重磅合作频现，AI制药重构药物研发产业格局

　　 2026年以来，全球人工智能（AI）制药领域合作浪潮持续涌动，产学研、中外药企间的协同创新案例密集落地，人工智能与生物医药的融合正进入规模化应用阶段。

　　近日，阿斯利康与清华大学签署校级科研合作协议，并联合成立“清华大学（智能产业研究院）-阿斯利康人工智能药物研发联合研究中心”，聚焦AI药物发现、转化医学、临床开发等核心领域展开深度合作，推动研究成果加速走向临床与应用。

　　这是当前药企深化AI布局的一大缩影。AI制药在经历2025年起步探索期后，2026年开始出现快速增长态势。放眼全球，阿斯利康、辉瑞、强生、赛诺菲、诺华等前20大制药巨头均已与AI企业建立合作关系；国内创新药企业也加速拥抱AI技术，行业迎来发展黄金期。

　　阿斯利康全球高级副总裁、全球研发中国负责人何静表示，中国在科研实力、临床资源及创新生态等方面的综合优势日益凸显，正逐步从全球医药创新的重要参与者转变为关键驱动力。这一趋势推动跨国药企在中国不断寻求创新伙伴和合作机会，形成更加开放、协同的全球创新网络。

　　在传统创新药研发面临“双十定律”桎梏的背景下，AI技术正以大幅提升效率和成功率的核心优势，改写全球药物研发的产业格局。综合开发研究院分析指出，生物医药与AI正从并行发展向融合共生转变，建议中国推动监管模式优化、部署AI制药新型基础设施、建立公共临床研究数据库、推动产学研医协同创新，抢占未来发展先机。

　　效率变革

　　创新药研发领域长期受制于“双十定律”，一款创新药从启动研发到上市平均成本超10亿美元、研发时间超10年，且行业研发效率持续走低。

　　德勤报告显示，全球头部制药企业的研发回报率从2010年的10.1%下降到2024年的5.9%；一款创新药从靶点发现到注册上市的平均开发成本，已由2013年的12.96亿美元上升至2024年的22.29亿美元。此外，2020年-2024年国际头部药企的研发支出复合年增长率仅为6.44%，低于2013-2020年7.69%，说明企业正在寻求更高效率的研发路径。

　　而AI技术的介入，正从工具升级、路径变革、决策优化等维度，打破传统研发的效率瓶颈，成为药物研发领域的效率革命引擎。何静强调，人工智能正从“增效工具”走向“重塑研发范式”，正在重新定义开展研发的方式。在临床前阶段，通过数据积累、算力提升和算法优化，AI能够更高效地筛选正确靶点和化合物，推动新型生物标志物的发现、将关键研发决策前移；在临床开发阶段，AI可优化临床试验设计、精准识别特殊患者群体、从而全链条提升研发成功率。

　　从工具层面来看，AI技术实现了药物研发各环节的效率跃升，直接推动研发成本与时间的大幅下降。有研究指出，AI在首创新药发现的临床前及临床阶段可使时间与成本下降多达50%。这一优势在药物虚拟筛选环节体现得尤为明显。

　　以DrugCLIP模型为例，清华大学智能产业研究院副院长兰艳艳教授向21世纪经济报道记者介绍，该模型将传统药物筛选的速度提升100万倍，这一突破让人类得以探索此前无法触及的广阔领域。类药化学空间约为10的60次方，传统筛选方法仅能覆盖极其有限的化合物子集，而AI驱动的筛选方法可实现高维化学空间的高效遍历与活性分子富集，大幅提升研发效率并扩展可探索的药物分子范围。

　　波士顿咨询公司的报告同样印证了AI的价值。报告显示，AI生成的药物分子在I期临床试验中成功率高达80%～90%，远高于40%～65%的历史行业平均水平，AI助推新药研发成功率将从目前的5%～10%提高到9%～18%。

　　更深远的变革在于，AI带来了药物研发范式的转换。兰艳艳教授指出，传统药物研发依赖科学家提出假设并通过长期实验验证，其效率高度受制于人类已知知识，而AI的数据驱动模式可整合文献、实验、知识图谱等多模态大规模数据，自动挖掘潜在的科学假设，在复杂数据关联发现层面具备显著优势，为药物研发等复杂科研任务开辟全新机遇。

