“低垂果实已摘完”！英矽智能联手施维雅，能否破局新药研发难？

21世纪经济报道记者季媛媛

2025年末，英矽智能登陆港交所，摘得“港股AI制药第一股”头衔，并以首日飙涨45.53% 的姿态震撼市场。上市数日后，该公司宣布，与施维雅达成价值8.88亿美元的多年期抗肿瘤药物研发合作，剑指抗肿瘤领域“具有挑战性的靶点”。

这一连串事件，再次将“人工智能如何颠覆传统药物研发”的议题推至聚光灯下。市场反应热烈，但产业内外也在思考：这究竟标志着一个新时代的真正开端，还是又一轮技术热潮下的典型故事？

对此，有业内人士预判：全球制药行业正在加速拥抱AI，预计未来3—5年将出现更多类似英矽智能与施维雅的合作模式。

其实，AI的价值不仅在于发现新分子，更在于优化整个研发流程——从靶点识别到临床试验设计。随着数据积累和模型迭代，AI有望将新药研发周期缩短30%～50%，并降低研发成本。对于中国AI药企来说，能否在国际化合作中掌握主动权，将决定其在全球市场的地位。

谈及此次与施维雅合作的战略考量，英矽智能联合首席执行官兼首席科学官任峰对21世纪经济报道记者表示，全球生物医药行业发展数十年至今，机制明确、难度较低的领域探索空间越发狭窄，低垂果实已经被摘完，引发反思的“内卷现象”的本质也在于此。在这样的背景下，埋头产出me-too和me-better药物前景有限，反而会加剧同质化竞争，这正是双方选择AI驱动源头创新的根本立足点。

“未来我们还将持续拓展全球伙伴合作，让AI技术真正成为药物研发的底层‘基座’，加速创新疗法开发。”任峰说。

如此也意味着，在资本市场的喧嚣背后，全球制药行业正以复杂的心态拥抱AI。一方面，AI在提升早期药物发现效率方面展现出诱人潜力；另一方面，整个AI制药产业仍处于商业化早期，绝大多数公司尚未实现盈利，其最终价值需通过漫长且高风险的临床试验来验证。不难发现，英矽智能的案例，恰好为观察这一矛盾中的产业提供了一个绝佳的切片。

对于医药产业而言，此次交易受到关注的一大原因在于，英矽智能与施维雅聚焦于“具有挑战性的靶点”。

一方面，对施维雅而言，这是一次以可控成本获取前沿探索能力的“外包”式创新。传统药企面对难成药靶点，常因内部研发投入产出比不确定而却步。通过与AI平台合作，施维雅将前期探索的高风险和不确定性部分转移，以首付款和里程碑付款为杠杆，撬动AI的计算能力，自身则聚焦于擅长的临床开发与商业化。这是一种风险分散、效率优化的策略，而非根本性的自我颠覆。

另一方面，对英矽智能来说，此次合作的核心价值在于“平台验证”与“现金流补充”。获得跨国药企的背书，可显著提升其Pharma.AI平台的市场信誉度。高达 3200 万美元的首付款及近期研发里程碑付款，为公司提供了宝贵的研发资金。这种“服务换现金”的模式，是当前AI制药公司在产品未上市前，维持运营、证明价值的关键策略。

然而，这种模式也暴露了AI制药公司面临的普遍困境：其技术本身难以独立创造大规模营收，必须依赖传统药企的管线需求与资本投入。而“风险共担”的另一面，是AI公司在合作中往往缺乏主导后期收益分配的核心议价能力。这种“乙方”角色，或许将在未来很长一段时间内，成为大多数纯AI技术公司拓展国际合作的主要路径。

风险共担、优势互补的合作模式能否持久？对此，任峰指出，在AI技术呈爆炸式发展的今天，优化算法技术固然重要，但寻找并深耕真实的生物医药应用场景才是将技术转化为价值的关键。在风险共担、优势互补的合作模式框架下，英矽智能的前沿生成式AI技术得以与施维雅积累的高质量专有数据和深厚的临床研发经验深度结合，真正实现了从技术突破到患者实际受益的闭环转化。

“以AI全面赋能药物研发行业，最终实现无需人类干预的‘制药超级智能（Pharmaceutical Superintelligence）’为目标，我们期待建立从人工智能平台授权、药物研发合作到管线资产授权（License-out）的合作深化路径，完成商业化验证闭环。”任峰介绍，目前，英矽智能3项对外管线授权合作总金额已超过21亿美元。

相较于传统药物发现方式，AI平台最为公认的优势，在于能够显著提升早期发现的效率。通过机器学习海量文献与化学数据，AI能够快速生成、筛选并优化候选分子，将传统方法中耗时数年的“靶点－先导化合物”过程压缩至数月。

公开数据显示，全球领先的AI制药公司能将临床前候选化合物的提名时间压缩至12-18个月，同时大幅减少所需合成验证的分子数量。这在控制研发成本方面意义重大。

然而，效率优势并不直接等同于成功。

有券商医药行业分析师对21世纪经济报道记者直言，AI制药当前面临几大核心瓶颈：一是数据质量与偏见。AI模型的性能高度依赖训练数据的质量与广度。生物医学数据存在碎片化、标准化程度低等缺陷，可能导致模型产生偏见或泛化能力不足；二是生物学复杂性。当前AI虽擅长处理已有模式，但面对全新靶点或极其复杂的疾病生物学，其预测能力仍有待验证。药物研发中关键的“临床相关性”问题，绝非单纯的化学结构优化所能解决；三是“算法黑箱”与监管挑战。AI生成分子的决策过程往往缺乏透明解释，给后续的临床研究设计和药品监管审批增添了新的不确定性。监管机构如何评估一个由“黑箱”算法设计出的药物，是全球共同面对的崭新课题。

