Iktos SAS

氨基观察-创新药组原创出品 作者 | 蔡九 虽然业界始终交织着谨慎与乐观的情绪，但AI+医药已迈入产业化加速期，这是不争的事实。 海外企业的动态充分佐证了这一点。1月，英伟达与礼来联合共建AI+制药实验室，Tempus AI凭借AI相关业务实现高增长——两者共同印证，AI正从概念逐步落地，成为制药与医疗领域的核心生产力。 国内企业的接连突破，同样在印证这一趋势，港股明星公司英矽智能便是典型代表。1月，英矽智能股价涨幅接近70%，摩根士丹利于近期发布首次覆盖报告，给与买入评级。资本市场信心与其核心业务的快速推进息息相关。 其一，合作落地密集：上市仅29天，公司便接连达成3笔合作，涵盖肿瘤、炎症、代谢等临床需求广阔的领域，仅披露的首付款总额已经超过去年上半年营收； 其二，研发管线高效突破：2021年以来，公司搭建27条梯度合理的临床前或临床阶段管线，自主提名的减重药物ISM0676展现巨大联用潜力，减重效果达31.3%；靶向NLRP3、KIF18A等热门靶点的管线先后宣布进展； 其三，技术平台迎来质变：从跨越疾病领域到拓展New Modality，AI平台应用场景持续延伸，更通过大语言模型训练框架MMAI Science Gym实现全行业驱动，迈向制药超级智能（PSI）。 在一系列里程碑事件的催化下，市场看到了英矽智能的多重确定性：既有赋能全行业药物研发的商业化变现能力，管线布局又梯度合理，兼具稳健性与增长爆发力，公司股价也由此驶入发展快车道。 某种程度上，市场对英矽智能的追捧，正是行业对AI制药赛道长期价值的集体期待。 / 01 / 1个月3笔交易背后，业界持续认可 AI+医药迈入产业化加速期的一个底层逻辑是：能力得到业界持续认可。英矽智能1个月落地3笔交易，某种程度上就体现了这一点。 可以看到，与英矽智能达成合作的施维雅、衡泰生物、齐鲁制药等企业，均属对同一类型：对AI制药认知深入、高度认可，且接受度持续提升。 先看施维雅，该企业此前已与Iktos等AI制药企业展开合作，对AI重构制药产业的底层逻辑早已形成高度认可。其与英矽智能的合作，也体现了这一点，不仅给予总价8.88亿美元的条款，且将共同承担研发成本。 再来看衡泰生物，其母公司复星医药不是第一次和英矽智能合作。2022年1月份双方第一次牵手，达成合作仅一个月后，英矽智能高效交付了合作项目的首个临床前候选化合物；随后又在2024年6月交付了第二款临床前候选化合物。正是在这一逻辑下，双方有了第二次牵手。很显然，在与英矽智能的合作中已经充分认识到了英矽智能AI制药的潜力。 也确实如此，此次合作的ISM8969，在临床前研究中显示出卓越的疗效、良好安全性以及优异的穿透血脑屏障的特性，具备颠覆者的潜力。而在双方牵手一周后，ISM8969便宣布获得FDA临床试验批件。 而齐鲁制药，也是于2021年正式授权引进PandaOmics研发平台，此次与英矽智能的战略合作，属于进一步深化人工智能平台赋能作用。 由此不难得出两大行业事实。一方面，药企在拥抱AI技术后，对其认可度持续提升且布局不断向纵深推进；另一方面，头部AI制药企业与合作药企的绑定也在持续深化。这一发展轨迹在英矽智能的合作实践中已多次印证——此前意大利跨国药企Menarini连续两年与英矽智能达成合作，以超5亿美元总额引入其早期AI药物研发管线；礼来则从最初的软件平台合作方，逐步升级为英矽智能在药物研发层面的战略合作伙伴。 很显然，这种“认可度”，将会推动AI制药走向快车道。 / 02 / 双轮驱动，管线梯度+行业赋能落地加速 而对于头部AI制药企业来说，已然进入一个新的临界点：管线梯度+行业赋能落地加速的双轮驱动状态。 例如，深耕 AI 制药领域十余年，英矽智能已构建起覆盖 27 款以上临床前候选化合物的创新内部管线。 进一步剖析可见，其管线有别于传统 biotech，兼具强抗风险能力与高增长爆发力。 抗风险能力体现在管线层次清晰、梯度合理。