2018年,全世界的科技媒体都在喊同一句话:AI将颠覆制药行业。深度学习找靶点,神经网络设计分子,传统药企那套十年烧十亿美金的老路子,即将被硅谷式的速度碾压。六年过去了,2025年最新的系统性综述终于把整个行业的账本摊开来了——结果让很多人沉默。

今天我要跟大家聊一个我作为投资人特别关注的领域。AI制药,曾经是资本市场最性感的叙事之一。你想想看,从2018年到2024年,全球AI制药公司累计融资高达数百亿美金。投资人的逻辑非常简单粗暴:传统制药平均需要十到十五年、二十六亿美金才能把一款新药推上市,如果AI能把这个周期砍掉哪怕三分之一,那就是一个万亿级别的市场重构机会。数百亿的投入,对着万亿的回报,这笔账怎么算都划算。
但是六年后的数据,讲了一个完全不同的故事。
颠覆叙事背后的三组数字
2025年发表的一篇系统性综述,研究团队用国际通行的系统综述方法,把近十年的AI药物发现文献做了一次地毯式扫描。覆盖面非常大,最终留下来做分析的都是经过严格筛选的高质量研究。这篇综述的三个核心发现,我认为每一个都值得所有关注AI赛道的人认真消化。
第一个发现:这些AI制药研究里,将近四成还停留在临床前阶段,真正报告了可测量临床结果的,只有百分之四十五。也就是说,相当多的项目还停留在计算机模拟和论文发表的阶段。它们在论文里看起来很漂亮,各种指标都很好,但它们还没有碰到过真正的人体。
第二个发现:这些研究里,百分之九十七都报告了与产业方的合作。而在AI之外的那些环节——临床试验设计、患者招募、监管申报、生产工艺开发,几乎每一步都离不开传统药企。
第三个发现:所有AI制药研究中,百分之七十二点八集中在肿瘤这一个领域。
这三个数字拼在一起,画出了一幅什么画面?AI制药到今天为止,本质上不是一个颠覆者,而是一个极其昂贵的、很聪明的打工仔。
我来逐个拆解,为什么会这样。
算法跨不过人体这道关
先说为什么这么多项目走不到临床。
很多人心目中的AI制药,是那种用最前沿的大模型、用变形金刚架构的深度学习来发现新药。但这篇综述的数据让人意外:目前AI制药领域最常见的方法是机器学习,占技术提及的百分之四十点九。而真正的深度学习,只占百分之十点三。
听到这个数字你什么感觉?就是说,市面上不少号称AI制药的公司,它们用的核心技术可能就是随机森林、支持向量机、梯度提升这些十几年前的老方法。它们做的事情本质上是统计筛选,只不过贴了一个AI的标签。这有点像把一个计算器装进一个很炫酷的外壳,跟你说这是量子计算机。它能帮你做一些有用的事情吗?能。但它解决不了真正的硬核难题。
那真正的硬核难题是什么?是生物学的复杂性远远超出了当前AI的建模能力。

你在计算机里设计了一个完美的分子。它跟靶点蛋白的结合亲和力极高,毒性预测模型显示安全,药代动力学模拟也很漂亮。但是,人体不是一个可以被完整建模的系统。这个分子进入真实的人体以后,它跟肝脏里几十种代谢酶的相互作用,你的模型考虑了吗?它在不同种族、不同年龄、不同基础疾病的患者体内的表现差异,你的训练数据覆盖了吗?它跟患者正在吃的十几种其他药物的交叉反应,你的算法能穷举吗?它在零下二十度的冷链运输中的稳定性,你的深度学习能预测吗?
每一个问号,都需要真实的实验室、真实的患者、真实的生产线来回答。而这些东西——临床资源、监管经验、GMP生产设施——全部掌握在传统药企手里。这就是为什么绝大多数项目最终都要回到传统药企的怀抱。
筛选提速与交付壁垒
全球排名前十的制药巨头,从2023年开始全部跟AI公司建立了合作。但是注意看这个合作的权力结构:AI公司提供的是什么?是算法和候选分子列表。传统药企提供的是什么?是从候选分子到上市药品之间所有的关键环节——临床前动物实验、一期二期三期临床试验、跟美国FDA或者欧洲药品管理局的监管沟通、最终的大规模生产。
说得更直白一点:AI公司做的是前端的筛选和推荐。传统药企做的是后端的验证和交付。你可以把AI公司想象成一个非常聪明的猎头,它能从十万份简历里帮你挑出最有潜力的一百个候选人。但是面试、培训、签合同、发工资——这些事还是得HR部门来做。猎头确实提升了效率,但猎头取代不了公司本身。
而且这里有一个很有意思的数据作为佐证。最新的行业数据显示,AI发现的分子一旦进入一期临床试验,成功率可以达到百分之八十到九十,远高于传统方法百分之四十到六十五的行业平均水平。这说明AI在筛选环节确实做得非常好——它能更精准地判断哪些分子值得花钱往下推。
但是,从二期临床试验开始,AI带来的优势就完全消失了。成功率回落到百分之四十左右,跟传统方法几乎没有区别。
这个断崖说明了一个根本性的事实:AI解决的是前端的效率问题,不是后端的科学问题。一个分子能不能最终成为药物,取决于它在复杂人体环境中的真实表现——而这一步,目前的AI完全无法可靠预测。前端很快,后端照旧。AI把万里长征的第一步走得飞快,但后面的九千九百步,速度没有任何变化。
这其实让我想起了二十年前的一个故事。2003年人类基因组计划完成的时候,全世界都在说:我们破解了生命密码,个性化医疗时代来了,未来十年所有疾病都将被攻克。结果呢?二十年过去了,基因组数据确实极大地推动了我们对疾病的理解,但它没有颠覆制药行业。真正把基因组知识变成上市药物的,还是那些传统大药企。基因组学成了制药的重要工具,但不是制药的替代者。

