投入25.6 亿美元研发一款产品，成功率只有3.5%。

若想研发一款行业首创（first-in-class）产品，这一数值还要再下降到1.2%。

这是传统制药行业如今研发一款新药的成本。

随着 AI 技术不断加速落地，AI+ 制药似乎也成为了一个高分答案：融资火热、创企众多、临床前药物开始出现……

由 NLP、深度神经网络，深度生成模型等 AI 技术组成，AI 制药能够通过数据交叉比对、加速筛选、从头生成等方式，有效提升新药研发效率，拓展药物创新空间。

以候选化合物研发为例，在代表案例中，AI 制药能够将时间投入从数年缩短到半年左右，实现了超过 50% 的效率提升。相对于之前的 CADD，AIDD 能够进一步考虑复杂的生物学特性，具有独特的创新作用。

但同时，落地成果有限、BT（生物）与 IT（信息）融合先天困难、高质量数据不足等质疑，仍围绕着这个行业。

2022 年，AI 制药究竟如何改造新药研发，又何时能够进入我们的生活？

AI 制药产业的真实现状如何，是否已经进入了从 1 到 10 的扩张阶段？

未来 AI 制药将何去何从，现阶段玩家呈现一种怎样的分布态势？

为了解答市场对 AI 制药的种种问题，量子位智库广泛分析调研了国内外的 AI 制药行业，在广泛采访从业者的基础上，撰写了《量子位 AI 制药深度产业报告》。

以下是报告中的七条关键趋势及详细解读：

1.AI 制药节点突破速率 5 年增长 18 倍，快速渗透新药研发

目前，AI 制药已取得一系列突破性进展，其成果正在快速渗透到传统新药研发流程中，并为整个行业所接受。

从代表案例来看，AI 制药取得的节点性突破，已从平均每月 0.08 个快速上升至每月 1.5 个。

仅 2021 年，公开的临床阶段产品已达 11 个，远超以往数年积累；突破重点也从过往的新靶点 / 候选化合物转移到了 IND-Enabling 产品，侧面证实 AI 制药正在加速取得更多突破。

从对制药行业的渗透来看，2021 年全球的 AI 制药管线已增长到 160 个，制药管线的整体数量却在持续下降。目前，在临床前管线中，AI 制药管线数量已达到一半，占整体制药管线的 10%。

从药厂合作态度来看，包括罗氏、诺华、辉瑞等全球 TOP 10 药企在内，传统药企与 AI 制药企业的平均合作次数已达六次以上，甚至出现了 MELLODDY、MLDPS 等由传统药企主导的大型 AI 制药联盟。据晶泰科技透露，与其合作的药厂数量已达到几十家。

2.AI 制药核心价值将从 " 虚拟筛选 " 转变为 " 首创化合物发现 "

AI 制药，主要优化的是新药研发流程中的药物发现和临床前研究两大环节。其中药物发现的 " 候选化合物发现 " 部分，是当前 AI 制药创企布局最为密集的板块。

在候选化合物发现中，虚拟筛选贯穿了全流程，AI 会基于深度学习网络和底层原理，对候选的分子性质（如生物活性、结构构效、靶点亲和力、ADMET 等）进行计算模拟，并通过打分筛选，得到相对理想的分子。

据量子位智库预测，干湿结合的药物研发新方式将成为重大趋势，大幅减少传统制药模式下随机或高通量筛选的投入。

但端到端化合物发现，才是业内公认 AI 制药最大的价值所在，因为它真正体现出 "think out of box" 的核心技术。

对分子化学结构进行研究后，AI 制药企业将通过生成对抗网络 GAN、强化学习等 AI 技术直接设计药物分子，减少甚至无需再从已有候选分子中进行筛选。

通过数据驱动，AI 不再受限于过往化合物设计中的编码规则、构建模块库等 " 既有经验 "，具备突破已有知识区间、设计全新分子骨架的能力。

3.AI 制药 4 年内将迎来 2 轮爆发式增长

现阶段，AI 制药正面临落地检验前的关键沉淀期，初创公司数量增长态势逐渐稳定，各自在订单、客户关系等方面形成门槛，并已有多家公司得到资本认可。

同时，行业有望迎来下一轮、乃至第三轮爆发式的增长，具体取决于 2023-2024 年和 2026 年两个时间节点：首先，AI 药物将首先接受 " 死亡之谷 " 临床二期的考验；随后，行业内将出现首个成功上市的药物。

