文 | 智訊智庫(kù)，作者 | 智訊智庫(kù)分析師 李伯睿

AI 制藥已經(jīng)開(kāi)始走進(jìn)藥企巨頭的日常工作流。

強(qiáng)生（NYSE: JNJ）率先交出一份頗有說(shuō)服力的成績(jī)單：先導(dǎo)化合物優(yōu)化時(shí)間直接砍半，臨床試驗(yàn)報(bào)告的準(zhǔn)備工作從過(guò)去數(shù)百小時(shí)壓縮到約 15 分鐘（注：該數(shù)據(jù)尚未經(jīng)第三方獨(dú)立審計(jì)，最終報(bào)告仍需經(jīng)過(guò)人工審核與合規(guī)確認(rèn)）[1]。

這份成績(jī)單至少證明了一件事：AI 確實(shí)能讓研發(fā)跑得更快。但除此之外，它并沒(méi)有回答更深層的問(wèn)題——AI 能不能讓決策更準(zhǔn)，省下來(lái)的錢(qián)最后又進(jìn)了誰(shuí)的口袋？

當(dāng)然，強(qiáng)生的實(shí)踐依然提供了一個(gè)極具參考價(jià)值的標(biāo)本：AI 當(dāng)前帶來(lái)的紅利，并不在于端到端地發(fā)現(xiàn)新藥，而是集中在特定研發(fā)工作流中的確定性降本增效。無(wú)論是在先導(dǎo)化合物優(yōu)化、候選線(xiàn)索篩選，還是在實(shí)驗(yàn)數(shù)據(jù)結(jié)構(gòu)化處理、監(jiān)管文檔生成等高冗余、高耗時(shí)環(huán)節(jié)中，AI 正在兌現(xiàn)可量化的效率收益。

但更關(guān)鍵的問(wèn)題在于：當(dāng)這些效率被真實(shí)釋放之后，收益最終會(huì)向產(chǎn)業(yè)鏈的哪個(gè)環(huán)節(jié)集中？

這正是本文討論 AI 制藥的起點(diǎn)。

AI 制藥通常指利用人工智能參與藥物研發(fā)的全流程，包括從疾病機(jī)制研究、靶點(diǎn)發(fā)現(xiàn)、分子設(shè)計(jì)到臨床開(kāi)發(fā)等環(huán)節(jié)。但在當(dāng)前產(chǎn)業(yè)實(shí)踐中，AI 的實(shí)際應(yīng)用仍主要集中在早期研發(fā)階段，即從靶點(diǎn)發(fā)現(xiàn)到臨床前候選化合物的藥物發(fā)現(xiàn)與優(yōu)化過(guò)程。

本文所討論的“AI 制藥”，特指 AI 在藥物發(fā)現(xiàn)與早期研發(fā)中的應(yīng)用（靶點(diǎn)發(fā)現(xiàn)、分子設(shè)計(jì)、先導(dǎo)優(yōu)化及臨床前階段），不涉及臨床試驗(yàn)成功率提升與藥物商業(yè)化結(jié)果。

因此，相比“AI 是否能發(fā)現(xiàn)新藥”的遠(yuǎn)期敘事，當(dāng)下更具現(xiàn)實(shí)意義的問(wèn)題是 AI 參與藥物早期研發(fā)所釋放的效率紅利的歸屬機(jī)制。

基于這一問(wèn)題，本文首先區(qū)分三類(lèi)主體：

同時(shí)本文給出四點(diǎn)核心判斷：

1、AI 制藥目前最確定的是降低單位決策成本，而非提高新藥成功率；它正在解決的是“這個(gè)分子像不像藥”的問(wèn)題，而非“這個(gè)藥能不能治病”的臨床問(wèn)題。因此，該技術(shù)目前更多體現(xiàn)為對(duì)研發(fā)早期的局部?jī)?yōu)化，而不是對(duì)整個(gè)新藥研發(fā)的系統(tǒng)性改寫(xiě)。

2、AI 制藥帶來(lái)的效率紅利，正在沿產(chǎn)業(yè)鏈分化為三種承接路徑，并形成清晰的結(jié)構(gòu)性分配格局。AI 制藥的效率紅利并不會(huì)平均分配，而是有區(qū)分地流向三類(lèi)主體：采用混合架構(gòu)的大藥企、外部 AI 藥篩平臺(tái)商以及以管線(xiàn)資產(chǎn)化為核心的 AI Biotech。三者雖然共享效率紅利，但在價(jià)值上限與確定性上存在顯著差異。其中，大藥企由于掌握數(shù)據(jù)、評(píng)價(jià)體系與研發(fā)決策權(quán)，是最確定、也是最早的效率紅利受益方。

