III期6款药中国占5款：AI制药的中国进展

9月18日，工信部等十部门发了《医药工业发展"十五五"规划》，里面专门有一段讲AI制药，从药物发现一直写到上市后评价。五个月前NMPA刚出过一份"人工智能+药品监管"的实施意见。政策密度在加大。

差不多同一周，西南证券扔出一份52页的AI制药专题，标题后半句是"成药验证未来可期"。我盯着"成药验证"这四个字看了一会儿。过去十年这个行业讲的故事够多了，现在终于到了要拿药出来说话的时候。

AlphaFold惊艳过全场，生成式大模型也能从零设计分子了。但真正的问题从来不是AI能不能算，而是AI算出来的分子，到底有几个能走完临床试验、变成药房里真的在卖的药。

「AI×生物医药」交流群

扫描上方群二维码，群内持续分享场景拆解、实操流水线、落地案例与避坑清单，进群备注姓名、公司名、相关领域。

从AlphaFold到21亿美元B轮，这个行业走了十年

报告把AI制药分成三段。

最早那阵，也就是2018年以前，AI只是个配角，用在靶点发现、分子筛选这些具体环节。2014年Atomwise做了个虚拟筛选平台，2016年晶泰科技成立、走AI加机器人的路子，2018年DeepMind丢出AlphaFold，第一次证明AI能预测蛋白质结构。

2019到2023年是膨胀期。大模型一来，整个行业的想象力被打开了。AlphaFold2把精度推到原子级别，DeepMind干脆把Isomorphic Labs拆出来单独做药，2023年ChatGPT一爆，钱就涌进来了。

2024年到现在，算是进入了"交卷"阶段。晶泰科技在港交所上了市，AlphaFold3开始预测蛋白质和DNA、RNA的复合物，Isomorphic Labs2025年拿了6亿美元A轮，今年多条管线递了IND，B轮一口气融了21亿美元。

报告里有一句话我觉得说得准：竞争的重点已经从"谁的模型厉害"变成了谁有高质量数据、谁能把实验闭环跑通、谁的药真能做出来。

说白了，故事讲了十年，现在要看成绩单了。

市场有多大？先别急着激动

弗若斯特沙利文给了一组数字（西南证券报告引用）：

表：市场规模预测

数据来源：弗若斯特沙利文，西南证券整理

22.6%的年复合增速，看着吓人。但拆开看，2023年AI赋能这块市场才119亿美元，占全球药物研发总支出不到5%。天花板确实高，但现在还在山脚下。

中国这边有个数据值得单独拎出来看：药物研发外包市场预计从2023年的269亿美元涨到2030年的871亿美元，其中药物发现外包从35亿涨到122亿，CAGR接近20%。对国内做CXO的公司来说，AI叠加进来的这波需求，可能是最先落地的红利。

省时间省到什么程度？得看靶点熟不熟

一款新药从实验室走到货架上，传统路子要10到17年，花掉25.6亿美元。AI插进来以后，各环节的效率变化是这样的：

表：各研发环节效率变化

数据来源：弗若斯特沙利文、英矽智能招股书。

报告还列了几个技术指标：蛋白折叠预测准确率84%，化合物筛选精度提高20%，毒性预测准确率75%，化合物分类准确率92%。

最有画面感的案例来自清华团队，2025年发在《Science》上的DrugCLIP：用AlphaFold2做结构预测，配合两个编码器，把过去要几百年的虚拟筛压缩到24小时。在一个全新靶点NET上跑出来15%的命中率，找到了12个结构全新的候选分子。

但这里有个容易被忽略的细节：AI能省多少时间和钱，高度依赖靶点是不是已经被做熟了。PD-1、HER2这种数据堆成山的靶点，AI能省四到五成；碰到一个没人做过的全新靶点，能省的比例直接砍到两到三成。原因不复杂，模型总得有数据可学。

真正卡住行业的，不是GPU

外面讨论AI制药，三句话不离算力。好像谁的卡多谁就赢。这份报告的判断刚好反过来：算力是门槛，但不是护城河。真正的壁垒在数据和模型。

算力这东西，绝大多数公司都是租云服务，没必要自己建。拉开差距的是怎么把租来的算力用高效，比如任务调度怎么排、异构资源怎么管。

数据才是最难啃的骨头。公开数据库看着多，真能用的少：阳性结果堆得到处都是，失败实验的数据几乎没人存，深度注释更是稀缺。药企自己的数据锁在各自系统里，想打通？技术和沟通成本都高得离谱。报告里有句话很重，大意是：到最后，谁有自己的自动化湿实验室、谁能把"模型预测-实验验证-数据回流"这个闭环转起来，谁才真正站得住。

