新药上市有多难？
在传统制药行业中，超过九成的候选药物分子会在临床试验中失败，可能是无药效、有毒、无法合成、或者甚至无法输送到目标位置。走到临床试验这一步，可能已经耗时十年，花费上亿资金。
从上个世纪60年代开始，医药行业试图通过计算机辅助药物设计，利用大数据和机器学习、深度学习加速药物研发。
其间，英矽智能、晶泰科技、剂泰科技和深度智耀等企业陆续成立，被称为中国“AI制药四小龙”。
随着2022年年底以ChatGPT为代表的大语言模型引爆了AI技术的发展，新的竞争者开始入场。拥有强大模型、算力和资金的科技大厂正在AI制药领域掀起风浪。随着更多的资本、人才投入AI制药，无疑将加速药物研发，打破碳基生命脆弱的印象、特别是面对疾病时的无能为力。
中国的“四小龙”能否冲出重围，成为行业的引领者，还是被后浪拍在沙滩上，退出竞争？
“四小龙”的业务逻辑
AI制药的基本逻辑是，优化药物研发从靶点、分子、实验到临床开发的流程，以更高的效率找到值得验证的候选药物方案。围绕这一逻辑，四小龙形成了四种截然不同的生意模式。
晶泰控股走的是“技术服务规模化”。2026年上半年，在其合计3.94亿元的营业收入中，药物发现解决方案和AI for Science (AI4S)智慧解决方案的收入各占一半。其中，相比2025年6月，后者收入增长136.4%，得益于智能机器人实验室（Physical AI）的技术更迭和客户高复购率。晶泰考虑的是，在AI大模型辅助下，分子生成更加便捷，后续的测试和验证需求也将随之激增。
这个逻辑让它实现了利润增长，但结构并不稳定，主要依靠少数客户的高额订单撑起收入。叠加对自主实验室、智能体系统等平台的持续研发投入，晶泰控股在2026年上半年由盈转亏，亏损2.25亿元。
信息来源：公司官网、官方微信。南方周末科创力研究中心制图
英矽智能押注的是“AI管线资产化”，一直想证明自己能做出真正的药物，而不是只卖工具。它被寄予厚望的资产，是AI驱动发现并在2026年9月进入3期临床的候选药物Rentosertib（ISM001-055）。
2026年上半年，英矽智能扭亏为盈，净利润0.36亿美元（约合人民币2.45亿元），主要来自管线授权、联合开发首付款和里程碑付款，其中最重要的一笔，是其与礼来交易的1.15亿美元首付款。
2025年的财报暴露了一个尴尬的事实：英矽智能的管线开发收入大幅度下降（从7659万降至2389万元），缺口主要依靠药物发现的收入来填补。截至目前，英矽在推进的管线有四十余条，半年盈利又能撑得了多久？
剂泰科技选择了“递送技术平台化”的路线，核心资产是自主开发的AI纳米递送平台NanoForge。所谓“递送”，是利用脂质纳米颗粒等载体，将药物的有效成分送达目标器官或细胞，以提高药物的稳定性和疗效，并减少毒副作用。
2026年上半年，递送技术及管线授权为剂泰科技带来了1.54亿元的营业收入，同比增长12.4%，其中绝大部分来自合作协议所得收入，但尚未实现盈利。仅凭“AI递送平台”的标签，无法替代可验证的临床价值。
深度智耀走的路则是“药物开发流程服务化”。其官网显示，服务覆盖临床方案设计、运营监查、医学写作、数据管理和注册申报，并称已实现持续盈利。但通用模型普及后，翻译、检索和初稿生成这类能力会迅速商品化，价格竞争必然越来越激烈。
在AI制药大热的2026年，“四小龙”融资、大额授权、临床推进、研发合作的好消息不断。2026年3月，深度智耀拿到4000万美元(约合人民币2.76亿元)新一轮融资。2026年6月，剂泰科技把自主研发的三特异性T细胞衔接器MTS-128的全球权益授权给Deerfield旗下的美国生物技术公司Boulevard Bio，拿下2000万美元首付款，以及最高16亿美元的开发、注册和商业化里程碑付款。2026年7月2日，英矽智能与武田制药签下总金额最高可达6亿美元的AI药物发现合作。
