AI按下新药研发快进键，中国如何以一年挑战西方药企十年模式

► 文 观察者网心智观察所

制药行业正在经历一场前所未有的效率革命。AI将新药发现时间从四年半缩短到九个月。传统巨头仍在为高投入低产出困扰，中国凭借AI与工程化能力的结合，正在重塑全球创新药的竞争格局。

一场关于时间的竞赛

2026年7月，一则来自上海的消息震动了全球医药产业。

在香港上市的AI制药企业英矽智能（Insilico Medicine）宣布，通过将人工智能技术与中国的生物医药研发体系相结合，公司成功把新药发现早期阶段的时间大幅压缩。据创始人兼CEO亚历克斯·扎沃龙科夫透露，传统模式下，从启动研究到找到具备开发潜力的候选药物通常需耗时四年半左右；而英矽智能的最快纪录仅为九个月，常规周期也缩短到了十三个月。

这并不意味着新药九个月就能上市。从候选药物走向市场，中间仍需经历动物实验、人体临床试验、监管审批和生产验证等漫长环节。AI所改变的，是制药行业最早也最关键的一步：寻找“可能有效的药物”。

过去几十年，全球制药业一直面临投入越来越高、成功率却越来越低的难题。人工智能正试图改变这一核心生产方式，这场变革的重心恰好落在中国。

一个行业的迷宫难题

制药行业曾有句广为流传的名言：“一款新药，需要十亿美元和十年时间。”这句话准确反映了现代药物研发的艰难。

一款创新药的诞生，首先要找到合适的生物学靶点，即明确疾病由人体内哪个关键环节失控造成，并寻找能调节它的分子。以往这一过程高度依赖科学家的经验与大量试错，研究人员必须从海量化合物中盲目筛选，经历了设计、合成、测试到失败的反复循环，一次挫折就可能耗费数年。

人工智能带来的颠覆，在于让计算模型提前参与方案预判。

AI如何重塑药物发现逻辑

AI制药指的不是用通用模型撰写论文，其核心在于AI深度介入了研发的核心环节。

首先在靶点发现环节，AI通过分析海量医学论文、生物数据库与实验数据，协助研究人员厘清疾病机制，发掘人类肉眼难以察觉的潜在关联。

其次在分子设计环节，传统方法侧重于从现存库中筛选测试，生成式AI则能直接根据目标蛋白的结构“量体裁衣”，自动生成具备潜在效能的新分子，将“盲目搜寻”转变为“精准创造”。

最后在实验筛选环节，AI虽无法取代真实检验，但能提前排除大量低概率方案，将资源集中于最有希望的方向。

目前英矽智能的AI系统已贯穿靶点发现、分子生成和优化全流程。自2021年以来，公司利用AI生成的候选药物中已有31个进入临床前开发阶段，其中13个项目获得了人体临床试验许可。

AI的本质在于改变科研的步骤顺序：以往由人类提出海量假设再靠实验筛选，如今由AI先在虚拟空间完成初筛，再交由真实实验进行终审。

中国为什么成为AI制药的关键试验场

在全球竞赛中，中国正展现出独特的战略价值，其优势远超单纯的成本考量。

过去数十年，中国凭借大规模制造能力塑造了产业优势；如今，这种工程化能力正向生命科学领域迁移。药物研发同样依赖海量数据、大规模实验与高效的工程执行，这一点恰好迎合了中国近年来快速积累的技术底座。

英矽智能的运转模式十分典型：公司的AI算法团队分布于加拿大蒙特利尔与阿布扎比，而实验验证、自动化平台与规模化研发则全盘落地于上海。在全球开发算法，在中国加速验证。

与此同时，中国生物医药产业正在经历结构升级。从基础研究、生物技术初创企业，到合同研发组织（CRO）以及临床试验体系，本土创新药生态已渐趋成熟。辉瑞高管曾公开指出，中国的临床开发速度可达欧洲的数倍，而综合成本仅为欧洲的一半左右。

中国正顺理成章地从全球医药的“生产基地”蜕变为“创新试验场”。

游戏规则正在被改写

比起单个企业缩短的研发年限，更值得关注的是深层规则的变化：随着AI深度融入科研，一个国家的竞争力正日益取决于整合算法、数据与产业体系的综合能力。

过去，制药行业属于资源巨头的天下，谁拥有最多的科学家、实验室与资金，谁就掌握绝对话语权。如今，AI的介入正在重塑格局，未来的竞争焦点将转向算法模型的优劣、数据质量的高低以及将计算结果转化为真实实验的速度。

