A Randomised, Double-blind, Placebo-controlled, Phase 1 First-in-human Study to Investigate the Safety, Tolerability, Pharmacokinetics, and Food Effect of Single- and Multiple-ascending Doses of BEN8744 in Healthy Subjects.

BEN8744 is an experimental new medicine for treating inflammatory bowel diseases such as Ulcerative Colitis.
The study will test single and repeated oral doses of BEN8744 or placebo. BEN8744 is a first in human study, so will start with a small dose and the dose will be increased as the study progresses. The goal is to find out its side effects and blood levels when taken by mouth and whether food affects the blood levels.
This is a 3-part study (Parts A, B and C) in up to 108 healthy people, aged 18-65.
Part A, will include up to 64 participants, single doses of BEN8744 or placebo. They'll take about 2 weeks to finish the study, stay on the ward for 4 nights and 5 days in a row and make 2 outpatient visits.
Part B, will include up to 12 participants, single doses of BEN8744 with and without food. They'll take up to 3 weeks to finish the study, stay on the ward for 4 nights and 5 days in a row on 2 occasions, and make 2 outpatient visits.
Part C will include up to 32 participants repeat doses of the BEN8744 or placebo for 14 days. They'll take about 4 weeks to complete the study, stay on the ward for 17 nights and 18 days in a row and make 2 outpatient visits.

开始日期2023-08-30

申办/合作机构

BenevolentAI Bio Ltd.