3、三條路徑的商業(yè)成立條件各不相同。本質(zhì)上是對(duì)應(yīng)“效率內(nèi)化”“平臺(tái)閉環(huán)”和“資產(chǎn)轉(zhuǎn)化”三種不同的價(jià)值兌現(xiàn)機(jī)制：

4、AI 制藥的終局約束仍然是“臨床不確定性 + 價(jià)值再分配”。無(wú)論技術(shù)如何提升效率，都只能優(yōu)化藥物發(fā)現(xiàn)與研發(fā)過(guò)程的“前段確定性”，無(wú)法消除臨床試驗(yàn)與生物學(xué)機(jī)制本身的不確定性。因此，AI 制藥的長(zhǎng)期結(jié)果取決于這些效率紅利最終在產(chǎn)業(yè)鏈中如何被轉(zhuǎn)化為收入、資產(chǎn)與長(zhǎng)期現(xiàn)金流。

不過(guò)，本文也有其邊界：由于不同企業(yè)對(duì) AI 參與研發(fā)的披露口徑并不一致，相關(guān)案例更多用于刻畫(huà)行業(yè)趨勢(shì)，而非精確量化 AI 對(duì)單個(gè)項(xiàng)目的貢獻(xiàn)。更重要的是，AI 制藥能否系統(tǒng)性提高后續(xù)臨床成功率，仍缺乏長(zhǎng)周期、大樣本驗(yàn)證，這也是后續(xù)觀察該賽道時(shí)最需要補(bǔ)足的問(wèn)題。因此，本文旨在為未來(lái) AI 制藥對(duì)臨床成功率影響的大樣本驗(yàn)證明確后的深入研究提供鋪墊。

本文所有內(nèi)容均不構(gòu)成任何投資建議、證券推薦或買(mǎi)賣(mài)依據(jù)；文中涉及的股價(jià)、市值、財(cái)務(wù)數(shù)據(jù)及相關(guān)案例等均具有時(shí)點(diǎn)性，并不預(yù)示其未來(lái)表現(xiàn)。市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。

01

新藥研發(fā)本質(zhì)上是一場(chǎng)類(lèi)似“大海撈針”的高投入、長(zhǎng)周期、低成功率的篩選游戲。一款新藥從早期發(fā)現(xiàn)到最終上市，通常需要 10 年左右甚至更長(zhǎng)時(shí)間。隨著項(xiàng)目從發(fā)現(xiàn)階段推進(jìn)到臨床 Ⅰ 期、Ⅱ 期、Ⅲ 期和上市申報(bào)，單個(gè)項(xiàng)目占用的資金、時(shí)間和組織資源都會(huì)明顯上升，類(lèi)似一條“前期相對(duì)低、后期陡峭抬升”的 J 型曲線(xiàn)。這意味著管線(xiàn)的試錯(cuò)成本會(huì)在后期“撈針出海”的階段急劇放大，一旦在耗資最巨的 Ⅲ 期臨床或臨門(mén)一腳的監(jiān)管審批階段通關(guān)失敗，藥企前期投入的數(shù)億乃至數(shù)十億美元將瞬間淪為沉沒(méi)成本，這種“晚期失敗”往往會(huì)直接拖垮一家中型 Biotech，甚至讓跨國(guó)藥企的管線(xiàn)戰(zhàn)略遭受重創(chuàng)。

這正是 AI 制藥技術(shù)被藥企寄予厚望的根本原因。藥企買(mǎi)單的并非單純的 AI 概念，而是 AI 技術(shù)所帶來(lái)的“期權(quán)式止損價(jià)值”——趕在資金向后期臨床階段大幅放大之前，更早形成對(duì)靶點(diǎn)、候選分子和成藥性的排序判斷，并據(jù)此減少低優(yōu)先級(jí)方向的資源占用。對(duì)于藥企來(lái)說(shuō)，早期篩掉一個(gè)低價(jià)值候選方向，不僅能減少多輪無(wú)效實(shí)驗(yàn)及后續(xù)資源投入，還能給其他在研管線(xiàn)空出更多臨床前研究、臨床試驗(yàn)和管線(xiàn)管理資源，從而改善藥企的研發(fā)資源配置效率。

