如今，谁还没有用过AI？

从个人生活到产业竞争，AI正在成为这个时代绕不开的关键词。

医药行业也正在经历同样的变化。对于创新药企业而言，AI已经从“可选项”变成探索未来研发模式的“必选项”。

两万名创新药产业参与者齐聚上海。在这场汇聚全球创新药力量的行业盛会上，AI制药成为最受关注的话题之一，多个相关专场座无虚席。

药企、投资机构、科研机构的行业人士走进现场，希望寻找一个答案：AI制药，走到了哪里？面对通用大模型公司的加速布局，AI制药企业如何建立竞争壁垒？AI制药还留有多大的发展空间？

尽管业内对此看法不一，但一个共识正在形成——AI制药远未走到终局，技术演进和产业探索仍在持续，也将孕育更多新的机会，等到更多玩家到来。

TONACEA

01

AI制药，走到哪里？

2026年，全球AI制药热度再度攀升。

资本市场率先释放信号。海外AI制药企业Isomorphic Labs宣布完成21亿美元B轮融资，刷新全球AI制药单轮融资纪录；国内港股市场也集齐了“AI制药三小龙”，BD交易金额持续加码，整个赛道已成为创新药领域关注的焦点。

产业端同样快速推进。从蛋白质结构预测、分子设计，到靶点发现、临床开发，AI正在不断深入药物研发流程。平安证券研报显示，截至2026年6月中旬，AI驱动的新药临床管线由2017年的4个增至179个，其中9个已推进至Ⅲ期临床。

热潮之下，一个关键问题随之浮现：如果AI制药是一场足球赛，它究竟“踢”到了哪里？

这个问题看似简单，却决定着产业下一阶段的发展方向。如果行业仍处于早期阶段，意味着新的技术路线和创业机会仍将不断出现；如果竞争进入成熟阶段，则意味着企业将面临更激烈的淘汰和分化。

在CPIC 2026期间举行的多场AI制药论坛上，来自AI制药企业、计算生物学研究机构以及创新药研发领域的嘉宾，从不同角度给出了答案。

从技术演进来看，AI制药仍处于早期阶段，成为多位嘉宾的共同判断。

深势科技创始人、CEO孙伟杰认为，虽然计算机辅助药物设计（CADD）和AI辅助药物设计（AIDD）已经发展多年，但AI在整个药物研发体系中的应用仍然有限，“如果把AI的发展类比蒸汽机带来的工业革命，今天AI制药可能仍处于非常早期的阶段。”

同样认为AI制药仍处于早期，但临港实验室研究员、上海交通大学副教授郑双佳的判断维度有所不同。

“如果放在传统制药产业周期中，AI制药已经取得阶段性进展；但站在AI技术发展的角度，行业仍处于非常早期的阶段。”郑双佳指出。

他指出，ChatGPT之后，AI才真正进入快速发展阶段。未来随着更具通用能力和自主推理能力的AI Scientist出现，AI对药物研发的影响可能不再只是效率提升，而可能重新定义研发模式。

实际上，不止技术阶段，AI制药之所以仍被认为处于早期，也体现在仍有大量复杂科学问题尚未解决。

“目前AI在蛋白质层面的应用仍是重点，包括提升分子的成药性、活性和选择性。但未来，AI需要进一步向细胞层面拓展，虚拟细胞、数字孪生等方向可能成为新的突破口。不可成药靶点等复杂生物学问题，仍需要AI与实验体系结合。”腾迈医药联合创始人、CEO何骑指出。

对于这一阶段，剂泰科技联合创始人、董事长兼CEO赖才达则给出了更宏观的判断。在他看来，AI制药并不像一场有明确上、下半场的足球比赛，而更像一场长期马拉松，“哪怕是放在马拉松里，也才刚刚起跑。”

赖才达认为，目前全球AI制药领域的投入规模仍然有限，行业仍处于探索早期。未来随着更多资本、技术和产业玩家进入，AI制药的发展空间仍然巨大。“现在全球AI制药的投入可能才不到几十亿到100亿美元规模，是非常少的，随着未来投入和玩家数量持续增长，AI制药的爆发力会远超当下的想象。”