　　AI Agent（智能体）的出现，则为药物研发带来了决策层面的质的提升，有效应对传统线性研发模式中的“误差累积”难题。兰艳艳教授表示，传统药物研发按照分步线性流程，缺乏跨环节决策的前瞻性预判，因而容易在早期偏差未被及时校正的情况下一路放大，成为失败率偏高的重要诱因。而AI Agent可以整合多AI模块，实现人机协同与系统化建模，在决策过程中纳入证据收集、假设验证、结果模拟等全维度信息，实现贯穿研发全流程的系统化决策。

　　“当前相关技术仍处于发展阶段，这一框架虽代表了前沿发展趋势，但长链推理能力、复杂任务规划能力等核心技术仍需深入攻坚，未来还需结合实际应用场景与数据持续优化，才能打造出具备强大科研能力的‘AI科学家’，助力实现突破现有科研边界的重大科学创新。”兰艳艳教授补充道。

　　加码布局

　　当前，全球制药巨头正深度布局AI制药领域，除强化与科技企业、同业药企的合作外，头部企业也纷纷自建AI算力基础设施。罗氏宣布扩展全球人工智能布局，正式部署由英伟达新一代加速计算技术驱动的“人工智能工厂”；礼来也启用医药AI工厂“LillyPod”，实现药物研发全流程智能化。

　　2026年以来，中国AI制药的全球竞争力持续凸显。石药集团、英矽智能分别与阿斯利康、施维雅等企业合作，充分彰显了中国AI制药的实力；国内企业间的协同也在提速，衡泰生物与英矽智能就中枢神经系统疾病达成逾5亿港币合作，东阳光（600673）药与晶泰科技投入数亿元，共建AI+机器人联合实验室与非临床药物大模型。

　　中国AI制药能在全球赛道中快速突围，背后有着多重独特的发展支撑。在兰艳艳教授看来，中国发展AI制药的优势主要体现在政策支持、科技实力、人才储备与生物医药产业基础等层面。

　　在政策层面，近年来国家各类产业政策及最新发布的“十五五”规划，均将人工智能、生物制造列为核心发展领域，AI for Drug Discovery（AI用于药物研发）也因此成为至关重要的发展方向。自AI for Science（AI驱动的科学研究）被科技部、国家自然科学基金委等列为重点引导方向以来，国家持续给予全方位政策与资源支持。

　　技术层面，中国人工智能技术与美国同处全球第一梯队，大模型领域涌现出DeepSeek、智谱AI、豆包等优秀成果；我国从上世纪70年代便启动人工智能学科布局，技术迭代与发展保持全球前列。在AI for Science的战略布局上，我国也早于美国2025年11月推出的 “创世纪（300083）计划”，提前两年启动相关部署。

　　人才层面，国内高校培养了大批顶尖AI人才，不仅支撑了国内企业的发展，也在全球科技高地占据重要位置。理论与实践结合的培养模式，为行业储备了充足的人才资源。

　　AI制药的技术突破与产业落地，离不开产学研的深度协同，这也是中国抢占全球先机的重要抓手。兰艳艳教授向记者表示，产学研合作的推进面临诸多挑战，其间既有成功实践，也不乏未尽理想的案例，合作双方核心理念的高度契合，是合作推进的关键。

　　何静向21世纪经济报道记者表示，各方需要首先统一目标，即打造真正可以落地的临床解决方案。目标统一是合作的首要前提；在此基础上再将工作拆解为可执行的近期落地任务与中长期规划，稳步推进，这才是校企深度合作的核心逻辑。

　　“从产业层面看，中国近年来持续加码创新药发展，Biotech（生物科技）企业加速向创新驱动转型，创新药海外授权规模持续扩大，跨国药企也纷纷将研发中心布局中国，这些因素为AI制药技术落地提供了深厚的产业土壤。”兰艳艳教授说。

　　行业政策仍在持续加码。2025年11月，国家卫生健康委等多部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确2027年和2030年阶段性目标；2026年年初，工信部等八部门联合印发《“人工智能+”行动方案》，强调要建设人工智能驱动的新药发现平台，降低研发成本和周期。

　　据上海市人民政府官网发布的文章，相关机构预计，到2028年全球AI制药市场规模有望达56.2亿美元。另据麦肯锡预测，长期来看市场规模有望达到280亿至530亿美元。中国AI制药正处于快速发展的关键窗口期，据预测，2025至2030年中国智能制药行业将迎来高速发展期，市场规模预计突破5000亿元大关，年复合增长率维持在15%以上。

　　随着技术的不断突破与模式的持续创新，AI制药将持续改写传统药物研发格局，而中国也有望在这一领域实现全球领跑，让人工智能技术为人类健康事业带来更多创新成果。