合作热潮升温全球AI制药产业价值加速兑现英矽智能引领中国企业成长

2026-05-27 09:52

手机浏览

一、传统制药周期长、投入大、风险高，AI赋能行业效果突出

AI制药，是依托机器学习、深度学习、生成式大模型、计算机视觉、大数据分析等人工智能技术，应用于药物靶点发现、化合物分子设计、临床前研究、临床试验、药品生产质控、上市后监测等药物全生命周期的新型制药模式。

传统创新药研发依托经验假设与反复试错，普遍陷入 “双十困境”，新药平均研发周期超十年、投入逾 10 亿美元，整体成功率仅 10% 左右。该模式依靠文献经验确定靶点，再开展大规模分子筛选与多轮实验验证，不仅周期长、成本高，且研发随机性大，不少资源都损耗在无效试错环节。

而人工智能彻底重塑了传统研发模式，全面渗透至靶点发现、分子设计、临床试验乃至商业化等全流程。在靶点挖掘环节，AI 借助深度学习、知识图谱及多组学数据，可高效定位疾病关键靶点；分子筛选阶段，AI 能在海量虚拟分子库中快速甄别优质候选分子，还可自主设计全新药物结构，摆脱了传统模式 “大海捞针” 的局限；进入临床阶段，AI 还可优化患者招募、用药剂量与试验流程，进一步提效降本。

据数据，AI 设计的药物分子 I 期临床成功率可达 80%—90%，显著高于行业 40%—65% 的均值。整体来看，AI 技术有望将新药研发综合成功率从当前 5%—10% 提升至 9%—18%，行业赋能效果突出。

AI 在药物研发主要流程发挥作用

流程	痛点	AI 赋能	AI 技术
靶点发现	依赖人工阅读科研文献和经验，花费时间长，且难以发现新靶点	AI 处理海量文献专利发现药物和疾病关系，快速找到有效靶点，缩短靶点发现周期	NLP、DL
化合物合成	花费时间长，效率低	利用 AI 学习海量现存化学反应，推荐化合物合成路线并优化反应条件	ML、DL
化合物筛选	成本高，效率低	使用虚拟筛选遴选出具有潜在成药性的活性化合物，降低实验筛选化合物数量，降低资金投入，缩短筛选周期	CV、DL
晶型预测	耗时长，筛选合适晶型困难	通过 AI 模拟晶型药物晶型筛选，可在短时间选出稳定性强的最佳药物晶型	DL、ML
患者招募	招募适合入组患者难度高、周期长	使用 AI 技术提取患者数据，快速匹配最合适入组患者，降低临床开发风险	NLP、DL、ML、OCR
临床试验设计及优化	优化受到局限，效率低	AI 通过机器学习和认知计算能力，从海量靶点、临床试验数据中学习成功和失败经验，设计优化当前临床试验方案	NLP、DL、ML
药物重定向	效率低，很难找到最适适应症	使用 AI 技术开发新适应症，将老药与罕见疾病快速匹配	NLP、DL

资料来源：观研天下整理

二、AI制药产业价值兑现进入加速期，预计2026年全球市场规模将达30亿美元

AI制药行业经历了“基础研究期”、“初步拓展期”、“技术提升期”、“快速扩张期”等多个发展阶段，目前行业持续快速扩张，随着相关商业化应用的陆续落地，AI制药行业有望迎来密集收获期。

AI制药行业发展历程

发展阶段	时间	发展情况
基础研究期	1990年-2021年	在基础研究期，AI制药行业经历了从理论探索到初步应用的转变。1990年代以来，深度学习、自然语言处理等AI技术取得显著进展，为药物研发提供了新的思路。然而，受制药行业复杂性和对AI技术认知接受度低的限制，AI在制药领域的应用主要停留在简单探索和概念验证阶段。
初步拓展期	2013年-2017年	进入初步拓展期，AI制药行业开始展现出更广泛的应用潜力。生成对抗网络等新型神经网络结构的出现，为药物分子生成与靶点预测等提供了新的工具。Insilico Medicine等企业的研究证实了AI在优化药物研发流程、提升化合物质量方面的可行性。这一阶段，AI制药逐渐引起了制药企业和研究机构的关注，为行业的进一步发展积累了经验和数据。
技术提升期	2018年-2019年	IBMWatson和DeepMind的AlphaFold分别在临床试验匹配和蛋白质结构预测上取得重大突破，引发了一轮投资热潮。大量资本的涌入推动了相关技术的快速发展，AI制药在药物设计品质和效率上得到了显著的提升。这一时期，AI制药技术得到进一步完善，为行业的快速扩张奠定了基础。
快速扩张期	2020年至今	自2020年起，AI制药行业进入了快速扩张期。AI技术已广泛应用于药物研发全流程和疾病诊断等领域，企业多元化发展且竞争日益激烈。

