Abbott Laboratories

近日，石药集团宣布，其自主研发的SYS6055注射液已获得国家药品监督管理局（NMPA）批准，可在中国开展临床试验。 SYS6055注射液为国内首款获批临床的体内CAR-T产品，通过慢病毒载体在体内直接生成靶向CD19的CAR-T细胞，可特异性识别和清除靶细胞，从而起到治疗作用。与传统CAR-T产品相比，该产品在成本、可及性和即时性等方面具备潜在优势。本次获批的临床适应症为复发/难治侵袭性B细胞淋巴瘤。此外，该产品亦具备用于治疗其他CD19阳性的B细胞恶性肿瘤和自身免疫病的潜力，具有较高的临床开发价值。 作为SYS6055注射液的非临床研究合作伙伴，益诺思承担了该项目的非临床安全性评价与药代动力学研究。团队在符合NMPA与FDA标准的GLP实验室环境下，遵循相关指导原则，通过创新评价模型、新型给药途径及系统性安全评价等前瞻性策略，提供了定制化的整体解决方案，以科学、严谨且针对性强的服务体系，有力推动了该产品的临床获批。 在该项目中，益诺思首席科学官陈啸春博士凭借其曾担任FDA资深非临床审评专家的经验，对该项目全程进行了深入的科学和技术指导。项目负责人（PL）汪溪洁博士主导了整体项目方案设计、关键评价指标设定及监管沟通和专业回复，同时带领团队高效执行、全程协调，确保各环节稳步推进，共同为石药集团该产品的顺利获批奠定了坚实基础。 益诺思：聚焦创新服务 助力新药研发 益诺思长期聚焦创新药前沿赛道，持续投入研发资源，已搭建起具有国际竞争力的技术平台与全链条评价能力，公司建立了从毒理、药代到分子检测的完整方法体系，具备承接各类复杂剂型与创新项目的能力，致力于为生物医药创新提供系统性的解决方案。 在技术热潮的带动下，当前全球已有多家创新药企、biotech布局体内CAR-T治疗药物，但多数仍处在早期验证或IIT阶段。石药集团这一捷报更是为这条赛道带来了曙光，给予创新药人们以信心和希望。益诺思愿依托创新前沿的技术平台，与各方携手，共同加速这类突破性疗法的临床转化，推动更多创新药早日获批，为全球患者点亮生命的新可能。 关于石药集团 石药控股集团有限公司组建于1997年，在“做好药，为中国，善报天下人”的理念传承下，通过创新发展，主要经营指标多年保持双位数增长。现在已发展为员工2.8万人的国际化创新性企业。旗下港股上市公司（01093.HK）入选恒生指数成分股，并代表中国制药入选全球制药企业研发管线规模榜单居第19位，服务全球患者。 石药通过世界范围内的创新参与，为人类健康源源不断地提供更好的创新成果。建立多元化的产品体系，深耕成药、原料药、功能食品等三大板块；并积极投入新冠病毒的防治，集团mRNA新冠疫苗产品是中国首个自主研发、获得紧急授权使用的新冠疫苗。在心脑血管、抗肿瘤等领域，上市了恩必普、明复乐、多恩益、津立泰、海益坦、多恩达、恩舒幸、善泽平等创新药。恩必普、玄宁、津优力均获国家科技进步二等奖，为制药领域最高国家奖项。集团还通过占国际市场绝对份额的原料药，深度构建全球产业链，守护国际制药产业链的安全和稳定。 关于益诺思 上海益诺思生物技术股份有限公司（股票代码：688710）成立于2010年，是国药集团下属中国医药工业研究总院有限公司的控股子公司。秉承“科学引领、质量唯先、诚信敬业、合作共赢”的核心价值观，以创新促发展、以质量求生存、以信誉赢客户、以管理创效益，益诺思先后通过NMPA的GLP认证、美国FDA的GLP检查、OECD GLP认证，AAALAC认证及美国病理学会的CAP认证等，是一家专业的提供生物医药非临床研究服务为主的综合研发服务（CRO）企业。业务范围覆盖早期成药性评价、非临床药效学研究、非临床药代动力学研究、非临床安全性评价研究、临床生物样本分析、生物标志物与转化研究等领域。 从非临床到临床转化的一站式服务 关于同写意  同写意论坛是中国新药研发行业权威的多元化交流平台，二十二年来共举办会议论坛百余期。“同写意新药英才俱乐部”基于同写意论坛而成立，早已成为众多新药英才的精神家园和中国新药思想的重要发源地之一。同写意在北京、苏州、深圳、成都设立多个管理中心负责同写意活动的运营。 尊享多重企业/机构会员特权  ● 分享庞大新药生态圈资源库； ● 同写意活动优享折扣； ● 会员专属坐席及专家交流机会； ● 同写意活动优先赞助权； ● 机构品牌活动策划与全方位推广； ● 秘书处一对一贴心服务。 