文 观察者网 吕栋

如果说传统制药像一场碰运气的“炼金术”，那AI正将其变成精准的“工程学”。它能将药物发现周期缩短一半，成本降低70%。从靶点发现到临床实验，AI可以全流程优化每个环节。

2026年开年以来，全球制药巨头开始集中加码AI。阿斯利康收购Modella AI，将其纳入其生成式多模态生物大模型中；罗氏宣布扩展其全球人工智能基础设施；礼来的AI制药工厂LillyPod投入运行，并与英伟达达成未来五年超10亿美元的合作。

大洋彼岸，广药数科利用AI将小分子早期药物发现周期从行业平均1-2年缩短至3-6月；翰宇药业利用大模型助力多肽工艺优化；天士力构建中医药大模型，实现从中药药材筛选到方剂优化的全流程智能化；柳药集团则借助AI求解器让物流可视可观。

当生命科学与AI的深度融合从“选择题”变成“必答题”，制药行业开始用实际成果证明，AI赋能制造并不是技术的简单堆砌，而是商业价值实实在在的提升。

告别“暴力试错”，AI+制药是大势所趋

一款新药的诞生究竟要付出多大代价？

首先研发时间长，当前药物研发从靶点发现到临床试验平均耗时超10年；其次投入成本高，单个新药研发成本平均超26亿美元，且临床试验阶段失败率高。最后，在长时间高成本的研发基础上，新药研发成功率低，新药发现的平均成功率只有10%，企业投资风险大。

长期以来，制药产业更像是一场耗资巨大的“暴力试错”。科学家们不得不在实验室里枯燥地合成、测试，试图在数以亿计的分子排列组合中，撞上那个亿万分之一的“正确答案”。

推动生命科学与AI深度融合，成为压缩研发周期、降低试错成本、提升研发成功率的关键突破口。去年有院士公布的数据显示，在药物发现和临床前研究阶段，传统研发模式需要3至6年。而AI可使药物总研发周期平均缩短三分之一至一半，总研发经费降低10%，总成功率由10%提升至14%。随着技术不断发展，AI给药物研发带来的变化将更为巨大。

这也解释了为何制药巨头们近乎焦虑地押注AI。与传统的信息化改造不同，AI对制药的重塑是全流程、系统性的。在这种极限博弈中，AI哪怕只将成功率提高几个百分点，也能释放出惊人的商业价值。

今年4月，OpenAI推出一款用于药物发现和转化医学的推理模型，首批客户名单包括安进、莫德纳、艾伦研究所等。葛兰素史克等巨头已开始引入AI智能体，用算法对抗人类的认知偏差。数字孪生技术也在临床试验中崭露头角，Unlearn.AI公司2025年的研究显示，通过AI分析海量历史数据模拟病人自然病程，能将帕金森病试验的对照组规模缩小38%。

从靶点发现到上市后研究，AI正在对药物研发全流程的每一个环节进行优化。对制药行业来说，核心的问题已不再是“要不要用AI”，而是“谁能更快、更深地将AI融入核心研发流程”。

迈向科学驱动，中国药企的AI实战

在全球制药巨头积极拥抱AI的同时，中国也主动在政策层面引领医药行业的数智化转型。

作为十五五“人工智能+”科研战略深化的领域之一，国家先后出台《医药工业数智化转型实施方案（2025—2030 年）》、《制造业数字化转型行动方案》等指导政策，目标到2027年，医药工业数智化转型取得重要进展；到2030年，医药工业企业基本实现数智化转型全覆盖，数智技术融合创新能力大幅提升。

国内已有多家药企打造AI底座，交出可量化的数智成果。

广州医药数智科技有限公司董事长 邹彬彬

广药集团的实践直观回答了“AI能省多少时间、降多少成本”。传统小分子新药早期发现需要1-2年，成本高昂。广药联合望石智慧，依托3D分子生成模型与电子云密度约束技术，将这一周期压缩至3-6个月，成本降低70%。MolVortex智能体作为“智能助手”，与专家配合设计分子，显著减轻重复劳动。在临床翻译和报告撰写环节，AI翻译成本较传统外包降低30%-50%，文档周期从数周压缩至小时级，撰写耗时可减少60%。

这些AI工具的正常运转离不开强劲的算力底座支撑。昇腾智算超节点、鲲鹏超算集群，搭配华为AI制药研发加速包，为小分子药物高效研发提供了坚实的算力后盾，并且通过数据存储底座，加上“算存网云”的协同，模型推理性能达到业界水平的2倍。

在深圳，翰宇药业与华为的合作走出了另一条路径。作为国内多肽药物领域的领军企业，翰宇药业将盘古药物分子大模型与其二十余年积累的超10万条历史工艺数据相结合，构建了专属的智能化私域数据库。这个解决方案能够深度融合多肽的分子结构式与历史工艺数据，进行智能分析和推理，主动生成精准的工艺优化建议。