100 项与 BEN-8744 相关的临床结果

登录后查看更多信息

100 项与 BEN-8744 相关的转化医学

登录后查看更多信息

100 项与 BEN-8744 相关的专利（医药）

登录后查看更多信息

项与 BEN-8744 相关的新闻（医药）

2026-08-11

·壹线产业知识库

2026全球AI制药企业Top30

壹线产业知识库 · AI产业TOP系列2026全球AI制药企业Top30 从AI制药"三小龙"齐聚港股，看全球药物研发的新世界秩序行业概览 2026年，AI制药赛道正经历从"概念验证"到"商业化兑现"的质变时刻。全球AI药物发现市场规模预计从2025年的28.5亿美元增长至2026年的34.5亿美元，2032年有望突破156亿美元（CAGR 27.5%）。更关键的是，全球已有170余条由AI设计或优化的药物管线进入临床阶段，英矽智能的Rentosertib——全球首款AI完成靶点发现与分子设计的药物——已于2026年6月启动III期临床。资本端同样热烈。2025-2026年全球AI制药投融资总额近60亿美元。英矽智能港股上市首日高开45%，剂泰科技IPO获6900倍超额认购，华深智药以7.87亿美元创2026年全球生物技术融资纪录。与此同时，Anthropic发布Claude Science进军生命科学，英伟达投资Recursion，大模型巨头正将战火烧到制药前线。本篇报告按"端到端AI制药平台—中国AI制药新势力—AI蛋白设计与生物制剂—AI药物递送与前沿应用"四大赛道，深度解析30家全球头部AI制药企业。 🚀 赛道一：端到端AI制药平台（8家）覆盖靶点发现、分子设计、临床预测全流程的全球头部AI原生制药公司 1Isomorphic Labs独角兽估值 $140亿–$260亿（2026年5月融资$21亿后）核心产品 AlphaFold 3商业化平台总部英国伦敦（DeepMind子公司）成立 2021年 DeepMind创始人Demis Hassabis亲自掌舵的AI制药旗舰。AlphaFold 3实现了蛋白质、核酸与配体的联合结构预测，从根本上改变了药物发现的起点。2024年与礼来、诺华分别签署$30亿级合作协议，2026年5月融资$21亿，由Thrive Capital领投。Isomorphic的"AI-first drug design"路线是当前全球最被看好的技术路径。 ★ 里程碑：2026年5月完成$21亿融资，为AI制药赛道最大单笔私募融资；与礼来、诺华合作总额超$60亿 2英矽智能（Insilico Medicine）已上市市值约$29亿（港股03696.HK） H1营收 $1.025亿–$1.065亿（同比增长273%–287%）核心产品 Pharma.AI平台 / Rentosertib（IPF，III期）总部中国香港/美国纽约成立 2014年全球AI制药的标杆企业。自研Pharma.AI平台覆盖靶点发现到临床试验全流程，将PCC确认时间从行业平均4.5年压缩至12-18个月。Rentosertib是全球首款AI完成靶点发现与分子设计的药物，2026年6月进入III期临床。2026上半年首次实现扭亏为盈，与SK生物制药签署$25亿里程碑合作。中金给予"跑赢行业"评级，目标价76.80港元。 ★ 里程碑：全球首个AI原创新药进入III期临床；2026上半年营收增长287%并扭亏为盈；31条候选管线、12项IND获批 3Recursion Pharmaceuticals已上市市值约$15.7亿（NYSE: RXRX）核心产品 Recursion OS / 20+临床管线总部美国盐湖城成立 2013年以"工业化药物发现"为核心理念，通过高通量细胞成像（表型组学）与AI结合筛选化合物。拥有超过20PB的生物和化学数据，2024年收购Exscientia实现规模化整合。与罗氏、拜耳、基因泰克均有深度合作。其脑 cavernous malformation 候选药物已进入III期临床。英伟达2023年战略投资$5000万。 ★ 里程碑：收购Exscientia成为表型组学+精准化学双引擎平台；拥有全球最大AI制药生物数据库之一 4Schrödinger已上市市值约$11.2亿（Nasdaq: SDGR）营收季营收$5860万（软件+合作）核心产品物理分子模拟平台 / Zasocitinib（III期）总部美国纽约成立 1990年 AI制药领域最独特的商业模式——双引擎：卖软件（授权费$5万+/年）＋自研管线。基于物理学的分子模拟而非纯数据驱动，在预测结合亲和力和药物样性方面具有更高精度。与武田合作的Zasocitinib（TYK2抑制剂）处于III期，是AI制药最接近商业化的资产之一。持续为BMS、赛诺菲等提供平台服务。 ★ 里程碑：Zasocitinib进入III期临床，是AI制药领域最接近上市的原创药物之一；拥有罕见的"软件+药物"双收入模式 5晶泰科技（XtalPi）已上市市值约$43亿（港股，AI制药三小龙之一）核心产品 AI+量子物理+机器人自动化平台总部中国深圳成立 2015年 "AI制药三小龙"之首，2024年6月率先登陆港交所，上市首日涨约70%。以量子物理+AI预测晶型和溶解度著称，2026年6月与某跨国药企签署$4亿+合作协议聚焦代谢GPCR靶点。其自动化湿实验室与AI干实验结合的模式，实现了从计算预测到实验验证的完整闭环。 ★ 里程碑：AI制药三小龙首发上市（2024年6月）；2026年签署$4亿+代谢GPCR合作，两个临床阶段GLP-1受体激动剂候选物 6BenevolentAI已上市市值约$6.4亿（伦敦上市）核心产品生物医学知识图谱+LLM平台总部英国伦敦成立 2013年以生物医学知识图谱为核心差异化武器。通过整合文献、基因、疾病、临床试验等多维数据构建知识网络，用LLM推断新靶点。曾在一个月内发现ALS新靶点，从而促成与阿斯利康的合作。其BEN-8744（PDE10抑制剂，溃疡性结肠炎）处于II期临床。与诺华、阿斯利康均有合作。 ★ 里程碑：知识图谱+LLM合二为一的药物发现新范式；一个月内发现ALS新靶点，成为阿斯利康合作基础 7Generate Biomedicines已上市市值约$12.3亿（Nasdaq: GENB）核心产品生成式蛋白设计平台 / GB-0895 总部美国马萨诸塞州成立 2018年用生成式AI从头设计自然界不存在的蛋白疗法。其Chromium平台整合了超过10亿蛋白序列训练，可"编写"具有特定治疗功能的蛋白质。与诺华合作开发临床前管线是其核心收入来源之一。GB-0895是其自行拥有的后期候选药物，使Generate在AI生物制剂领域独树一帜。 ★ 里程碑：Chromium平台生成自然界不存在的蛋白疗法；拥有后期自研候选药物，平台+产品双轮驱动 8Relay Therapeutics已上市市值约$43亿（Nasdaq: RLAY）核心产品蛋白运动建模平台 / RLY-2608（I期）总部美国马萨诸塞州成立 2016年独创"蛋白运动"建模——蛋白不是静态结构，而是在不断运动变形。Relay通过AI模拟蛋白的动态构象变化，发现传统结构生物学无法看到的药物结合位点。其RLY-2608是首个PI3Kα突变选择性抑制剂，针对实体瘤。这一"动态结构"路线让Relay在AI制药中独树一帜，D.E. Shaw Research是其创始投资方。 ★ 里程碑：独创蛋白运动建模发现不可成药靶点；D.E. Shaw Research技术孵化，2026年YTD涨超136% 🇨🇳 赛道二：中国AI制药新势力（8家） 2026年中国AI制药迎来IPO潮与MNC合作爆发，从跟随者变为全球格局重塑者 9剂泰科技（METiS）已上市市值约$43亿港元（港股07666.HK） IPO募资 $21.12亿港元（2026年5月）核心产品 NanoForge AI纳米递送平台总部中国北京成立 2020年 "全球AI药物递送第一股"，2026年5月港股上市首日暴涨126.67%。核心NanoForge平台是全球首个AI驱动的纳米递送平台，整合超1000万种自主生成脂质库，可将靶向LNP或小分子剂型开发从数年缩短至2-3个月。已开发人体8个靶向器官递送方案。IPO获6900倍超额认购，创2026年港股医疗健康IPO纪录。 ★ 里程碑：6900倍超额认购创纪录IPO；全球首个AI纳米递送平台；贝莱德领投，红杉参与5轮融资 10华深智药（Earendil Labs）独角兽融资累计$7.87亿（2026年3月新一轮）核心产品 AI大分子创新药设计平台总部中国北京 / 美国特拉华州成立 2021年（清华AIR孵化）清华大学智能产业研究院孵化，AI制药"黑马"。其算法跳出了AlphaFold2对多序列比对的依赖，实现单一蛋白质序列预测3D结构，数秒即可完成。两度与赛诺菲达成总额超$44亿的授权合作，辉瑞和赛诺菲以战略投资方入局。正以海外主体Earendil Labs冲刺港股IPO，拟募资$5亿。2026年3月$7.87亿融资创全球生物技术年度纪录。 ★ 里程碑：$7.87亿创2026全球生物技术融资纪录；赛诺菲+辉瑞双重战略投资；拟港股IPO募资$5亿 11百图生科（BioMap）Pre-IPO 融资数亿美元级别（已递表港股）核心产品 xTrimo V4生命科学大模型总部中国北京成立 2020年（李彦宏创办）百度创始人李彦宏与原百度风投CEO刘维联合创办，定位"AI+生命科学"基础设施平台。xTrimo V4大模型已进入60+概念验证项目，覆盖新靶点发现、抗体设计、创新药研发等关键领域。2026年3月被曝已秘密递表港股。百图生科代表了中国互联网巨头向生命科学渗透的最直接路径。 ★ 里程碑：xTrimo V4进入60+概念验证项目；李彦宏亲自挂帅，秘密递表港股冲刺"AI+生命科学第一股" 12深势科技（DP Technology）Pre-IPO 融资数亿美元级别（已完成股改）核心产品 AI+物理模型+药物设计（DeepMD）总部中国北京成立 2018年以"AI for Science"为旗帜，从分子模拟到药物设计全链条覆盖。其DeepMD方法将量子力学精度与机器学习速度结合，获2020年戈登·贝尔奖。2026年上半年完成股改变更为"股份有限公司"，被视为IPO启动的重要信号。深势在药物发现、材料设计、电池研发等多场景同时布局，是中国AI for Science的代表性企业。 ★ 里程碑：戈登·贝尔奖获奖方法DeepMD；完成股改冲刺IPO；横跨药物发现、材料、能源多场景 13深度智耀（Deep Intelligent Pharma）Pre-IPO 估值数十亿美元（D轮$2亿后，4个月翻6倍）订单 2025年以来销售订单近¥10亿核心产品 AI智能体临床试验系统总部中国北京成立 2017年 AI制药领域的罕见盈利企业。从医学写作切入，构建"AI智能体系统"自主执行临床试验方案多种文本，已连续多年盈利。2026年前两个月订单已超2025年全年。D轮系列融资累计$2亿，红杉、鼎晖百孚等老股东全部加注。正在推进Pre-IPO融资，有望成为"AI+CRO第一股"。 ★ 里程碑：已连续多年盈利（AI制药罕见）；4个月估值翻6倍；推进Pre-IPO，有望冲刺AI+CRO第一股 14天鹜科技（TimelyBiotech）高增长融资 A+轮超2亿元（2026年3月）核心产品 AI蛋白设计平台总部中国聚焦AI蛋白质设计的新锐力量。利用深度生成模型设计具有特定功能的蛋白质序列和结构，在酶设计、抗体优化等方向有显著技术积累。2026年3月完成超2亿元A+轮融资，资本对这一细分方向的加注印证了AI蛋白设计赛道的升温。 ★ 里程碑：A+轮超2亿元融资，AI蛋白设计赛道中国新锐代表 15予路乾行高增长融资多轮融资，Pre-IPO阶段核心产品 AI药物发现平台总部中国 AI药物发现领域的中国新锐。聚焦分子动力学模拟与AI结合的药物设计，通过计算化学方法加速先导化合物优化。Pre-IPO阶段，是中国AI制药第二梯队中的活跃玩家。 ★ 里程碑：Pre-IPO阶段，AI+分子动力学药物发现的中国代表 16宇道生物（Nutshell Therapeutics）高增长融资 B轮融资核心产品 AI变构药物研发平台总部中国专注变构药物这一细分赛道，通过AI发现蛋白的变构调节位点，开发全新机制的药物分子。变构药物被认为是突破传统正构药物局限性的关键方向，宇道在这一垂直领域建立了独特的技术壁垒。 ★ 里程碑：中国变构AI药物研发的先行者，B轮融资后在垂直赛道持续深耕 🧬 赛道三：AI蛋白设计与生物制剂（7家）从抗体发现到从头蛋白设计，AI正在改写生物制剂的游戏规则 17Absci Corporation已上市市值约$11.6亿（Nasdaq: ABSI）核心产品 AI生物制剂设计 / ABS-201临床总部美国华盛顿州成立 2011年生成式AI设计生物制剂（抗体等蛋白药物）的先锋。其"zero-shot"抗体设计能力可在无先验结构信息的表位上从头设计抗体。2026年6月ABS-201临床更新推动股价大幅波动。强调"湿实验数据反馈到模型训练"的闭环优势。机构持股评级82%买入，目标价$13.78。 ★ 里程碑：Zero-shot抗体从头设计；2026年YTD涨幅超137%，进入临床验证关键阶段 18AbCellera Biologics已上市市值约$17.2亿（Nasdaq: ABCL）核心产品 AI抗体发现平台 / ABCL635 总部加拿大温哥华成立 2012年全球AI抗体发现领域最成熟的企业。曾开发新冠中和抗体Bamlanivimab（获FDA紧急使用授权），展现了AI抗体平台的实战能力。正在从"帮别人发现抗体"向"自研管线"转型，ABCL635是其首个自研临床阶段资产。现金储备超$5.3亿，是AI制药中财务最稳健的企业之一。 ★ 里程碑：开发新冠中和抗体获FDA紧急使用授权，AI抗体唯一实战验证案例；现金储备$5.3亿+ 19Eikon Therapeutics已上市市值约$6.8亿（Nasdaq: EIKN）核心产品活细胞成像+AI药物发现总部美国加州以超高分辨率活细胞成像为核心武器，追踪单个蛋白分子在活细胞中的实时运动轨迹，为AI模型提供前所未有的"动力学"训练数据。诺奖得主Eric Betzig（2014年化学奖）是其科学创始人之一，将超分辨显微镜技术转化为药物发现工具。 ★ 里程碑：诺奖级活细胞成像技术+AI药物发现；累计融资$15亿以上 20Owkin独角兽估值 $11亿–$16亿核心产品联邦学习AI药物发现平台总部法国巴黎成立 2016年联邦学习+AI制药的先驱。通过让多个医院和机构在不共享原始数据的情况下联合训练AI模型，解决了医疗数据隐私这一核心痛点。与赛诺菲、罗氏等有深度合作。其AI驱动的生物标志物发现和患者分层技术已应用于多项临床试验。2025年底获$3.04亿融资。 ★ 里程碑：联邦学习+AI制药全球先行者；保护隐私的同时实现跨机构联合模型训练 21Iambic Therapeutics独角兽估值 $6.5亿–$11亿核心产品物理AI+快速实验验证平台总部美国加州融合物理学AI与高通量实验的独特路线。其平台将量子力学精度的计算预测与快速湿实验验证结合，在肿瘤学领域建立了多个临床前管线。2026年2月与武田签署$17亿+里程碑合作。累计融资$3.34亿。 ★ 里程碑：与武田$17亿里程碑合作；物理AI+快速实验验证的双引擎管线 22insitro独角兽估值 $15亿–$23亿核心产品机器学习驱动的药物发现总部美国旧金山成立 2018年由前斯坦福教授、AI+生物学交叉学科领袖Daphne Koller创办。将机器学习应用于大规模人类遗传和表型数据，发现疾病机制和药物靶点。强调"数据规模化"——自建高通量实验室产生专有数据训练模型。累计融资$6.43亿，a16z、ARCH Venture等顶级基金持续加注。 ★ 里程碑：Daphne Koller创办，机器学习+自建实验室专有数据的闭环模式；累计融资$6.43亿 23Genesis Therapeutics独角兽估值 $7亿–$13亿核心产品 AI分子设计平台GEMS 总部美国加州成立 2019年斯坦福AI实验室孵化的分子设计平台。其GEMS平台结合了图神经网络与三维结构预测，专攻传统方法难以处理的"不可成药"靶点。累计融资$3.04亿，a16z、Rock Springs Capital等投资。与礼来等大型药企有合作管线。 ★ 里程碑：斯坦福AI实验室技术转化；专攻不可成药靶点，图神经网络+3D结构双引擎 💊 赛道四：AI药物前沿应用（7家）从分子筛选到天然产物、从精准免疫到肿瘤AI，垂直应用百花齐放 24Atomwise独角兽估值约$15亿核心产品 AI分子对接筛选平台AtomNet 总部美国旧金山成立 2012年 AI虚拟筛选的鼻祖之一。