如果卸下“AI”标签的光环，四小龙的核心资产——一个机器人实验室、一个临床分子、一份递送授权合同、一个临床交付包，都是好生意，但都不能仅靠AI赋能赚钱。
一方面，AI模型的快速迭代让研发投入像是一个无底洞，另一方面AI模型虽然能够加速药物发现的进程，但不能代替后续的临床验证，假设与临床试验之间的脱节亟待解决。
数据来源：晶泰控股2025年度业绩公告、英矽智能2025年度业绩公告、剂泰科技招股章程、深度智耀官网。南方周末科创力研究中心制图
AI大厂改写制药生态
过去，药企自己不会建模型，而AI制药公司掌握结构预测、分子生成、实验设计等能力，于是算法、平台、管线故事都成为“四小龙”的光环，都能卖出溢价。
2021年之后，这个逻辑开始松动。
先是AI公司把AI技术做成了通用工具。谷歌DeepMind的AlphaFold2将蛋白质三维结构预测的时间从传统实验耗费的数月甚至数年，缩短至数分钟，且预测精度达到实验测定水平。AlphaFold3进一步把小分子、核酸、修饰残基纳入统一预测框架，让蛋白结构预测从可售卖的服务变成推动药物研发的公共资源。
进入2026年，OpenAI推出GPT-Rosalind、AWS推出生命科学AI智能体Amazon Bio Discovery，AI产品从单项预测延伸至药物研发的整个工作流程。2026年6月，Boltz 推出了小分子研发模型BoltzMol-1，一轮完整的药物发现过程只需3到8周，实验验证的总花费1万到1.5万美元。药企不必再委托一家AI制药公司调用 API、买个模型、跑个云工作流。
与此同时，传统药企不再外包等结果，而是将AI引进来。
阿斯利康收购AI 科技公司Modella AI、罗氏与英伟达合作建设目前制药行业最大的AI工厂，诺和诺德分别与OpenAI和Antropic深度合作，BMS把Claude Enterprise推给三万多名员工，英伟达与礼来共建AI联合创新实验室，重点生成大规模生物数据、训练AI模型并推进全天候AI辅助实验……
药企们已经不是“试用AI”，而是在把AI嵌进发现、临床、生产、商业化的全链条。AI制药曾经的客户现已变成具备自研、自建、自迭代能力的竞争者。
在中国，科技巨头不满足于提供AI工具，开始搭建自研管线。在字节跳动铺设完整的技术闭环平台Anew Labs之前，百度已经下场孵化百图生科，聚焦AI蛋白药物研发；腾讯深耕小分子创新药，落地AI药物研发专利；阿里和京东则是试图打通AI研发与医药流通全链条协同。从字节跳动分拆出来的AI制药公司Anew Labs（新生实验室），2026年9月首轮融资金额2.9亿美元（约合人民币20亿元）。
放眼全球，AI大厂进军医药的势头正盛。
2025年10月，Anthropic推出Claude for Life Sciences，面向药企做文献、数据、合规和研发协作。2026年开始亲自下场，4月以4亿美元收购了一家定位为生物领域人工超级智能（ASI for Science）的小型初创公司Coefficient Bio，6月推出垂直医药行业的解决方案Claude for Science，亲自下场做药物研发，9月在美国旧金山湾区悄悄建成了一座实体生物实验室（wet lab），让Claude指挥机器人完成真实的生物学实验，减少人工介入。
谷歌DeepMind孵化并分拆出一家独立的AI药物发现公司Isomorphic Labs，直接做临床管线，预计在 2026 年年底前启动第一批临床试验。
这番景象有些似曾相识。计算机视觉技术浪潮里冒出的“AI四小龙”，商汤科技、旷视科技、依图科技、云从科技们，在这一轮AI大潮中去了哪里？技术更新迭代的背后，藏着企业的兴衰成败。
当行业从技术期待走向临床兑现，资本市场对“AI制药”的估值溢价也逐渐会从初创技术公司转向拥有资本、算力和平台优势的AI巨头。
