AI 制药开始交卷，当效率红利兑现后，价值会流向谁？

发布时间：2026-07-17 11:41:25 来源：安智兰德资讯网 作者：休闲

文 | 智讯智库，制药作者 | 智讯智库分析师 李伯睿

随着人工智能深度渗透，开始AI 制药已从概念验证步入药企巨头的交卷价值日常研发工作流。

强生（NYSE: JNJ）率先交出了一份极具说服力的当效成绩单：其先导化合物优化周期直接缩短 50%，临床试验报告准备时间从数百小时压缩至约 15 分钟（注：该数据尚未经第三方独立审计，率红利兑最终报告仍需经过人工审核与合规确认）[1]。现后

这一案例证实了 AI 在提升研发速度上的制药显著作用，但并未完全解答更深层的开始产业命题——AI 能否提升决策精准度？节省下来的成本最终将流向产业链的哪个环节？

强生的实践揭示了一个关键事实：当前 AI 带来的红利，并非体现在端到端的交卷价值全新药物发现，而是当效集中在特定研发工作流中的确定性降本增效。在先导化合物优化、率红利兑候选线索筛选、现后实验数据结构化处理及监管文档生成等高冗余、制药高耗时环节，开始AI 正在兑现可量化的交卷价值效率收益。

然而，核心问题在于：当这些效率被真实释放后，收益最终会向产业链的哪个环节集中？

这正是本文探讨 AI 制药商业逻辑的起点。

定义说明：本文所讨论的“AI 制药”，特指 AI 在药物发现与早期研发中的应用（包括靶点发现、分子设计、先导优化及临床前阶段），不涉及临床试验成功率提升与药物商业化结果。

相比“AI 是否能发现新药”的远期叙事，当下更具现实意义的问题是：AI 参与药物早期研发所释放的效率红利，其归属机制为何？

基于此，本文首先区分三类主体，并给出以下四点核心判断：

1. 定位差异：AI 制药目前最确定的是降低单位决策成本，而非提高新药成功率。它解决的是“这个分子像不像药”的问题，而非“这个药能不能治病”的临床问题。因此，该技术目前更多体现为对研发早期的局部优化，而非对整个新药研发的系统性改写。
2. 价值分化：AI 制药带来的效率红利沿产业链分化为三种承接路径，形成清晰的结构性分配格局。红利不会平均分配，而是流向三类主体：采用混合架构的大药企、外部 AI 药筛平台商以及以管线资产化为核心的 AI Biotech。其中，大药企因掌握数据、评价体系与研发决策权，是最确定、也是最早的受益方。
3. 商业逻辑：三条路径对应三种不同的价值兑现机制：“效率内化”、“平台闭环”和“资产转化”。
4. 终局约束：AI 制药的长期结果取决于效率红利如何转化为收入、资产与长期现金流。无论技术如何提升效率，都只能优化“前段确定性”，无法消除临床试验与生物学机制本身的不确定性。

研究边界：由于披露口径差异，本文案例主要用于刻画行业趋势，而非精确量化单个项目贡献。AI 制药能否系统性提高临床成功率，仍缺乏长周期、大样本验证，这也是后续观察该赛道需补足的关键。

本文所有内容均不构成任何投资建议、证券推荐或买卖依据；文中涉及的股价、市值、财务数据及相关案例等均具有时点性，并不预示其未来表现。市场有风险，投资需谨慎。

01 从“大海捞针”到“期权式止损”：AI 制药的早期价值定位

新药研发本质上是一场高投入、长周期、低成功率的筛选游戏。一款新药从早期发现到上市，通常需耗时 10 年左右。随着项目从发现阶段推进至临床 I 期、II 期、III 期及上市申报，资金、时间和组织资源呈“J 型曲线”陡峭上升。这意味着管线的试错成本在后期急剧放大，一旦在耗资巨大的 III 期临床或监管审批阶段失败，前期数亿乃至数十亿美元的投入将瞬间沦为沉没成本。这种“晚期失败”足以拖垮中型 Biotech，甚至重创跨国药企的管线战略。

