AI制药进入资产兑现时代-丁香园_Insight_数据库出品_48页_6mb

AI制药进入资产兑现时代总结

核心内容

AI制药行业已从早期探索阶段进入资产兑现时代，从融资复苏到BD（业务发展）放量，行业正在从“技术驱动讲故事”向“临床与商业驱动看数据”转变。AI技术正在深度融入药物研发的全链条，涵盖从靶点发现、分子设计、临床试验到生产与供应链管理等环节，推动研发效率提升、成本降低和突破传统认知局限。

主要观点

• 传统药物研发痛点：研发周期长、成本高、成功率低，传统模式受“倒摩尔定律”制约。
• AI制药的定义：融合人工智能、大数据、云计算等技术，以数据驱动的算法模型替代/优化传统研发模式，提升效率、降低成本并推动原创突破。
• 行业趋势：AI制药进入结果验证阶段，资本从广撒网转向集中火力，产业界已从围观转为重仓下注，BD交易成为主流。
• 全球市场增长：2021年全球市场规模为7.9亿美元，2024年达18.2亿美元，2026年预计达29.9亿美元；中国2023年4.1亿元，2024年5.6亿元，2025年突破6亿元。
• 跨国药企参与：如艾伯维、阿斯利康、辉瑞、礼来、罗氏、默克等，均通过自建平台或合作方式，推动AI在药物研发中的应用。
• 中国政策支持：2022年以来，国家出台多项政策推动AI在药物研发中的应用，包括“十四五”生物经济、医药工业、药品监管等，为AI制药发展提供制度保障。
• AI制药商业模式成熟：行业从“技术授权”转向“产品交付”，合作模式从交易型向伙伴型演进，交易结构更趋复杂，体现风险共担、利益共享。

关键信息

全球与中国市场发展

• 全球市场：2021年7.9亿美元，2024年18.2亿美元，2025年24.1亿美元，预计2026年达29.9亿美元。
• 中国市场：2023年4.1亿元，2024年5.6亿元（+36.59%），2025年突破6亿元。

AI制药应用范围

代表企业与合作案例

• 英矽智能：全球首个AI发现靶点+设计分子并进入II期临床的公司，与礼来、齐鲁、施维雅等达成多笔高额交易，2026年与礼来合作金额达27.5亿美元。
• Exscientia：端到端AI平台缩短研发周期至12-15个月，与赛诺菲、BMS等合作，多个AI发现药物进入临床。
• 晶泰科技：AI+机器人实验平台，为礼来、辉瑞等提供研发服务，部分产品获FDA IND批准。
• 阿斯利康：与石药集团合作，全球最大AI化药授权交易，金额达73.5亿美元。
• 赛诺菲：CEO亲自推动AI应用，与英矽智能、百图生科等共建AI药物发现生态。
• 辉瑞：重视数据质量，推动AI文化重塑组织，构建AI驱动研发体系。
• 礼来：建立组合式AI合作网络，与英矽智能、英伟达等合作，覆盖小分子、GLP-1、抗体等全管线。

政策支持

• 中国：

  • 2022年5月：国家发改委《“十四五”生物经济发展规划》
  • 2022年7月：工信部《“十四五”医药工业发展规划》
  • 2023年1月：国家药监局推动AI在中药研发中的应用
  • 2024年3月：国务院将“人工智能+”列为国家战略
  • 2026年4月：《关于“人工智能+药品监管”的实施意见》

• 欧美：

  • 2023年3月：FDA发布《AI与机器学习在药物开发中的应用》文件
  • 2024年4月：MHRA发布《人工智能在药物生命周期中的使用》反思文件
  • 2024年8月：欧盟明确AI驱动药物研发的监管路径，推出《人工智能法案》
  • 2025年1月：FDA发布《AI在药物和生物制品开发中的监管考量》最终指南草案

行业趋势与挑战

• 趋势：

  • AI制药从技术驱动转向临床与商业驱动
  • 资本集中于头部企业，BD交易成为主要增长点
  • 交易结构从“技术授权”转向“产品交付”，体现风险共担与价值后置
  • AI与真实世界数据、临床试验设计、患者分层等环节深度融合

• 挑战：

  • 数据瓶颈：高质量数据稀缺，标准不统一，数据孤岛问题突出
  • 技术瓶颈：主流模型“黑箱”问题，泛化能力弱，假阳性率高
  • 落地瓶颈：虚拟筛选阳性率约30%，需湿实验验证
  • 产业与监管瓶颈：跨学科人才短缺，缺乏统一模型评价标准，监管规则仍待完善

未来趋势方向

• 多模态与融合模型成为标配：构建覆盖基因组学、蛋白质组学、影像学、真实世界数据的数字孪生模型。
• “干湿实验”闭环自动化：实验室自动化与AI设计结合，形成“设计-合成-测试-学习”的全自动流程。
• 平台型与垂直型分化：平台型公司与垂直型AI Biotech将形成两类成功者，前者专注通用技术，后者深耕特定疾病领域。
• 监管科学同步发展：监管机构将逐步建立适用于AI模型的验证、变更管理与审计追踪框架。

总结

AI制药正从概念验证走向价值兑现，资本与产业界正从“技术试水”转向“结果导向”。随着AI在药物发现、临床试验、生产管理等环节的深度应用，行业逐步形成以“数据驱动”为核心的新型研发范式。全球市场持续增长，中国正快速追赶，政策支持与产业合作推动AI制药进入成熟阶段。未来，AI制药将更依赖多模态融合、干湿闭环与监管框架的完善，形成以“产品交付”和“临床验证”为核心的创新生态。