然而，要將這種“期權(quán)式止損”的宏觀構(gòu)想轉(zhuǎn)化為現(xiàn)實(shí)，藥企必須將其拆解到具體的研發(fā)鏈條中。現(xiàn)階段，AI 制藥技術(shù)是一組覆蓋“找靶點(diǎn)、找分子、優(yōu)化分子、預(yù)測(cè)成藥性”的工具鏈，依然沒(méi)有改變“藥物研發(fā)必須經(jīng)過(guò)實(shí)驗(yàn)和臨床驗(yàn)證”這一基本規(guī)則，而是把更多判斷前置到研發(fā)早期：先用模型和數(shù)據(jù)縮小可成藥范圍，再用實(shí)驗(yàn)和臨床數(shù)據(jù)逐一驗(yàn)證結(jié)果。

從藥企視角看，在研發(fā)早期的不同環(huán)節(jié)中，AI 制藥的價(jià)值也并非均等分布。有些環(huán)節(jié)更容易體現(xiàn)為流程效率和成本節(jié)約，有些環(huán)節(jié)則更依賴(lài)長(zhǎng)期數(shù)據(jù)積累、實(shí)驗(yàn)閉環(huán)和臨床結(jié)果：

表中的“價(jià)值驗(yàn)證難度”是指 AI 在該環(huán)節(jié)創(chuàng)造的價(jià)值能否被清晰量化和歸因。判斷標(biāo)準(zhǔn)包括：是否能用工時(shí)、成本或?qū)嶒?yàn)數(shù)量直接衡量，AI 貢獻(xiàn)是否容易單獨(dú)拆分，以及是否需要后續(xù)實(shí)驗(yàn)、臨床或監(jiān)管結(jié)果驗(yàn)證。難度越低，代表短期價(jià)值越容易被量化；難度越高，代表其價(jià)值越依賴(lài)長(zhǎng)期驗(yàn)證。

上表也解釋了為什么強(qiáng)生案例更像“流程效率驗(yàn)證”，而非“新藥成功率驗(yàn)證”：AI 參與到強(qiáng)生內(nèi)部的先導(dǎo)化合物篩選優(yōu)化環(huán)節(jié)，對(duì)其研發(fā)資源配置效率予以有效提升；而在文檔與監(jiān)管流程的貢獻(xiàn)，則更多體現(xiàn)為材料生成、信息整理和流程自動(dòng)化層面的“四兩撥千斤”。二者都能為研發(fā)機(jī)構(gòu)帶來(lái)省錢(qián)、省時(shí)、省力的益處，并在此基礎(chǔ)上篩選出一批更具潛力的先導(dǎo)化合物分子。但這批分子能否通過(guò)后續(xù)的安全性（是否有毒性）、有效性（對(duì)特定疾病是否緩解）等方面的驗(yàn)證環(huán)節(jié)？AI 還難以對(duì)此給出確定性保證。

因此，AI 制藥目前最先出現(xiàn)可量化信號(hào)的是流程提效；至于能否進(jìn)一步提高管線(xiàn)質(zhì)量和新藥成功率，仍需要更長(zhǎng)周期的數(shù)據(jù)，包括各環(huán)節(jié)實(shí)驗(yàn)數(shù)據(jù)、IND 推進(jìn)率和臨床試驗(yàn)數(shù)據(jù)等繼續(xù)回答。

對(duì)藥企而言，這種在早期“去蕪存菁”并根據(jù)環(huán)節(jié)彈性精細(xì)化控本的能力，才是 AI 制藥從概念走向真實(shí)需求的關(guān)鍵。強(qiáng)生案例真正釋放的信號(hào)，是“藥企開(kāi)始把 AI 作為工具鏈，深度嵌入到研發(fā)流程的成本控制系統(tǒng)當(dāng)中”。

02

從產(chǎn)業(yè)本質(zhì)看，AI 制藥的影響可以歸結(jié)為三個(gè)核心問(wèn)題：第一，效率是否提升（速度維度）——AI 是否降低單位研發(fā)時(shí)間與成本；第二，質(zhì)量是否提升（決策維度）——AI 是否提高候選藥物的成功率與有效性判斷能力；第三，價(jià)值如何分配（商業(yè)維度）——效率收益最終流向大藥企、平臺(tái)商還是 AI Biotech。