这正是 AI 制药被寄予厚望的根本原因。药企买单的并非单纯的 AI 概念，而是 AI 技术带来的“期权式止损价值”——即在资金向后期临床阶段大幅放大之前，更早形成对靶点、候选分子和成药性的排序判断，从而减少低优先级方向的资源占用。对于药企而言，早期筛掉低价值候选方向，不仅能减少无效实验，还能为其他在研管线释放临床前研究、临床试验和管线管理资源，从而改善整体研发资源配置效率。

然而，要将这种宏观构想转化为现实，药企必须将其拆解到具体的研发链条中。现阶段，AI 制药是一组覆盖“找靶点、找分子、优化分子、预测成药性”的工具链，它并未改变“药物研发必须经过实验和临床验证”的基本规则，而是将更多判断前置到研发早期：先用模型和数据缩小可成药范围，再用实验和临床数据逐一验证。

从药企视角看，AI 制药在研发早期不同环节的价值分布并不均等：

表中的“价值验证难度”是指 AI 在该环节创造的价值能否被清晰量化和归因。判断标准包括：是否能用工时、成本或实验数量直接衡量，AI 贡献是否容易单独拆分，以及是否需要后续实验、临床或监管结果验证。难度越低，代表短期价值越容易被量化；难度越高，代表其价值越依赖长期验证。

上表解释了为何强生案例更像“流程效率验证”而非“新药成功率验证”：AI 参与强生内部的先导化合物筛选优化，提升了研发资源配置效率；而在文档与监管流程的贡献，则更多体现为材料生成、信息整理和流程自动化层面的“四两拨千斤”。二者虽能省钱、省时、省力并筛选出更具潜力的先导化合物，但 AI 尚难对分子后续的安全性（毒性）和有效性（疾病缓解）给出确定性保证。

因此，AI 制药目前最先出现可量化信号的是流程提效。至于能否进一步提高管线质量和新药成功率，仍需更长周期的数据（包括各环节实验数据、IND 推进率和临床试验数据）来回答。

对药企而言，这种在早期“去芜存菁”并根据环节弹性精细化控本的能力，才是 AI 制药从概念走向真实需求的关键。强生案例真正释放的信号是：药企开始把 AI 作为工具链，深度嵌入到研发流程的成本控制系统当中。

02 效率红利的三种去向：大药企、平台商与 AI Biotech 的博弈

从产业本质看，AI 制药的影响可归结为三个核心问题：
1. 效率是否提升（速度维度）——AI 是否降低单位研发时间与成本；
2. 质量是否提升（决策维度）——AI 是否提高候选药物的成功率与有效性判断能力；
3. 价值如何分配（商业维度）——效率收益最终流向大药企、平台商还是 AI Biotech。

在这一框架下，强生案例提供了一个企业级流程提效样本，但更关键的问题在于：当效率被释放后，其经济收益将如何在产业链中重新分配？

强生案例容易让人误以为效率红利会全部沉淀在大药企内部，但现实更为复杂。从当前产业实践看，AI 制药的技术价值主要有三条去路：
① 由大药企主导的混合架构承接；
② 转化为外部AI 药筛平台商的订单；
③ 通过AI Biotech沉淀为药物资产。

三条路径看似都受益于 AI 提效，但对应的确定性、价值承接方式和价值上限各不相同。其中，大药企是效率红利最早显现、也最容易被经营指标吸收的一类主体。

路径一：大药企的“混合架构”与数据主权

对于强生、罗氏（OTC: RHHBY）、诺华（NYSE: NVS）、礼来（NYSE: LLY）、赛诺菲（NASDAQ: SNY）等跨国药企（MNC）而言，AI 是一种嵌入研发体系和外部采购服务的效率工具。它们并不在“自研”和“外购”之间做二选一，而是采用“内部能力建设 + 外部工具采购 + 战略合作”的混合架构。

