AI制药呈现结构性分化：化学模型跑出成绩单，生物模型仍困“死亡之谷”

　　人工智能对制药工业的渗透正步入深水区，但技术赋能的不均衡性愈发凸显。在化学发现端，AI已从边缘试探走向研发中枢；而在更具决定意义的生物机制解析层面，技术突破仍面临显著瓶颈。这种结构性分化，正将AI制药推向一个关键的价值分水岭。

　　AI制药遭遇“结构性分化”

　　人工智能正以前所未有的深度渗透至药物研发的核心环节，但这场技术赋能革命的不均衡性已愈发凸显，呈现出清晰的“结构性分化”。

　　2026年8月9日，财联社发布深度调研显示，AI制药在化学模型层面已跑出阶段性成绩单，逐步从辅助工具进化为行业“必选基础设施”；然而，在决定创新药真正价值上限的生物模型领域，AI仍深陷可解释性不足与干湿实验脱节的“死亡之谷”。

　　摩根士丹利在最新研报中将2026年定义为“人工智能药物发现的成败之年”，直指生物模型的突破程度将决定整个赛道的终极价值。从产业实践到资本研判，一个关键追问浮出水面：当AI落地药企的真实战场，从“用了AI”到“被AI改变”，行业究竟还需跨越多少关山？

　　化学模型成熟，AI从“可选项”变为“必选项”

　　艾媒网（iiMedia.cn）获悉，在日前举行的2026 BPD第九届生物药工艺发展大会上，苏州爱科百发总经理吕贺军以资深制药人的视角，回溯了AI在药物化学领域的跃迁。

来源：东方网

　　他提到，数年前某合作企业曾用AI跑出的首批候选分子“一眼就能看出是不可成药的无效产物”，根本无法推进后续研发；而随着大模型底层技术、算法架构与高质量数据集的持续突破，此类低级失误在当今业界已基本绝迹。

　　这背后，是化学模型在药物发现前端已实现的系统性重塑——传统研发仅在初始步骤就需依赖海量试错，周期长、失败率居高不下；如今AI能够挖掘文献、组学与化学数据库中的隐藏关联，快速锁定潜在靶点，生成具备成药潜力的全新分子结构，同时对分子活性、毒性、可合成性做前置预判，大幅缩减需实际合成验证的化合物数量。以苏州镁伽科技为例，其依托自研的鲲鹏实验室3.0，在无人值守的智慧实验环境中开展抗体药研发，仅耗时4个月便完成了18个靶点共计56轮干湿实验，效率提升幅度远超传统模式。

　　在效率实现质变的同时，AI制药的商业价值也正在全球市场得到逐步验证。近年来，中国创新药出海迎来爆发式增长。iiMedia Research（艾媒咨询）发布的数据显示，2024年以来，中国创新药License-out（对外授权）交易频现天价，金额屡创新高。相较于传统研发，AI技术可将药物发现周期缩短近40%，研发成功率从12%提升至14%。2025年全球AI制药的市场规模为24.05亿美元，预计2026年将达29.94亿美元。这种从局部效率到整体规模的全面提升，正让行业对AI的价值认知愈发清晰。

　　更值得注意的是，行业的底层思维正在发生转变：AI不再只是可供选用的辅助工具，而是演变为必选的基础设施。多位与会专家指出，当前研究者甚至会担忧，若药物研发缺少AI参与，最终产出的分子是否还能在日益激烈的全球竞争中具备成药性优势。这种认知跃迁，标志着化学模型已实质性嵌入现代制药工业体系。

　　生物模型滞后，“死亡之谷”瓶颈制约成药天花板

　　当化学模型在“如何高效开发药物”的问题上交出亮眼答卷时，生物模型在回答“能开发什么药物”这一更高维度的命题时，却暴露出深层短板。

　　摩根士丹利在《跨越分子：2026年是人工智能药物发现的成败之年》研究报告中尖锐指出，化学模型本质上是药企研发体系中的“加速器”，但生物模型的发展水平才是决定AI制药行业价值上限的核心变量。

　　所谓“死亡之谷”，正是指从候选分子确定到临床前生物验证之间那道难以逾越的鸿沟。现阶段，生物模型的可解释性不足已成为制约最终成药率的关键瓶颈——AI可以生成看似结构完美的分子，但对于该分子在复杂生物系统内的真实作用机制、信号通路干扰、脱靶效应及长期毒性，预测能力依然薄弱。这种“黑箱”特性导致大量在计算机模拟中表现优异的分子，一旦进入细胞实验或动物体内便迅速“现形”，干湿实验转化率始终难以突破。

　　吕贺军坦言，尽管算法能力突飞猛进，但生物数据的复杂性、动态性、个体差异以及人体微环境的不可模拟性，使得AI在跨越从“分子”到“药物”的最后一公里时举步维艰。此外，高质量生物标注数据的稀缺、湿实验反馈回路的滞后，进一步放大了生物模型的不确定性，令不少药企在将AI推向研发腹地时仍持审慎态度。

　　从“工具赋能”到“生态重构”，2026成重要观察窗口

　　眼下，AI制药赛道热度持续攀升，参与主体已从传统药企、生物科技公司扩展至AI算法企业、输出底层算力与模型的科技巨头及专业数据服务商，形成空前活跃的多层次产业生态。然而，资本涌入与玩家扩容并不能掩盖价值分化的严峻现实。

　　业内越来越清醒地认识到，仅靠化学模型的局部突破，无法自动填平生物模型面前的沟壑，更难以支撑AI制药进入下一个高质量发展阶段。行业共识正在凝聚：真正的颠覆性价值取决于生物模型能否成功跨越“死亡之谷”，从“如何高效开发”迈向“开发什么才有价值”。

　　这意味着产业竞争正从单点算法比拼，转向涵盖数据、模型、实验验证的系统性生态能力较量——企业不仅需要提升生物模型的可解释性与预测精度，更要建立高效的干湿实验闭环，打通从靶点验证、细胞功能学评价到临床前研究的完整生物数据链条，让湿实验的反馈能够实时反哺模型迭代。

　　对于中国生物医药产业而言，如何在生物模型领域缩小与国际前沿的差距，将本土丰富的临床与组学资源转化为高质量、标准化的训练数据，已成为攸关全球竞争力的战略命题。

　　2026年被视为技术验证与商业模式兑现的重要观察窗口。那些在生物模型突破及干湿闭环整合上取得切实进展的企业，有望在行业竞合中确立长期优势，推动人工智能从研发“加速器”向创新药价值“定义者”演进，为全球医药创新规则的重构提供实质性助力。