AI drug discovery stands at the crossroads of bubble and validation: domestic financing in the first nine months of 2026 reached 15.765 billion yuan, exceeding the total of the previous three years

文章主体

也有投资人表示，他们今年已在布局AI4LS（AI赋能生命科学）相关标的，AI4LS正从单点预测，迈向多任务协同的新阶段；虚拟细胞、数字生命等概念的提出，将药物疗效预测带入全新范式，AI蛋白设计、AI合成肽、AI核酸药物等领域也值得关注。但整个赛道太火，当下的氛围，仿佛重现了2021年部分生物科技企业估值一年上涨两三倍的景象。

赛道的热度不等于成熟，数据困境、生物学因果理解的天花板、临床端的验证难题等仍是所有参与者必须直面的考题。

科技巨头入场

新药领域存在的反摩尔定律，限制了新药产出持续递减，这背后的原因在于：易挖掘的基础科研红利已消耗殆尽，找到优于现有药物的分子更加困难；监管态度审慎，管线研发投入巨大；同时热门靶点扎堆，有潜力的非共识靶点供给不足，也在进一步抑制新药产出。

去年下半年，华为制药军团成立。

今年6月，美国AI大模型巨头Anthropic正式发布AI科研工作台Claude Science。它并非全新基础模型，而是基于Claude Opus 4.8构建的多智能体系统，整合了超过60个科学数据库，预配置基因组学、蛋白质组学、化学信息学等领域的工具链，并强调结果可追溯、可复现。

今年9月份，字节跳动旗下AI制药公司Anew Labs以独立公司身份推向资本市场。

华为制药军团总裁樊杰对第一财经记者表示，华为制药军团的定位是医药行业的AI赋能者，而不是跟大家抢着做药。华为来自计算机通信领域，并非生物、化学领域，因此着重发挥自己的特长。

科技巨头的入局，加剧了行业竞争。

在他看来，投资者对不同的AI制药公司评估标准会有很大不同。对于英矽智能这类已进入成熟期的公司，评估标准往往是有多少创新靶点、有多少项目进入临床、商业模式能否落地。对于初创的AI制药公司，看的还是团队、技术、数据、算法等。

“它们还处于只谈技术的朝阳时期，没有人要求它们去落地。”任峰说，但最终它们也得进入下半场，会被评估商业化落地能力。

投中嘉川CVSource数据显示，2026年前九个月，国内AI制药赛道共完成57笔投资，44家企业获得融资，披露融资总额高达157.65亿元，超过了2023年、2024年和2025年三年的总和。但融资金额大涨的同时，投资笔数和被投企业数量并未同步增长，投资金额最大的四笔合计约95亿元，占全赛道融资总额的六成。

“当前AI制药赛道已经走过早期概念期，管线数据是最直观的印证：行业管线从2017年的4条，增长至约179条，其中9条进入三期临床。”在大会上，国方创投合伙人韦亚光说，资源与资本明显向头部集中，不少标的估值溢价显著，公司内部模型测算，看过的标的估值溢价区间大致在40%至180%。

“在制药层面用不了那么大的算力，当下最难的就是数据，数据孤岛、数据分布不均，质量差、脏数据太多。”韦亚光说。

药企的实验数据带有知识产权，不愿对外共享，公开数据集相对于庞大的生物搜索空间只是沧海一粟。对于数据，任峰表示，他们的做法是用开源的数据来帮助他们建立模型，同时，以内部实验的数据反馈和优化，做实验的过程中不断地优化和反馈模型。

百图生科联合创始人、CEO刘维对第一财经记者表示，他们坚持做生命科学底层“操作系统”、定位行业赋能者，不靠管线变现，而是自建实验室、打造干湿一体化闭环，用持续产出高质量生物数据的方式，弥合大模型投入周期和新药研发节奏之间的鸿沟。

刘维回顾，早期AI药物公司大多聚焦小分子：化学空间相对可控、合成工艺成熟，AI更多扮演提效工具，药企研发链条没有发生本质变化。但从头（de novo）对上千氨基酸序列做全新设计，则是完全不同的赛道，有助于开发FIC（首创新药），但随之而来的免疫原性、安全性风险更高，倒逼行业将安全性评价大幅前置，药企研发、决策、监管沟通逻辑面临被重塑。

韦亚光认为，AI 制药的下一个主战场，是挖掘生物学层面的因果关系，这是行业能否突破天花板的核心。今年或将成为中国虚拟细胞元年，行业正在探索：AI 能否识别、习得人类已有经验之外的生物因果规律，打破生物学认知瓶颈。如果这一层无法实现突破，就必须正视行业历史教训 ——估值泡沫客观存在，市场的乐观预期不可能永久延续。

“虚拟细胞是下一个星辰大海。”刘维认为，虚拟细胞对靶点发现、药物功能研究、安全性评价及早期临床预测的作用刚刚显现；当前AI在细胞问题上的准确度还不高，未来几年细胞实验技术进入黄金期后，虚拟细胞才能从可用走向准确。

“避开叙事的线”

中国的创新能力与创新规模已经成为全球医药创新的第二位，但与美国相比依然存在差距。

在大会上，中国医药创新促进会首席专家宋瑞霖提供的一组数据显示：截至2024年7月，中国拥有1775种First-in-class研发管线，占全球份额19%，而美国以4511种占48%，源头创新，依然任重道远。“AI赋能医药创新正在加速推进，且医药创新恰是最需要AI、也与AI相互需求的产业。”

对于AI制药目前所处的阶段，樊杰借用Gartner Hype Cycle（技术成熟度曲线）作出判断：行业仍处于预期快速上升的“过热期”，尚未进入全面成熟阶段。但“过热”并不意味着技术没有价值，而是市场预期可能领先于实际落地进度。

目前，蛋白质结构预测、分子动力学模拟、分子生成与筛选等部分能力已逐渐应用于研发，AI也被用于研发文档处理、情报分析、专利分析以及部分药代动力学和毒理学预测，问题在于，这些能力仍分散在不同环节。

“很多点已经成熟，但整个链还没有串起来”。樊杰表示，从靶点发现与验证，到候选分子生成、湿实验筛选，再到临床前研究和临床开发，药物研发涉及一系列相互衔接的判断。只有将模型预测、实验验证和结果反馈连接起来，AI才能在真实数据中持续迭代。

任峰表示，当前AI制药行业的泡沫必然存在，任何新兴赛道，尤其像AI这样技术高速迭代扩张的领域，发展过程中一定会伴随泡沫出现，关键在于泡沫退潮之后，企业依靠什么站稳脚跟、支撑自身价值。“对我们而言，倘若AI的泡沫退去，真正能够托住公司市值的，只能是实打实的产品管线、二期和三期临床项目，这些才是硬核资产。”

“明年将是AI制药行业至关重要的观察窗口，也是行业叙事重构之年。一些药物三期管线数据将会揭晓，市场也会重新定价AI制药：估值是维持、上行，还是回调。我们筛选AI制药标的，核心看四点：是否拥有独家数据、能否跑通干湿闭环、能不能拿出可定价的临床证据、商业模式是否选择自研管线路径，最后是估值落在公司期权模型可承受区间，我们还是希望挣验证的钱，避开叙事的线。”韦亚光说。

（文章来源：第一财经） 正文中部 内嵌广告