其中 10 余款分子已获临床试验批件，多项 I 期、II 期临床试验完成或推进中，形成 “持续有后期分子验证、稳步上岸” 的良性研发节奏；同时，管线覆盖罕见病、肿瘤、炎症疼痛、代谢等不同疾病领域，通过领域分散布局，既有效分散研发风险，又保障管线整体发展潜力。 英矽智能在代谢领域的临床前候选化合物 ISM0676，便是这一布局的硬核印证。这款化合物的落地，延续了 AI 驱动的研发速度：此前英矽智能公布 AI 研发从 0 到 PCC 平均耗时 12-18 个月，远优于传统研发的 4.5 年，该项目从立项到 PCC 提名仅耗时 14 个月，合成测试分子数不足 200 个。更值得关注的是其亮眼的临床价值：临床前研究显示，ISM0676 与司美格鲁肽联用时，在饮食诱导肥胖人源化 GIPR 小鼠中实现最高 31.3% 的减重效果，同时兼具优异的体内代谢稳定性、低药物相互作用风险、良好的安全性及较低的临床预测剂量，为后续开发筑牢基础。结合减重药物的赛道热度与联合疗法的临床迫切性，ISM0676 有望成为重磅合作交易的潜在标的。 事实上，技术壁垒高、产品竞争力强，更是AI赋能下英矽智能整体管线的核心特色。全球首款由 AI 全程赋能的FIC创新药 ——TNIK 小分子抑制剂 Rentosertib（原名 ISM001-055）便是最佳例证。作为公司研发进度最快的管线，该药物 2025 年 6 月在Nature Medicine发表积极 IIa 期临床研究结果，一举填补业界疗效空白：在 60mg 每日一次剂量组中，患者用力肺活量（FVC）平均提升 98.4 毫升，而对照组 FVC 均值下降 20.3 毫升，展现出逆转肺功能恶化的显著潜力。 在自主管线加速落地的同时，英矽智能赋能行业的逻辑亦十分清晰。这不仅源于行业的高度认可，更在于头部 AI 制药企业正迈入发展 “飞轮” 加速期：伴随算法、大模型等核心技术的持续成熟，企业从项目研发到技术输出的全链路产业赋能能力实现深度升级。 一方面，通过开源多年技术积淀，AI制药开始赋能全行业加速创新。近期，英矽智能搭建并正式上线 AI 训练基础设施 Science MMAI Gym，可针对性显著提升大语言模型（LLM）在生物化学领域的专业能力。经该平台训练后，原本在生物化学专业任务中失败率高达 75%–95% 的 LLM，在关键药物发现基准测试中实现最高 10 倍性能提升。 基于百万级的内部数据点，英矽智能搭建专业训练 – 强化微调 – 基准评估 – 反馈打磨的模型能力强化循环，并将该系统框架沉淀为Science MMAI Gym供全行业获取，以“去中心化”的创新驱动加速变革。 试想，只要经过几周或者数月的“锻炼”，任意一款通用LLM都可以高效学习生物、化学、临床等专精领域的语言甚至概念链条，在基因通路分析、化学反应推理、实验成功率预测等任务上实现业界领先的表现，而且这样的变革可以在世界的任何一个地方同时发生——制药领域AI能力优化不再需要漫长的测试验证，我们正在接近制药超级智能（PSI）。 另一方面，核心AI+自动化技术步入从量变到质变的新阶段，应用场景覆盖药物研发圈流程后，进一步拓展到New Modality。 小分子化学空间的可能性有1060之多，未探索的部分占据大半，是AI方法发挥高效和创新潜能的绝佳场地。由此延伸开去，英矽智能已在多个将小分子设计优化与New Modality（新治疗模态）结合的交叉领域取得初步成果。 2025年9月，英矽智能宣布与迈威生物、皓元医药达成三方合作，构建ABC (AI + BioTech/BioPharma + CRO/CDMO)新模式，赋能抗体偶联药物（ADC）创新。同年11月，公司凭借一款AI赋能的PROTAC分子设计流程登上权威期刊Nature Communications，实现诱导降解+抑制活性的“双重”治疗机制。 在小分子领域之外，英矽智能依托其AI驱动的肽类药物设计引擎 Generative Biologics，基于数以亿计的生物数据点、生成式AI模型和奖励函数，覆盖多肽、纳米抗体及全长抗体等多类生物药物，实现从零开始的多肽设计与迭代优化。 