入会请联系同写意秘书处  同写意创新链盟机构  （上下滑动查看更多） 埃斯特维CDMO | 纳安生物 | 途深生物 | 菲鹏集团 | 珠海联邦生物丨英矽智能 | 彩科生物 | 中国生物制药丨药明巨诺丨瑞吉生物丨联邦生物丨来恩生物丨康希诺生物丨瀚枢生物 | 深势科技 | 新天地药业 | 快舒尔医疗 | 华赛伯曼 | 艾里奥斯 | 药明合联 | 皓元医药 | 希格生科 | 纽瑞特医疗 | 夸克医药 | 石药集团 | 源生生物 | 君赛生物 | 达尔文生物 | 浩博工程 | 怀雅特 | 赛立维 | 科伦博泰 | 赛隽生物 | 安升达/金唯智 | 卡替医疗 | 达科为生物 | 沙利文 | 天广实 | 拜耳 | 楚天科技 | 三生制药 | 三启生物 | 国通新药 | 通瑞生物 | 科济药业丨立迪生物 | 森西赛智 | 汇芯生物 | 申科生物 | 方拓生物 | 东抗生物 | 科盛达 | 依利特 | 翊曼生物丨锐拓生物丨复百澳生物丨圆因生物丨普洛斯丨华润三九丨皓阳生物丨人福医药丨广生堂药业丨澳宗生物丨妙顺生物 | 荣捷生物丨行诚生物 | 宜联生物 | 生命资本 | 恒诺康丨斯丹姆 | 益诺思 | 深圳细胞谷丨佰诺达生物 | 沃臻生物 | 金仪盛世 | 朗信生物 | 亦笙科技 | 中健云康 | 九州通 | 劲帆医药 | 沙砾生物 | 裕策生物 | 同立海源 | 药明生基 | 奥浦迈 | 原启生物 | 百力司康 | 宁丹新药 | 上海细胞治疗集团 | 滨会生物 | FTA | 派真生物 | 希济生物 | 优睿赛思 | 血霁生物 | 优睿生物 | 邦耀生物 | 华大基因 | 银诺生物 | 百林科医药 | 纳微科技 | 可瑞生物 | 夏尔巴生物 | 金斯瑞蓬勃生物 | 健元医药 | 星眸生物 | 格兰科医药 | 莱羡科学仪器 | 明度智云 | 玮驰仪器 | 康源久远 | 易慕峰 | 茂行生物 | 济民可信 | 欣协生物 | 泰楚生物 | 泰澧生物 | 谱新生物 | 思鹏生物 | 领诺医药 | 宜明生物 | 爱科瑞思 | 阿思科力 | 博格隆生物 | 百吉生物  | 迈邦生物 | 多宁生物 | 万邦医药 | ASCT | 为度生物 | 比邻星创投 | 赛桥生物 | 吉美瑞生 | 荣泽生物 | 科金生物 |  汉超医药 | 康日百奥 | 汉腾生物 | 力品药业 | 安必生 | 博瑞策生物 | 中盛溯源 | 深研生物 | 东方略 | 赛赋医药 | 克睿基因 | 安润医药 | 镁伽科技 | 科锐迈德 | 和元生物 | 申基生物 |楷拓生物| 森松生命科技 | 凯理斯 | 尚德药缘 |  晟国医药 | 健新原力 | 纽福斯 | 华东医药 | 士泽生物 | 影研医疗科技 | 新格元生物 | 依生生物 | 腾迈医药 | 汉欣医药 | 恒驭生物 | 盛诺基 | 序祯达生物 | 乐纯生物 | 速石科技 | 耀海生物 | 新合生物 | 华龛生物 | 恺佧生物 | 成都凡微析 | 正帆科技 | 大橡科技 | 博雅辑因 | 因美纳 | 博雅控股集团 | 近岸蛋白 | 依科赛生物 | 利穗科技 | 东南科仪 | 倍谙基 | 辉诺医药 | 圣诺制药 | 埃格林医药 | 科镁信 | 爱思益普 | 复星医药 | 齐鲁制药 | 捷思英达丨荣昌生物丨泽璟制药丨奕安济世丨礼新医药丨维立志博丨派格生物丨赛生药业丨呈源生物丨启德医药丨双运生物丨宝船生物丨曙方医药丨澳斯康生物丨普莱医药丨维健医药丨海昶生物丨征祥医药丨智核生物丨望石智慧丨博生吉医药丨南京诺丹丨四星玻璃丨艾米能斯丨霁因生物丨普瑞康生物丨映恩生物丨康哲生物丨霍德生物丨海慈药业丨沃生生物丨睿健医药丨矩阵元丨斯微生物丨则正医药丨预立创投丨东立创新丨博安生物丨伟德杰生物丨星奕昂生物丨耀乘健康科技丨琅钰集团丨康德弘翼 | 原力生命科学丨上海科洲丨特瑞思丨药源丨健艾仕生物丨冠科美博丨微境生物丨天境生物丨合源生物丨泛生子丨创胜集团丨加科思药业丨丹诺医药丨凌科药业丨偶领生物丨凯斯艾生物丨成都圣诺丨松禾资本丨清普生物丨和其瑞丨开拓药业丨科兴制药丨玉森新药丨水木未来丨分享投资丨植德律所丨奥来恩丨乐明药业丨东曜药业丨君圣泰丨海创药业丨天汇资本丨再鼎医药丨济煜医药丨百英生物丨基石药业丨君实生物丨Sirnaomics,Inc.