据量子位智库预测，鉴于目前绝大多数临床阶段管线处于临床一期，2023-2024 年将出现跨越 " 死亡之谷 " 的临床管线，进一步证明 AI 技术对新药研发产业的颠覆性。

2026 年，预估将会出现首个上市的 AI 驱动药物，AI 制药行业的经济价值因此得到验证，政策、产业、消费市场对于 AI 驱动药物的态度及相关举措也将清晰，行业逐渐定型。与此同时，现有的管线及后续发展较快的管线，将大批进入临床 ，AI 制药的技术价值将得到规模化验证。

基于此，我们将我国的 AI 制药行业划分为 3 个阶段：2024 年之前的验证成长期、2025-2027 的批量验证期和 2027 年后的行业成熟期。具体描述及分析请参照完整报告。

4.2035 年国内市场总规模将增长至 2040 亿元

据量子位预测，2025 年 AI 制药总市场规模将达到 72 亿元，原因是短期内，行业会保持一定增长率，但总体市场规模相对有限，且增长主要来源于合作管线带来的首付款价值、以及极少数头部管线的里程碑付款。

2035 年，AI 制药市场规模将迎来大规模增长，主要有两方面原因。一方面，自研管线可变现数量有所增加；另一方面，AI 制药技术能力将得到大规模证明，预计合作管线数量将大幅增加，软件和节点式付款变现也将更为常见。

因此在 2035 年，自研管线市场规模有望达到 680 亿人民币，对外合作管线研发市场规模将达到 1350 亿美元，叠加其他相关收入，总市场规模达到 2040 亿人民币。

5.AI 制药短期难以延展出独特生态体系

目前，AI 制药产业链仍然长而复杂。

产业链上游以制药数据为核心形成一定体系，大部分公司负责为 AI 制药企业提供数据库 / 数据联盟、以及数据处理软件等工具。在这些企业中，具备高通量数据生成能力的智能实验室，逐渐成为数据公司的核心竞争力。

产业链中游，传统药厂和互联网公司值得关注。

传统药厂主要通过自建团队、对外投资、CRO 及技术合作等方式进入 AI 制药赛道；互联网公司多以对外投资、打造自有相关平台、提供算力及计算框架服务的方式成为玩家之一。

产业链下游，又分为直接面对消费者、传统药厂以及授权代理商三种方式。

整体来看，AI 制药强调企业与 CRO（合同研究组织）之间的关系，类似 " 技术外包 " 的特殊角色。一方面，AI 制药公司可以成为 CRO，但其本身发展也需要 CRO 在各个环节上予以配合，因此，与 CRO 的关系将对 AI 制药公司的临床项目及商业化进程产生重大影响。

6. 中外 AI 制药企业差距正不断缩短

据量子位智库统计，国内外创企在成立时间、融资轮次及上市进度、具体业务分布、对外合作状况上，均有明显差异：

最为明显的是上市进度。目前，国外 Schrodinger、Recusion、Relay Therapeutics、Lantern Pharma、Landos Biopharma 和 Exscientia 均已完成 IPO 上市，国内暂无上市公司。

此外，国内外 AI 制药企业在业务范围、在研管线及数量进度上也均有差异。

但在商业模式和具体业务上，国内外的思路基本相同，都分为承接传统药厂项目的 CRO 模式、自研 Pipeline 的 Biotech 模式和对外提供技术平台的软件模式。

整体而言，国内现阶段仍以 CRO 模式为主，借此实现快速变现、验证迭代技术实力、打开市场的作用，同时通过自研管线的模式，打造自身长期优势。

7. 自研数据能力成为 AI 制药企业重要竞争壁垒

目前而言，AI 制药行业还处于获取市场信任的阶段。长此以往，将形成 " 突破案例—合作及融资—相关基础设施建设—突破案例 " 的循环，行业马太效应也将逐渐显现。

技术上，取得突破性成果数量越多的 AI 制药企业，其算法将越受欢迎，而这一标准正逐渐成为业界共识，以此区分 AI 制药企业的技术成熟度。

在 AI 制药企业的技术、数据和业务三类竞争壁垒中，数据成为其中的关键要素，尤其是 AI 制药企业自研数据的能力。

这是因为，AI 制药所需的高价值数据更多的来源于智能实验室，传统药厂的数据壁垒相对有限。