AI制药今天走的路,跟当年基因组革命几乎一模一样。技术确实是革命性的,但商业逻辑没有被颠覆。因为从实验室到药房这条路上,真正的壁垒不是知识壁垒,而是资源壁垒和监管壁垒。这些壁垒不会因为你的算法更快就自动消失。
我给你举一个具体的案例。全球最知名的AI制药公司之一,曾经宣称用AI把药物发现的时间从四年压缩到了十八个月。这个数字没有错——它确实在分子设计这个环节快了很多。但是之后呢?临床前研究还是要一到两年,一期临床试验还是要一到两年,二期三期还是要四到六年。AI压缩的那两年半时间,放在整个十到十五年的流程里,占比大约只有六分之一到四分之一。
而且即使在分子设计环节,这家公司最终也不得不跟传统药企签署合作协议,让对方来负责后续所有的开发工作。它的商业模式,从最初计划的全链条独立做药,逐渐变成了前端服务收费加里程碑付款。这不是失败,但这跟最初画的那个颠覆性故事完全不是同一个东西。
肿瘤走廊里的机会与局限
再看第三个数字,百分之七十二点八集中在肿瘤领域。
为什么是肿瘤?因为三个条件恰好同时满足:数据最丰富——几十年的基因组测序和临床记录积累了海量数据集;靶点最清晰——肿瘤的分子机制研究是最成熟的;付费意愿最高——肿瘤药物定价空间大,市场回报高。
但问题是,同时满足这三个条件的疾病领域非常少。阿尔茨海默症数据不够丰富、靶点至今不清晰;罕见病的患者群体太小,训练数据根本不够;自身免疫类疾病的靶点重叠太多,特异性很难实现;代谢类疾病的多靶点复杂性远超当前模型的处理能力。所以AI制药看起来声势浩大,但它真正能大展拳脚的战场,其实被压缩在一条非常狭窄的走廊里。这条走廊的名字叫肿瘤,走廊外面的广阔天地,AI目前还进不去。
那从投资人的角度看,这个行业的真正机会在哪里?

我的判断是:真正能跑出来的AI制药公司,不是那些想取代药企的,而是那些找到了跟药企稳定共生模式的。它们的正确定位是制药行业的高级分析工具供应商——帮助传统药企在前期用更少的钱、更短的时间筛掉更多注定失败的候选分子。
这个赛道里最危险的公司,反而是那些融了很多钱、自己建管线、野心勃勃想从头到尾独立做药的AI公司。因为它们迟早会撞上同一堵墙:你的算法再好,没有临床资源、没有监管经验、没有GMP生产设施,你就只能回来跟传统药企谈判。而那个时候你的议价能力,远远不如你一开始就把自己定位成工具供应商的时候。
从行业替代走向工具价值
所以AI制药这六年教给我们的核心道理是什么?
不是AI没用——它很有用。而是在任何一个高度监管、强资产、长周期的行业里,技术创新的角色从来不是颠覆者,是赋能者。
这句话值得反复咀嚼:技术能改变做事的方式,但它改变不了做事本身需要的物质基础。你可以用AI在一秒钟内设计出一栋完美的大楼,但你依然需要搬运工人一块砖一块砖地把它砌起来。制药行业的砖,就是临床试验、监管审批、规模化生产。这些砖不会因为你的图纸画得更快而变轻。
AI不会取代药企,就像互联网没有取代银行、电商没有取代工厂一样。它改变了流程的某些环节,但它换不掉那些手里握着砖头的人。
这个认知不只适用于制药。你可以把它推广到所有所谓的AI颠覆传统行业的叙事中。每当有人告诉你某个AI公司要颠覆某个百年老行业的时候,你问自己一个问题就够了:这个行业的后端交付,是信息密集型的,还是资源密集型的?如果答案是资源密集型——需要牌照、需要物理设备、需要十年积累的数据和关系网络——那AI大概率是赋能者,不是颠覆者。
你知道芯片设计行业有个工具叫EDA吗?EDA是电子设计自动化,没有它你设计不了现代芯片。整个EDA行业一年营收将近两百亿美金。但是——EDA公司从来没有取代过台积电、没有取代过英伟达。它们是工具,是极其重要的、不可替代的工具,但它们不是芯片产业本身。AI制药走到今天,就是在走向这个定位。
六年前投资人相信AI能颠覆制药,今天数据告诉我们它是制药行业最好的EDA。这不是贬低——EDA赛道里诞生了新思科技、铿腾电子这样数百亿美金市值的巨头。但这跟取代整个行业是完全不同的估值逻辑和商业路径。

认清AI制药是赋能者而非颠覆者,这个认知差可能就是下一轮AI投资热潮中最值钱的一课。
最后多说一句。我讲这些不是在唱衰AI。恰恰相反,我认为AI制药最健康的发展路径就是承认自己的边界。当你不再试图做你做不了的事情,你反而能在你擅长的领域做到极致。AI帮助药企在前端筛选上节省的每一分钱、缩短的每一天,累积起来就是几十亿美金的效率提升。这个价值足够大,大到可以支撑几个数百亿美金市值的伟大公司。
只不过,这些伟大公司的故事不是颠覆,而是共生。在投资里,能分清这两个词的人,往往比别人少亏很多钱。

Download PDF | Download Script
更多内容请关注宏观阿尔法。