其AtomNet平台使用基于结构的卷积神经网络进行药物-靶点相互作用预测，每周可虚拟筛选500万+化合物。与拜耳、BridgeBio等有合作管线。将传统HTS（高通量筛选）从$1亿级成本降至$500万级的虚拟筛选水平。 ★ 里程碑：500万化合物/周虚拟筛选能力；将HTS成本从$1亿降至$500万级别 25Pathos AI独角兽估值 $16亿（已披露私募轮估值）核心产品 AI肿瘤药物开发平台总部美国专注AI驱动的肿瘤药物开发。利用大规模患者数据和机器学习模型，精准识别肿瘤药物的新靶点和生物标志物。其数据引擎整合了多组学数据和真实世界临床数据，累计融资$4.67亿。 ★ 里程碑：AI肿瘤药物发现垂直冠军；累计融资$4.67亿 26Enveda Biosciences独角兽估值 $10亿–$12亿核心产品 AI天然产物药物发现总部美国科罗拉多州 "从自然界中挖掘药物"——利用AI解读天然产物的化学语言。天然产物是66%已获批小分子药物的来源，但传统方法效率极低。Enveda用AI分析植物和微生物的代谢组学数据，快速发现具有药用活性的天然分子。累计融资$5.17亿，包括2025年$4.11亿C轮。 ★ 里程碑：AI+天然产物药物发现的品类开创者；累计融资$5.17亿 27Maze Therapeutics已上市市值约$18亿核心产品基因驱动精准小分子药物总部美国旧金山将人类遗传学数据与AI药物发现结合，识别天然基因变异提供的"人体实验"证据来验证靶点。其平台利用大规模人群基因组数据，找到那些天然基因功能丧失但健康的个体，反向推断药物靶点的安全性。累计融资$7.86亿。 ★ 里程碑：人类遗传学+AI验证靶点安全性的创新范式；累计融资$7.86亿 28Xaira Therapeutics独角兽估值 $30亿–$45亿核心产品 AI药物发现+蛋白设计总部美国旧金山 2024年以$10亿种子轮震撼登场的AI制药超级新秀，由ARCH Venture和Foresite Capital孵化。科学团队包括诺奖得主、前斯坦福校长等重量级人物，整合AI蛋白设计、大规模功能基因组学和自动化实验。其"从零到临床"的一体化平台路线，代表了AI制药的最高资金密度。 ★ 里程碑：$10亿种子轮创AI制药融资纪录；诺奖级科学团队+顶级VC孵化 29Odyssey Therapeutics独角兽估值 $14亿–$22亿核心产品精准免疫药物开发平台总部美国波士顿聚焦免疫学+肿瘤学的AI药物发现。整合大规模蛋白组学、结构生物学和机器学习，精准攻击免疫通路中的关键节点。累计融资$7亿，ORBIMED、Logos Capital等生命科学专业基金支持，其管线组合覆盖自身免疫疾病和肿瘤免疫两大方向。 ★ 里程碑：专注免疫+肿瘤双赛道的AI药物发现；累计融资$7亿 30Chai Discovery独角兽估值 $13亿核心产品 AI分子设计基础模型Chai-1 总部美国成立 2024年成立仅两年就成为独角兽的AI分子设计新星。Chai-1是专为药物发现训练的基础模型，可从蛋白序列直接预测三维结构并生成新分子。其开放平台的快速迭代策略吸引了大量学术界和工业界用户。2026年已披露估值$13亿，累计融资$2.3亿。 ★ 里程碑：两年成为独角兽；Chai-1基础模型开放平台策略快速获取学术界和工业界用户七大关键趋势 2026年AI制药行业的底层变局 1. 从"概念验证"到"商业化兑现"170+条AI设计管线进入临床，英矽智能Rentosertib进入III期——首个AI原生药物距离上市可能仅剩2-3年。英矽智能2026上半年首次扭亏为盈，标志着AI制药企业从"烧钱故事"进入"可盈利模式"。 2. "三小龙"IPO潮开启赛道资本化晶泰科技（2024.6）、英矽智能（2025.12）、剂泰科技（2026.5）相继上市，华深智药、百图生科、深势科技、深度智耀排队冲刺。中国AI制药在港交所形成了一个完整板块，投资者从此有了一组可比较的公开数据。 3. 中国AI制药站上全球舞台中央2025年中国创新药对外授权交易总额达$1355.6亿（全球49%），首次超越美国。华深智药赛诺菲合作$44亿+，剂泰科技IPO 6900倍超额认购——中国AI制药已不是"跟随者"，而是全球格局的主动重塑者。 4. 大模型巨头跨界入局Anthropic发布Claude Science进军生命科学，收购生物科技公司Coefficient Bio。英伟达投资Recursion和Firmus，构建"芯片+AI+药物发现"生态。生命科学正成为大模型厂商的下一个万亿级战场。 5. 技术路线百花齐放从AlphaFold 3的蛋白结构预测，到Relay的蛋白运动建模，到Absci的zero-shot抗体设计，到Enveda的天然产物AI——AI制药的技术路线远比外界想象的丰富。没有一种方法能"通吃"，垂直深耕才是壁垒。 6. AI让"不可成药"靶点变得可成药传统上约85%的疾病相关蛋白被认为是"不可成药"的。AI制药正在打破这一限制——通过预测隐藏的药物结合口袋、模拟蛋白动态构象、设计全新蛋白疗法，打开了以前无法企及的靶点空间。 7. 资本加速涌入但分化加剧全球AI制药投融资2025-2026年近$60亿，但头部集中效应明显——TOP 5企业拿走超70%资金。Isomorphic Labs以$140-260亿估值一骑绝尘，而大量早期AI制药初创仍在A轮挣扎。赛道已经从"百花齐放"进入"优胜劣汰"的阶段。本文基于公开信源独立研究，不构成投资建议数据截至2026年8月 · 壹线产业知识库