通用软件、专业计算平台、云算力和部分前沿算法可来自外部 AI 药筛平台，但私有研发数据、模型评价体系、工作流编排和最终研发决策权，通常会被尽可能留在内部。例如，赛诺菲将其定位为“研发驱动、AI 赋能”的生物制药公司，利用 AI 支持靶点发现、大分子药物和生物制剂研究，重点应用于抗体和纳米抗体方向[2]。

这种“内部主导、外部补充”的路径在国内头部药企中亦开始显现。大药企能成为效率红利重要承接主体的核心，在于其在“自研（Make）与外购（Buy）”上的资产边界逻辑。

需要注意的是：单个候选药物研发成本下降，并不必然导致药企整体研发支出下降。在 AI 降低试错成本的情况下，药企往往会同时推进更多候选项目，从而使整体研发投入保持稳定甚至上升，呈现出类似“规模扩张效应”的结构特征。

但这种混合架构能否形成壁垒，不取决于工具本身，而取决于数据与决策体系是否闭环。这一结构性约束的核心在于“数据主权”与“核心 Know-how”。

大药企掌握着行业最稀缺的资产——长期积累的临床前实验数据与失败数据，即暗数据（Dark Data）。在开源模型与通用算法快速商品化的背景下，算法差异正在收敛，真正形成壁垒的是高质量、私有化、可持续积累的实验数据体系。这些数据决定了模型训练效果的上限，并构成后续优化循环的基础。

因此，出于对暗数据安全、管线主权及资产溢价的考虑，大药企通常避免核心数据资产长期无约束地沉淀在外部供应商平台上。它们凭借庞大的 IT 团队与资金实力，将 AI 通用算法与自身暗数据闭环融合，既锁定 AI 提效的战略红利，又强化效率红利向内部回流的趋势。

路径二：外部 AI 药筛平台商的“防 CRO 化”挑战

国际上，Recursion（NASDAQ: RXRX）、Schrödinger（NASDAQ: SDGR）等公司较有代表性，分别从高通量实验与细胞图像平台、物理建模与计算化学软件方向切入，形成典型的平台化路径。

国内来看，晶泰控股（晶泰科技，HK: 02228）和百图生科（未上市）则分别聚焦“AI+自动化实验平台”和“生命科学大模型+多组学数据”两个方向。

然而，这类平台型公司面临一个共同挑战：如何对抗“被 CRO 化”的估值引力。

CRO（合同研究组织）采用“管线项目制”的计件收费模式。如果平台型公司无法将技术服务转化为标准化、高复购的软件订阅，或绑定长期收益分成的战略级合作，其收入极易退化为 CRO 类模式。一旦陷入非标准化的红海竞争，业绩增长将依赖堆砌项目数量与人力成本。这种“披着 AI 外衣行传统 CRO 之实”的劳动密集型退化，将迅速侵蚀毛利率，无法支撑科技公司特有的高边际效应、高毛利与高估值。

要想避免被“CRO 化”，外部 AI 药筛平台商的关键不在于单点能力提升，而在于能否实现从“单一结果交付”向“研发流程嵌入”的跃迁，即形成“软件/模型/数据—项目合作—候选输出—复购扩围—数据回流—模型迭代”的闭环机制。

这一闭环的实现主要有两类方法：

需要强调的是，这两种路径本质上都不是“替代 CRO”，而是提升研发流程嵌入程度的尝试。成败的关键取决于一个更关键的约束条件：能否进入药企的常态化研发工作流，而不仅停留在单点工具采购或试点合作阶段。

基于此，外部 AI 药筛平台商想真正兑现价值，可进一步观察三个核心验证信号：

如果上述条件无法逐步满足，所谓“平台化能力”最终仍可能退化为以项目交付为核心的 CRO 模式。

路径三：AI Biotech 的“高风险、高估值弹性”模式

AI Biotech 与传统 Biotech 相比，能够通过数据和算法重构靶点发现、分子设计、成药性预测和临床开发决策，形成“AI 平台 + 自有管线”的研发模式。