但早期并不意味着没有竞争。全球头部企业的表现也显示，AI制药正在从技术探索进入产业验证阶段。今年上半年，Schrödinger和Recursion均发布了业绩不佳的年报，Recursion自2021年上市以来累计亏损已超过20亿美元。

对此，英矽智能联合CEO、CSO任峰强调，从技术角度看，AI制药仍处于早期；但从企业发展角度看，行业已经到了一个生死存亡的关口。

TONACEA

02

大模型巨头涌入，AI制药壁垒何在？

火热的赛道，向来不会只有单一玩家。

AI制药热潮升温之际，大模型头部玩家也加速入局，不断重塑赛道竞争格局。

今年以来，Anthropic斥资4亿美元收购AI生物科技初创公司Coefficient Bio，并推出面向科研场景的Claude Science；国内字节跳动拆分AI制药业务独立融资，百图联合与和铂医药成立AI制药公司。一系列动作表明，大模型企业正加速向生命科学领域延伸。

大模型巨头的进入，也带来了行业新的思考：未来，AI制药企业的价值是否会被大模型公司取代？AI制药企业的壁垒何在？

在郑双佳看来，这种担忧并不成立。

他认为，大模型公司布局AI for Science，并非单纯为了进入某一个具体产业，更重要的是希望通过科学发现中的复杂任务和高价值数据，进一步提升基础模型能力。生命科学天然需要长链条推理，也是检验大模型能力的重要场景。

换句话说，大模型公司关注的是如何让模型具备更强的科学能力，而药物研发本身仍需要围绕具体疾病、靶点和药物形式展开长期积累。

当然，这也揭示出，AI制药企业并不需要与大模型公司竞争基础模型本身。正如孙伟杰所言：“对于AI+生物医药企业，基模不用考虑了，谁也干不过头部通用基模厂商。”

聚焦在药研能力本身，仍然是AI制药企业们的出路。在孙伟杰看来，未来AI制药企业真正需要竞争的，并不是基础模型本身，而是如何利用大模型能力，建立面向真实研发场景的AI能力体系。

这一体系至少包括三个层面：一是智能体和科研工具，帮助AI更有效地参与科学任务；二是面向生命科学的计算求解能力，解决蛋白质、细胞等复杂生物问题；三是企业自身长期积累的研发经验、数据资源和Know-how。

“药物研发最终还是需要在物理世界形成闭环。”孙伟杰认为，AI可以提升研发效率，但真正决定企业价值的，仍然是能否找到好的资产，并将AI能力转化为真实药物成果。

实际上，这也是药物研发区别于普通AI应用的关键。

任峰指出，药物研发不存在唯一答案，模型预测最终仍需要通过实验验证、临床研究以及真实药物资产进行检验。因此，AI制药企业的核心竞争力并不是模型能力本身，而是经过验证的研发能力，以及AI与药物研发流程结合后的落地能力。

除了研发闭环，长期积累的数据和领域认知，也将成为AI制药企业的重要优势。

元思生肽创始人、CEO张骁指出，生命科学本身高度复杂，不同疾病、不同药物形式、不同技术路线，都需要长期的数据沉淀和专业积累。尤其是围绕特定疾病、特定药物形式形成的私域数据，以及对关键科学问题的理解，并不是大模型企业能够快速复制的。

因此，AI制药并不会走向简单的替代关系。创新药行业本身就是一个高度多元的产业，过去几十年间，不同技术路线和商业模式持续孕育新的Biotech，大药企也通过合作、并购不断获取外部创新。用何骑的话来说，大模型赛道往往是赢家通吃，但AI制药赛道不同，后来者仍有机会，百花齐放。

未来，大模型企业可能提供更强的基础能力，AI制药企业则围绕生物学问题、数据积累和研发闭环建立自身优势。两者并非零和竞争，而将在新的产业链中共同推动AI进入生命科学的更深处。