2024年8月，全球最早的AI制药公司之一Exscientia与美国TechBio公司Recursion宣布合并，整合生物学研究、分子设计和自动化合成能力。面对风向转变，他们选择了抱团取暖，分散风险。
AI制药真正缺的是什么？
如果把药物研发拆开来看，AI参与最多的环节在计算：在海量的数据库中搜索分析、预测蛋白质结构、模拟药物与靶点结合。在虚拟的数字世界中，自动化的算力支持、快速的机器迭代，让分子发现这个过程高速运转。但是药物验证仍需在物理世界中经过筛查、临床试验和监管审批。AI无法加速药物在人体内的反应时间。
2026年6月，英矽智能、晶泰控股和剂泰科技分别披露了25、18、15条在研管线的进展。其中仅有英矽智能的AI驱动自研候选药Rentosertib和剂泰科技的AI优化制剂新药MTS-004进入三期临床。大多数管线仍集中在临床前的验证环节。
这也是AI制药企业普遍面临的干湿困境。在理想状态下，干湿实验应该形成一个闭环。在干实验环节，AI模型给出预测，湿实验在物理世界中给出反馈，再来修正模型进行下一轮预测。
在现实中，这个循环往往转不动。只做计算设计，难以获得高质量的实验反馈和失败数据；自建湿实验室能够形成数据闭环，却要承担设备、人员和场地成本。如果实验设备的利用率不足、不同项目难以标准化，技术优势就可能转化为沉重的固定成本。
数据来源：公司2026年半年报。
面对这一困境，“AI制药四小龙”采取了不同的转向。晶泰科技从2024年年底更名为“晶泰控股”，英文简称由“QuantumPharm”变更为“XtalPi Holdings”，主动剥掉“制药”的标识，想要成为以AI、机器人技术为底盘，再通过投资、并购、合作把药物研发、材料、自动化实验、AI4S等板块拼起来的平台型主体。
为此，它一直在增加对自主实验室和智能体系统的研发投入。2025年它的研发投入是5.69亿元，而在2026年上半年，其研发投入已经达到了3.68亿元，研发强度93.4%。但是它需要回答的是,设备利用率有多高、项目能否标准化、客户是否复购。
相比之下，英矽智能依旧专注于药物资产的变现，但必须承担传统生物科技公司面临的临床风险——三期失败、监管延迟、商业化不及预期，以及AI模型的迭代压力。2026年上半年，英矽智能的研发投入同比增加38.7%，达到0.49亿美元（约合人民币3.36亿元）。2025年的研发强度更是达到144.7%。其2026年半年报显示，快速增长的研发投入主要源于临床管线扩张和新增早期开发项目使CRO的费用增加，以及人才成本的投入增加。
数据来源：公司年报及半年报。南方周末科创力研究中心制图
剂泰坚守着“AI递送第一股”的品牌定位。不过，公司长期处于入不敷出的状态。2025年的研发强度高达257.0%。2026年上半年的研发支出同比增加48.1% （1.72亿元），主要用于管线推进、候选药物的药理毒理实验、临床试验等研发相关服务费。
深度智耀押注于临床流程自动化，但自动化节省的成本有多少能转化为利润，仍有待验证。
英矽智能是“四小龙”中唯一一家试图打通干湿实验，实现模型自研、平台搭建、临床开发全流程的公司，同时较快地推进了AI药物的临床试验。2026年9月10日，英矽智能首款由AI设计的治疗特发性肺纤维化药物Rentosertib在北京协和医院、上海市肺科医院完成3期临床试验的首例患者给药。
该药物从靶点发现到PCC(一个分子被选为优化的候选药物)的时间仅用了18个月，远短于传统临床前研究的四到五年。这可能是一条可持续发展的路，但也必然面临高额的研发投入和漫长的实验过程。
AI大厂正在快马加鞭地打通AI制药的“最后一公里”，加速商业化进程。这是AI制药的难点，也是具备变革潜力的方向。
AI制药行业迎来了它的爆发窗口期，是否又将成为一个由强大算力颠覆技术研发的故事？这或许要等到第一款AI药物获批上市的时刻。
南方周末特约研究员 卫酉祎 南方周末研究员 罗仙仙
责编 黄金萍