资料来源：观研天下整理

当下全球制药行业正迎来关键转型拐点，AI 赋能已从概念验证走向规模化落地，成为产业变革的核心引擎。阿斯利康、辉瑞、强生、赛诺菲、诺华等全球前 20 大制药巨头均已与 AI 企业建立深度合作，通过技术协同加速研发创新。

2026 年以来，全球制药行业合作热潮持续升温，礼来与英伟达达成最高 27.5 亿美元的合作，阿斯利康、诺华等亦纷纷抛出重磅订单，年内全球药企 AI 合作交易规模已达数十亿美元，产业价值兑现进入加速期。预计2026年全球AI制药市场规模达30亿美元，2021-2026年CAGR达30.5%。

2026年以来制药巨头集体拥抱AI

时间	事件
1月	制药巨头礼来（LLY）与英伟达（NVDA）达成合作，将在未来五年内投资高达10亿美元建立研究实验室，旨在推进AI辅助药物发现基础模型的开发
4月	诺和诺德（NVO）与OpenAI达成全域战略合作，将AI覆盖药物研发、生产全流程，计划年内完成体系整合。
5月	生物制药巨头百时美施贵宝（BMY）宣布将为旗下超3万名员工接入Anthropic公司的Claude AI系统，全面深化AI在药物研发中的应用。
5月	赛诺菲宣布投入超20亿元扩建AI卓越中心，推动全业务链条智能化升级。此外，艾伯维（ABBV）搭建专属数据融合平台，阿斯利康（AZN）、强生（JNJ）等持续联动AI科创企业，挖掘全新药物管线。

资料来源：观研天下整理

数据来源：观研天下数据中心整理

三、国内AI制药企业多聚焦于小分子领域，全球龙头格局逐步显现

根据观研报告网发布的《中国AI制药行业发展趋势研究与未来前景预测报告（2026-2033年）》显示，AI制药企业可按两大维度划分：研发领域上，分为小分子与大分子两大方向；商业模式上，分为AI Biotech与AI CRO两类。

放眼海外，AI制药技术路线更为多元，格局尚未固化，整体可分为小分子 AI Biotech与大分子平台两大阵营，行业仍处于多路径探索阶段。代表企业中，Exscientia、Recursion 等深耕小分子全流程 AI 研发，凭借数据与技术壁垒与全球药企达成数十亿级合作；大分子领域则涌现出一批专注抗体、蛋白与基因药物设计的平台型公司，依托差异化算法与底层模型构筑竞争壁垒，整体呈现 “技术路线分散、头部尚未收敛”的竞争态势。

从国内市场看， AI Biotech 自主布局药物管线，成长空间大但研发风险高，估值多采用传统 rNPV 模型；AI CRO 则对外提供研发服务，现金流更稳健。当前国内市值较高的头部企业多聚焦小分子领域，核心代表为英矽智能与晶泰科技，二者定位差异显著：英矽智能偏向 AI Biotech，推进多条自研临床管线；晶泰科技更偏 AI CRO，以 “量子物理 + AI + 机器人” 平台提供研发服务，商业化落地更快。

国内外AI制药企业基本情况表

区域	公司英文名称	中文名称	总部	成立时间	商业模式	技术路线	核心优势	代表管线 / 客户
海外	Schrödinger	薛定谔	美国	1990	AI CRO + 部分自研	小分子为主	物理建模 + AI 分子设计	多家全球 Top 药企
	Recursion Pharmaceuticals	递归制药	美国	2013	AI Biotech（自研）	小分子全流程	超大自有生物图像数据库	罗氏、拜耳合作项目，5 条临床管线
	Exscientia	-	英国	2012	AI Biotech	小分子精准设计	AI 驱动靶点发现到 IND 周期缩短至约 1 年	DSP-001（强迫症，Ⅱ 期）
	BenevolentAI	-	英国	2013	AI CRO + 自研	小分子 + 老药新用	知识图谱 + 疾病机制推理	巴瑞替尼（新冠重定向）
	Isomorphic Lab	同构实验室	英国	2021	AI Biotech + 药企合作	大分子为主	依托 AlphaFold 技术，直接开展大分子 3D 结构设计	诺华、礼来、强生
	Evolutionary Scale	进化尺度	美国	2023	技术平台服务 + 自研	大分子为主	基于蛋白大语言模型生成蛋白序列，再转化为 3D 蛋白分子	面向生物医药企业提供蛋白设计技术服务
国内	Insilico Medicine	英矽智能	中国香港	2014	AI Biotech（自研为主）	小分子为主，端到端	Pharma.AI 全流程研发平台	Rentosertib（IPF，Ⅱa 期）
国内	XtalPi	晶泰科技	中国深圳	2015	AI CRO（技术服务）	小分子晶型 + 自动化	量子物理 + AI + 机器人实验室	药明康德、恒瑞医药等