在這一分析框架下，并結(jié)合第一部分的分析，我們不難判斷，強(qiáng)生案例提供的是一個(gè)企業(yè)級(jí)流程提效樣本，但更關(guān)鍵的問(wèn)題在于：當(dāng)效率被釋放后，其經(jīng)濟(jì)收益將如何在產(chǎn)業(yè)鏈中重新分配？

強(qiáng)生案例容易讓人誤以為效率紅利會(huì)全部沉淀在大藥企內(nèi)部，但現(xiàn)實(shí)更復(fù)雜。從當(dāng)前產(chǎn)業(yè)實(shí)踐看，AI 制藥的技術(shù)價(jià)值主要有三條去路：①由大藥企主導(dǎo)的混合架構(gòu)承接，②轉(zhuǎn)化為外部 AI 藥篩平臺(tái)商的訂單，和 ③通過(guò) AI Biotech 沉淀為藥物資產(chǎn)。三條路徑看似都受益于 AI 提效，但對(duì)應(yīng)的確定性、價(jià)值承接方式和價(jià)值上限并不相同。 而在三類(lèi)主體中，大藥企是效率紅利最早顯現(xiàn)、也最容易被經(jīng)營(yíng)指標(biāo)吸收的一類(lèi)主體。

對(duì)于強(qiáng)生、羅氏（OTC: RHHBY）、諾華（NYSE: NVS）、禮來(lái)（NYSE: LLY）、賽諾菲（NASDAQ:SNY）這類(lèi)跨國(guó)藥企（MNC）而言，AI 是一種嵌入研發(fā)體系和外部采購(gòu)服務(wù)的效率工具。它們并不做在“自研”和“外購(gòu)”之間二選一的選擇題，采用“內(nèi)部能力建設(shè) + 外部工具采購(gòu) + 戰(zhàn)略合作”的混合架構(gòu)才是它們更傾向的做法：通用軟件、專(zhuān)業(yè)計(jì)算平臺(tái)、云算力和部分前沿算法可以來(lái)自外部 AI 藥篩平臺(tái)，但私有研發(fā)數(shù)據(jù)、模型評(píng)價(jià)體系、工作流編排和最終研發(fā)決策權(quán)，通常會(huì)被盡可能留在內(nèi)部。例如，賽諾菲在官方資料中將自身定位為一家“研發(fā)驅(qū)動(dòng)、AI 賦能”的生物制藥公司，并表示正在負(fù)責(zé)任地將 AI 方案部署到研發(fā)、制造和患者參與等價(jià)值鏈環(huán)節(jié)。在研發(fā)端，賽諾菲稱(chēng)其利用 AI、機(jī)器學(xué)習(xí)和數(shù)據(jù)整合能力支持靶點(diǎn)發(fā)現(xiàn)、大分子藥物和生物制劑研究，并重點(diǎn)應(yīng)用于抗體和納米抗體（Nanobodies）等方向[2]。

這種“內(nèi)部主導(dǎo)、外部補(bǔ)充”的路徑，同樣在國(guó)內(nèi)頭部藥企中開(kāi)始出現(xiàn)：

大藥企能成為效率紅利的重要承接主體的核心在于其在“自研與外購(gòu)”上的資產(chǎn)邊界邏輯。在自研（Make）與外購(gòu)（Buy）的選擇上，大藥企更傾向于形成分層結(jié)構(gòu)：

需要注意的是，單個(gè)候選藥物研發(fā)成本下降，并不必然導(dǎo)致藥企整體研發(fā)支出下降。在 AI 降低試錯(cuò)成本的情況下，藥企往往會(huì)同時(shí)推進(jìn)更多候選項(xiàng)目，從而使整體研發(fā)投入保持穩(wěn)定甚至上升，呈現(xiàn)出類(lèi)似“規(guī)模擴(kuò)張效應(yīng)”的結(jié)構(gòu)特征。

但這種由大藥企主導(dǎo)的混合架構(gòu)能否真正形成壁壘，并不取決于工具本身，而取決于數(shù)據(jù)與決策體系是否閉環(huán)。

這一結(jié)構(gòu)性約束的核心，在于“數(shù)據(jù)主權(quán)”與“核心 Know-how”。

大藥企掌握著行業(yè)最稀缺的資產(chǎn)——長(zhǎng)期積累的臨床前實(shí)驗(yàn)數(shù)據(jù)與失敗數(shù)據(jù)，即暗數(shù)據(jù)（Dark Data）。