与此同时，平台结合自动化实验室，打通从计算设计到湿实验筛选与验证的闭环，建立高通量、标准化、自动化且可复现的验证体系。 显然，伴随技术持续升级与应用领域不断拓展，AI 制药头部企业的能力边界正持续突破，其所能创造的产业价值也将触发 “飞轮效应”，迎来指数级增长。 / 03 / 预期该正视起来了 技术能力赢得行业广泛认可，价值创造持续深入，意味着市场该重新正视对AI制药企业的价值预期。即便一些近期看似涨幅不低的企业，未来仍然有较大的空间。毕竟，只要企业业绩保持足够快的增长速度，便能迅速消化偏高的估值，形成“业绩增长→估值合理→股价再提升”的良性循环。 而在当前，头部AI制药企业无论在自主研发管线推进，还是产业合作落地层面，均能为业绩带来显著增厚。 1月11日，Tempus AI披露了2025年数据和应用业务细节验证了这一点。Tempus AI业绩的重点，不在于其核心诊断业务，而是Insights业务。诊断时会获得相关的数据，然后把数据去标签化，然后授权给需要这些数据的公司，这就产生Tempus AI的第二项Insights业务。2025年，800万份的去标识化患者记录给到生物制药企业去加速新药发现和研发。截至目前签下超20亿美金的数据和应用的合同，当期确认的收入为3.16亿美元，同比增长约31%。 英矽智能的市场表现，也在成为这一逻辑的最佳印证。 尽管公司尚未公布2025年完整业务数据，但仅2026年1月落地的两笔合作，首付款合计已接近3亿元人民币——这一金额远超2025年上半年相关收入，也预示着2026年英矽智能的业绩或将迎来爆发式增长。 要知道，刚迈入1月，公司便已敲定3个合作项目；而AI制药的核心逻辑，正是平台能力的规模化变现，其“一年孵化多个合作项目”的商业路径，既清晰可循，又具备强可行性。此外，英矽智能还坐拥丰厚的潜在业绩蓄水池：此前通过分子对外授权达成的4项合作，潜在里程碑付款规模合计约20亿美元，若这些合作在2026年取得关键进展，公司还将斩获可观的里程碑收入。2月3日，英矽智能获美纳里尼3900万港币里程碑付款，无疑确证了这一点。 随着发展推进，英矽智能“首付款快速兑现即期收入、里程碑款项支撑持续收益”的双轮驱动财务模型，将持续夯实并不断增厚公司业绩。 而除了产业合作，上文提及的，英矽智能的自主研发管线更是其不容忽视的核心增长点。 一面是合作与BD业务带来的稳定业绩输出，一面是自主研发管线兼具药企级的成长爆发力，英矽智能的发展路径，为AI制药行业树立了清晰标杆。对于整个AI制药赛道的企业，市场虽需保持专业理性的判断，但更应给予足够高的价值期待。 PS：欢迎扫描下方二维码，添加氨基君微信号交流。

「AI颠覆」7天连载 Day 1 编程｜程序员真的会在6-12个月内被取代吗？ Day 2 教育｜AI正在改写教育规则，聪明的家长已经行动了 Day 3 医疗｜健康已被重新定义，长寿逃逸奇点将至 Day 4 法律｜律师加速分化，普通人的法律门槛正在消失 Day 5 内容创作｜生产力无限的时代，创意成为唯一货币 Day 6 金融｜机器在毫秒间决策，人类还能靠什么赚钱？ Day 7 科研｜50年科学进展压缩到5年，人类正站在最大变革前夜 ← 今天01 AI的科学荣誉簿，正在快速填满 2024年10月，诺贝尔奖颁发给了两个AI团队 物理学奖，颁给了Geoffrey Hinton和John Hopfield——因为他们用物理学原理奠定了现代神经网络的基础。 化学奖，颁给了David Baker、Demis Hassabis和John Jumper——因为AlphaFold，那个预测蛋白质结构的AI。 但这只是开始。 2025年7月，DeepMind的Gemini Deep Think在国际数学奥林匹克竞赛（IMO）中获得金牌水平——6道题解出5道，总分35分，超过绝大多数人类参赛者。 它完全用自然语言工作，在4.5小时时限内，直接从题目描述生成严格的数学证明。 这不是巧合，这是一个信号： AI不再只是科研的工具，它正在成为科研的主角。 