丨亦诺微丨博腾股份丨思路迪诊断丨艾博生物丨普瑞金生物丨未知君生物丨尚健生物丨阿诺医药丨有临医药丨赛业生物丨睿智医药丨博济医药丨晶泰科技丨药明康德丨创志科技丨奥星集团丨苏雅医药丨科贝源丨合全药业丨以岭药业丨科睿唯安丨DRG丨博瑞医药丨丽珠医药丨信立泰药业丨步长制药丨华素制药丨众生药业丨上海医药丨高博医疗集团丨药渡丨君联资本丨集萃药康丨诺思格丨精鼎医药丨百利药业丨Pfizer CentreOne丨默克中国创新中心丨奥来恩丨瑞博生物丨新通药物丨广东中润丨医普科诺丨诺唯赞丨康利华丨国信医药丨昆翎丨博纳西亚丨缔脉丨一品红丨和泽医药丨博志研新丨凯莱英医药丨汉佛莱丨英派药业丨京卫制药丨海思科药业丨宏韧医药丨开心生活科技丨哈三联丨Premier Research丨宣泰医药丨先声药业丨海金格丨普瑞盛医药丨Informa丨科特勒丨谋思医药丨HLT丨莱佛士丨辉瑞丨科林利康丨冠科生物丨科文斯丨卫信康丨龙沙（Lonza）丨美迪西丨阳光诺和丨润东医药丨勃林格殷格翰（中国）丨艾苏莱生物丨领晟医疗丨驯鹿医疗丨燃石医学丨中肽生化丨鸿运华宁丨泰格医药丨易迪希丨希麦迪丨百奥赛图丨迪纳利丨青云瑞晶丨鼎丰生科资本丨中源协和丨维亚生物丨青松医药丨中科谱研丨长风药业丨艾欣达伟丨鼎康生物丨中晟全肽丨海步医药丨勤浩医药丨奥萨医药丨太美医疗科技丨生特瑞丨东富龙丨Cytiva丨优辰实验室丨苏桥生物丨君达合创丨澎立生物丨南京澳健丨南京科默丨东阳光丨亚盛医药丨杰克森实验室丨上海科州丨三优生物丨三迭纪丨泰诺麦博丨Cell Signaling Technology丨PPC佳生丨澳斯康丨先为达丨智享生物丨锐得麦丨宜明昂科丨明济生物丨英百瑞丨六合宁远丨天津天诚丨百拓生物丨星药科技丨亓上生物丨真实生物丨引光医药丨方达医药丨高博医疗集团丨赞荣医药丨国投创新丨药明生物丨康哲药业丨高特佳投资丨普瑞基准丨臻格生物丨微谱医药丨和玉资本 | 倚锋资本

来源：社交媒体、医药之梯 雅培近日高层变动引发关注，连续两名副总裁宣布离任。 1月26日，雅培结构性心脏病业务核心高管Chris Waddell，通过领英宣布了离职消息。他计划先“好好休息，多陪伴家人和朋友”，之后重返心血管器械行业。 Chris Waddell Chris Waddell在加入雅培之前为美敦力效力6年，2017年加入雅培，迅速晋升，先后担任多个要职，历任雅培经导管主动脉瓣植入（TAVI）业务的美国副总裁，随后于2025年3月出任雅培Tendyne业务的美国副总裁，领导Tendyne TMVR器械相关工作。 Chris Waddell表示：“能够领导覆盖四种疗法的六个美国销售团队，推出五种创新技术，并与无数杰出的人才共事，这真的是我职业生涯中的荣幸！我将永远感激能成为这些团队的一员，我们在四个不同领域颠覆了市场，并推动了有意义的收入和市场份额增长。” 1月27日，雅培副总裁Frank Weitekamper也在自媒体平台宣布退休，结束其33年（1992-2025）雅培生涯。他过去九年作为高管，协助引领公司完成重大并购及战略业务重塑等关键转型。对于未来，他计划陪伴家人并期待新可能。 雅培（Abbott Laboratories）是一家全球知名的跨国医疗保健公司，成立于1888年，总部位于美国，致力于通过创新的医疗产品和服务提升全球人类的健康水平。历经百年发展，雅培公司与罗氏、丹纳赫、西门子并称为IVD（体外诊断）行业前四强，旗下产品涉及营养品、药品、医疗器械、诊断仪器及试剂领域。2025年全球销售额达443亿美元（约合3084亿元人民币），核心业务销售额实现了6.7%的有机增长。 声明：本微信注明来源的稿件均为转载，仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正。

