AI药物研发行业关键动态与数据报告
AI药物研发行业正经历从概念验证向价值兑现的关键转折。
AI药物研发行业正经历从技术探索迈向产业化验证的关键转折。AI设计药物管线（如GB-0895）进入临床后期，以及头部平台（如Isomorphic Labs）完成大额融资并达成跨模态合作，标志着该领域进入了临床规模化验证与生态构建的新阶段。本报告将梳理上述最新动态与核心进展。
一、 政策与监管
国际：2026年1月，美国FDA与欧洲EMA联合发布AI药物研发指导原则，聚焦数据治理、模型透明度与全生命周期监控。
国内：
政策支持：八部门要求建设AI新药发现平台；创新药享受“三除外”医保支付政策。
直接激励：北京、上海等地提供算力租金补贴（上海部分区域补贴比例可达100%）及模型训练补贴。
二、 市场与产业链
市场规模：
2025年全球：约19.4亿美元。
2034年预测：约164.9亿美元，年均复合增长率27%。
核心环节与领军企业：
1. 靶点发现
关键瓶颈：高质量生物学数据稀缺
主要参与者：
Insilico Medicine：与礼来达成AI药物研发战略合作，聚焦创新靶点。（2025‑11‑10）
英伟达：与礼来合作开发用于药物发现的AI超级计算机，加速靶点识别。（2025‑10‑29）
谷歌DeepMind：其AI模型成功生成并实验验证了全新的癌症治疗假说，涉及靶点发现。（2025‑10‑16）
2. 分子设计
关键瓶颈：干湿实验闭环成本高
主要参与者：
Exscientia：与赛诺菲签署协议，利用其AI平台进行靶点发现与药物设计。（2025‑09‑24）
晶泰科技：与礼来达成AI赋能双特异性抗体合作，总价值最高达3.45亿美元。（2025‑11‑05）
Schrödinger：采用物理模拟与AI技术，可在数天内评估数百万分子，加速药物设计。（2025‑09‑15）
3.临床前开发
关键瓶颈：ADMET（吸收、分布、代谢、排泄和毒性）预测准确性待提升。
主要参与者：
药明康德：基于DEL库与AI毒性预测模型联动，实现“分子设计‑体内毒理验证”闭环，缩短周期。（2025‑03‑05）
康龙化成：作为头部CXO企业，已通过自研或合作构建AI技术壁垒，用于靶点识别、ADMET预测等环节。（2025‑03‑05）
4. 临床试验
关键瓶颈：临床数据孤岛，预测有效性存疑。
主要参与者：
深度智耀：获近5000万美元D轮融资，用于AI整包临床试验，通过“数字孪生”技术模拟全流程。（2025‑12‑11）
Unlearn.AI：利用数字孪生技术优化临床试验设计，减少对照组样本量。（2025‑07‑01）
石药集团：与阿斯利康签订潜在53.3亿美元的AI药物发现平台合作，用于口服小分子候选药物研发。（2025‑08‑21）
高增长方向：AI在大分子药物（双抗、ADC）、基因治疗（AAV衣壳优化）、RNA疗法及药物重定向领域的应用。
三、 核心影响因素
现状：行业存在数据孤岛，高质量临床前及人体试验数据获取困难。 影响：限制AI模型预测的准确性。 持续关注：公共数据集规模、药企与AI公司数据共享合作数量、专有实验数据量。
现状：AI将I期临床试验成功率提升至80%-90%（传统模式为40%-65%），但II期临床试验成功率与传统方法相比尚未显示显著差异（约40%）。 影响：决定AI能否系统性产出高价值药物的关键。 持续关注：进入临床的AI管线数量、II/III期临床试验成功率、首款完全由AI发现设计的新药获批时间。
四、 结论
AI药物研发行业已从技术验证期逐渐迈入价值兑现期与深度整合期。企业面临核心战略选择：
1. 能否建立独特的高质量数据资产壁垒？
2. 聚焦前端发现（高风险高回报），还是攻坚临床开发等后端痛点（价值兑现直接）？
3. 做技术供应商、与药企深度平台合作，还是自主推动管线上市？
更多往期研报
