药物与人体细胞的相互作用，解决传统动物模型与真实人体反应之间的系统性偏差，从而在进入临床前就大幅降低失败风险。 **第三层：临床验证的加速冲刺。** 英矽智能的Rentosertib已启动Ⅲ期临床试验，由钟南山院士等顶尖专家牵头，向“全球首款AI全流程设计获批上市药物”的目标发起冲击。 这一里程碑一旦立住，将直接证明AI全程设计的药物**在人体身上是安全有效的**，而非仅仅停留在计算层面。 ## 两条路径，一个赌注 “两三年”这个目标，能否实现，取决于两个关键变量。 **如果**AI+类器官的“数字预筛选-类器官验证-临床快速推进”路径，能够在临床验证环节证明，其**替代现有动物实验和部分临床试验阶段的效率与可靠性**，那么新药研发整体周期向2-3年压缩，将不再是科幻。 **但如果**数字模型的因果推理能力不足，或在临床阶段出现难以预料的毒性反应，导致失败率居高不下，那么“两三年”这个目标，可能会被推迟到5-7年。AI制药行业当前的核心质疑，也正是“AI再能算，算出来的药到底行不行？” ## 可检验的路标：未来12个月，看什么？ 李亮不是第一个提出这个时间表的人。真正的问题在于，谁先跑通全流程。 在接下来的12个月，有几件事可以当作路标： - **首个AI+类器官平台IND申报的落地**：美迪西等企业的“三位一体”平台能否在2027年提交首个基于新方法学（NAMs）的IND申报，将是检验“替代动物实验”路径是否可行的关键节点。 - **英矽智能Rentosertib的Ⅲ期数据读出**：如果这款AI全流程设计药物在2028年前后完成Ⅲ期临床试验并获得阳性结果，将直接为“AI能造出好药”这一命题提供最强背书。 - **AI制药领域的交易与并购密度**：2026年上半年，英矽智能与武田达成总包6亿美元的战略合作，剂泰科技与BoulevardBio达成16亿美元的项目授权。如果这一趋势持续，意味着传统药企对AI制药的**信心正在从“尝试”转向“重仓”**。 李亮所说的“两三年”，不是一个等待被验证的预言，而是一个正在被铺筑的路径。棋盘上的玩家已经就位，赛道也已经划好，接下来，就看谁能在规定时间内，把药送到患者手上。

这周最让我感叹的是三条凑在一起读出来的信号：Germinal在Nature Biotech上说每个靶点只测43个设计就能拿到nM级抗体，DualGPT-AB登了Nature子刊说AI可以同时优化靶点识别和成药属性，英矽智能的Rentosertib正式启动III期——从靶点发现到III期不足4年。三条线分别从学术论文、算法模型和临床试验三个维度，指向同一个结论：AI制药不再是"也许有一天"，是"已经到了"。 另外这周IL-2也有两条路同时跑通——一条是Nektar的偏向性IL-2终于进了AD III期，一条是信达PD-1/IL-2α在IO耐药NSCLC里看到了OS拖尾。加上Vera的atacicept（BAFF/APRIL双靶融合蛋白）获批IgA肾病，刚好接上期荣昌泰它西普的叙事。6条聊不完，但主线很清楚。① AI抗体设计三连发：从43个设计出抗体，到首款AI药进III期 这周AI制药方向三条新闻叠在一起，力度比任何单独一条都大： Germinal（Nature Biotechnology）：6月23日发表。在4个靶点上，每个只测试43-101个AI设计序列就拿到了功能性抗体，亲和力达到nM至低μM级。关键是它能按指定表位重新设计CDR——把抗体发现从"大海捞针"变成"有坐标打捞"。传统杂交瘤筛选一个靶点至少要筛几千个克隆，Germinal把筛选量压到了两位数。 DualGPT-AB（Nature Computational Science）：西工大联合北大、天大团队发表。两步走策略：先用GPT学习CDR-H3序列生成规律产出候选，再结合抗原识别+免疫安全反馈做双优化。直击的痛点是传统AI筛选无法同时兼顾疗效和开发性——你选出一个亲和力高的分子，结果免疫原性或稳定性可能是灾难。 英矽智能Rentosertib正式启动III期：7月8日宣布。全球首款AI完全设计的药物，从靶点发现到II期数据读出不足4年。