AI制药转向自建基础设施,和铂医药与百图生科合资探路
AI制药发展至今,行业逐渐回归理性,开始冷静审视这条赛道的现实瓶颈:当前AI技术能力大多集中在药物发现早期阶段,商业价值往往止步于PCC(临床前候选化合物)筛选之前。即便依靠算法完成海量靶点筛选,具备成药潜力的候选分子依旧稀缺,能够顺利推进至临床、具备转化价值的创新分子更是寥寥无几。 于是,在AIDD(人工智能...
AI制药走到今天,行业情绪已不像前几年那样热。人们开始冷静打量这条赛道的现实瓶颈:眼下AI的能力大多集中在药物发现的早期环节,商业价值常常在PCC(临床前候选化合物)筛选之前就停住了。就算算法能筛出海量靶点,真正具备成药潜力的候选分子依然稀少,能顺利推进到临床、有转化价值的新分子更是没几个。
在AIDD(人工智能驱动药物发现)技术不断迭代的背景下,一些创新药企的研发范式也在变:AI不再只是被当成“分子发现加速器”,而是被放到创新管线研发的核心位置上,围绕它做起“大基建”。
近日,在2026国际生物计算创新峰会期间,一名AI制药企业的联合创始人兼首席科学官提到,传统计算筛选模式长期受脱靶效应拖累,哪怕筛完上万靶点,能进入后续开发的候选分子数量仍然十分有限。
对这一点,MegaStream首席执行官雷鸣体会很深。MegaStream由和铂医药与百图生科联合创立。更早之前,雷鸣曾是某外资投行最年轻的医药行业首席分析师,也曾担任
雷鸣说:“不同二级市场在流动性、投资者结构和风险偏好等方面存在差异,因此对AI制药企业的估值可能出现阶段性分化。”
他判断,能支撑AI制药企业长期价值的,说到底还是那些可验证的核心资产——有竞争力的创新药管线、能重复出来的实验验证结果、临床开发进展,以及BD合作之类的商业化成果。
产业链上,AI制药企业的定位和参与方式已经在悄悄改变。以往行业里普遍是接创新药企的研发外包,现在主动摸索多元变现路径的公司越来越多:一边通过对外授权交易把研发投入收回来,一边把优质项目留在自有临床管线里,寻找能持续自我造血的模式。
可AI筛选出来的候选药物,仍要走过漫长的人体临床试验。越往后走,资金消耗越大、失败损失越重,药物潜在的商业化价值也同步往上抬,但AI制药企业很难在研发中后期“分一杯羹”。
为了把价值链拉长,部分AI制药企业开始搭一体化自动化实验与数据基础设施。比如,获得
在雷鸣看来,更值得押注的是那些既有核心AI能力,又握有专有数据资产,同时具备成熟药物研发体系和临床转化能力的企业。模型参数、算法指标或者概念热度,都不该成为衡量AI价值的标准;能不能做出更有差异化的药物、把研发成功率提上去、让研发效率变得更好,才是AI价值最终的落脚点。
雷鸣将AIDD划分为三个阶段。1.0时代,AI的角色更像一件独立的辅助工具,被安插进传统药企的研发体系里,仅在部分环节带来单点效率提升,应用是碎片化的。到了2.0时代,AI原生公司把重心压在算法上,湿实验与生物学理解的分量却容易被看轻。真正的拐点出现在3.0,也就是AI原生时代——AI与生物学研究从项目立项之初就深度融合,不再各管一摊,这是这一阶段的核心标志。
研发模式这样迭代下来,药企已经不满足于“带着靶点找AI公司做外包”这种短期合作,开始系统性地布局AI研发基础设施。
和铂医药高级副总裁、对外合作负责人冯玉兰在上述峰会上提到,眼下AIDD公司有两个核心难题:其一是知识产权归谁,其二是数据归谁。AI公司与药企联手,会形成三类产出——研发资产、实验数据、模型能力。但传统项目制合作模式下,模型和实验数据往往难以有效沉淀,合作大多只围着少数几个药物项目转,体系化能力建不起来,技术能力也很难真正内化到药企内部。
由此看来,更理想的路径,是把模型、数据与核心技术能力归拢到同一个主体中沉淀下来。雷鸣以MegaStream为例介绍,双方的合作已从项目制升级为共同设立独立合资公司,核心目标就是围绕长期药物研发目标,把模型开发、数据使用、实验验证与候选药物推进统筹起来,不让技术开发和药物研发各走各的路。在数据授权、知识产权、合规边界都厘清之后,双方的技术能力便能在统一的研发体系内长期协同。
更本质地看,有受访业界观点认为,在AIDD技术迭代下,创新药企之所以自建AI药物研发基础设施,一方面是为了让药企多年积累的生物学数据自行沉淀下来,让创新研发回归靶点与疾病的底层因果机制;另一方面,是为了形成干实验计算模拟+湿实验自动化验证的完整闭环,把AI的价值边界从早期PCC筛选延伸到PCC至IND(新药临床试验申请)阶段。
雷鸣进一步分析,对AI制药企业来说,算力和数据是生命科学大模型发展的重要基础,但真正的挑战在于如何让模型理解复杂的疾病生物学机制,并把模型预测转化为经过实验验证、具备临床开发潜力的药物分子。这需要具体模型与具体研发任务相匹配;药企的需求也不止于分子生成,还要综合评估亲和力、特异性、表位、稳定性、表达量与成药性,并通过持续实验逐一验证。
至于AI制药的下一步,雷鸣提出行业需要打造“制药领域的特斯拉”。特斯拉并非在传统燃油车上简单叠加软件,而是从产品架构、工程体系层面把软件与汽车工程深度融合;生物医药行业也应当从底层出发,把AI技术与生物技术作为完整一体化体系来设计建设,而不是在传统药物研发流程表层简单叠加AI工具。