2026-07-02

·捉螃蟹的人

AI造药时代来了：173个AI设计药物进入临床，首个批准就在眼前

AI造药时代来了：173个AI设计药物进入临床，首个批准就在眼前 2024—2026年度核心文献深度解析 | 173个临床项目全景扫描 | 15家AI制药公司逐家分析 | 中国军团崛起核心数据速览维度数据临床管线 173个 AI发现/设计的药物已进入临床试验（94个I期 + 56个II期 + 15个III期）管线增速 2023年底约24个 → 2026年初200+，26个月增长约7.3倍 I期成功率 AI发现药物 80-90% vs 传统行业平均 ~52%（传统行业数据来源：BIO/QLS Advisors行业报告，范围约40-65%）市场规模全球AI药物发现市场预计2026年达 $30-85亿（不同机构差异大，Mordor Intelligence约$32.5亿，Roots Analysis约$86亿）关键里程碑 ❶ 2025年6月：Insilico rentosertib IIa期登Nature Medicine——首个AI药在RCT中证实疗效 ❷ 2025年12月：Generate GB-0895进入III期——全球首款AI设计抗体 ❸ 2026年：15个AI辅助/原生的药物处于III期（多数为AI优化而非AI原生发现），首个AI原生发现药物获批预计2026底~2027年（据Independent Analyst预测，概率约60%）中国力量占全球AI制药专利约70%（含算法/平台/工具/分子设计等所有AI制药相关领域，来源：Vision Life Sciences 2026报告） | 英矽智能10个临床项目 | 晶泰科技ID4平台从"AI辅助"到"AI发现"：一条不同的路传统药物发现是一条"大海捞针"的路——从数百万个化合物中筛选可能的候选者，平均耗时10-15年、耗资26亿美元。AI不是在加速这条路，而是在走一条不同的路：传统方式：高通量筛选数百万化合物 → 找命中率高的 → 优化 → 临床 AI方式：从靶点结构/疾病生物学出发 → 生成式AI"设计"分子 → 虚拟筛选验证 → 合成 → 临床 AI的核心优势不在于"比人更快"，而在于：探索更大的化学空间——生成式AI可以探索10^60量级的分子空间，人类穷尽一生也只能合成~10^8个减少合成-测试循环——虚拟筛选和ADMET预测在计算机中完成，而不是在实验室发现人类想不到的化学结构——Insilico的PKMYT1靶向PROTAC使用了前所未有的吡咯并[2,3-b]吡啶骨架，与所有已知抑制剂完全不同里程碑事件时间线：AI制药从2025年才开始"交卷" 2020-2023年：概念验证阶段 AI设计分子进入临床（多数是I期）批评声不断："AI制药公司管线全是已知靶点的已知机制" 管线数量：约24个（2023年底） 2024年：积累期更多的AI药物进入I/II期 I期成功率开始显示出差异化优势（80-90% vs 52%）管线数量：约70个 2025年：水坝决口 ❶ 6月：Insilico rentosertib IIa期数据——Nature Medicine发表全球首个AI发现靶点+AI设计分子+RCT证实疗效的完整闭环 FVC改善+98.4mL vs 安慰剂-20.3mL ❷ 12月：Generate Biomedicines GB-0895启动III期全球首个AI设计抗体进入最终临床阶段每6个月注射一次 vs 现有每月一次管线数量：约170个 2026年：临床验证元年 15个AI药物处于III期，15-20个项目即将进入关键试验 Insilico ISM8969（帕金森病NLRP3抑制剂）FDA IND批准分析师预计：首个AI设计药物获批概率约60%（2026底-2027）管线数量：200+ 从2023年的24个到2026年的200+——AI制药管线用了26个月增长了7.3倍。对比传统生物技术的历史数据，这个增速是前所未有的。两大"历史第一"深度解析里程碑一：Rentosertib——AI制药的"阿波罗11号时刻" 药物名称：Rentosertib（ISM001-055）公司：英矽智能（Insilico Medicine）靶点：TNIK（TRAF2- and NCK-interacting kinase）适应症：特发性肺纤维化（IPF）最新状态：IIa期完成，准备进入IIb/III期（2026年）这不是第一个进入临床的AI药物，但它是第一个在随机对照试验中证实临床疗效的AI发现药物。