2026年已经连签施维雅、礼来、SK、武田四笔BD，潜在总额近70亿美元。 💬 冰千说 我之前说"AI辅助抗体设计会从让人兴奋的新工具，变成你不会用就算落后的基本功"，这周的数据比我说得更狠。43个设计就能出功能性抗体——如果你在实验室做过杂交瘤筛选或者噬菌体展示，你知道这意味着什么。以前一个靶点筛几千个克隆、花3-6个月是常态，现在AI可以在设计阶段就把"好分子"的概率提到一个前所未有的水平。 但这其中前两个数据是学术验证，不是工业化验证。从"43个设计出抗体"到"43个设计出可成药的抗体"中间稳定性、表达量、聚集倾向、免疫原性，这些维度在论文里被简化了。Rentosertib进III期才是真正的milestone。 从4年到III期，这个速度放在传统药物研发里几乎不可能。AI不是魔法，但它确实在压缩"试错"的周期。② Nektar NKTR-358：偏向性IL-2终于跑进AD III期 7月8日，Nektar在Clinicaltrials.gov注册了NKTR-358（rezpegaldesleukin）治疗中重度特应性皮炎的III期临床ZENITH AD-1，计划入组510例12岁以上患者。 NKTR-358是IL-2Rα偏向性IL-2——通过修改IL-2的受体结合特性，让它优先激活调节性T细胞（Treg），而不是效应T细胞和NK细胞。2b期已经展示了不错的疗效。 IL-2这个靶点的历史很曲折。最早是作为T细胞激活剂用的（让免疫反应更强），后来发现"偏向性"设计可以把信号导向Treg（让免疫反应更克制）。从概念到临床，中间走了快二十年。 💬 冰千说 IL-2的偏向性设计是抗体/蛋白工程里一个教科书级的案例。IL-2本身会同时结合IL-2Rα（CD25，在Treg上高表达）和IL-2Rβγ（在效应T和NK上表达）。天然IL-2的信号是混乱的——你想让Treg扩张来压制炎症，但同时效应T细胞也被激活了，炎症反而可能加重。 NKTR-358的做法是：在IL-2表面挂上PEG链，物理遮挡IL-2Rβ的结合位点，让它只能跟IL-2Rα结合。这样信号就被"偏向"到了Treg上。2b期数据确实看到了Treg的特异性扩张和炎症指标的改善。进III期说明Nektar对2b期的信号足够有信心。 特应性皮炎这个适应症选择也值得注意——目前自免赛道里IL-2偏向性路线还没有任何获批药，如果NKTR-358跑通了，这等于多了一个经过临床验证的靶点策略。③ 信达IBI363：PD-1/IL-2α融合蛋白的OS拖尾，IO耐药NSCLC的新希望 ASCO 2026更新了信达IBI363（又名TAK-928）单药治疗136例晚期NSCLC的长期随访数据。在免疫耐药肺鳞癌中，OS展现出强劲的拖尾效应。免疫耐药非鳞癌的全球III期正在计划启动。 IBI363是全球首创的PD-1/IL-2Rα偏向双特异性融合蛋白——PD-1臂把分子锚定在肿瘤微环境中的PD-1+ T细胞上，IL-2α偏向臂在局部激活这些耗竭的T细胞。 💬 冰千说 IO耐药是肿瘤免疫治疗最大的瓶颈。PD-1/PD-L1抗体在一线有效率大约20-30%，剩下的患者要么一开始就不响应，要么响应一段时间后耐药。耐药机制很多，而IBI363的设计逻辑是：PD-1臂负责"定位"——把IL-2信号精准递送到肿瘤微环境里PD-1+的T细胞上；IL-2α偏向臂负责"激活"——在局部扩张这些T细胞而不是全身性地激活。 OS拖尾效应是IO领域最重要的信号。部分患者的生存曲线在后期不继续下降，而是长期维持——TME真正重塑，免疫系统建立了记忆。 这两家做了方向完全相反的偏向性设计：Nektar要让IL-2偏向Treg来压制免疫（自免），信达要让IL-2偏向效应T来激活免疫（肿瘤）。两条路都有重大进展，IL-2及受体靶点的潜力比很多人以为的大。④ Vera atacicept：BAFF/APRIL双靶首获批，IgA肾病有了新武器 7月7日，FDA加速批准Vera Therapeutics的atacicept（Trutakna）治疗成人IgA肾病，每周皮下注射一次。III期ORIGIN 3显示蛋白尿较基线降低46%（安慰剂仅6.8%），成为美国首个BAFF/APRIL双靶点药物。 