其获取效率红利的方式不同于大药企：大药企将 AI 纳入既有体系以提高流程效率；而 AI Biotech 将 AI 平台本身作为药物资产创造引擎，试图通过自研管线或共有产权（如对外授权、里程碑付款、未来销售分成），分享候选药物后续增值带来的收益。Isomorphic Labs（未上市）、英矽智能（HK: 03696）等公司是这一路径的践行者。它们不满足于低毛利的服务费，而是试图享受药物资产全生命周期的超额溢价。

这是一种典型的“高风险、高估值弹性”模式：

这一路径在具备最高上限的同时，也伴随着最大的不确定性。如果 AI Biotech 选择深度参与管线开发，它将重新进入传统 Biotech 的高淘汰率通道。AI 的算力优势可以优化早期资产的资本效率，却无法改写生命科学的底层规律——临床前到临床 III 期的层层验证及监管审批，依然要直面巨大的生物学黑盒。

换言之，药物资产既是其估值的放大器，也是其风险的集中地。若候选药物成功推进，以优异临床数据兑现远期里程碑与销售分成，企业将获得资产与技术双重叠加的溢价；但如果临床结果失效，单纯的算法模型与概念叙事，将很难独立支撑起资本市场对高估值的期待。

Exscientia（NASDAQ: EXAI，已退市）与赛诺菲的合作案例，暴露了 AI Biotech 模式最核心的商业风险：远期里程碑的高不确定性，与近期现金流的高消耗。

双方虽签订了名义规模高达数十亿美元的战略协议，但这笔资金不会直接沉淀为当期流动性，需待项目跨越临床前验证、IND 申报、临床试验、监管审批和上市销售等关卡后才分阶段兑现。以 2024 年为例，Exscientia 虽将两个项目推进至下一节点，但实际触发的里程碑付款仅为 1500 万美元，而其背后挂钩的远期潜在权益则超过 6 亿美元[10]。这意味着，企业一边承担平台研发、实验验证和管线推进带来的持续现金流出，另一边获得的却是低频、长尾且高度不确定的现金流入。Exscientia 随后选择与 Recursion 合并[11]，也反映了 AI Biotech 在“远期里程碑驱动 + 近期现金流压力”之间的结构性张力。

基础设施层：被忽视的价值分配者

在上述三类主体之外，基础设施层同样构成 AI 制药价值分配体系的重要组成部分。它包括云计算与 GPU 算力提供商、实验室自动化设备厂商、生物数据与数据库平台，以及临床数据治理与合规软件服务商。这类主体在“计算-实验-数据闭环”中提供底层支撑能力，同样参与效率红利的分配。

需要区分的是：“产业价值的最大承接者”与“资本市场中的最佳投资标的”并不等价。大药企虽然可能吸收最多效率红利，但由于其体量庞大，边际效率改善对整体估值影响有限；而 AI Biotech 虽然不确定性更高，但由于收入和融资结构的杠杆效应，其股价对边际进展更为敏感。

将三类路径放在一起，我们可以清晰看到 AI 制药正在出现的三个结构性趋势：

因此，AI 制药商业化的核心拷问，已经从“AI 能不能提效”的技术命题，转向了“红利如何分配”的商业博弈。大药企收割内部效率，平台商争夺复购与流水分成，AI Biotech 则博取管线权益与资产价值。

在这场博弈中，三条路径沿着一条清晰的坐标轴展开：确定性依次下降，价值上限依次上升。

03 终局思考：从“技术可行”到“临床可行”的跨越

必须承认，本文探讨的三条红利分配路径和价值兑现的理论基础，均建立在“AI 在早期研发技术可行”的现阶段红利之上。

从强生案例看，AI 制药技术已经能够参与候选线索生成、先导优化、实验数据处理和文档流程自动化。这主要得益于产业当前正迎来的三重叠加机遇：

但对于医药产业来说，技术可行只是上半场的效率提速，真正决定 AI 制药能否彻底颠覆制药工业的，是远期迈向“临床可行”的终极跨越。

如果有一天 AI 制药真正跨过了“临床可行”这道关口，意味着 AI 不仅能缩短早期筛选时间，还能系统性地提高临床试验成功率——即大众叙事中所谓的“AI 发现神药”。