它的完整路径证明了AI制药的端到端能力：靶点发现：PandaOmics平台从海量组学数据中发现TNIK作为IPF的新型潜在治疗靶点（TNIK此前有文献报道过与纤维化的关联，但未被验证为IPF的可成药靶点——AI的角色是从海量组学数据中识别并优先排序这一关联）分子设计：Chemistry42平台生成并优化小分子候选物临床试验设计：InClinico平台辅助预测试验结果临床验证：IIa期RCT数据发表于Nature Medicine 指标 Rentosertib 60mg QD 安慰剂 FVC变化量 +98.4 mL（改善） -20.3 mL（下降）安全性大多1-2级AE，耐受性良好 — 现有标准治疗尼达尼布和吡非尼酮的疗效是"减缓FVC下降约50%"，而rentosertib是反向让FVC改善。尼达尼布停药率>30%，rentosertib通过抑制TNIK同时阻断TGF-β、NF-κB和YAP/TAZ三条促纤维化通路。里程碑二：GB-0895——AI设计抗体的"登月" 药物名称：GB-0895公司：Generate Biomedicines靶点：TSLP（胸腺基质淋巴生成素）适应症：严重哮喘、COPD最新状态：III期（SOLAIRIA-1 & 2，2026年1月首例给药）这是全球首个AI设计的抗体进入III期临床。Generate的生成式AI平台不依赖已知抗体序列——它从零开始设计了GB-0895的蛋白序列。关键差异化：现有抗TSLP抗体Tezepelumab需要每4周注射一次（Q4W），GB-0895是每26周注射一次（Q26W，约每6个月）——AI通过优化Fc段延长了半衰期。需要说明：GSK的depemokimab（抗IL-5）也已是半年一次给药，因此GB-0895是首个AI设计的半年一次抗体，而非"首个半年一次抗体"。肿瘤专篇：AI最集中的战场 173个AI药物管线中，近一半（约50%）瞄准肿瘤适应症。这并非巧合——肿瘤领域的基因组学数据最丰富、临床终点最清晰、市场需求最大，是AI制药的"天然主场"。 AI正在攻克的10个肿瘤靶点类型一：利用生成式AI设计难治靶点的新药靶点适应症 AI角色进展 Pan-KRAS 泛癌种从头设计别构机制抑制所有KRAS变异 IND-enabling——英矽核心肿瘤资产 BCR-ABL1 T315I CML 设计克服T315I突变的PROTAC 临床前 BRD4 血液瘤/MYC扩增 AI设计蛋白降解剂临床前 EGFR 三重突变 NSCLC 生成全新抑制剂骨架临床前 CDK4/6 乳腺癌扩散模型生成类似物前期类型二：AI发现合成致死关系合成致死对适用肿瘤 AI角色临床状态 MTAP缺失→PRMT5抑制 ~15%癌症 AI预测合成致死已进I/II期临床 ARID1A突变→EZH2抑制妇科癌症 AI发现基因互作临床前 STK11突变→SHP2抑制 NSCLC AI预测合成致死临床前 SMARCA4突变→SMARCA2抑制胸部肉瘤/NSCLC AI预测SWI/SNF脆弱性临床前类型三："不可成药"靶点突破 KRAS G12D：胰腺癌~90%。AI利用AlphaFold2发现非共价隐蔽结合口袋 MYC-MAX：曾被称作"最不可成药的靶点"。AI预测结构后开发订书肽 p53 Y220C：AI筛选出稳定突变p53构象的小分子肿瘤管线为什么占了半壁江山？原因解释数据最丰富 TCGA/GDC/GEO等积累了全世界最完整的肿瘤数据终点最清晰 ORR/PFS/OS——终点明确量化，AI训练和验证更容易市场规模最大全球肿瘤药物市场2026年预计超$2500亿临床需求最迫切大量难治肿瘤仍没有有效治疗手段中国患者群体大中国每年新发癌症约480万例，临床入组速度快但要注意：肿瘤管线虽多，但AI真正"发现"的全新靶点占比较小。大部分AI肿瘤药物仍是"已知靶点、AI优化过的分子"——这和"AI发现新靶点"还有距离。更深一层的问题是：为什么肿瘤能拥有这么多数据？其他疾病为什么不行？我们在后文"数据困境"中详细拆解。全球AI制药15强全景第一梯队：已有临床验证数据公司核心产品靶点/领域最高阶段差异化亮点 Insilico Medicine Rentosertib TNIK/IPF IIa ✅ Nature Med 首个AI端到端验证；10个临床项目 Generate Biomedicines GB-0895 TSLP/哮喘 Phase III 全球首款AI设计抗体进入III期 Recursion REC-4881 MEK/家族性腺瘤性息肉病(FAP) Phase II 表型AI首个临床验证案例（FAP为癌前病变，非肿瘤适应症） BenevolentAI BEN-8744 PDE10/UC Phase II 重定位标杆（baricitinib→COVID） Relay Therapeutics RLY-2608 PI3Ka/乳腺癌 Phase I/II 蛋白质动态构象设计第二梯队：临床验证中的公司公司核心产品/技术领域差异化亮点 Schrödinger FEP+/Glide 物理精度分子模拟 FEP+是行业金标准 Iktos Makya/Spaya 合成可行性AI 分子生成+合成可行性一体化 Numerion