BAFF和APRIL都是B细胞存活和分化的重要因子。同时抑制两个，比只打一个更彻底——B细胞既不能被BAFF救活，也不能被APRIL救活。 💬 冰千说 上一期提过，荣昌是泰它西普是BLyS/APRIL双靶点融合蛋白，国内已获批SLE。而atacicept获批的适应症IgA肾病是一个被低估的疾病。全球IgA肾病患者估计有数百万，但之前没有专门针对发病机制的药物（多是降压药+SGLT2的间接获益）。Nefecon（布地奈德靶向释放）去年批了，atacicept现在也批了，这个赛道终于开始有真正的治疗选择。 从蛋白工程角度看，同时靶向BAFF和APRIL的融合蛋白设计并不简单——两个靶点的亲和力要平衡，半衰期要拉长，皮下注射的耐受性要过关。atacicept用了TACI（TNF受体家族成员）的胞外域作为"天然的双靶结合器"，这个策略很聪明——不是人工设计两个结合域，而是利用了天然就能同时结合BAFF和APRIL的受体片段。⑤ 德睿智药：AI Native引擎 + GLP-1小分子III期，从算法到临床的闭环 7月8日，德睿智药（MindRank）宣布完成累计5200万美元B轮融资。首发管线MDR-001（口服GLP-1RA小分子）已进入III期临床，是中国首个AI赋能的一类创新药。MAP平台覆盖靶点发现到临床数据分析全链路。 💬 冰千说 德睿智药的定位跟英矽智能和剂泰科技不一样。英矽智能是从靶点发现开始做全流程，剂泰科技是AI蛋白设计+LNP递送双引擎，德睿智药强调的是"AI Native"——不是在传统流程里加一个AI工具，而是整个研发流程从第一天就是围绕AI设计的。 MDR-001进III期是一个实质性的信号。司美格鲁肽等目前都是注射剂，口服版只有诺和诺德的Rybelsus（吸收差、需空腹），小分子GLP-1RA口服药如果药代动力学更好，直接对标几十亿美元市场。 $5200万B轮在AI制药领域算中等规模，但MDR-001已经进III期了，不是纯平台故事。投资人看AI制药公司，现在最关心的不再是"你的算法有多厉害"，而是"你有没有一个分子真的在临床试验里跑着"。⑥ 君实IL-17A单抗偌考奇拜授权复星：国内BD ¥2.15亿首付 7月1日，君实生物与复星医药子公司复星万邦签署授权许可协议，就IL-17A单抗JS005在大中华地区开发、注册、生产及商业化达成合作。首付款2.15亿元人民币，里程碑最高11.25亿元，加双位数销售提成。 💬 冰千说 这是以前比较少见的国内BD。大家会觉得"我自己能做商业化，为什么要付2亿首付给别人？"但这次君实选择把JS005交给复星来做，说明商业化能力本身已经成了一个独立的估值维度。 IL-17A这个靶点已经被诺华的Cosentyx和礼来的Taltz验证过了，全球市场几十亿美元。国内做IL-17A的不少（智翔金泰的GR1501已获批银屑病），想跑出来，商业化执行力比分子本身更重要。 另外一个小观察：这周的交易版块里，正大天晴给AZ授权PDE3/4抑制剂（$2亿+19亿总额），石药给AZ授权siRNA肝外递送（$3000万+17.4亿总额），加上君实给复星授权IL-17A——三笔交易加起来潜在总额超过30亿美元。MNC对接中国资产已经不是"每周挑一个"的节奏，是"同时推好几条线"。 📮 想看完整版？ 上面只挑了6条我最有感觉的。如果你想把29条全刷一遍——临床进展、监管动态、行业动态、新技术、新交易五个板块，每条都有原文链接——点下面的**「阅读原文」**就行。 每一期我都很关注AI，因为我觉得这个方向对我们做抗体早研的人影响最直接。如果你也在用AI工具做辅助设计——不管是RFdiffusion、AlphaFold还是什么别的——欢迎聊聊你用得最顺手的场景和最踩坑的经历。实战经验比论文靠谱多了。 另外IL-2两条路线对比那段，有同行反馈说想看更详细的靶点设计分析，下期如果数据够可以专门拆一篇。想让我聊什么，直接回复就行。 下周见。