但这显然不是当下正在发生的事实。目前，即便强生这类头部玩家也承认，依靠 AI 直接发现新产品并将其推向市场“仍有一段距离”。

尽管英矽智能等公司已推动 AI 参与设计的候选药物（如伦托司替）完成了临床 IIa 期试验阶段，但这仅仅是把验证场景从模型推进到了人体试验。AI 筛出的候选分子，依然无法跳过体外实验、动物实验、毒理研究，以及极其昂贵且充满不确定性的 III 期临床试验与监管审批。

在长周期、大样本的临床最终疗效与安全性数据出炉之前，AI 制药技术的定位依然是药企的“控本提效工具”，而非“神药发明机器”。这意味着，AI 制药并没有颠覆经典生物学与临床医学的底层规则，它改变的是寻找正确分子的“速率”，却无法豁免生物体内真实代谢的“规律”。

归根结底，AI 制药的上半场是一场关于算法与算力的“效率比拼”，而决定下半场生死的，则是一场关于临床资产与真实商业现金流的“价值重塑”。技术可行性让 AI 制药登上了制药工业的舞台，但只有临床可行性，才决定它最终是作为 CRO 式的边际工具留在幕后，还是作为基础设施去重新定义下一个时代的行业版图。

【声明】：本文仅基于公开资料进行行业研究与信息分析，不构成任何投资建议、证券推荐或买卖依据。文中涉及的股价、市值及财务数据具有时点性，市场有风险，投资需谨慎。

参考资料：

[1] Reuters, 《J&J sees AI halving the time to generate drug development leads》, https://www.reuters.com/business/healthcare-pharmaceuticals/jj-sees-ai-halving-time-generate-drug-development-leads-2026-04-27/

[2] Sanofi, 《Digital & AI》, https://www.sanofi.com/en/our-science/digital-artificial-intelligence

[3] 华东医药, 《公司研发工作进展情况（截至2026年4月）》, https://www.eastchinapharm.com/innovate.html#innovate_sec1

[4] 证券时报, 《AI 助力新药研发破局 上市公司抢滩黄金赛道》, https://www.stcn.com/article/detail/1171882.html

[5] Recursion, 《Recursion Reports Fourth Quarter and Full Year 2025 Financial Results and Provides Business Update》, https://ir.recursion.com/news-releases/news-release-details/recursion-reports-fourth-quarter-and-full-year-2025-financial

[6] Schrödinger, 《Schrödinger Reports Fourth Quarter and Full-Year 2025 Financial Results》, https://ir.schrodinger.com/press-releases/news-details/2026/Schrdinger-Reports-Fourth-Quarter-and-Full-Year-2025-Financial-Results/default.aspx

[7] Isomorphic Labs, 《Isomorphic Labs announces Series B investment round》, https://www.isomorphiclabs.com/articles/isomorphic-labs-announces-series-b-investment-round

[8] Nature Medicine, 《A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial》, https://www.nature.com/articles/s41591-025-03743-2

[9] Insilico Medicine, 《Insilico’s Rentosertib Inhalation Solution Receives IND Clearance for the World’s First AI-Driven Candidate to Enter Direct-to-Lung Clinical Study》, https://insilico.com/news/pdmncgky51-insilicos-rentosertib-inhalation-solutio

[10] Businesswire, 《Exscientia Achieves Milestones for Two Programmes in Sanofi Collaboration》, https://www.businesswire.com/news/home/20241016255653/en/Exscientia-Achieves-Milestones-for-Two-Programmes-in-Sanofi-Collaboration

[11] The Times, 《British drugs developer Exscientia is snapped up for $688m》, https://www.thetimes.com/business/companies-markets/article/exscientia-bought-for-688m-by-american-pharma-business-recursion-lwxxrjdzl?

相关文章