第一章：临床验证元年——AI 药物管线从 4 到 179 的爆发

2026 年被行业称为 AI 制药的「临床验证之年」。最核心的数据变化是：全球 AI 设计或优化的药物临床管线从 2017 年的 4 个飙升至 2026 年 6 月的 179 个，其中 9 个已进入 III 期临床。尽管迄今尚无一款完全由 AI 从头设计的药物获批上市，但管线规模的量级跃升意味着 AI 已从论文概念变为临床现实。

1.1 标志性事件：全球首款 AI 全程驱动药物进入 III 期

2026 年 7 月，英矽智能宣布 rentosertib（INS018_055）正式启动 III 期确证性试验，计划在 47 个中心招募约 320 名特发性肺纤维化（IPF）患者。这款药物的里程碑意义在于：2021 年由 Pharma.AI 平台在 18 个月内从零发现 TNIK 新靶点并设计出全新小分子（合成测试分子不足 80 个，传统需筛选上千个），2023 年进入 II 期（中美同步），2025 年 IIa 期取得积极疗效信号——全球首个在《Nature Medicine》发表阳性概念的 AI 设计药物。若 III 期成功，它将成为全球首款 AI 全程驱动上市的新分子实体。

1.2 AI 制药管线的全球格局

全球 AI 制药赛道可粗分为三种范式：一是 AI 赋能的 CRO/基础设施提供商（如晶泰科技，构建「AI 模型+量子物理计算+机器人自动化实验室」一体化研发系统）；二是 AI 原生生物技术公司（如英矽智能，以自研临床管线为核心驱动）；三是大厂 AI 平台（如 Isomorphic Labs/谷歌，提供 AlphaFold 等基础工具）。

第二章：MNC 排队下单——跨国药企为何押注 AI 制药

2026 年上半年，英矽智能先后与施维雅、礼来、SK 生物制药及武田制药达成战略合作，四笔合作潜在总价值接近 70 亿美元。2026 年 1 月，AI 制药领域在短短十五天内就发生了超过 9 起合作，总额超 60 亿美元。礼来与英伟达出资 10 亿美元共建 AI 药物共创实验室。Isomorphic Labs 2026 年 5 月完成 21 亿美元 Series B 融资。

2.1 跨国药企的递进式下注逻辑

MNC 的下注不是一次性押宝，而是递进式验证后的加码。以英矽智能为例：2026 年 1 月施维雅合作（潜在总额 8.88 亿美元，首付款 3200 万美元）→ 3 月礼来扩大合作（潜在总额 27.5 亿美元，首付款 1.15 亿美元）→ 7 月武田合作（潜在总额 6 亿美元，启动费约 6000 万美元）。首付款从 3200 万美元逐步升至 1.15 亿美元——这不是风险投资，而是阶段性验证后的商业承诺。武田首席科学官 Chris Arendt 直言：「此次合作标志着武田向 'AI 原生' 药物发现模式转型的又一里程碑。」

2.2 为什么大药厂愿意掏数亿美元首付

核心逻辑在于：英矽智能的 Pharma.AI 不只产出漂亮论文或筛选已知化合物库，更在真实项目中从零发现新靶点、从头设计全新骨架分子、提名可专利的临床前候选化合物（PCC）。这正是大药厂愿意将 AI 从「辅助工具」升级为「药物发现主导引擎」的根本原因。阿斯利康 2025 年 6 月与石药集团达成 AI 药物发现合作，潜在总额 53.3 亿美元。药企的判断是：AI 设计的分子越多越复杂，需要合成与验证的湿实验需求越大——而大药厂拥有多年积累的内部实验数据、毒性数据、临床数据和失败记录，这些「未发表的失败」恰恰是 AI 模型迭代最稀缺的养料。

第三章：CXO「卖铲人」逻辑兑现——AI 设计 + 湿实验闭环

一个反直觉的发现是：AI 不仅没有削弱 CXO 的价值，反而成了 CXO 项目来源的超级加速器。药明康德在回应投资者时明确表态：尽管 AI 能高效设计分子结构，但仍需一体化 CRDMO 平台进行合成交付与生物验证，形成「AI 设计 + CXO 赋能落地」不可分割的产业闭环。翻译成商业语言：AI 设计出的分子越多，需要合成与验证的湿实验需求越大，CXO 的订单越多。