出品  |  陈博观察 (ID: Drchenobservation) 编辑  |  Will Chan 人工智能（AI）正以突破性力量重塑制药行业，成为驱动药物研发模式变革、破解行业痛点的核心引擎。传统制药行业面临研发周期长（平均 13 年）、成本高（单药研发成本超 24 亿美元）、成功率低（临床阶段失败率高）等严峻挑战，而 AI 技术凭借其在数据处理、模式识别、预测分析等方面的优势，实现了从药物发现到上市后监测全流程的效率提升与成本优化。从全球范围来看，AI 在制药领域的应用已从概念验证迈向规模化落地，欧洲、北美、中国等主要市场加速布局，大药企、初创企业、资本与科研机构形成多元协同的生态格局。据统计，全球制药市场的 AI 价值已达 85.91 亿美元，预计 2029 年将增至 714.72 亿美元，年复合增长率达 31.2%；仅生成式 AI 一项，每年就可为制药行业价值链创造 600-1100 亿美元的经济价值，其中临床开发领域贡献 130-250 亿美元。本报告基于行业数据、企业实践与监管动态，全面解析 AI 赋能制药行业的发展现状、核心应用、融资趋势、挑战风险及未来方向，为行业参与者提供参考。 来源：陈博观察AI工作站（Doubao AI）创作 一、行业发展现状与核心格局 （一）市场规模与关键进展 全球 AI 制药行业正处于高速增长期，2025 年成为行业发展的关键转折点 ——TechBio（技术生物）领域从概念走向现实，AI 驱动的药物研发进入规模化执行阶段。2025 年全年新增 150 家 TechBio 公司，31 个 AI 发现的药物资产进入临床阶段（涵盖 I-III 期），TechBio 企业与制药巨头签署 30 余份合作协议，AI 发现药物占全球研发管线的比例已达 30%。在欧洲市场，AI 药物发现相关初创企业数量已超 670 家，覆盖数据基础设施、药物发现工具、临床试验、生产优化等多个领域，其中药物发现工具领域累计融资达 62 亿美元，成为资金最集中的赛道。 来源：舶望制药，AI热潮下的冷思考 从市场价值来看，AI 技术的应用显著降低了制药行业的研发成本与周期：传统药物发现需 4-5 年，AI 驱动下可缩短至 8 个月；药物研发整体时间从 13 年压缩至 8 年，成本降低 75%。同时，行业生态不断丰富，新领域加速涌现，合规（增长 283%）、虚拟细胞模型（增长 187%）、生物安全（增长 155%）成为近五年增速最快的细分领域，而药物发现工具（增长 69%）、生产优化（增长 19%）等传统领域则呈现稳步增长态势，反映出行业向多元化能力层拓展的趋势。 来源：舶望制药，AI热潮下的冷思考 （二）区域与生态格局（以欧洲为例） 欧洲是 AI 制药的核心市场之一，区域内形成了以英国为龙头、西班牙和法国紧随其后的格局。2025 年，英国凭借 Isomorphic Labs 的 6 亿美元融资，吸引的 VC 资金超过欧洲其他国家总和，达 6.37 亿美元；西班牙（1.16 亿美元）、法国（1.03 亿美元）、德国（9700 万美元）等国家也表现突出。欧洲的 AI 制药生态高度依赖大学衍生企业，截至 2025 年，欧洲已有 250 余家 TechBio 大学衍生企业，累计融资 58 亿美元，企业总估值达 246 亿美元，较 2019 年增长 3.5 倍。其中，剑桥大学（25 家）、牛津大学（23 家）、法国国家科学研究中心（CNRS，14 家）培育的衍生企业数量最多，牛津大学衍生企业的总估值更是达到 32 亿美元，累计融资 20 亿美元，成为全球高校 AI 制药领域的标杆。 来源：TechBio x：AI Drug Discovery 全球范围内，行业参与者呈现多元化特征：AI 原生初创企业（如 Insilico Medicine、Exscientia）以技术创新为核心，聚焦特定研发环节；传统制药企业（如辉瑞、诺华、阿斯利康）通过任命 CAIO、加大 AI 投入、签署合作协议等方式加速转型；资本层面，VC、PE 与大药企共同构成投资主体，推动技术从实验室走向商业化。 来源：量子位智库，AI制药深度产业报告 二、AI 在制药全流程的核心应用 （一）药物发现与早期研发 AI 技术已深度渗透药物发现的关键环节，实现了从靶点识别到化合物优化的全流程赋能。在靶点发现与验证方面，AI 通过分析多组学数据、生物医学文献和临床数据，快速识别潜在治疗靶点并验证其有效性，解决了传统靶点发现周期长、成功率低的问题 —— 华大基因、恒瑞医药等企业通过 AI 工具提升靶点筛选效率，将靶点验证时间缩短 30% 以上。