2026年上半年，AI制药行业同时出现了两组反差显著的事件。 一组是正面的。英矽智能在六个月内与施维雅、礼来、SK生物制药、武田四家药企达成合作，潜在总价值约70亿美元，公司预计上半年收入同比增长270%以上，首次实现扭亏。晶泰科技2025年收入8.03亿元，同比增长201%，年内利润1.35亿元，首次实现年度盈利，成为AI for Science领域首家盈利的港股上市公司。剂泰科技5月登陆港交所，首日涨幅126.67%。 另一组是负面的。曾备受瞩目的AI制药明星公司Verge Genomics终止了渐冻症药物VRG50635的临床研究——研究终止原因是“因缺乏风险-收益数据”——随后裁员约90%，转型为AI技术服务商。薛定谔针对急性髓性白血病（AML）的药物SGR-2921因毒性问题停止开发。Recursion在完成对Exscientia的收购后，收缩了管线布局。 两组事件同时发生在一个行业里，表象是分化，本质是行业正在从概念期向验证期切换。 与此同时，另一个趋势正在加速——互联网大厂正在集体押注AI for Science。2026年6月，AlphaFold之父、2024年诺贝尔化学奖得主John Jumper宣布离开Google DeepMind，加入Anthropic。6月30日，Anthropic发布科研智能体工作台Claude Science，OpenAI同日推出GeneBench-Pro评测基准。字节跳动AI制药业务线Anew Labs启动拆分与独立融资。这些事件看似独立，实则指向同一个方向。一、分化正在发生什么 新药研发有一个基本事实：从I期临床到最终上市，成功率长期低于10%。AI到目前为止所做的——无论虚拟筛选、分子生成还是ADMET预测——主要作用于临床前阶段，解决的是“化学问题”：能不能更快地找到性质合适的分子。但当分子进入临床后，面对的是“生物学问题”：这个分子在人体内是否安全、是否有效。AI在这方面的能力还没有被系统性验证。 所以，Verge和薛定谔的失败，在统计上属于预期之内的事件。它们并不证明“AI制药不行”，只是说明AI没有——也不可能——改变药物研发的高失败率属性。反过来说，如果2026年没有任何AI设计的管线失败，那反而会是一个值得怀疑的信号。 真正值得关注的不是个别管线的成败，而是整个行业是否在沿着“加速试错”的方向演进。AI的价值不在于消灭失败，而在于让失败来得更快、成本更低。如果AI能让一个原本需要耗费五年、耗资数千万美元才能判定失败的分子，缩短到两年、成本压缩一个数量级，那这个技术就已经产生了明确的价值。 从这个角度看，2026年的分化是一种健康的筛选机制：资本和合作伙伴正在从“看概念”转向“看数据”。那些管线推进到了临床中后期、有明确验证节点的公司，正在获得更多资源的倾斜。二、两种商业路径，一个光谱 分析界习惯将AI制药公司划分为两类。一类以晶泰科技为代表，定位AI+CRO，为药企提供药物发现服务，收入来源相对稳定、盈利路径清晰。另一类以英矽智能为代表，走AI+Biotech路线，以自研管线为核心，通过对外授权实现变现，潜在回报较高但风险集中。 但这个二分法有分析上的便利，却忽略了现实中的复杂性。晶泰同样在布局抗体发现和递送系统研发——2025年与甘李药业共建的“AI智肽递送实验室”获得北京市重点实验室认定。英矽智能也在对外提供平台服务来维持一部分现金收入。两家公司都同时在尝试多种变现路径，只是在资源分配的侧重上有所区别：晶泰更侧重于以服务收入作为基本盘，同时通过自研布局寻求增值空间；英矽智能更侧重于以管线授权作为主要变现手段，同时用平台服务收入对冲研发开支。 每家公司都处在一个混合模式的光谱上，而非固定在某一端。晶泰控股适合追求稳健收益的投资者，其AI制药CXO平台的价值在持续突显，2026年盈利与订单双增长确定性较高。而英矽智能的弹性更强，但风险也更高。三、互联网大厂为何集体转向AI for Science 分化的另一端，是互联网大厂的集体入场。 字节跳动是最典型的案例。2026年6月，字节AI制药业务线Anew Labs启动拆分与独立融资，估值约10亿美元，首轮融资规模接近2亿美元。拆分后字节仍将控股新公司，核心团队、核心算法、技术平台和已有早期药物管线资产整体并入新主体。字节AI制药团队成立于2021年，聚焦全原子分子生成、蛋白质结构预测、药物靶点发现等基础研究。 