3.1 药明康德的业绩兑现

药明康德 2025 年营收 454.56 亿元创历史新高，在手订单 597.7 亿元。2026 年上半年整体营收保持高增长，经调整 Non-IFRS 净利率达 40%，公司将全年收入预期从 513—530 亿元上调至 585—605 亿元，增速预期从 18%—22% 上调至 35%—39%。多家券商（方正证券、华源证券、美银证券、摩根士丹利）密集发布研报看好。2026 年上半年国内创新药企 BD 交易首付款总额超 49.75 亿美元（同比 +71.65%），对外授权合作达 81 笔，交易总规模约 1100 亿美元。

3.2 GLP-1——AI 制药商业化最快赛道

口服 GLP-1（降糖/减重）是 AI 制药中商业化最快的赛道。德睿智药获 5200 万美元 B 轮融资，其 AI 设计的口服 GLP-1 小分子 MDR-001 已进入 III 期临床。翰宇药业与华为云合作 AI 工艺优化平台，研发周期缩短 45%，2026 年累计签下超 5 亿元 GLP-1 原料药订单。华东医药口服 GLP-1 双适应症 III 期完成入组，2026 年 Q4 递交 NDA。这条赛道同时验证了「AI 设计 → 临床 → 商业化」的全链路可行性。

第四章：AI 原生药企的组织重构——从工具到系统

德睿智药创始人兼 CEO 牛张明对 AI 原生药企的定义是：「不是把 AI 当工具，而是让制药公司更接近一个能快速迭代的 AI Native 公司。」其 MAP（Molecule Arts Platform）分为三层：AI 设计层（PharmkGPT 生物学平台 + Molecule Pro 小分子制药平台 + Molecule Dance 结构生物学平台）、干湿互补实验平台（Proxima Matrix 干实验仿真 + Proxima Foundary 湿实验室同步运转）、Clinical Pro 临床 AI 平台（将临床反馈纳入研发系统校正前期判断）。200 张自研显卡训练生物医药基座大模型，自建数据产线——这是「AI 员工」范式在制药领域的具象化。

4.1 三种 AI 制药范式的组织差异

第五章：对企业经营的含义——AI 员工 × 流程治理 × 经营重塑

从 AICOR 的三重内核来看，AI+制药产业的变革对企业经营有清晰的映射：

5.1 AI 员工（组织形态）：制药从「试错式」到「标准化创造」

德睿智药 CEO 牛张明的表述精准：「传统新药研发高度依赖资深专家经验，需要合成数百上千个分子反复试错。AI 的突破正有望将大海捞针般的『试错式』新药研发模式，转变为由数据驱动的可计算、可迭代的『标准化创造』。」这意味着制药企业的组织形态正在从「人力密集型试错」转向「AI 驱动的计算+实验闭环」。英矽智能 9 个月内提名 9 个候选药物（PCC），创公司历史记录——这是 AI 员工在制药领域的产能兑现。

5.2 流程治理（运行机制）：干湿实验闭环

AI 制药不是用 AI 替代湿实验，而是构建「模型提出假设 → 实验验证 → 数据回流 → 继续优化」的闭环。药明康德的表述精准：「AI 设计出的分子越多越复杂，需要合成与验证的湿实验需求越大。」这意味着流程治理的核心是建立干实验（AI 计算）与湿实验（实验室验证）之间的标准化接口和数据回流机制。德睿智药的 Clinical Pro 平台已依托 GLP-1 管线沉淀超 1300 例脱敏临床相关数据——这是流程治理前置的具体化。

5.3 经营重塑（商业模式）：从卖药到卖发现能力

英矽智能 2026H1 收入 1.06 亿美元（+287%），首次扭亏为盈。收入来源不是药品销售（III 期尚未完成），而是对外授权和合作——本质上是「卖 AI 发现能力」。2026 年合作总额约 73 亿美元，累计合作总额约 110 亿美元。这种商业模式与传统药企「卖药」有本质区别：药企为更快的发现能力付费，但不会在临床结果出现前为全部想象提前付款——首付款仅 1.15 亿美元 vs 潜在总额 27.5 亿美元。这意味着 AI 制药企业的收入模型是「首付款 + 里程碑 + 专利费」的递延结构，而非一次性产品销售。

数据口径与来源说明