引言：AI制药的"Gartner曲线"走到哪了

2026年，AI制药行业正好处于Gartner技术成熟度曲线的"幻灭低谷"和"稳步爬升"之间。2020-2022年的"AI制药融资狂欢"（全球累计融资超过200亿美元）已经落幕，2023-2025年的"管线数据兑现期"给出了初步成绩单——有惊喜，也有失望。2026年，行业正在回归理性：AI不是"魔法棒"，但确实是药物研发工具箱中的一把"利器"。

全球已有超过50款AI发现或AI设计的药物进入临床试验阶段，但尚无一款获得FDA完全批准上市。2026年最接近获批的产品处于二期/三期临床阶段，行业需要回答的核心问题是：AI到底能否将药物研发的时间从10-15年缩短到3-5年？成本从10-20亿美元降低到1-2亿美元？

中国AI制药三巨头：英矽智能、晶泰科技、百图生科

2026年，中国AI制药行业形成了"三足鼎立"的格局，三家头部企业各有侧重：

英矽智能（Insilico Medicine）：端到端AI药物发现。 英矽智能是"AI制药"概念的全球先锋，由Alex Zhavoronkov于2014年创立，总部位于香港和纽约。其核心平台Pharma.AI整合了三个AI引擎：PandaOmics（靶点发现）、Chemistry42（分子设计）、inClinico（临床试验预测）。

2026年，英矽智能的旗舰产品ISM001-055（AI发现的抗纤维化小分子药物，靶向TNIK）已进入二期临床试验，用于治疗特发性肺纤维化（IPF）。这是全球首个由AI发现靶点、AI设计分子并进入二期临床的药物，具有里程碑意义。一期临床数据显示ISM001-055具有良好的安全性和药代动力学特性，二期临床数据预计2027年公布。

英矽智能2025年营收约8000万美元（主要来自药物发现合作服务），净亏损约1.5亿美元。公司在香港IPO（2023年），但股价表现不佳，反映了资本市场对"AI制药"盈利前景的疑虑。

晶泰科技（XtalPi）：AI驱动的物理模拟+CRO。 晶泰科技是AI制药行业的"另类"——它从量子物理模拟起家，而非从生物数据起家。其核心技术是将量子力学、分子动力学与AI结合，预测药物分子的晶体结构、理化性质和稳定性。

2026年，晶泰科技的核心业务是为药企提供AI驱动的药物研发CRO服务，客户包括辉瑞、默沙东、礼来等跨国药企。其自有管线相对早期，主要聚焦于肿瘤和代谢疾病领域。晶泰科技2025年营收约4亿美元（主要来自CRO服务），已实现盈利，是AI制药行业中少数盈利的企业之一。2024年港股上市后市值一度超过100亿美元，但2026年回落至约40亿美元。

百图生科（BioMap）：蛋白质大模型+生物计算。 百图生科是百度创始人李彦宏发起的生物计算公司，核心产品是xTrimo——全球最大的蛋白质语言模型（参数超过1000亿）。xTrimo可以预测蛋白质结构、功能和相互作用，辅助药物靶点发现和抗体设计。

2026年，百图生科的主要业务模式是"平台授权+合作开发"，已与赛诺菲、默克等跨国药企签署了多个合作协议。其自有管线以AI设计的抗体药物为主，处于早期临床前或一期临床阶段。百图生科尚未上市，2025年完成了一轮约5亿美元的私募融资。

AI制药的管线全景：从临床前到关键临床

截至2026年6月，全球进入临床试验阶段的AI发现药物超过50款，主要集中在三个领域：

肿瘤领域（约45%）。 AI在肿瘤药物研发中的应用最为广泛，从靶点发现（如合成致死靶点）、到分子设计（如选择性激酶抑制剂）、到患者分层（如生物标志物发现）。代表性产品包括Recursion的REC-994（脑海绵状血管瘤）、Exscientia的EXS-21546（A2a受体拮抗剂）、英矽智能的ISM3091（USP1抑制剂，合成致死）等。

罕见病领域（约25%）。 AI在罕见病药物研发中具有独特优势——通过分析基因组数据和疾病机制，AI可以发现新的药物靶点或老药新用的机会。Healx的HLX-1501（脆性X综合征）是这一领域的代表性产品。

代谢/自身免疫领域（约30%）。 AI在代谢疾病（如NASH、肥胖、糖尿病）和自身免疫病（如炎症性肠病、特应性皮炎）中的应用正在快速增长。

管线阶段分布： 约60%处于一期临床，30%处于二期临床，不到10%进入三期临床。尚无AI发现药物获得FDA完全批准。

失败案例不容忽视： 2024-2026年间，多个AI制药明星管线遭遇失败。BenevolentAI的BEN-2293（特应性皮炎）在二期临床中未达到主要终点，股价暴跌超过80%。Exscientia的EXS-21546在剂量递增试验中遇到安全性问题，开发进度推迟。这些失败提醒行业：AI可以加速候选分子的发现，但不能保证临床成功。

