AI制药行业发展趋势 - AI制药行业迎来临界点 中国AI制药公司在2025年3月至8月期间完成总金额数十亿美金的BD交易[3] - 生物医药研发范式从海量筛选经验至上转向理性设计从头创造[4] - 生成式AI改写新药研发底层逻辑 使药物研发从大海捞针变为精准设计[5] 重大交易案例 - 晶泰科技与DoveTree交易首付款5100万美元 潜在里程碑及销售分成总额58.9亿美元[4] - 石药集团与阿斯利康交易首付款1.1亿美元 潜在总额53亿美元[4] - 华深智药海外子公司与赛诺菲交易首付款1.25亿美元 潜在总额17.2亿美元[4] - 元思生肽与阿斯利康交易首付款7500万美元 潜在总额34亿美元[4] 技术突破 - AlphaFold 2在两年间预测超过2亿个蛋白质结构 涵盖地球上所有已知生命体的多数蛋白质[7] - Diffusion模型引入生物学 使全新蛋白质设计成功率有数量级飞跃[7] - AlphaFold 3能处理蛋白质核酸和小分子间复杂相互作用 具备全原子级建模能力[7] - Chai-2模型生成候选抗体命中率显著高于传统方法 从几十条序列中就可能出现hits[8] 研发效率提升 - 传统抗体发现需3年时间500万美元 AI模型可在几小时内完成并在两周内通过实验验证[8] - AI大幅缩短临床前研发周期 对肿瘤自免疫代谢等领域适应症都有利好[9] - 慢性病领域可能最早见到曙光 类似司美格鲁肽的神药出现频次将大大提高[9] 行业格局变化 - 科技巨头如Google Meta Xaira字节跳动致力于打造基础生物大模型[10] - AI大模型加生物计算科学家团队对基础模型优化改造 为药企提供平台服务[10] - 传统药企利用AI开源模型和湿实验能力加速特定疾病药物研发[10] - 具有AI能力的biotech将成为跨国药企的分子设计中心和算力中心[9] 核心竞争力 - 评估标准在于对模型的理解修改及演进能力 需要接近99分表现解决复杂问题[11] - 能够快速海量产出高质量生物实验数据的团队更可能拥有高性能AI模型[13] - 算法和数据是AI制药能力提升的核心要素 最终需交付有价值药物分子获得市场认可[13]