在開(kāi)源模型與通用算法快速商品化的背景下，算法本身的差異正在收斂，真正形成壁壘的，是高質(zhì)量、私有化、可持續(xù)積累的實(shí)驗(yàn)數(shù)據(jù)體系。這些數(shù)據(jù)決定了模型訓(xùn)練效果的上限，并構(gòu)成后續(xù)優(yōu)化循環(huán)的基礎(chǔ)。

因此，出于對(duì)暗數(shù)據(jù)安全、管線(xiàn)主權(quán)以及資產(chǎn)溢價(jià)等方面的考慮，大藥企通常會(huì)盡量避免核心數(shù)據(jù)資產(chǎn)長(zhǎng)期、無(wú)約束地沉淀在外部供應(yīng)商平臺(tái)上。它們憑借自身龐大的 IT 團(tuán)隊(duì)與資金實(shí)力，將 AI 通用算法與自己的暗數(shù)據(jù)閉環(huán)融合，不僅可以直接鎖定 AI 提效帶來(lái)的戰(zhàn)略紅利，還能逐步增強(qiáng)內(nèi)部整合程度，并強(qiáng)化效率紅利向內(nèi)部回流的趨勢(shì)。

國(guó)際上，Recursion（NASDAQ:RXRX）、Schr?dinger（NASDAQ:SDGR）等公司較有代表性，分別從高通量實(shí)驗(yàn)與細(xì)胞圖像平臺(tái)，物理建模、計(jì)算化學(xué)與分子模擬軟件的方向切入，形成了較典型的平臺(tái)化路徑：

國(guó)內(nèi)來(lái)看，晶泰控股（晶泰科技，HK:02228）和百圖生科（未上市）則分別聚焦“AI+自動(dòng)化實(shí)驗(yàn)平臺(tái)”和“生命科學(xué)大模型+多組學(xué)數(shù)據(jù)”兩個(gè)方向。

然而，這類(lèi)平臺(tái)型公司面臨一個(gè)共同挑戰(zhàn)：如何對(duì)抗“被 CRO化”的估值引力。CRO（Contract Research Organization，合同研究組織）是為藥企和醫(yī)療機(jī)構(gòu)提供醫(yī)學(xué)研發(fā)的外包服務(wù)公司，其收費(fèi)模式為“管線(xiàn)項(xiàng)目制”的計(jì)件收費(fèi)。如果平臺(tái)型公司無(wú)法將技術(shù)服務(wù)轉(zhuǎn)化為標(biāo)準(zhǔn)化、高復(fù)購(gòu)的軟件訂閱，或綁定長(zhǎng)期收益分成的戰(zhàn)略級(jí)合作，其收入就極易退化為 CRO 類(lèi)的收入模式。一旦陷入這種非標(biāo)準(zhǔn)化的紅海競(jìng)爭(zhēng)，企業(yè)的業(yè)績(jī)?cè)鲩L(zhǎng)將不得不依賴(lài)堆砌項(xiàng)目數(shù)量與人力成本。這種“披著 AI 外衣行傳統(tǒng) CRO 之實(shí)”的勞動(dòng)密集型退化，將迅速侵蝕毛利率，進(jìn)而無(wú)法支撐科技公司特有的高邊際效應(yīng)、高毛利與高估值。

要想避免被“CRO 化”，外部 AI 藥篩平臺(tái)商的關(guān)鍵不在于單點(diǎn)能力提升，而在于能否實(shí)現(xiàn)從“單一結(jié)果交付”向“研發(fā)流程嵌入”的躍遷，即形成“軟件/模型/數(shù)據(jù)—項(xiàng)目合作—候選輸出—復(fù)購(gòu)擴(kuò)圍—數(shù)據(jù)回流—模型迭代”的閉環(huán)機(jī)制。

這一閉環(huán)的實(shí)現(xiàn)方法主要有兩類(lèi)：

需要強(qiáng)調(diào)的是，這兩種路徑本質(zhì)上都不是“替代 CRO”，而是提升研發(fā)流程嵌入程度的嘗試。成敗的關(guān)鍵，取決于一個(gè)更關(guān)鍵的約束條件：能否進(jìn)入藥企的常態(tài)化研發(fā)工作流，而不僅停留在單點(diǎn)工具采購(gòu)或試點(diǎn)合作階段。