“目前，英矽智能的自研管线中已有项目进入Ⅱ期临床，这在国内AI制药领域已属领先。但必须清醒认识到，从I期到最终获批上市，成功率通常低于10%。个位数的临床管线，尚不足以构成判断其平台长期成败的统计学基础。”在该分析师看来，随着AI技术的不断进步，全球医疗界已经迎来了由人工智能自主研发的药物成功上市的里程碑事件，这标志着AI在药物研发领域应用的新时代。

当前，全球AI制药行业呈现出一个鲜明对比：技术愿景空前宏大，但商业模式尚未走通。多数企业仍处于“技术服务收入”与“巨量研发投入”的赛跑之中。

这就引出了一个根本性的平衡问题：“技术服务变现速度”与“自研管线长期价值”孰轻孰重？

倘若过度依赖技术服务，公司可能沦为IT外包商，技术壁垒被削弱，利润空间受限，难以兑现AI颠覆制药的长期价值承诺；抑或是All in自研管线，则意味着承受堪比传统Biotech的极高风险与资金压力，且完全押注于自身临床成功率，一旦失败，对公司而言将是毁灭性打击。

针对市场提出的质疑，任峰指出，一方面，英矽智能采用多元化的商业模式，包括药物研发合作、管线对外授权以及软件授权等。这些合作为公司带来了稳定的收入，在一定程度上缓解了高研发投入带来的现金流压力；另一方面，在立项阶段，公司也注重平衡 AI 驱动的前沿创新项目与具有良好市场前景项目的布局：既布局如 Rentosertib 这类由 AI 识别和发现的全球首创（FIC）创新项目，也主动切入热门靶点或市场空间广阔的靶点方向。

“这样兼顾创新与市场的组合结构，既有利于管线的持续自主推进，也为未来与外部合作伙伴的协同开发与成果转化预留了值得期待的潜在机会。”任峰说，过去市场更多是把 AI 当成一个很好用、很厉害的工具，但随着数据质量不断提升、算法持续迭代、算力成本逐步下降，AI 正在一点点变成药企的“基础设施”。从最前端的靶点发现、分子设计和优化，到临床阶段的试验设计、患者分层、真实世界数据分析，大家对 AI 参与研发全流程这件事，已经越来越习以为常。

大型药企和 AI 公司的合作模式也在升级：从一开始偏“试水”的研发合作、单个项目授权，逐步走向更偏组合式的管线合作，甚至是深度绑定的长期合作。这个过程中，全球范围内的竞争和分工也会变得更加清晰。

任峰认为，AI 驱动的药物研发绝对不是一个靠概念炒作的短期故事，而是一个需要长期技术积累、扎实的临床验证，以及上下游产业共同协同推进的过程。

不难发现，英矽智能目前选择的“双轮驱动”路线——即通过合作授权获得现金流和验证平台，同时推进核心自研管线——是行业内的主流理性选择。但这要求具备极强的资本运作与管线管理能力，堪称一场高难度的平衡挑战。

与此同时，对AI制药产业而言，在价值兑现期的分水岭，如何在技术乐观与商业现实之间寻找平衡也成为摆在业内人士面前的一道难题。而在谈及AI制药市场未来走势时，前述分析师预判，短期（1—3年），行业将迎来残酷的价值分化期。资本将更加聚焦于那些有临床中期数据验证、平台产出稳定且能达成实质性大型药企合作的公司。缺乏持续资金或技术独特性的中小玩家将面临淘汰。资本市场对AI制药的态度，已从概念炒作转变为“数据验证”导向。

中期（3—5年），第一个由AI主导发现或设计的新药能否成功上市，将成为行业发展的分水岭事件。成功则将引爆新一轮投资与应用热潮；失败则可能导致行业进入漫长的信心修复期。同时，AI将更深地嵌入从靶点发现到临床试验设计的全流程，成为制药研发的 “标准配置” 而非可选工具。

长期来看，纯AI制药公司的概念可能会逐渐淡化。AI技术将如同计算机辅助设计般，全面融入生物制药的产业基石。“未来的赢家，很可能是那些既深刻理解生物学与临床需求，又能最有效利用AI工具的混合型公司。”该分析师着重指出，届时，“AI制药”将不再是一个独特的标签，而是成为制药工业的核心组成部分。

实际上，英矽智能的港股上市及其重磅合作，无疑是AI制药领域的一大亮点时刻。这充分彰显了资本市场与产业界对运用技术攻克研发难题的殷切期盼。然而，从备受热捧的概念到稳固的产业，其间横亘着无数科学、临床与商业的鸿沟。

行业的未来，不取决于单次股价的涨幅或单个合作的金额，而取决于能否持续产出经得起严格临床检验的、真正满足未来医疗需求的药物。对于英矽智能及其同行而言，上市是拿到了更高级别竞赛的入场券，而真正的比赛——与生物学复杂性的赛跑、与临床失败率的对抗、与时间成本的较量才刚刚开始。