在化合物设计与优化环节，AI 算法可预测分子的生物活性、ADMET 性质（吸收、分布、代谢、排泄、毒性），设计具有高成药潜力的化合物结构，减少试错成本；ONEPOT.AI 等企业通过 AI + 机器人技术，实现化学合成的自动化与智能化，可处理 20 亿种化合物，将单化合物合成周期从数周缩短至数天，同时降低 50% 的反应失败率。 来源：TechBio x：AI Drug Discovery 此外，AI 在老药新用领域表现突出，通过分析已获批药物的作用机制与疾病关联数据，预测其治疗其他疾病的潜力。IBM 利用生成式 AI 为失眠症和帕金森病相关痴呆（PDD）寻找潜在治疗药物，Cyclica 的 Ligand Express 平台则通过 AI 技术加速老药新用的筛选与验证，显著降低研发风险与成本。 （二）临床开发与试验优化 临床开发是药物研发成本最高、周期最长的环节，AI 技术通过优化试验设计、提升招募效率、强化数据管理，有效破解行业痛点。在试验设计方面，AI 基于历史临床试验数据和真实世界数据（RWD），制定个性化试验方案，减少方案修订次数，降低样本量需求 ——QuantHealth、Lindus Health 等企业的 AI 工具可实现试验流程的智能化规划，使临床试验周期缩短 17%-20%。在患者招募与分层方面，AI 通过分析电子健康记录（EHR）、影像学数据等多模态信息，快速匹配符合纳入排除标准的患者，解决招募慢、入组难的问题，RIVIA 的 AI 系统可将数据审核速度提升 6 倍，单试验创造约 1000 万美元的时间价值。 来源：TechBio x：AI Drug Discovery 在数据管理与分析环节，AI 自动化处理临床试验数据，进行数据清洗、异常值检测和结果分析，减少人工误差；同时，AI 可实时监测试验进展，及时识别潜在风险并调整方案，提高试验成功率。Citeline 的 Protocol SmartDesign 工具结合真实世界数据与行业基准，使临床试验的可预测性提升 25%，显著降低因方案不合理导致的失败风险。 来源：量子位智库，AI制药深度产业报告 （三）生产运营与供应链管理 AI 技术在制药生产与供应链领域的应用聚焦于降本增效、质量控制与风险管控。在化学合成环节，AI 通过优化反应条件、预测反应产率，解决传统合成依赖人工经验、 重现性低的问题 ——Chemify、CuspAI 等企业利用 AI 技术提升合成流程的稳定性，使反应可重复性从 75% 提升至 90% 以上，同时降低原材料浪费。在生产过程控制方面，AI 结合物联网（IoT）与机器学习，实时监测生产设备运行状态、原材料质量和生产环境参数，预测潜在故障并触发预警，实现预测性维护；舶望制药等企业通过 AI+MES 系统，将生产设备停机时间减少 20%，生产效率提升 15%。 来源：舶望制药，AI热潮下的冷思考 在供应链管理方面，AI 通过分析市场需求、原材料供应、物流数据等，优化库存管理与物流规划，应对全球供应链不稳定的挑战。AI 工具可预测原材料短缺风险，调整采购策略，确保生产连续性；同时，通过区块链与 AI 结合，实现药品全生命周期追溯，提升供应链透明度与合规性。 （四）合规监管与质量保障 随着 AI 应用的普及，合规监管成为行业关注焦点，AI 技术本身也在赋能合规管理的智能化升级。全球监管机构已出台多项政策规范 AI 在制药领域的应用：美国 FDA 发布《计算机辅助药物研发指南》，强调数据质量与模型透明度；欧盟《人工智能法案》将医疗 AI 列为高风险领域，要求满足严格的合规标准；中国发布《药品监管人工智能典型应用场景清单》，涵盖 15 个重点合规场景。 来源：舶望制药，AI热潮下的冷思考 在 GXP 合规（GMP、GLP、GCP 等）方面，AI 工具通过构建知识图谱、自动化文档处理、实时合规监测，提升合规效率与准确性。例如，AI 辅助 SOP（标准操作规程）的撰写与更新，分析最新法规与企业实践的差距；AI 驱动的质量管理系统（QMS）可自动识别生产过程中的偏差，指导偏差调查与纠正措施（CAPA）的制定；识林等平台的 AI 合规助手，为企业提供实时法规查询、合规风险预警等服务，降低合规成本。 来源：舶望制药，AI热潮下的冷思考 需要注意的是，欧盟附录 22 对 AI 在 GMP 中的应用做出明确限制：静态 AI 模型可用于关键 GMP 应用，而自适应系统、生成式 AI 和大语言模型（LLM）仅能用于非关键场景，且需遵循 “人工参与环节”（HITL）原则，确保决策的可追溯性与安全性。 