这也是为什么晶泰科技砸那么多钱建机器人实验室。它那套DMTA循环（设计-制造-测试-分析），几百个工作站24小时转，数据治理效率提了40倍，实验效率提了5到8倍。说句不好听的：一家AI制药公司如果没有自己的湿实验能力，说到底更像个外包咨询。

还有两个行业现状得拎清楚。一是现在AI管线扎堆在成熟靶点上，真正去啃"不可成药"硬骨头的还少。二是小分子跑得远比大分子快，抗体、ADC、双抗这些复杂分子，AI目前也就帮着做做抗体发现那一段。

III期有6款药，中国占了5款

看AI制药到底走到哪一步了，别听故事，看管线。报告引Insight的数据：目前全球AI药物已上市1款（还是个改良新药），临床III期6款，II期25款。

III期这6款里，最受盯的是英矽智能的ISM001-055。这是个TNIK抑制剂，治特发性肺纤维化（IPF），也是第一个从靶点发现到临床候选分子全流程由AI设计的药物。

II期数据确实漂亮：每天一次60mg组，患者用力肺活量（FVC）平均涨了98.4毫升，安慰剂组反而掉了20.3毫升，差了118.7毫升。现在已上市的吡非尼酮和尼达尼布，也就做到"不让肺功能继续恶化"，这个药直接把数值拉上来了。今年7月8日，III期正式启动。

其余几款III期包括博瑞医药的BGM0504（GLP-1/GIP双激动剂，肥胖适应症已报上市）、药明康德的WRX-0318（TYK2）、先为达的MDR-001等。

不过得泼点冷水。创新药III期成功率本来也就五六成，AI设计的分子不会自带buff。行业里念叨的"AI制药元年"，我看得等到第一个AI分子真的走完III期、拿到批文那天，才算数。

中美玩家在怎么打

报告把中美主要公司拉了个表，打法差别挺大。

表：中美主要AI制药公司

数据来源：西南证券报告、公司公告。

一个挺有意思的观察：英伟达、微软、OpenAI这些科技巨头，初期基本不卖药，卖的是算力和模型，客户全是诺华、礼来、默沙东这些MNC。MNC自己也在两头下注，内部建AI团队，外面再用"首付加里程碑"的方式跟初创公司合作。

今年以来AI制药的BD交易特别密，英矽智能一家就签了石药17.7亿美元的期权合作、跟住友制药也有授权。对这个行业来说，大额BD和License-out已经不只是业务收入，直接就是估值的锚。

普通人看这个行业，盯三件事

报告给的投资框架，说白了就是三条线。

第一条是研发端，盯II期到III期的临床数据读数。特别是那些自己有湿实验闭环的公司，壁垒更深。学术大会数据公布、临床节点读出，都是股价波动点。

第二条是产业链，也就是"卖水人"。AI制药真到了验证期，上游CXO、试剂耗材、实验室设备先吃到订单。报告点到的名字不少：成都先导、泓博医药、药明康德、康龙化成、泰格医药、金斯瑞、奥浦迈、百普赛斯、南模生物等。

第三条是BD端，哪家公司又签了大额License-out，市场会立刻给反应。

风险不用回避

报告列的风险，挑几个实在的说：大模型能走到哪一步没人打包票；AI提效不等于研发不失败，III期翻车的事以后还会有；AI生成分子能不能申请专利、权属归谁，现在法律上还是一笔糊涂账；高端GPU受地缘政治影响，供给说不准。

特别是专利这块，传统专利审查体系压根没给AI生成物留位置，发明主体是谁、算法能不能申请专利，边界都不清。这个问题不解决，整个行业的商业逻辑都得打个问号。

2018年大家问的是"AI能不能预测蛋白结构"，2024年问的是"AI能不能从零设计分子"，到了2026年，问题变成了更朴素也更硬的一个：AI设计的分子，到底能不能做成药？

从技术叙事走到产业验证，意味着讲故事的溢价在退潮，拿数据说话的时代到了。

接下来两三年，几个关键节点：英矽ISM001-055的III期结果、Isomorphic的IND数据、新的BD大单。这些数字出来之前，"成药验证"这四个字，还只是报告标题里的一句话。

识别微信二维码，添加生物制品圈小编，符合条件者即可加入

生物制品微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。