在這一判斷的基礎(chǔ)上，外部 AI 藥篩平臺(tái)商想真正兌現(xiàn)價(jià)值，可以進(jìn)一步觀察三個(gè)核心驗(yàn)證信號(hào)：

如果上述條件無(wú)法逐步滿(mǎn)足，那么所謂“平臺(tái)化能力”，最終仍可能退化為以項(xiàng)目交付為核心的 CRO 模式。

AI Biotech 與傳統(tǒng) Biotech 相比，它能夠通過(guò)數(shù)據(jù)和算法重構(gòu)靶點(diǎn)發(fā)現(xiàn)、分子設(shè)計(jì)、成藥性預(yù)測(cè)和臨床開(kāi)發(fā)決策，從而形成“AI 平臺(tái) + 自有管線(xiàn)”的研發(fā)模式。它們獲取效率紅利的方式，也不同于大藥企主導(dǎo)的混合架構(gòu)：大藥企更多是把 AI 納入既有研發(fā)體系，用來(lái)提高流程效率、優(yōu)化資源配置和增強(qiáng)研發(fā)決策能力。而 AI Biotech 是把 AI 平臺(tái)本身作為藥物資產(chǎn)創(chuàng)造引擎，試圖通過(guò)自研管線(xiàn)或共有產(chǎn)權(quán)（例如對(duì)外授權(quán)、里程碑付款、未來(lái)銷(xiāo)售分成）的方式，分享候選藥物后續(xù)增值帶來(lái)的收益；Isomorphic Labs（未上市）、英矽智能（HK:03696）等公司是第三條路徑的踐行者。它們不滿(mǎn)足于低毛利的服務(wù)費(fèi)，而是試圖享受藥物資產(chǎn)全生命周期的超額溢價(jià)。這是一種典型的“高風(fēng)險(xiǎn)、高估值彈性”模式：

這一路徑在具備最高上限的同時(shí)，也伴隨著最大的不確定性。如果 AI Biotech 選擇深度參與管線(xiàn)開(kāi)發(fā)，它將重新進(jìn)入傳統(tǒng) Biotech 的高淘汰率通道。AI 的算力優(yōu)勢(shì)可以?xún)?yōu)化早期資產(chǎn)的資本效率，卻無(wú)法改寫(xiě)生命科學(xué)的底層規(guī)律——臨床前到臨床 Ⅲ 期的層層驗(yàn)證以及監(jiān)管審批，依然要直面巨大的生物學(xué)黑盒。

換言之，藥物資產(chǎn)既是其估值的放大器，也是其風(fēng)險(xiǎn)的集中地。若候選藥物能夠成功推進(jìn)，以?xún)?yōu)異的臨床數(shù)據(jù)兌現(xiàn)遠(yuǎn)期里程碑與銷(xiāo)售分成，企業(yè)將獲得資產(chǎn)與技術(shù)雙重疊加的溢價(jià)；但如果臨床結(jié)果失效，單純的算法模型與概念敘事，將很難獨(dú)立支撐起資本市場(chǎng)對(duì)高估值的期待。

Exscientia（NASDAQ:EXAI，已退市）與賽諾菲的合作案例，恰恰暴露了 AI Biotech 模式最核心的商業(yè)風(fēng)險(xiǎn)：遠(yuǎn)期里程碑的高不確定性，與近期現(xiàn)金流的高消耗。雙方雖然簽訂了名義規(guī)模高達(dá)數(shù)十億美元的戰(zhàn)略協(xié)議，但這筆資金并不會(huì)直接沉淀為當(dāng)期流動(dòng)性，等到項(xiàng)目逐步跨越臨床前驗(yàn)證、IND 申報(bào)、臨床試驗(yàn)、監(jiān)管審批和上市銷(xiāo)售等關(guān)卡后，它才可能分階段兌現(xiàn)。以 2024 年為例，Exscientia 雖將兩個(gè)項(xiàng)目推進(jìn)至下一節(jié)點(diǎn)，但實(shí)際觸發(fā)的里程碑付款僅為 1500 萬(wàn)美元，而其背后掛鉤的遠(yuǎn)期潛在權(quán)益則超過(guò) 6 億美元[10]。這意味著，企業(yè)一邊要承擔(dān)平臺(tái)研發(fā)、實(shí)驗(yàn)驗(yàn)證和管線(xiàn)推進(jìn)帶來(lái)的持續(xù)現(xiàn)金流出，另一邊獲得的卻是低頻、長(zhǎng)尾且高度不確定的現(xiàn)金流入。Exscientia 隨后選擇與 Recursion 合并 [11]，也反映了 AI Biotech 在“遠(yuǎn)期里程碑驅(qū)動(dòng) + 近期現(xiàn)金流壓力”之間的結(jié)構(gòu)性張力。