TONACEA

03

AI制药，如何布局？

看清赛道格局后，摆在AI制药企业面前的问题也更加现实：当AI不断提升研发效率，企业如何制定更优的管线开发策略，实现商业价值转化？

过去，Biotech往往围绕少数核心资产推进研发，从早期发现一路走向临床。但AI正在改变这一模式——研发效率提升后，企业有机会同时布局更多管线，并通过更丰富的资产组合提高研发成功概率。

但管线数量增加，并不意味着价值自然增加，甚至可能形成新的竞争压力。如何避免陷入同质化竞争，找到真正具有差异化价值的资产，成为企业下一阶段需要思考的问题。

“未来竞争的关键并不只是产生分子，而是创造差异化价值。随着早期研发效率提升，单纯提供分子发现能力可能越来越难形成长期优势，企业需要进一步向更高价值环节延伸。”赖才达表示。

张骁亦有相似观点。在他看来，企业需要找到真正有价值的科学问题，并解决关键生物学难题。随着AI降低早期研发门槛，围绕特定疾病、药物形式和生物学问题形成的深度积累，将成为企业差异化竞争的重要来源。

事实上，当前AI制药企业也正在探索不同的发展路径。一类企业选择扩大资产组合，通过同时推进多条管线提高研发效率；另一类企业则围绕特定疾病领域或新型药物形式，建立垂直领域优势。

但无论选择哪种路径，创新药研发始终是一项长期、高投入的工程。如何利用有限资源推进资产开发，成为AI制药企业必须面对的问题。

赖才达认为，未来企业不一定需要围绕单一资产长期推进，而可以通过License out、Co-co（联合开发）、NewCo等多种方式进行资产配置，提高资产利用效率。

对于具体开发策略的选择，任峰直言，核心并不在于资产是否由AI产生，而取决于企业自身资源和战略重点。以英矽智能为例，公司优势在于早期药物发现，因此更倾向于发挥前端研发能力，而临床开发和商业化则通过合作伙伴完成。

事实上，随着AI能力不断融入药物研发流程，AI制药企业的发展模式也正在呈现更多可能。

郑双佳分析称，目前以管线资产为核心的模式仍将是主流，但未来也可能出现更多平台型企业。以Chai Discovery等为代表的公司正在探索通过AI工具和平台能力服务药企的新模式，其价值在于帮助研发团队提升效率，而不一定直接参与药物资产开发。

“无论是AI平台、药物管线还是合作开发模式，本质上都取决于企业自身基因。不同企业需要根据自身优势选择路径，“最重要的是选择自己最擅长的方向，并做到行业领先。”孙伟杰总结道。

或许，未来AI制药可能不会形成单一的发展范式。有人选择成为AI驱动的Biotech，围绕创新资产推进商业化；有人聚焦研发平台，为产业链提供基础能力；也有人探索新的资产交易模式。

AI带来的，不只是研发效率的提升，更是创新药产业链分工方式的一次重新调整。找准合适的位置，或许才有机会进入下一站，成为长期玩家。

— 写意总结—

AI制药，没有终局。

技术会迭代，玩家会变化，商业模式也会不断重构。但无论大模型如何发展，最终决定企业价值的，仍是能否解决关键生物学问题，并将AI能力转化为经过验证的药物资产。

从AI辅助研发，到AI Scientist，再到未来更强的科学智能，AI正在重新定义创新药产业链的分工方式。大模型企业、AI制药公司、传统Biotech和药企将在新的产业生态中寻找自己的位置。

对中国AI制药企业而言，这同样是一场新的探索。依托本土创新药产业发展和持续积累的数据、技术能力，中国企业正在探索药物发现、研发平台和资产开发等不同路径，参与全球AI制药竞争。

下一阶段，行业竞争的关键不再是谁拥有最大的模型，而是谁能够将AI真正转化为创造药物价值的能力。

CPIC 2026相关报道