AlphaFold做到了什么？它在几分钟内预测出蛋白质的三维结构——这件事，人类科学家用传统方法可能需要几年甚至几十年。 截至目前，AlphaFold已经预测了超过2亿种蛋白质的结构，覆盖了地球上几乎所有已知生物。 过去50年，人类用实验方法解析的蛋白质结构大约20万个。AI用两年时间，做了人类1000倍的工作。 这不是渐进式的提升，这是维度级的碾压。02 AI正在重塑科研的每一个环节 让我拆解一下，AI是怎么改变科研流程的。文献综述：从几周到几分钟 一个博士生开题，第一步是做文献综述——把相关领域的论文读一遍，了解研究现状。 这个过程，传统上需要几周到几个月。 现在？ 把研究方向告诉AI，它可以帮你： 检索相关论文并按重要性排序 总结每篇论文的核心贡献 梳理研究脉络和学术争议 找出研究空白和潜在方向 几分钟，你就能对一个领域有结构化的理解。 当然，AI可能会遗漏一些重要论文，可能会误解某些细节。但作为第一轮扫描，它的效率是人类无法比拟的。假设生成：AI开始有"科学直觉" 科研最核心的能力是什么？ 提出好问题。 以前我们认为这是人类独有的能力——需要直觉、经验、创造力。 但AI正在展现出"科学直觉"。 2023年，Google DeepMind的GNoME系统发现了220万种新材料结构，其中38万种被认为足够稳定，可以实际合成。这些材料可能用于下一代电池、超导体、芯片。 AI不只是在验证人类的假设，它开始自己提出假设了。 它通过学习海量的科学数据，找到人类未曾注意的模式，然后生成新的研究方向。实验设计：让失败更少 科研的常态是什么？失败。 一个实验可能要做几十次、几百次才能成功。参数调优、条件摸索，消耗大量时间和资源。 AI可以帮你： 模拟实验结果，减少无效尝试 优化实验参数，提高成功率 预测可能的失败原因 建议替代方案 在药物研发领域，AI已经把临床前研究的时间从4-5年压缩到1-2年。数据分析：从大海捞针到精准定位 现代科研产生的数据量是爆炸性的。 一个基因组测序实验，产生的数据可能有几个TB。一个粒子物理实验，每秒产生的数据量相当于整个互联网的流量。 人类已经无法直接处理这些数据了。 AI可以： 从海量数据中识别模式 发现异常值和潜在发现 自动生成可视化 提出数据解读建议 很多重大发现，就藏在数据里，只是人类看不到。AI能看到。 03 三个正在发生的案例案例1：AlphaProteo——从预测蛋白质到设计蛋白质 AlphaFold预测蛋白质结构已经很厉害了，但DeepMind的下一步更激进：AlphaProteo，设计自然界从未存在过的蛋白质。 2026年初，AlphaProteo已经从研究突破变成了药物研发的核心工具。它能设计出"精准堵住"癌症受体的蛋白质分子——就像为每一把锁定制钥匙。 Isomorphic Labs（DeepMind的生物技术子公司）已经和礼来、诺华签署了数十亿美元的合作协议。第一批完全由AI设计的药物，预计2026年底进入人体临床试验。 AI不是在发现自然，而是在创造自然。案例2：GNoME——220万种新材料，机器人17天合成41种 2023年底，DeepMind发布了GNoME（Graph Networks for Materials Exploration），一口气发现了220万种新晶体结构，其中38万种足够稳定，可以实际合成。 这相当于什么？过去800年人类积累的材料知识总和。 更厉害的是，劳伦斯伯克利国家实验室的自主机器人实验室，在17天内成功合成了其中41种新材料。 具体发现包括： 52,000种类似石墨烯的层状化合物（之前人类只发现了约1,000种） 528种潜在锂离子导体，是之前研究的25倍——这可能彻底改变电池技术 从AI预测到机器人合成，科学发现正在变成流水线。案例3：AI药物进入临床——不再是PPT AI药物发现喊了很多年，2026年终于开始兑现。 Insilico Medicine的ISM001-055——一款完全由AI设计的特发性肺纤维化药物，已经完成IIa期临床试验并获得积极结果。 