AI制药领域正迎来新一轮发展热潮，多家非传统药企纷纷入局。科技公司Anthropic近期动作频频，不仅自建了湿实验室以验证其模型在生物实验中的指挥能力，还与诺和诺德、百时美施贵宝等制药巨头达成合作，并收购了Coefficient Bio以强化技术布局。与此同时，字节跳动旗下新生实验室也宣布完成首轮融资，标志着这一赛道竞争进一步加剧。当前，AI技术主要应用于新药研发的早期阶段，通过缩小候选分子搜索范围和加速实验迭代来提升效率，但临床试验环节的耗时与成本问题仍未得到有效解决，早期研发成功率的提升并不必然转化为临床阶段的突破。
不同背景的参与者正探索差异化发展路径。专注AI制药的企业通常聚焦药物研发中的特定环节，将模型训练与具体任务深度结合；大模型公司则致力于构建通用型科学平台，通过单一基础模型搭配垂直工具链，实现跨靶点、跨任务的研发流程优化，并强调数据基础设施的互联互通；传统药企虽掌握海量数据，但缺乏标准化整合能力，往往面临“数据孤岛”困境。为弥补这一短板，大模型公司正加大模型训练投入，同时通过自建实验室或外部合作获取关键数据，尤其是那些记录失败实验的“负样本”——这些数据与成功案例同等重要，是优化模型性能的核心资源。
商业化模式方面，行业已形成两条清晰主线。AI制药企业多采用“AI-CRO服务+软件工具+自研管线”的组合策略，其中自研药物管线因其直接的价值转化潜力而备受关注；大模型公司则侧重临床前研发支持与基础设施搭建，部分企业已开始低调推进内部管线开发。市场普遍将自研管线视为评估AI制药企业价值的关键指标，例如英矽智能的候选药物目前正进行III期临床试验，其结果将成为验证AI制药技术可行性的重要依据——毕竟，临床数据才是衡量技术成果的最终标尺，任何概念与故事都需以实际疗效为支撑。