在上述三類(lèi)主體之外，基礎(chǔ)設(shè)施層同樣構(gòu)成 AI 制藥價(jià)值分配體系的重要組成部分。它包括云計(jì)算與 GPU 算力提供商、實(shí)驗(yàn)室自動(dòng)化設(shè)備廠商、生物數(shù)據(jù)與數(shù)據(jù)庫(kù)平臺(tái)，以及臨床數(shù)據(jù)治理與合規(guī)軟件服務(wù)商。這類(lèi)主體在“計(jì)算-實(shí)驗(yàn)-數(shù)據(jù)閉環(huán)”中提供底層支撐能力，同樣參與效率紅利的分配。

需要區(qū)分的是，“產(chǎn)業(yè)價(jià)值的最大承接者”與“資本市場(chǎng)中的最佳投資標(biāo)的”并不等價(jià)。大藥企雖然可能吸收最多效率紅利，但由于其體量龐大，邊際效率改善對(duì)整體估值影響有限；而 AI Biotech 雖然不確定性更高，但由于收入和融資結(jié)構(gòu)的杠桿效應(yīng)，其股價(jià)對(duì)邊際進(jìn)展更為敏感。

將三類(lèi)路徑放在一起，我們可以清晰看到 AI 制藥正在出現(xiàn)三個(gè)結(jié)構(gòu)性趨勢(shì)：

因此，AI 制藥商業(yè)化的核心拷問(wèn)，已經(jīng)從“AI 能不能提效”的技術(shù)命題，轉(zhuǎn)向了“紅利如何分配”的商業(yè)博弈。大藥企收割內(nèi)部效率，平臺(tái)商爭(zhēng)奪復(fù)購(gòu)與流水分成，AI Biotech 則博取管線(xiàn)權(quán)益與資產(chǎn)價(jià)值。

在這場(chǎng)博弈中，三條路徑沿著一條清晰的坐標(biāo)軸展開(kāi)：確定性依次下降，價(jià)值上限依次上升。

03

必須承認(rèn)的是，本文探討的三條紅利分配路徑和價(jià)值兌現(xiàn)的理論基礎(chǔ)均建立在“AI 在早期研發(fā)技術(shù)可行”的現(xiàn)階段紅利之上。

從強(qiáng)生案例看，AI 制藥技術(shù)已經(jīng)能夠參與候選線(xiàn)索生成、先導(dǎo)優(yōu)化、實(shí)驗(yàn)數(shù)據(jù)處理和文檔流程自動(dòng)化。這主要得益于產(chǎn)業(yè)當(dāng)前正迎來(lái)的三重疊加機(jī)遇：

但對(duì)于醫(yī)藥產(chǎn)業(yè)來(lái)說(shuō)，技術(shù)可行只是上半場(chǎng)的效率提速，真正決定 AI 制藥能否徹底顛覆制藥工業(yè)的，是遠(yuǎn)期邁向“臨床可行”的終極跨越。

如果有一天 AI 制藥真正跨過(guò)了“臨床可行”這道關(guān)口，那就意味著 AI 不僅能縮短早期篩選時(shí)間，還能系統(tǒng)性地提高臨床試驗(yàn)成功率——這也就是大眾敘事中所謂的“AI 發(fā)現(xiàn)神藥”。

但這顯然不是當(dāng)下正在發(fā)生的事實(shí)。目前，即便強(qiáng)生這類(lèi)頭部玩家也承認(rèn)，依靠 AI 直接發(fā)現(xiàn)新產(chǎn)品并將其推向市場(chǎng)“仍有一段距離”。