Recursion和Exscientia合并，形成了端到端的AI药物发现平台，从靶点发现到分子设计到临床预测，全流程AI驱动。 2026年1月，礼来和NVIDIA宣布成立AI联合创新实验室，专攻药物发现；Iktos和Servier签署超过10亿欧元的AI药物合作协议。 行业共识是：2026年是AI药物从"概念验证"到"临床兑现"的转折年。 这让我想到一个问题： AI发现的科学，人类能理解吗？ 04 一个根本性的问题：黑箱科学 这里有一个很多人没想清楚的问题： 如果AI发现了某个科学规律，但人类无法理解它为什么有效，这还算"科学"吗？ 传统科学的范式是： 观察现象 提出假设 实验验证 形成理论 理论能被人类理解和解释 但AI正在打破这个范式。 它可能直接从第1步跳到第3步——从数据中找到规律，验证它有效，但不提供人类能理解的解释。 这叫"黑箱科学"**。 AlphaFold就是典型。它能准确预测蛋白质结构，但科学家们至今不完全理解它是怎么做到的。 有效，但不可解释。 不过，科学家们正在尝试打开这个黑箱。 MIT Technology Review把"机制可解释性"（Mechanistic Interpretability）评为2026年十大突破技术之一。 Anthropic开发了一种"AI显微镜"技术，可以追踪模型从输入到输出的完整思考路径——就像给AI做脑部扫描。2025年，他们用这种方法发现了模型内部的"特征序列"，开始理解AI是怎么"想问题"的。 这很重要。因为如果我们能理解AI是怎么得出结论的，我们就能： 发现AI的错误和偏见 从AI的"思考方式"中学到新东西 建立对AI科学发现的信任 科学不仅需要正确答案，还需要理解为什么。 一种可能的未来：人类科学家的角色变了。 以前是发现者——自己发现规律。 以后可能是解释者——AI发现规律，人类负责理解和解释。 或者更极端一点：人类只负责提问，AI负责回答。05 对普通研究者意味着什么？博士生和年轻科研人员 好消息：入门变容易了。 AI可以帮你快速掌握一个领域，降低文献阅读的门槛，加速实验进程。 坏消息：基础工作的价值在下降。 如果AI能做文献综述、能跑数据分析、能写论文初稿，那"苦力型"的科研劳动就不那么值钱了。 你的价值在于： 提出好问题（AI目前还不擅长） 设计研究框架（需要领域直觉） 解读结果的意义（需要人类判断） 跨领域连接（AI的知识是分割的）资深科学家和PI 你的角色更像**"科研产品经理"**： 定义研究方向 分配资源（包括AI资源） 评估结果的价值 把科学发现转化为实际应用 AI是你的超级工具，但方向盘在你手里。对整个科研体系 速度会加快： 以前一个重大发现可能需要10年，以后可能1-2年。科学进步会加速。 竞争会加剧： 当AI让每个人都能更快地做科研，竞争会更激烈。发论文的速度、抢占研究方向的速度，都会加快。 评价体系会变： 如果AI能写论文，那"发了多少论文"就不再是好的评价标准。我们需要新的方式来评价科研贡献。06 人类智慧的新边疆 回到开头的问题： 当AI开始拿诺贝尔奖，人类科学家还能做什么？ 我的答案是：做AI做不了的事。 AI擅长： 处理海量数据 发现模式和规律 优化已知问题 加速已有流程 AI不擅长（至少目前）： 定义什么问题值得研究 理解科学发现的人类意义 跨越式的范式创新 把科学和人类价值观连接 爱因斯坦提出相对论，不是因为他计算能力强，而是因为他敢问"如果我骑在光束上会怎样"。 这种问题，AI目前不会问。 所以，人类科学家的价值不是和AI比计算、比速度、比数据处理。 而是： 定义问题、理解意义、创造范式。07 当科学不再是瓶颈：顶尖学者的未来预判 如果AI真的能10倍加速科学发现，人类的未来会是什么样？ 这不是科幻，而是顶尖AI学者正在认真讨论的问题。"压缩的21世纪" Anthropic CEO Dario Amodei在他的文章《Machines of Loving Grace》中提出了一个惊人的概念： "AI将把人类生物学家未来50-100年的进展，压缩到5-10年内完成。" 