AI制药真能颠覆“双十定律”?18个月干完4.5年活,成本直降99%
01研发周期压缩幅度对比
传统新药研发普遍遵循“双十定律”——平均耗时10年以上、投入超10亿美元,成功率不足10%。AI技术介入后,多个案例显示早期研发阶段(靶点发现至临床前候选化合物提名)时间显著缩短。英矽智能在特发性肺纤维化项目中仅用18个月完成全流程,而传统方法需4.5年;Exscientia与住友制药合作开发的强迫症药物DSP-1181从立项到PCC提名不到12个月。暨南大学与华为联合开发的工具将小分子早期发现周期从1–2年压缩至3–6个月。清华大学DrugCLIP模型则宣称筛选速度提升100万倍,可高效探索10^60量级化学空间。国产GalaxyVS平台依托天河超算,实现千亿级化合物库秒级检索,效率较传统模式提升6000倍。1234
| 技术/项目 | 研发阶段 | 传统耗时 | AI介入后耗时 | 压缩比例 |
|---|---|---|---|---|
| 英矽智能 Rentosertib | 靶点发现→PCC | 4.5年 | 18个月 | 60%+ |
| Exscientia DSP-1181 | 靶点发现→PCC | 约2.5年 | <12个月 | >50% |
| 暨大-华为平台 | 小分子早期发现 | 1–2年 | 3–6个月 | 50%–75% |
| 晶泰科技 PAXLOVID | 优势晶型确认 | 数月 | 6周 | 约60% |
| 中科院AI模型 | 整体药物发现 | 12–17年 | 未明确(效率提升17倍) | 估算>80% |
02成本节约与分子筛选效率
AI通过虚拟筛选替代大量实体实验,显著降低研发成本。麻省理工ConPLex系统单日可筛选超1亿种化合物,初期筛选成本降低80%;全球每年化合物筛选成本约260亿美元,AI有望节省其中大部分。英矽智能的ISM001项目费用从4.14亿美元降至20万美元,降幅达99.95%;希格生科采用“类器官+AI”模式使成本减半。在分子合成数量上,传统方法常需测试数十万分子,而AI大幅减少无效合成:英矽智能仅合成78个分子即确定候选药;德睿智药MDR-001项目合成80个小分子即完成PCC确认;Insilico Medicine在Rentosertib项目中仅合成了79个分子。诺华利用生成式AI一次性生成1500万种化合物用于亨廷顿病研究,传统方法需数十年。4567
03临床成功率差异分析
多份报告指出,AI生成药物在I期临床试验成功率显著高于传统方法。波士顿咨询数据显示,AI药物I期成功率高达80%–90%,而传统方法为40%–65%。然而,这一优势在后期临床阶段迅速减弱。有分析指出,II期成功率回落至30%–40%,与传统制药持平。整体研发成功率预计从行业平均的5%–10%提升至9%–18%。值得注意的是,截至2026年,全球尚无完全由AI设计的药物获批上市,但已有5款进入III期临床,包括Generate:Biomedicines的抗体药GB-0895和德睿智药的减重新药MDR-001。英矽智能多个项目已完成首例患者给药,其Rentosertib在IIa期显示肺功能改善。891011
I期临床成功率对比
AI药物表现
I期成功率80%–90%[2][13][21]
部分项目II期疗效显著(如Rentosertib)[25]


传统药物表现
I期成功率40%–65%[2][22]
II期成功率约30%–40%[28]
04技术路径与生态差异
当前AI制药技术路径呈现多元化。国际巨头如辉瑞、诺华多通过合作引入AI平台,聚焦“干湿结合”模式;中国则强调自主可控,如GalaxyVS平台基于天河超算与自研DrugCLIP模型,实现底层技术国产化。华为与广药、望石智慧共建全流程AI药研平台,覆盖靶点发现至注册申报;翰宇药业则聚焦生产工艺优化,结合历史数据构建私域模型。技术类型上,生成式AI(如Chemistry42)、知识图谱(如PharmKG™)、多模态匹配(用于罕见病招募)等并行发展。尽管效率提升显著,行业仍面临数据碎片化、模型“黑箱”、高质量标注数据稀缺等挑战。有观点认为,AI本质是“加速器”而非“颠覆者”,无法替代基础医学研究突破。8121314
当前文章无评论,是时候发表评论了