AI制药面临规模化落地瓶颈，药企与AI科技企业跨界合作加速

随着大模型、生成式AI、多模态学习及高性能计算能力持续成熟，AI制药正从早期概念验证和单点工具应用，迈向规模化落地的新阶段。

高盛研究报告指出，AI有望将药物上市时间缩短20%至25%，研发周期缩短约3年，整体开发成本降低25%至30%。AI正在从"辅助工具"升级为重构新药研发流程的核心力量，推动药物研发从“经验驱动”走向“数据+智能驱动”。

AI制药从单点提效迈向全链路协同

传统新药研发从靶点发现到药物上市，往往需要10年以上时间，投入成本高达数十亿美元，而最终成功上市的比例相对有限。

AI制药的核心价值，正是在于通过智能化方式提升研发效率、降低试错成本，并提高研发成功概率。目前，AI制药的规模化应用正在多个关键环节加速展开。

比如，在靶点发现环节，AI通过整合基因组学、蛋白质组学、转录组学、临床病历、医学文献和知识图谱等多源数据，挖掘疾病机制与潜在靶点之间的关联，从而在更大范围内发现潜在机制、新通路和新靶点，推动研发模式从“人工假设”走向“数据驱动”。

在分子设计环节，生成式AI和深度学习模型可以围绕亲和力、选择性、可合成性、毒性、稳定性和成药性等多维目标，自动生成候选分子并进行优化，使药物发现从“筛选已有分子”逐步转向“按目标性质生成新分子”。

AI制药正在从单点提效走向全链路协同，以广药数科为例，联合华为、首芯分子共建国产算力驱动的新药创制 AI 智能体项目，入选工信部《人工智能高价值场景应用案例集》。依托该平台，苗头化合物发现周期从12-18个月缩短到1-3个月，临床前效率提升一倍多；在小分子早期药物发现环节，行业平均周期由1-2年压缩至3-6个月，成本降低约 70%。

AI基础设施能力成为AI制药落地的关键瓶颈

在业内人士看来，AI制药要真正进入企业核心研发流程，有赖于稳定、弹性、安全、可扩展的AI基础设施支撑。药物研发涉及海量数据、高复杂度模型和严格合规标准，当前面临三大瓶颈：

首先是算力瓶颈。蛋白质结构预测、分子动力学模拟、生成式分子设计等任务对GPU、高性能存储和高速网络要求极高。且药物研发具有明显阶段性，算力需求呈现“波峰波谷”特征，企业完全自建算力中心不仅投入高，还面临资源闲置和运维复杂等问题。云化、弹性化、异构化的算力基础设施，已成为规模化落地的重要底座。

其次是模型瓶颈。通用大模型难以直接解决复杂药物研发问题。AI制药需要面向生命科学场景的专业模型体系，包括蛋白质结构预测、分子生成、药效与毒性预测、ADMET预测等。模型能力的核心不是“生成答案”，而是能否帮助研发人员做出高质量决策，这要求模型具备处理多模态信息的能力，以及可靠的评估机制、置信度输出和可追溯能力。

再次是安全瓶颈。AI制药涉及大量高价值、高敏感数据，包括未公开靶点信息、化合物结构数据、实验结果、临床数据、患者隐私数据以及企业核心知识产权。一旦发生数据泄露，不仅可能造成商业损失，也可能带来合规风险。

特别是在药企、医院、科研机构、CRO、AI企业等多方协作场景下，数据如何安全流通、模型如何可信调用、结果如何审计追溯，已经成为AI制药规模化落地必须解决的问题。此外，AI能力还需要与药企既有研发体系深度集成。

破局：药企与AI科技企业跨界合作加速

值得注意的是，随着AI制药走向规模化，药企与AI科技企业的跨界合作正成为全球趋势。

一方面，药企拥有深厚的疾病机制理解、临床资源、研发管线和监管经验；另一方面，AI科技企业具备算力平台、算法模型、工程化能力和数据处理能力。双方优势互补，是推动AI进入药物研发主流程的关键。

全球范围内，阿斯利康、辉瑞、强生、赛诺菲、诺华等头部制药企业均已与AI企业建立合作关系，围绕靶点发现、分子设计、临床优化等方向展开布局。据麦肯锡预测，AI制药市场规模有望达到280亿至530亿美元。

与此同时，全球科技巨头也在加快进入这一赛道。今年4月，亚马逊推出专为生命科学设计的AI智能体，聚焦早期药物发现。6月，英伟达发布面向科学工作流的BioNeMo智能体工具包，将生命科学打造为全新平台赛道。近期， Anthropic也发布了面向科学家和制药企业的专属AI产品Claude Science，并宣布将启动自主药物研发项目。

在国内，和铂医药与百度孵化企业百图生科联合宣布全面战略合作，并围绕复杂大分子药物的AI研发，联合创立面向全球市场的新型AI管线研发公司MegaStream TechBio，以“合作建企”模式探索AI制药新路径。

AI基础设施企业网宿科技也成为重要参与者，其此前投资了美国生物医药公司TrueBinding，后者主要研发针对阿尔兹海默症的药物TB006，目前已完成临床I期及临床IIA实验。与此同时，网宿科技依托智算服务能力，已深入基因测序领域，基于CPU+GPU异构算力资源池、高性能存储及网络架构、弹性敏捷的云平台底座，支撑某基因测序平台完成数十个高通量基因测序任务，展现了在制药及生命科学场景中的关键价值。

AI制药的竞争已经不再局限于药企或AI算法公司之间。云厂商、算力服务商、科研机构、医院以及CRO/CDMO等多方力量，正在共同构建AI制药新生态。

从更长期看，AI制药有望推动新药研发从“高成本、长周期、高风险”的传统模式，迈向“高效率、强协同、可验证”的智能研发新范式。随着AI基础设施持续完善，AI制药将在更多疾病领域释放价值，为全球医药创新打开新的增长空间。