他的具体预测： 7-12年内：治愈大多数癌症、消除阿尔茨海默症、攻克大部分遗传疾病 5-10年内：开发出治疗抑郁症、精神分裂症等精神疾病的有效药物 更远的未来：人类平均寿命可能翻倍，达到150岁 在2026年1月的达沃斯论坛上，Amodei更是预测：AI将在2年内达到多个领域的"诺贝尔级"科研水平。"比工业革命大10倍、快10倍" DeepMind CEO Demis Hassabis——那个刚拿了诺贝尔化学奖的人——给出了更宏观的判断： "AI对人类社会的影响，将比工业革命大10倍，发生的速度也快10倍。" 他预测AGI（通用人工智能）将在2030年左右到来。2025年12月，DeepMind宣布将在2026年开设首个全自动研究实验室——AI不再只是辅助科学家，而是直接作为"科学参与者"独立开展研究。 如果这个实验室成功，它将成为未来几十年科学研究的模板。"长寿逃逸速度" 未来学家Ray Kurzweil有一个更激进的预测： 2029年，人类将达到"长寿逃逸速度"（Longevity Escape Velocity）。 什么意思？就是每过一年，医学进步让你的预期寿命增加超过一年。 换句话说：你活得越久，你能活得越久。 Kurzweil解释说，目前人类每年大约能"赚回"4个月的寿命。但随着AI加速医学研究，这个速度在指数级增长。到2029年，可能达到每年赚回一整年；到2030年代初，可能赚回超过一年。 他的预测准确率据称达到86%。OpenAI的野心 Sam Altman在2025年初宣布： "我们现在有信心知道如何构建AGI。我们开始把目标转向超级智能。" 他认为超级智能工具可以"大规模加速科学发现和创新，远超人类自身能力，从而大规模增加人类的丰富和繁荣"。这意味着什么？ 如果这些预测哪怕只有一半成真，我们这一代人可能会见证： 医疗革命 癌症变成慢性病，不再是绝症 阿尔茨海默症、帕金森症可以预防和逆转 基因编辑让遗传疾病成为历史 个性化医疗：每个人都有AI医生24小时监测 能源革命 AI加速核聚变研究，人类获得近乎无限的清洁能源 新型电池材料让电动车续航突破2000公里 室温超导变成现实，电力传输效率接近100% 材料革命 比钢铁轻10倍、强100倍的新材料 可以自我修复的智能材料 能高效固碳的人工光合作用材料 认知革命 脑机接口让人类和AI直接连接 知识获取方式彻底改变：不再需要"学习"，而是直接"下载" 人类智能被AI增强，思考能力提升百倍千倍 当然，这些预测充满不确定性。技术突破从来不是线性的，社会接受度、监管、伦理问题都可能成为瓶颈。 但有一点是确定的： 我们正站在人类历史上最大的变革前夜。 而这一次，变革的引擎不是蒸汽机、不是电力、不是互联网——是AI加速的科学发现本身。 08 写在最后 这是「AI颠覆」系列的最后一篇。 七天，七个行业：编程、教育、医疗、法律、内容创作、金融、科研。 每一个行业都在被AI重塑，但重塑的方式不同： 有些是工具升级（AI帮你做得更快） 有些是流程再造（AI改变了做事的方式） 有些是价值重构（AI重新定义了什么是有价值的） 但有一点是共同的： AI不会让人类变得无用，它会让人类重新思考自己的价值在哪里。 那些能被AI替代的工作，本来就不是人类最擅长的。 那些不能被AI替代的——创造力、判断力、同理心、意义感——才是人之为人的核心。 AI时代，不是人类的终结，是人类重新认识自己的开始。 今日互动： 我们可能是人类历史上第一代见证"科学不再是瓶颈"的人。 如果这些预测成真，你觉得最大的挑战会是什么——技术、伦理，还是人类自身的适应能力？ 欢迎在评论区分享你的思考。 系列回顾： Day 1 编程｜程序员真的会在6-12个月内被取代吗？ Day 2 教育｜AI正在改写教育规则，聪明的家长已经行动了 Day 3 医疗｜健康已被重新定义，长寿逃逸奇点将至 Day 4 法律｜律师加速分化，普通人的法律门槛正在消失 Day 5 内容创作｜生产力无限的时代，创意成为唯一货币 Day 6 金融｜机器在毫秒间决策，人类还能靠什么赚钱？ Day 7 科研｜50年科学进展压缩到5年，人类正站在最大变革前夜 感谢你的一路陪伴。 AI的时代才刚刚开始，我们都是见证者，也是参与者。