这已经成为中美下一轮科技博弈的核心战场。

从发现药到卖药：AI制药距离颠覆还有多远

面对英矽智能的破局，行业中的理性声音依然发出提醒：找到候选药物，仅仅是漫长征程的起点。

制药产业里，最棘手的挑战并非“设计出分子”，而是证明该分子进入人体后的有效性、安全性、可量产性以及能否通过监管审批。实验室里的成功，绝不等同于人体内的胜利。

以英矽智能备受瞩目的抗纤维化药物Rentosertib（ISM001-055）为例，该药针对的是被称为“不是癌症的癌症”的特发性肺纤维化（IPF）。英矽智能利用AI锁定潜在靶点TNIK并生成候选分子。2025年6月，《自然·医学》发表了它的IIa期研究结果：每日口服60毫克治疗12周后，受试者的用力肺活量平均提升98.4毫升，而安慰剂组同期下降了20.3毫升。2026年7月8日，该药正式启动III期临床试验，拟在全国47家临床中心招募320名患者。

尽管进展顺利，该药物能否最终获批，仍需等待III期临床数据的终极检验。

这是整个行业面临的共同课题：AI能够大幅提升寻找方向的效率，却无法直接包办后期的真实验证。瓶颈已从“寻找方向太慢”转移到了“如何证明AI给出的答案真实有效”。

研发的前半程属于计算科学，后半程终究要回归生命科学本身。

中国的机会：重构规则而非简单复制

长久以来，全球创新药的权杖牢牢掌握在欧美巨头手中。辉瑞、默沙东、罗氏等企业凭借数十年的积累，筑起了由顶尖人才、专利数据库、临床网络与全球销售体系构成的坚固壁垒。

AI的出现打乱了这种依赖长期积累的逻辑。AI的精髓在于降低知识沉淀的门槛。过去，老牌实验室的核心价值在于几十年积累的直觉与经验；如今，大量历史论文与实验数据被转化为模型训练集，年轻的企业同样能借助算法获得巨头级别的假说处理能力。

这种转变类似于互联网对零售业的重塑：平台打破了传统供应链的垄断，让小商家得以直连全国市场。AI正在生命科学领域引发类似的结构性重组。

真正的内核：工程化能力而非低廉成本

将中国的优势简单归结为“人力成本低”是一种误解。这场竞争的本质并非比拼谁的实验员更便宜，而是看谁能率先让研发流程实现高度工业化。

AI制药的落地不仅依赖算法，更依赖高质量数据、自动化实验设备以及快速迭代的工程体系。中国庞大的制造底座、工程人才储备以及完善的CRO产业链，恰好为这种高强度的工业化研发提供了绝佳土壤。

以英矽智能为例，这种成立于美国、算法布局于全球、在中国落地验证的架构表明，未来的科技竞争已不再局限于单一地理边界，只有高效整合全球顶级要素：美国的基础研究、中国的工程化落地、全球的数据市场，这样企业才能脱颖而出。

三个必须正视的挑战

机遇并不等于胜局，中国在AI制药领域仍需直面三重挑战：

其一，基础科学仍是底层命脉。AI长于已有知识的组合，但癌症机制、免疫系统、神经科学等领域的源头突破无法单靠计算能力完成。美国在基础生命科学领域拥有的顶尖大学体系与研究传统，依然是技术壁垒。

其二，商业化变现仍需突破。研发出药物只是第一步，在全球市场实现商业变现，需要极高的监管应变能力、国际销售网络与专利布局能力。一个值得注意的现实是：尽管英矽智能在华投入巨大，但九成以上的收入仍来自与西方大型药企的跨国合作。中国正在成为研发重地，但价值链的最顶端仍被传统巨头把持。

其三，科研就业结构迎来剧变。英矽智能CEO扎沃龙科夫曾透露，在公司约400人的团队中，未来预计有四成的软件相关岗位的工作会被自动化取代。这就预示着科研组织形态的变革：未来的研发团队将大幅减少重复性劳动岗位，转向既懂生命科学又通晓AI模型与机器人系统的复合型人才。

智能基础设施时代的科技角逐

英矽智能这个案例带给我们的真正启示，在于展示了一种全新的科研生产范式。

科学创新正从依赖少数天才科学家的个人智慧，演变为类似工业流水线的智能循环：数据喂养模型，模型生成假设，机器人执行实验，结果反哺训练。

科技竞争的维度由此被彻底拓宽。过去，欧美凭基础科学领先，中国靠工程制造扎根；如今AI创造了交汇点，推动基础科学、算法与工程能力走向融合。

对于中国医药产业而言，AI制药的深层价值在于提供了一个契机，本土强劲的工程制造优势得以对接前沿科学创新。从仿制药到创新药，再到AI制药，这场产业转型才刚刚拉开序幕。

参考文献

https://www.artificialintelligence-news.com/news/ai-drug-discovery-china/

https://www.reuters.com/business/healthcare-pharmaceuticals/ai-shortens-drug-discovery-around-1-year-china-insilico-ceo-says-2026-07-23/

来源|心智观察所