盡管英矽智能等公司已推動(dòng) AI 參與設(shè)計(jì)的候選藥物（如倫托司替）完成了臨床 Ⅱa 期試驗(yàn)階段，但這也僅僅是把驗(yàn)證場(chǎng)景從模型推進(jìn)到了人體試驗(yàn)。AI 篩出的候選分子，依然無(wú)法跳過(guò)體外實(shí)驗(yàn)、動(dòng)物實(shí)驗(yàn)、毒理研究、以及極其昂貴且充滿(mǎn)不確定性的 Ⅲ 期臨床試驗(yàn)與監(jiān)管審批。

在長(zhǎng)周期、大樣本的臨床最終療效與安全性數(shù)據(jù)出爐之前，AI 制藥技術(shù)的定位依然是藥企的“控本提效工具”，而非“神藥發(fā)明機(jī)器”。這意味著，AI 制藥并沒(méi)有顛覆經(jīng)典生物學(xué)與臨床醫(yī)學(xué)的底層規(guī)則，它改變的是尋找正確分子的“速率”，卻無(wú)法豁免生物體內(nèi)真實(shí)代謝的“規(guī)律”。

歸根結(jié)底，AI 制藥的上半場(chǎng)是一場(chǎng)關(guān)于算法與算力的“效率比拼”，而決定下半場(chǎng)生死的，則是一場(chǎng)關(guān)于臨床資產(chǎn)與真實(shí)商業(yè)現(xiàn)金流的“價(jià)值重塑”。技術(shù)可行性讓 AI 制藥登上了制藥工業(yè)的舞臺(tái)，但只有臨床可行性，才決定它最終是作為 CRO 式的邊際工具留在幕后，還是作為基礎(chǔ)設(shè)施去重新定義下一個(gè)時(shí)代的行業(yè)版圖。

【聲明：本文僅基于公開(kāi)資料進(jìn)行行業(yè)研究與信息分析，不構(gòu)成任何投資建議、證券推薦或買(mǎi)賣(mài)依據(jù)。文中涉及的股價(jià)、市值及財(cái)務(wù)數(shù)據(jù)具有時(shí)點(diǎn)性，市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎。】

參考資料：

[1] Reuters, 《J&J sees AI halving the time to generate drug development leads》,https://www.reuters.com/business/healthcare-pharmaceuticals/jj-sees-ai-halving-time-generate-drug-development-leads-2026-04-27/

[2]Sanofi，《Digital & AI》，https://www.sanofi.com/en/our-science/digital-artificial-intelligence

[3]華東醫(yī)藥，《公司研發(fā)工作進(jìn)展情況（截至2026年4月）》，https://www.eastchinapharm.com/innovate.html#innovate_sec1

[4]證券時(shí)報(bào)，《AI 助力新藥研發(fā)破局 上市公司搶灘黃金賽道》，https://www.stcn.com/article/detail/1171882.html

[5]Recursion，《Recursion Reports Fourth Quarter and Full Year 2025 Financial Results and Provides Business Update》，https://ir.recursion.com/news-releases/news-release-details/recursion-reports-fourth-quarter-and-full-year-2025-financial

[6]Schr?dinger，《Schr?dinger Reports Fourth Quarter and Full-Year 2025 Financial Results》，https://ir.schrodinger.com/press-releases/news-details/2026/Schrdinger-Reports-Fourth-Quarter-and-Full-Year-2025-Financial-Results/default.aspx

[7]Isomorphic Labs，《Isomorphic Labs announces Series B investment round》，https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-series-b-investment-round

[8]Nature Medicine，《A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial》，https://www.nature.com/articles/s41591-025-03743-2

[9]Insilico Medicine，《Insilico’s Rentosertib Inhalation Solution Receives IND Clearance for the World’s First AI-Driven Candidate to Enter Direct-to-Lung Clinical Study》，https://insilico.com/news/pdmncgky51-insilicos-rentosertib-inhalation-solutio

[10]Businesswire，《Exscientia Achieves Milestones for Two Programmes in Sanofi Collaboration》，https://www.businesswire.com/news/home/20241016255653/en/Exscientia-Achieves-Milestones-for-Two-Programmes-in-Sanofi-Collaboration

[11]The Times，《British drugs developer Exscientia is snapped up for $688m》，https://www.thetimes.com/business/companies-markets/article/exscientia-bought-for-688m-by-american-pharma-business-recursion-lwxxrjdzl?