2026年1月，全球制药公司在数字化诊断与 AI 药物研发领域展开密集合作，覆盖从影像诊断、靶点发现、生物大分子设计，到临床开发与制造的几乎每一个关键环节。 数字诊断领域 勃林格殷格翰：1月20日，Brainomix公开，在BI一项肺纤维化III期临床试验中，将 Brainomix 的AI驱动CT成像技术作为共同主要终点进行测试。 百时美施贵宝：于1月20日宣布与微软合作，在常规X光和CT扫描中利用AI影像技术以更早发现肺癌，该合作借助了已嵌入大多数美国医院的现有网络。 AI与药物研发领域 阿斯利康： 与 BostonGene 合作（1月6日），将AI应用于患者层面的肿瘤和免疫数据，以降低早期肿瘤开发的风险。 收购 Modella AI（1月14日），标志着其战略从“与合作伙伴试点AI”转向“在肿瘤研发中拥有核心病理AI平台”。 葛兰素史克： 投资5000万美元与NOETIK 合作（1月8日），兰素史克的人工智能与治疗团队获得Noetik的OCTO-VC虚拟细胞基础模型的非独家授权，可将其应用于非小细胞肺癌（NSCLC）与结直肠癌（CRC）的相关研究。 与 Helix 合作（1月7日），将群体规模的基因组和临床结果数据整合到常规药物发现决策中。 礼来： 与英伟达扩大合作伙伴关系（1月12日），未来五年投资10亿美元合作成立一家开创性的 AI 联合创新实验室。 同时，礼来正在扩大其 TuneLab 基础设施，作为与 Schrödinger、Revvity Signals 和 BigHat Biosciences 共享的AI发现平台。 礼来还与 InduPro 合作（1月7日），将AI驱动的膜相互作用组学应用于肿瘤靶点发现；并与 Chai Discovery 合作（1月9日），利用在礼来数据上训练的AI模型来加速生物药发现。 勃林格殷格翰：1月6日宣布将利用 Variant Bio 的AI遗传学平台，通过更早识别经过人类验证的药物靶点，来增强其肾病研发管线。 施维雅（Servier）：  1月5日，与英矽智能 就多个AI驱动的肿瘤发现项目达成合作。 1月9日与 iktos 合作，将生成式AI和自动化应用于多个治疗领域的生物小分子药物发现。 辉瑞：与 Boltz 合作（1月9日），将生物分子AI基础模型引入常规临床前药物发现。 拜耳：1月7日宣布，正在将 Cradle 的生成式AI平台整合到抗体研发中，以加速并改进蛋白质药物的发现。 赛诺菲：1月5日与 Earendil Labs（华深智药子公司）达成总价值25.6亿美元的合作，在多个双特异性自身免疫和炎症疾病项目中使用其发现平台。 百时美施贵宝：1月15日 宣布与 Immunai 达成合作，利用AI驱动的免疫分析来支持临床开发。 总结 虽然AI辅助设计的要去还没有一款批准上市，但各大药企的军备竞赛已经展开，如果不把AI整合进研发流程，未来将彻底失去竞争资格。 往期好文 JPM值得关注的CNS领域进展：Kv7 钾离子通道 诺和诺德：中国最高法院对司美格鲁肽化合物专利作出了积极的裁决 报告：肿瘤浸润淋巴细胞（TIL）疗法综述 - 2025年12月 Treg：调节性T细胞（Treg）疗法演进过程、竞争格局（含附件） 体内CAR-T：竞争格局全析，交易、管线、主流递送平台 TSLP竞争格局：SHR-1905启动特应性皮炎2期临床 报告：FGF21的研究进展-2025年10月 报告：T细胞衔接器（TCE）在自身免疫性疾病的研究进展 2026年的创新药，需要关注的重点 声明：本文内容供业内同行交流学习，不代表药番茄表平台立场，不构成任何投资意见和建议。药番茄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。内容如有疏漏，欢迎沟通指出！