来源：舶望制药，AI热潮下的冷思考 三、融资与投资趋势（以欧洲为例） （一）VC 融资动态 全球 AI 制药领域的 VC 融资呈现 “规模增长、集中度提升” 的趋势。2025 年，欧洲 AI 制药初创企业融资额已超 20 亿美元，成为历史第三好年份，其中 Isomorphic Labs 的 6 亿美元融资成为年度最大单笔融资。从融资阶段来看，早期融资（种子轮、A 轮）规模与 2024 年持平，但轮次减少，表明资本向优质项目集中；后期融资（B 轮及以后）占比提升，mega 轮（1 亿美元以上）融资增多，反映行业逐渐走向成熟。 来源：TechBio x：AI Drug Discovery 从赛道分布来看，药物发现工具领域是融资热点，2025 年欧洲该领域融资占比超 50%；临床 trial tech 领域增长迅速，2025 年融资达 2 亿美元，较 2015 年增长 10 倍；化学合成领域自 2018 年兴起以来，2025 年融资已超 2 亿美元，CuspAI 的 1 亿美元 A 轮融资成为该领域里程碑事件。此外，数据基础设施、生物标志物发现等领域也获得持续关注，融资规模稳步增长。 来源：TechBio x：AI Drug Discovery 国家层面，英国、西班牙、法国、德国是欧洲融资最活跃的国家，合计占欧洲总融资的 70% 以上；非稀释性资金成为重要补充，英国、法国的政府与公共机构通过非稀释性融资支持早期 AI 制药项目，为行业发展提供稳定资金来源。 （二）大药企的投资与合作 大药企正加速布局 AI 制药领域，通过投资、收购、战略合作等方式获取技术与管线。2025 年，诺华、辉瑞、阿斯利康、默克等巨头纷纷加大 AI 投入：诺华与 Generate:Biomedicines 达成 AI 药物开发合作；辉瑞任命 AI 负责人，扩展数字化领导团队；阿斯利康与 Evaxion、Inato 等 AI 初创企业签署多项合作协议，覆盖临床试验优化、药物发现等环节。据统计，2025 年大药企与 TechBio 企业签署的合作协议超 30 份，合作领域从早期研发向临床开发、生产运营延伸，形成 “技术互补、风险共担” 的合作模式。 来源：TechBio x：AI Drug Discovery 此外，大药企通过收购 AI 初创企业快速补齐技术短板。2025 年，雅培以 210 亿美元收购美国 AI 药物发现企业，GE 医疗收购比利时生物标志物发现公司，成为行业标志性并购事件，反映出大药企对 AI 核心技术的迫切需求。 （三）退出市场与商业化进展 2025 年成为 AI 制药领域退出活动的第二强势年份，退出方式以并购（M&A）为主，公开市场 IPO 相对有限。2021 年以来，private exit 占比持续提升，主要因公开市场对生物科技企业的估值波动较大，而大药企对 AI 技术的需求旺盛，推动并购活动增加。2025 年，全球 AI 制药领域的 VC 支持退出案例中，并购占比超 70%，IPO 案例主要集中在北美和亚洲市场 —— 美国某生物标志物发现企业通过纳斯达克 IPO 融资 4.94 亿美元，中国某药物发现工具企业通过港交所 IPO 融资 2.13 亿美元。 来源：量子位智库，AI制药深度产业报告 商业化方面，AI 发现的药物已进入临床后期阶段，部分项目即将获批上市。截至 2025 年 3 月，全球已有 31 个 AI 发现的药物资产进入临床 I-III 期，其中 Relay Therapeutics、Insilico Medicine 等企业的项目进展迅速，有望成为首批 AI 研发成功上市的药物，验证 AI 制药的商业可行性。 来源：TechBio x：AI Drug Discovery 四、行业面临的挑战与风险 （一）数据相关挑战 数据是 AI 制药的核心驱动力，但行业面临数据质量、隐私安全与可及性的多重挑战。数据质量方面，现有反应数据集、临床数据存在缺失值、噪声、代表性不足等问题，且缺乏失败案例数据，导致 AI 模型预测准确性受限 ——“垃圾进、垃圾出” 的问题在药物发现和临床预测中尤为突出。