AI到底在药物研发中做什么、不能做什么

2026年，行业对AI在药物研发中的定位越来越清晰：

AI能做好的：

  • 靶点发现和验证。 AI可以通过分析大规模多组学数据（基因组、转录组、蛋白组、代谢组），发现疾病相关的新的药物靶点。英矽智能的ISM001-055靶点TNIK就是由AI发现的。
  • 分子生成和优化。 AI可以快速生成数百万个候选分子，并通过多目标优化（活性、选择性、ADME、毒性）筛选出最优分子。这一环节的效率提升是最显著的——传统方法需要1-2年，AI可以在3-6个月内完成。
  • 虚拟筛选。 AI可以替代部分实验筛选，通过分子对接、分子动力学模拟等计算手段，预测候选分子与靶点的结合能力和选择性。这可以大幅减少需要实际合成的化合物数量。
  • 临床试验患者分层。 AI可以通过分析患者的基因组、生物标志物和临床数据，识别最可能从特定药物中获益的患者亚群，提高临床试验的成功率。

AI做不好的：

  • 替代临床试验。 AI无法替代人体临床试验——药物的安全性、有效性和剂量无法仅通过计算预测，必须在真实人体中验证。这是AI制药行业最大的"天花板"。
  • 解决生物学复杂性。 AI模型的质量取决于训练数据的质量和数量。对于许多疾病（尤其是神经退行性疾病、精神疾病），疾病机制本身尚不清楚，生物学数据有限，AI很难"无中生有"地发现新药。
  • 预测临床毒性。 AI对药物毒性的预测能力仍然有限。药物毒性涉及复杂的生物学机制（如线粒体毒性、免疫毒性、器官特异性毒性），目前的AI模型难以全面覆盖。

AI制药的务实定位： AI是药物研发的"加速器"，而非"替代者"。AI可以在药物研发的早期阶段（靶点发现到先导化合物优化）将时间从3-4年缩短到1-2年，但临床开发阶段（一期到三期）的时间难以压缩。AI制药的合理预期是：将药物研发的总时间从10-15年缩短到7-10年，成本从10-20亿美元降低到5-10亿美元。

数据：AI制药的"石油"和"瓶颈"

AI制药的终极瓶颈不是算法，而是数据。2026年，行业正在经历"数据焦虑"。

公开数据有限。 药物研发的绝大部分数据（尤其是临床数据）掌握在药企手中，不对外公开。公开数据集（如ChEMBL、PubChem、PDB）的数据量有限、质量参差不齐，不足以训练高性能的AI模型。

数据孤岛严重。 每家药企的数据都是"围墙花园"，数据共享意愿低。2026年，一些行业联盟（如MELLODDY、Accelerating Therapeutics for Opportunities in Medicine）正在推动药企之间的数据共享，但进展缓慢。

实验数据昂贵。 生成高质量的生物学数据（如蛋白结构、结合亲和力、细胞活性、体内药效）需要大量实验投入。AI制药企业如果仅依赖公开数据，很难建立差异化的模型能力；如果自建实验平台，则意味着从"轻资产"变为"重资产"——晶泰科技和英矽智能都在朝这个方向转型。

数据标准化缺失。 不同实验室、不同平台产生的生物学数据在格式、单位、质量上存在巨大差异，数据整合和清洗的工作量巨大。2026年，行业在推动FAIR（Findable、Accessible、Interoperable、Reusable）数据原则，但标准化仍处于早期阶段。

2026年关键判断

第一，AI制药的"第一次临床验证"即将到来。 2027-2028年，英矽智能的ISM001-055、Recursion的REC-994等一批AI发现药物将公布二期/三期临床数据。这些数据将决定AI制药行业的命运——如果数据积极，行业将迎来新一轮投资热潮；如果数据失望，“AI制药泡沫论"将被做实。

第二，“AI+CRO"模式最有可能率先实现盈利。 晶泰科技的实践证明，将AI技术与CRO服务结合，是AI制药行业最务实的商业模式。纯AI管线模式（自研药物管线）虽然"天花板"更高，但风险也更大、盈利周期更长。

第三，大分子（抗体/蛋白）AI设计是下一个增长点。 2026年，AI在小分子药物设计中的应用已相对成熟，但在抗体、蛋白、多肽等大分子药物设计中的应用刚刚起步。百图生科的xTrimo蛋白大模型、DeepMind的AlphaFold系列、David Baker团队的RFdiffusion等工具正在打开大分子AI设计的新空间。

第四，大药企的"AI内建"vs AI Biotech的"平台授权”，两种模式长期并存。 跨国药企如辉瑞、罗氏、诺华正在大规模建设自己的AI药物研发能力（“AI内建”），这可能挤压AI Biotech的"平台授权"业务。但AI Biotech的灵活性和创新速度是其核心竞争力，两者将在合作与竞争中长期共存。

结语

2026年的AI制药行业，比2021年更冷静，比2023年更务实。行业已经走出了"AI将彻底颠覆药物研发"的狂热，也渡过了"AI制药都是骗局"的质疑。AI在药物研发中的真实价值正在被准确定位——它是一个强大的"加速器”，可以在药物研发的特定环节大幅提升效率，但它无法替代生物学的复杂性理解、临床开发的时间沉淀和人体试验的最终验证。

英矽智能、晶泰科技、百图生科等中国AI制药企业的探索，正在为全球行业提供宝贵的经验和数据。AI制药的真正"成人礼"，将是第一个AI发现药物获得FDA完全批准的那一刻。那一刻，也许就在2028年。