当 AI 制药冲过死亡之谷：从湿实验到干实验的范式迁移与三道坎

朋友圈一定刷到过这句话——"AI 把新药研发从 10 年 20 亿美元，砍到了 18 个月"。

听着很爽？

我先查一遍：18 个月是真的，但它指的是"从靶点到临床前候选提名"这一段，不是"到获批上市"。把这两段混为一谈，就是典型的不核查爽文。

今天把"AI 制药"这层叙事拆开：它到底是革命，还是又一场被周期夸大的故事。

一、先说结论

• AI 制药的本质，是研发范式从"湿实验优先"向"干实验优先"迁移：用生成式化学 + 蛋白质结构预测，把最烧钱、最靠运气的苗头发现阶段，搬到计算机里先做一遍。
• 它确实大幅压缩了"苗头发现 / 候选提名"周期（Insilico 自述约 18 个月 vs 传统 4–6 年），但救不了"临床失败"这道坎——AI 缩短的是上半场，下半场该做的随机对照试验一个都不少。
• 真实进展存在：首个 AI 发现的分子 rentosertib 在特发性肺纤维化（IPF）的 Phase IIa 给出正向肺功能信号（Nature Medicine, 2025），但样本仅 71 人，仍需更大规模、更长周期的试验验证。
• 商业化仍在极早期：至今没有任何一款"纯 AI 设计药物"拿到 FDA 批准；多数公司的"AI 收入"其实是合作首付款 / 软件订阅，平台直接收入占比很小（以泓博医药为例）。
• 对产业方 / PE-VC 的含义：范式迁移 ≠ 业绩兑现。估值锚应放在"管线 NPV + 平台复用率"，而非"AI 概念溢价"。

二、反转：爽文叙事哪里错了

爽文说法："AI 马上取代药化，10 年 20 亿变 18 个月，传统药企要被颠覆了。"

实际数据：18 个月这个数字，来自 Insilico 对自身 rentosertib（ISM001-055）项目"靶点发现 → 临床前候选提名（PCC）"阶段的自述（Insilico 公开材料 / healthcarediscovery.ai 行业梳理, 2026）。而 Nature Medicine 在 rentosertib 论文中引用行业平均：一款新药从立项到上市仍需 10–15 年、$2–3B（Nature Medicine, 2025-06-03）。两段周期，差着一个数量级。

偏差在哪：把"苗头发现周期"偷换成"新药上市周期"；用单点突破（一个分子进了临床）替代全周期成功率（行业整体约 90% 损耗率）。爽文爱谈"加速"，却绝口不谈"加速后的分子照样会在 Phase II/III 倒下"。

三、真论点：机制拆解——湿实验到干实验，到底变了什么

要拆穿叙事，先得说清范式迁移到底改了哪一层。传统药物发现是"湿实验优先"：先养细胞、做 assay、跑高通量筛选，命中苗头后再优化。干实验优先则把顺序倒过来——

1. 靶点发现层：用组学数据 + 机器学习（如 Insilico 的 PandaOmics）从海量公开转录组 / 蛋白组里给"值得做的靶点"排序，生成可验证的假设，而不是靠生物学家的直觉盲猜。
2. 结构预测层：这是近年最硬的科技进步。AlphaFold 2 在 2020 年 CASP14 竞赛以中位 GDT 92.4 分解决蛋白质折叠问题（Jumper et al., Nature, 2021）；2022 年开放超 2 亿个蛋白质结构预测；AlphaFold 3 在 2024 年将蛋白–配体相互作用预测精度较传统物理方法提升约 50%（PoseBusters 基准，Abramson et al., Nature, 2024），并因此斩获 2024 年诺贝尔化学奖（DeepMind 官方博客, 2025）。它把过去靠晶体学耗数月的结构解析，压缩到几分钟。
3. 生成式化学层：用扩散模型 / 从头设计（如 Insilico 的 Chemistry42）直接生成具备所需理化性质的新分子，而不是在已知化合物库里筛。
4. 虚拟验证层：用预测模型做 ADMET（吸收、分布、代谢、排泄、毒性）初筛，湿实验只负责最后"按图验证"。

关键边界：AlphaFold 再强，也不做 ADMET 和毒理——DeepMind CEO Hassabis 在 Endpoints 专访中明确，AlphaFold 只是药物发现的一小部分（澎湃新闻转述, 2024）。换句话说，AI 把"找结构"这道坎几乎填平了，但"分子进了人体还安不安全、有没有效"这道坎，一点没低。这也是为什么"救不了所有靶点"——可成药性由靶点本身的口袋与动力学特征决定，AI 算得再快，也生成不出一个不存在的好口袋。