数据隐私方面，制药行业涉及大量敏感数据（如患者 PII、企业知识产权数据），需符合 HIPAA（美国）、GDPR（欧盟）等监管要求，数据加密、匿名化处理增加了技术应用成本；同时，企业内部数据孤岛严重，跨机构数据共享机制不完善，限制了 AI 模型的训练效果。 （二）技术与人才瓶颈 AI 制药对技术与人才的复合型需求极高，行业面临严重的人才短缺问题 —— 据统计，40% 的资深化学家即将退休，而具备 AI 算法、生物医学知识与制药行业经验的复合型人才供给不足，导致部分企业 AI 项目落地延迟。技术层面，AI 模型的透明度与可解释性不足（尤其是大语言模型和深度学习模型），难以满足制药行业 “可追溯、可验证” 的合规要求；此外，AI 技术与现有研发、生产流程的融合难度较大，部分企业存在 “技术与业务脱节” 的问题，导致 AI 投入回报率低于预期。 （三）监管与合规压力 AI 技术的快速发展与监管政策的滞后性形成矛盾，增加了企业合规风险。全球监管框架尚未完全统一：欧盟对自适应 AI、生成式 AI 的应用限制严格，仅允许其用于非关键场景；美国 FDA 强调 “风险为本” 的灵活监管，但对 AI 模型的验证、文档记录要求较高；中国虽出台多项支持政策，但具体实施细则仍在完善中。企业需应对不同地区的监管差异，投入大量资源进行合规调整；同时，AI “幻觉” 问题（生成虚假数据或结论）与制药行业的合规要求存在冲突，可能导致临床数据失真、法规不合规等严重后果。 来源：舶望制药，AI热潮下的冷思考 （四）资金与成本失衡 药物研发各阶段的资金与成本分布严重失衡，制约行业可持续发展。数据显示，靶点发现与验证阶段获得 18 亿美元 VC 融资，但仅占总研发成本的 3%；而临床 I-III 期占总研发成本的 62%，却仅获得 2.98 亿美元 VC 融资。这种失衡导致后期研发资金缺口较大，部分有潜力的项目因资金不足被迫终止；同时，AI 技术的前期投入较高（算力、数据、人才成本），中小企业难以承担，行业集中度逐渐提升，可能抑制创新活力。 来源：TechBio x：AI Drug Discovery 五、未来发展趋势 （一）技术创新方向 生成式 AI 将成为药物研发的核心引擎，NVIDIA BioNeMo 等平台通过生成式 AI 优化分子设计，显著提升化合物成药概率；多模态 AI 技术将进一步成熟，整合文本、图像、多组学数据和 RWD，实现更精准的疾病诊断、靶点识别与治疗方案设计 —— 微软、谷歌等企业已布局多模态 AI 在精准医疗中的应用，通过分析患者全生命周期数据，开发个性化治疗方案。 边缘 AI（Edge AI）与去中心化临床试验（DCT）的结合将成为趋势，通过可穿戴设备、传感器实时监测患者体征数据，AI 在本地进行数据分析与预警，减少对中心实验室的依赖，提升临床试验的灵活性与患者依从性；数字孪生技术将广泛应用于个性化医疗，通过构建患者的虚拟生理模型，模拟药物疗效与安全性，优化治疗方案 —— 在糖尿病、心血管疾病领域，数字孪生已用于胰岛素给药方案优化、心脏治疗效果预测。 量子机器学习（Quantum ML）将进入商业化探索阶段，IBM、谷歌等企业正开发量子安全加密技术，保护敏感医疗数据；同时，量子 AI 模型在精神疾病诊断（如精神分裂症、抑郁症）、复杂疾病靶点预测等领域的应用有望取得突破，进一步拓展 AI 制药的边界。 （二）行业生态演变 行业整合将加速，大药企与 AI 初创企业的并购、战略合作将更加频繁，形成 “技术 + 资源” 的协同模式；同时，大学与科研机构的技术转化效率将提升，衍生企业数量持续增长，成为创新活力的核心来源。区域格局方面，欧洲将继续强化其在 AI 制药领域的领先地位，英国、法国、德国将通过政策支持、资金投入进一步巩固优势；中国、印度等新兴市场将加速追赶，本土企业与国际巨头的合作与竞争将加剧。 （三）应用场景拓展 AI 的应用将从药物研发、临床开发向上市后监测、药物警戒、市场准入等环节延伸。在药物警戒领域，AI 通过分析社交媒体、电子健康记录、不良反应报告，实时监测药物上市后的安全性风险，快速识别潜在不良反应信号；在市场准入方面，AI 通过分析医保政策、患者需求、竞品数据，为药物定价、医保谈判提供决策支持，提升商业化成功率。此外，AI 与 GXP 合规的融合将更加深入，智能合规助手、AI 驱动的质量风险管理系统将成为企业标配，实现合规管理的自动化与智能化。 