全球首款AI从头设计新药进Ⅲ期，Ⅱ期优势为何消失？

这份诊断书，我先给结论：AI制药眼下不是"神话破灭"，而是到了"幻灭低谷"——Ⅰ期的高成功率是它在自己最擅长的考场上拿到的分数，Ⅱ期之后优势消失，是因为考题变了，而AI的"复习资料"还没有覆盖到新的考点。

这个判断不是拍脑袋。全球头部AI药企的管线数据，把这件事说得清清楚楚：AI设计分子的Ⅰ期临床成功率高达80%-90%，远高于传统药物的52%；可一进Ⅱ期，成功率就掉回约40%，和传统药物打个平手。

好消息是，全球首款全流程AI设计的新药Rentosertib已经在9月进入Ⅲ期临床，预计2029年读出顶线数据——AI制药第一次摸到了上市前的最后一道门。

坏消息是，这道门能不能推开，没人敢打包票，连英矽智能的联席CEO任峰都承认，"现阶段还没有数据能证明AI药物在临床上提高了成功率"。

先看外面的原因。Ⅱ期临床的验证目标，和Ⅰ期是两个世界：Ⅰ期看的是药物在健康人身上安不安全、代谢怎么样，这类数据AI训练库里攒了几十年，随便调取；Ⅱ期要回答的是"这药对真正的病人有没有用"，考验的是分子在复杂人体疾病网络里的真实疗效。

全球至今没有一款AI设计的药走完研发全程获批上市，临床验证周期又长，样本量撑不起一个确定性的结论。

但这些是外因，等时间流逝就能解决。真正要命的是内因——有两个，是AI自己的结构性问题。

第一个内因：AI挖靶点靠相关性，不靠因果性。 大量AI挖掘的全新First-in-class靶点，是从组学数据里"看"出来的相关性信号，靶点和疾病之间的因果链，从未在临床上被严格验证过。

深势科技生物医药行业总经理张鹏在2026张江药谷大会上指出，行业尚未形成成熟的干湿闭环方案，AI输出的靶点假说缺乏足量反向实验数据验证。

恒瑞医药的AI药物研发负责人韩涟漪说得更直白："发现不等于证明，Ⅱ期失败的主要原因，就是生物学机制未能根据当时的假设得到实际证明"。AI给你指了个方向，但方向对不对，得靠患者来验——这一验，三分之一的项目就倒下了。

第二个内因：AI能算出分子和靶点的结合，算不出分子进了人体后的全流程。 AI在虚拟环境里模拟的是"一把钥匙开一把锁"，但药物进了人体，要走完吸收、分布、代谢、排泄的全流程，还要面对多组织、多通路的耦合反应。

深势科技生物医药行业总经理张鹏指出，用计算方法模拟药物在体内的分布、释放、局部杀伤全过程，这类底层模型仍有巨大提升空间。

两个内因叠加，把AI在Ⅰ期攒下的优势基本抹平，Ⅱ期成功率直接回落到行业均值。更要命的是，落败的数据没有回流到模型里——药企之间不愿分享失败数据，"你只能拿到一些特别关键的数据"。模型只见过成功的题，没见过做错的题，怎么可能在更难的考卷上拿高分？

但诊断不能只报病症，要看预后。

行业里真实存在两个"反例"，在Ⅱ期依然跑出了漂亮数据：英矽智能的Rentosertib，Ⅱa期60毫克组患者的用力肺活量平均提升98.4毫升，而安慰剂组同期下降20.3毫升；中国生物制药的TRD205，Ⅱ期读出阳性结果，被国家药监局CDE纳入突破性治疗品种。

这两个药的共同点值得注意：靶点是AI挖出来的全新靶点，适应症的临床终点是客观可量化的硬指标（肺活量、镇痛评分），而且研发团队都打通了"AI设计—自动化实验—数据回流"的完整闭环。

所以预后要分级看。哪些条件满足，AI在Ⅱ期及以后还能跑出优势？ 靶点属于蛋白激酶、GPCR这类AI训练数据充足的结构域；适应症有明确生物标志物、终点客观；药企手里有完整的干湿闭环数据体系——满足这三条，AI的优势还能延续。哪些场景下，AI不但没优势，反而可能更危险？

红斑狼疮、精神类疾病这种机制复杂、患者异质性极高、评价指标主观的适应症；只买开源AI工具、没有自主数据闭环的药企；以及毫无历史积累的"不可成药"全新靶点——在这些赛道上，AI的失败风险不亚于甚至高于传统路径。

说回那个最核心的问题：AI的优势为什么消失了？因为AI一直在用"自己最擅长的能力"（预测分子理化性质、安全性）去参加"自己最不擅长的考试"（预测人体复杂疗效）。Ⅰ期考的全是AI复习过的原题，Ⅱ期考的题，AI的题库里没有答案。

英矽智能管真正由AI主导的药物在Ⅲ期成功叫"DeepSeek时刻"，预计未来3到5年会出现。这个判断，我跟一半。Rentosertib的马力很足——从靶点发现到进入临床只花了18个月、合成78个分子，传统路径要4.5年、烧掉数千万到上亿美元——但马力足不等于能撞线。

Ⅲ期临床要招募320例患者、给药52周，在真实世界的大样本里，药效能不能站住，要等2029年的顶线数据才能回答。

行业正处在一个尴尬但关键的节点：170多个AI原创新药项目进入临床，大多数刚完成Ⅰ期、正扎堆涌向Ⅱ期。接下来的两到三年，会是一轮密集的疗效验证大考。AI制药到底是一次深刻的效率革命，还是又一个被高估的泡沫，答案不在模型参数里，就在未来这些Ⅱ期、Ⅲ期数据里。

对这个行业，我的预后判断是：未来两年是出清期，能打通干湿闭环、手里握着真实差异化数据的团队会活下来，靠讲故事凑热闹的会出局；而真正决定AI制药天花板的，不是模型有多强，而是这个行业愿不愿意把失败数据的墙拆掉。

毕竟，一个只见过成功样本的模型，永远学不会在失败到来之前刹车。