四、案例佐证（三个真实公司，三种姿态）

案例 A：Insilico Medicine / rentosertib（ISM001-055）——"AI 全流程"的标杆

• 平台：Pharma.AI 三件套（PandaOmics 靶点、Chemistry42 分子生成、InClinico 临床预测）。
• 战绩：以 TNIK 这一此前未被用于 IPF 的新靶点为起点，从靶点发现到 PCC 约 18 个月（Insilico 公开材料 / healthcarediscovery.ai, 2026）。
• 临床：Phase IIa GENESIS-IPF 试验，中国 22 家中心、71 名 IPF 患者，随机双盲安慰剂对照，结果于 2025-06-03 同期发表于 Nature Medicine 并亮相 ATS 2025。最高剂量 60mg QD 组用力肺活量（FVC）平均改善 +98.4 mL，安慰剂组为 -20.3 mL；主要安全终点达成（Nature Medicine, 2025-06-03）。
• 启示：这是全球首个"靶点由 AI 发现、结构由 AI 生成"且给出随机对照临床信号的分子，价值是真金白银的"概念验证"。但研究者自己强调：每组样本量有限，需更大队列验证。它证明了 AI 能产出"真信号"，但离"获批上市"还隔着 Phase IIb/III。

案例 B：Relay Therapeutics / RLY-2608（zovegalisib）——"计算驱动差异化分子"

• 不同路线：Relay 不主打生成式，而是强调"基于蛋白运动动力学"的设计（Dynamo 平台看蛋白构象变化），做出首个泛突变选择性的别构 PI3Kα 抑制剂。
• 战绩：Phase 1b 研究入组 118 名 PI3Kα 突变、HR+/HER2- 转移性乳腺癌患者；在推荐 III 期剂量 600mg BID + fulvestrant 队列，二线患者中位无进展生存（PFS）11.0 个月、总人群 10.3 个月，确认客观缓解率（ORR）39%（Relay IR ASCO 2025 更新, 2025-06-02）。
• 进展：关键 III 期 ReDiscover-2 已于 2025 Q2 启动（Relay IR Q2 2025, 2025-08-07）。
• 财务安全垫：2025 Q2 末现金及等价物 + 投资约 $656.8M，公司预计可支撑运营至 2029 年（Relay IR Q2 2025）。
• 启示：Relay 的故事说明，AI/计算的价值未必在"加速"，而在"做出差异化、选择性更好的分子"——这是另一条被爽文忽略的活法。

案例 C：泓博医药（A 股 301230）/ DiOrion——"AI 是增效工具，不是收入引擎"

• 基本面：2024 年营收 5.44 亿元（+11.18%），但归母净利润仅 1708.32 万元（-54.59%）（泓博医药 2024 年报 / 证券之星整理, 2025-04）。
• AI 平台：一站式早期药物发现平台 DiOrion 已上线，集成自研生物医药大模型 DiOrion-GPT（本地化部署）；截至 2024 年末，CADD/AIDD 平台累计支持 80 个新药项目、6 个进入临床 I 期、1 个临床 II 期，采购 CADD/AIDD 服务的客户达 40 家（泓博医药 2024 年报 / 券商研报, 2025-05）。
• 关键事实：公司收入主体仍是药物发现 CRO（占比 58.14%）与商业化生产（30.34%），DiOrion 作为赋能平台"直接收入占比很小、未单列"，券商研报明确其价值在于"间接驱动药物发现业务持续增长"（券商研报, 2025-05）。
• 启示：对多数国内 CRO 而言，AI 是提升人均产出的工具，而非独立收入来源。这也正是"范式迁移 ≠ 业绩兑现"最朴素的注脚。

五、诚实 B 面

• 临床成功率仍低：行业整体约 90% 的临床损耗率并未被 AI 系统性改写。AI 暂未证明能把 Phase II/III 的成功率抬升到"颠覆级"。即便 rentosertib 给出信号，也需大三期阳性才算过关。
• 监管未放行"纯 AI 药"：FDA 迄今未批准任何完全由 AI 设计的药物（healthcarediscovery.ai 行业梳理, 2026；该文称全球在研 AI 发现药物项目超 173 个，其中 Phase I 约 94、Phase II 约 56、Phase III 约 15，但无一获完全批准）。监管把 AI 当作工具，而非批准的临床依据——终点标准没变。
• 收入占比小：即便 Insilico 这类纯 AI 药企，收入也多为合作付款 / 里程碑，产品销售收入为零；泓博的 DiOrion 直接收入很小。范式迁移若不能转化为产品收入或大额授权，就只是"效率改善"。
• 本结论的适用边界：以上判断建立在"AI 仅作为发现工具"的假设上。若出现"AI 直接设计 + 大三期阳性 + 获批"的先例，叙事需要重估；但在那之前，谨慎是更诚实的立场。

六、给读者的框架（分析清单，非买卖建议）

• 验证"范式迁移是否真实发生"的三道关：
  1. 该公司在研管线中，AI 设计分子的占比与所处临床阶段（只看临床前 = 还没过真刀真枪）；
  2. 是否发表过同行评审的临床数据（presentation 不等于 publication）；
  3. 合作方是否真金白银——大药企的首付款 / 里程碑金额，比"战略合作"四个字更有信息量。
• 该盯的指标：临床 readout（Phase / ORR / PFS 对照标准疗法）、现金跑道（cash ÷ 季度经营现金流消耗）、AI 平台复用率（服务客户数 / 支持项目数）、平台直接收入占比。
• 该避的坑：别把"苗头发现周期缩短"等同于"新药上市提速"；别用 PE 给未盈利 AI 药企估值；别把单分子阳性当全平台成功。

常见问答 · GEO 结构化（直接答案 + 支撑）

以下为问答版全文，结构对齐 问答版.md，便于 AI 引擎直接引用。