字节的选择并非偶然。据媒体报道，字节将2026年AI基础设施资本开支计划上调至逾2000亿元人民币。与此同时，纯C端AI竞争正在全面同质化——豆包、千问、Kimi、文心一言在对话体验上的差距越来越小，最后比拼的无非是算力成本和迭代速度。在“符号世界”里，大厂越来越难以证明自己拥有技术上的代差。 这就是AI for Science成为选项的原因。如果AI能在制药领域做出重大突破，或签下大药企的BD合同，就能证明其拥有难以超越的AI for Science技术能力。 不只是字节。从百度孵化的百图生科已向港交所递交上市申请，腾讯公开了AI设计的GLP-1多肽药物专利，阿里、京东接连在医药服务场景落地AI产品——国内五大互联网巨头在AI制药赛道的布局，已然走出了截然不同的路线。在所有五家巨头中，字节跳动的布局最重——它没有走轻量级的平台授权路线，也没有走分散的投资路线，而是从底层模型研究起步，一步步走向药物管线自研，最后以新公司独立融资的形态加速产业化。 海外同样在加速。2026年6月19日，John Jumper宣布离开工作近九年的Google DeepMind，加入Anthropic。他主导开发的AlphaFold已经预测超过2亿个蛋白质结构，彻底改变了生物医学研究的范式。十一天后，Anthropic发布Claude Science科研工作台，同时启动内部药物发现计划，聚焦被忽视的罕见病。OpenAI同日推出GeneBench-Pro，一套覆盖基因组学、定量生物学等10个领域的评测基准。测试结果显示，在129个真实科研工作流题目中，即便最强的GPT-5.6 Sol，端到端通过率也只有28.7%。 三家海外巨头的打法各不相同，但指向同一个终点：成为科学家工作不可或缺的底层基础设施。四、一个政策信号 2026年7月8日，国家科学技术奖励大会、两院院士大会、中国科协第十一次全国代表大会在京召开。习近平在讲话中明确提到：“要前瞻布局建设重大科技基础设施，强化高端科研仪器、科学数据、科技期刊等基础条件自主保障，推进人工智能赋能科学研究。” “推进人工智能赋能科学研究”——这九个字，是国家层面对AI for Science方向最直接的定调。AI for Science（科学智能）被称作实验、理论、计算、数据范式之后的“第五范式”。全球AI for Science市场2025年估值约45.38亿美元，预计到2032年将达到262.3亿美元，复合年增长率28.9%。2024年全球AI for Science自身的市场收入已达33.63亿美元，撬动下游生物医药、新材料等万亿级产业。 互联网大厂的集体转向，恰好与这个政策方向形成共振。五、如何看待接下来的变化 分化不是风险，风险在于“把分化误读为证伪”。 药物研发领域有一个基本规律：终点很远，信号很多。一个II期临床的阳性结果，未必能预测III期的成功；一个管线的终止，也未必说明整个技术平台失效。对观察者而言，需要区分“行业层面的技术验证”和“公司层面的业务风险”。 行业层面的验证问题相对清晰：AI是否在提升药物发现的效率。这个命题已经有大量证据支持——从分子设计周期缩短、合成成功率提高到湿实验的自动化通量提升。行业总体的技术方向还没有被证伪。 公司层面的问题则更为复杂：给定一个特定的AI平台、一组特定的管线、一个特定的管理团队，这个公司能否在资源耗尽之前完成关键验证。这个问题的答案每家公司都不同，而且只有在数据不断披露的过程中才会逐步清晰。 而大厂的集体入场，则给这个行业带来了新的变量。互联网大厂的优势在于算力、算法和资本——字节将AI基础设施资本开支上调至逾2000亿元，这个量级的投入是任何一家Biotech都无法比拟的。但大厂的挑战同样明显：互联网的“季度OKR”文化与科学研究的“长周期”属性之间存在张力。字节选择拆分独立，正是一种应对这种张力的组织调整。 从这个意义上说，2026年下半年要做的事很简单：看数据。更多管线的临床结果会陆续公布，更多公司的财务报表会披露，更多跨国药企和大厂的合作选择会做出。这些信息叠加在一起，会逐步勾勒出AI制药行业第一张真正的“成绩单”。 （本文数据截至2026年7月11日）