AI制药：是“救命稻草”还是“昂贵玩具”？深度拆解AI在医药研发中的真实现状
大家好，我是你们的财经记者。今天我们要聊一个听起来很“高大上”，但和每个人健康都息息相关的话题：AI到底能不能帮我们更快、更便宜地造出好药？
最近，在2026张江药谷大会上，发生了一件大事：全球首个完全由AI“生”出来，并且推进到临床试验最后阶段（三期）的药物——Rentosertib，刚刚迎来了第一位患者。这听起来像是科幻电影照进现实，但背后的故事却充满了焦虑、争论和冷静的现实考量。
简单来说，AI确实让“找药”变得又快又便宜，但“验药”依然难如登天。下面，我将把这篇复杂的行业新闻拆解成五个方面，用大白话带你看懂这场“AI制药”的狂欢与冷静。
---
1. 现状：AI造药进入“深水区”，连诺奖得主都紧张了
以前我们觉得AI制药还停留在“画饼”阶段，但现在，它真的走到“临门一脚”了。
核心事实：
英矽智能（Insilico Medicine）开发的一款治疗肺纤维化的药，已经进入了三期临床试验。这是全球第一个完全由生成式AI驱动研发并走到这一步的药物。
为什么大家紧张？
连2013年诺贝尔化学奖得主迈克尔·莱维特（Michael Levitt）都坦言：“公司上下有点紧张。”为什么？因为三期临床是药物研发的“终极大考”。
- 前两步（发现药）： AI做得很好，像是一个超级高效的“筛选器”。
- 最后一步（验证药）： 这是真金白银的投入，也是生死攸关的时刻。如果三期失败，之前省下的钱可能都不够赔进去的零头。
通俗解读：
这就好比AI是一个天才厨师，它能极快地设计出完美的菜谱（分子结构），甚至把食材切得整整齐齐（临床前测试）。但是，菜好不好吃，能不能让人吃饱不拉肚子，必须让100个真实的食客（患者）吃下去，观察一年甚至更久，才能知道结果。现在，这道菜刚端上了第一位食客的餐桌，所有人都在屏住呼吸。
---
2. 优势：AI在“找药”环节是降维打击，省钱省时90%
虽然最后一步很难，但AI在前面的“找药”环节，确实展现了惊人的效率。
数据对比（传统 vs AI）：
- 找靶点（确定治什么）： 传统方法花1年、9400万美元；AI只要2个月、200万美元。
- 找苗头化合物（初步筛选）： 传统方法花1.5年、1.66亿美元；AI只要4个月、400万美元。
- 优化先导化合物（精修配方）： 传统方法花2年、4.14亿美元；AI只要11个月、200万美元。
结论：
在药物发现的早期阶段，AI把成本砍掉了90%以上，时间也缩短了一大半。
通俗解读：
传统制药像是在茫茫大海里捞针，不仅慢，还特别费油（资金）。AI就像装了一个超级声呐和自动导航系统，能直接定位到针大概在哪片海域，甚至直接捞上来。这一步，AI是绝对的“效率之王”。
---
3. 痛点：从“原子”到“人”，中间隔着一条巨大的鸿沟
既然AI这么厉害，为什么不能直接预测三期结果，省掉那些昂贵的临床试验呢？这就是目前最大的技术瓶颈。
核心矛盾：尺度鸿沟
诺奖得主莱维特指出：我们有很好的模型来模拟原子、电子、蛋白质，但没有很好的模型来模拟“人”。
- 计算机里的分子是标准的、纯粹的。
- 现实中的患者是复杂的、独特的。100个患者，基因、体质、生活环境都不同。
行业争论：AI在临床端到底有没有用？
- 悲观派： 有人说临床端AI没用，因为人太复杂。
- 理性派（黄小鲁）： AI不是没用，是“不好用”。因为AI说的是“向量、评分”（机器语言），医生问的是“入组、逃逸、打捞”（临床语言）。两者之间存在语义鸿沟。
通俗解读：
这就好比AI是一个精通物理学的工程师，它能算出桥梁在理论上能承受多少吨。但是，当真的有一群性格各异、体重不同、走路姿势不同的行人走上桥时，AI很难精准预测每个人会不会滑倒。目前，AI还缺乏一个能完美模拟“真实人类群体反应”的超级大脑。
---
4. 风险：二期是“生死线”，AI需要帮药企做“止损”决策
在药物研发中，有一个阶段被称为“最贵且最危险”的阶段，那就是从二期到三期的转化。
残酷的数据：
- 二期到三期的成功率只有 28.9%。
- 三期临床单项成本高达 1900万至1.27亿美元。
- 一旦三期失败，之前的投入基本归零。
AI的新角色：从“发现者”变成“决策顾问”
无锡自然常数科技的黄小鲁提出，AI现在最该干的活，不是去发明新药，而是帮药企在二期结束时做判断：这个药到底该不该进三期？
- 如果AI能提前识别出“这个药大概率会失败”，药企就可以省下几亿美元的冤枉钱。
- 这就是所谓的“In Silico Second Opinion”（计算推演决策辅评），相当于给临床决策加一个“第二意见”。
通俗解读：
这就好比创业。AI帮你快速做出了产品原型（二期），现在你要决定是投入几千万去大规模推广（三期），还是直接放弃。AI的作用，就是帮你分析数据，告诉你：“老板，根据历史数据和模型推演，这个项目失败概率高达70%，建议止损。” 在这个阶段，药企最愿意花钱买的就是这种“确定性”。
---
5. 未来：打破“数据孤岛”，谁有独家数据谁就赢
最后，我们要看到行业面临的深层挑战：同质化和数据壁垒。
两大卡点：
1. 模型同质化： 很多药企都用同样的开源AI模型，导致大家找出的药可能长得差不多，缺乏差异化。
2. 数据孤岛： 这是最核心的问题。AI要变聪明，需要喂数据。但药企最宝贵的数据是“失败数据”（为什么这个药没成功？）。
- 成功数据大家愿意分享。
- 失败数据大家死死捂住，因为那是商业机密，也是教训。
未来的赢家是谁？
上海医药的田正隆指出：谁能打破数据孤岛，建立起包含大量“成功+失败”数据的私有数据池，并让AI在其中形成闭环反馈，谁就拥有了不可替代的价值。
通俗解读：
现在的AI制药，有点像大家都在用同一款通用的“做菜APP”。虽然APP很好用，但大家做出来的菜味道都差不多。
未来的竞争，不在于谁用的APP版本更高，而在于谁拥有独家菜谱和独家食材（数据）。如果你能收集到别人不敢分享的“失败案例”，并让AI从中学习，你的AI就会比别人的更懂“坑”在哪里，从而做出更精准、更独特的药。
---
总结
AI正在重塑医药研发，但它不是魔法，而是强大的工具。
- 它擅长： 快速、低成本地“找”药（前两个阶段）。
- 它不擅长： 精准预测“人”的反应（三期临床），以及处理复杂的临床决策。
- 关键突破点： 打通“计算语言”与“临床语言”的鸿沟，以及打破“失败数据”的孤岛。
对于普通人来说，这意味着未来可能会有更多新药以更低的价格问世；对于投资者和从业者来说，不要盲目崇拜AI，要看谁真正解决了“从0到1”的数据闭环问题。AI制药的“上半场”（降本增效）已经打完，现在进入的是“下半场”（提升成功率与决策精度），这才是真正的硬仗。