六、企业 AI 落地策略与实践 （一）战略规划与路径选择 企业应根据自身规模、资源与竞争格局，选择合适的 AI 落地策略：大型药企可采用 “激进式转型”，以 AI 为核心重构组织与 IT 系统，组建内部 AI 团队，布局端到端解决方案；中小企业适合 “渐进式落地”，在现有流程中嵌入 AI 工具，优先选择 ROI 高、重复性高、风险高的场景（如文献分析、化合物筛选、患者招募）快速验证效果，再逐步扩展应用范围。 来源：舶望制药，AI热潮下的冷思考 战略规划需坚持 “业务驱动、数据为基” 的原则，避免 “唯技术论”：首先明确业务痛点与 AI 应用的结合点，例如临床招募效率低的企业可优先引入 AI 招募工具；其次，加强数据治理，建立统一的数据标准与知识库，为 AI 模型训练提供高质量数据；最后，制定分阶段实施计划，设定短期（3-9 个月）、中期（4-12 个月）、长期（6-12 个月）目标，逐步实现 AI 与业务的深度融合。 来源：舶望制药，AI热潮下的冷思考 （二）团队建设与合作伙伴选择 理想的 AI 团队应具备技术、数据、业务、法规四大核心能力：技术人才负责 AI 算法开发与模型部署，数据专家专注数据治理与分析建模，业务专家识别应用场景与需求转化，法规专家把控合规风险。企业可通过内部孵化（培养现有员工 AI 技能）、外部招聘（引入复合型人才）、战略合作（与 AI 服务商、科研机构合作）三种方式构建团队；初期可设置 “种子项目”（如药物研发数据分析、临床试验优化），让团队在实战中积累经验，建立组织信心。 来源：舶望制药，AI热潮下的冷思考 合作伙伴选择应优先考虑 “灵活适配、快速落地” 的小型 AI 专精企业，而非单纯追求品牌与规模 —— 此类企业更能贴合制药行业的具体需求，提供定制化解决方案，降低技术验证成本。合作模式可根据需求灵活选择：AI SaaS 工具适合短期试点，CRO 合作适合缺乏内部数据的企业，投资 / 收购则适合需长期布局核心技术的企业；同时，企业需建立供应商审核机制，确保合作伙伴的技术方案符合合规要求。 来源：舶望制药，AI热潮下的冷思考 （三）风险管控与持续优化 企业需建立全流程 AI 风险管控体系：数据层面，实施严格的数据分类管理、加密存储与访问控制，定期开展数据质量审计；技术层面，选择可解释性强的 AI 模型，建立模型验证与监测机制，及时发现并纠正模型偏差；合规层面，跟踪全球监管政策动态，建立 AI 系统的文档记录与追溯体系，确保每一步决策可验证。 来源：舶望制药，AI热潮下的冷思考 此外，企业应建立 AI 项目的持续优化机制，通过用户反馈、性能监测、业务指标评估，不断调整 AI 模型与应用方案；同时，加强组织文化建设，提升员工对 AI 技术的接受度与应用能力，避免 “技术抵触” 导致的落地障碍。 来源：舶望制药，AI热潮下的冷思考 七、结论 AI 技术正以不可逆转的趋势重塑制药行业，从药物发现到临床开发、生产运营、合规监管，全流程的智能化转型已成为行业共识。2025 年，TechBio 领域从概念走向现实，AI 发现的药物资产进入临床阶段，融资与投资活动持续活跃，验证了技术的商业可行性。然而，行业仍面临数据质量、人才短缺、监管合规、资金失衡等多重挑战，需要企业、资本、监管机构与科研机构的协同应对。 来源：舶望制药，AI热潮下的冷思考 未来，生成式 AI、多模态 AI、数字孪生、量子机器学习等技术将推动行业创新升级，应用场景从核心研发向全价值链延伸；企业需制定符合自身实际的 AI 落地策略，聚焦高价值场景，强化数据与人才基础，管控合规风险，才能在变革中把握机遇。AI 不是制药行业的 “可选项”，而是 “必选项”—— 只有真正实现技术与业务的深度融合，才能通过 AI 降本增效、提升创新能力，为患者提供更安全、更有效的药物，推动行业可持续发展。 —The End— 【特别声明】本文为陈博观察原创内容，如需转载或引用请注明上述版权信息。文中相关插图已标注来源单位，版权完全归相关单位以及原作者所有；未标注的插图为本公众号绘制（部分元素创作借助AI工具）或来源于网络公开资料，如涉及侵权，请联系我们处理（yujianchenwei@163.com）。此外，本文仅供研究参考用，在任何情况下，文中的任何信息和结论均不构成对任何个人的投资与决策建议。