Labs AtomNet/APEX 十亿级虚拟库筛选基于结构的超快速筛选标杆 Exscientia EXS74539 肿瘤最早进入临床的AI制药公司之一第三梯队：平台型/早期公司核心技术领域状态 Absci 零样本抗体AI设计抗体发现 Phase I准备中 Isomorphic Labs DeepMind衍生通用AI药研平台临床前 Verge Genomics AI+人体组织数据神经系统 Phase I Healx AI重定位罕见病 Phase II准备中中国军团：占全球AI制药专利70% 企业核心技术临床进展差异化英矽智能 (Insilico) Pharma.AI平台 10个临床项目（全球最多）全球领先的AI验证记录晶泰科技 (XtalPi) ID4平台临床前/合作量子力学+AI+自动化三合一清华AIR DrugCLIP 对比学习虚拟筛选开源/学术免费开放，学术影响力大智化科技 (StoneWise) MolVortex 3D分子生成合作降低药物化学家使用门槛冰洲石生物 (Biosion) AI+PROTAC平台临床前与PROTAC方向衔接中国企业在AI制药领域的专利申请量占全球约70%。但在药物发现能力上，只有英矽智能进入了全球第一梯队。AI制药的"专利多→药物少"的鸿沟，正是中国下一阶段的挑战。 AI制药如何选择管线？三条路径，一个逻辑路径一：已知靶点 + AI优化（"已知中求最优"）→ 约60%的管线靶点本身已经验证过（如EGFR、CDK4/6、PI3Ka），AI扮演"工程师"角色：改进药效/选择性：Relay Therapeutics用Dynamo分析CDK4/6动态构象克服耐药：AI设计PI3Ka H1047R突变选择性抑制剂优化给药频率：Generate GB-0895从每月→每半年一次这种模式风险最低、成功率最高，但也面临质疑："AI只是效率工具，不是真正的创新引擎"。路径二：已知靶点 + 新机制（"新用法"）→ 约25%的管线 PROTAC化：把"抑制"变成"降解"——ARV-110/ARV-471 合成致死重定位：MTAP/PRMT5典型案例多靶点/多药理：同时调控多个通路路径三：全新靶点 + AI发现（"未知中求突破"）→ 约15%的管线 TNIK（英矽→IPF）：唯一走通"AI发现→临床验证"完整路径 Pan-KRAS（英矽→泛癌）：IND-enabling阶段 DCAF1（Mapping Bio→肿瘤）：新发现E3连接酶适配器数据困境：决定AI制药"边界"的核心约束上一章说到肿瘤管线占了半壁江山。但更深的问题是：为什么肿瘤有这么多数据，而其他疾病没有？决策层级问题肿瘤罕见病神经系统抗衰老第一层有公开组学数据训练模型？ ✅ ❌ ⚠️ ❌ 第二层数据质量能定量预测？ ✅ ❌ ⚠️ ❌ 第三层有验证体系降低假阳性？ ✅ ⚠️ ❌ ❌ 第四层商业回报够支撑开发？ ✅ ⚠️ ✅ ✅ 肿瘤在每一层都"过"，而其他疾病在某一层就会"卡住"。这个框架也解释了为什么路径一（已知靶点）占60%、路径三（全新靶点）只占15%——不是路径三不重要，而是数据约束决定了谁先走得通。 AI药物发现的技术路径全景阶段 AI做什么代表平台效率提升靶点发现从组学/文献中发现新靶点 PandaOmics, Benevolent 数月→数周虚拟筛选十亿级库中预测活性分子 AtomNet, DrugCLIP 实验的万分之一成本分子生成生成式AI"设计"全新骨架 Chemistry42, Makya 设计空间10^60 ADMET预测预测药代/毒性/口服利用度 FEP+, ADMET Predictor 减少~70%合成测试蛋白质设计不依赖已知结构设计新蛋白 Generate平台, Absci 可设计自然界不存在抗体临床转化预测试验结果、设计方案 InClinico, Trial AI I期成功率80-90%AI制药的"四重困境"：乐观与清醒 "AI能让一个坏靶点的分子跑得更快，但AI不能让一个坏靶点变好。" 困境一：已知靶点的"舒适区陷阱"——为什么AI不敢碰全新靶点？ 173个管线中，约85%基于已知靶点。真正由AI发现的全新靶点，一只手数得过来。 Nature Medicine 2025年的综述给出了三个根本原因：原因1：无数据可训。全新靶点没有已知配体、活性数据或结构信息——AI无从"学习"怎么设计分子。就像让AI学下围棋，但只给看空白棋盘。原因2：无法外推。从已知靶点学到的分子设计模式，面对全新靶点时性能急剧下降。综述明确指出："在训练覆盖的化学空间内表现优异的模型，面对全新分子或靶点时性能会急剧下降。" 原因3：无法预测脱靶。对于全新靶点，缺乏其与其它生物系统相互作用的先验知识。这直接导致首个全新靶点药物面临更高的临床失败风险。关键对比：rentosertib是里程碑，不仅仅因为IIa期数据好——更因为它走通了"AI发现全新靶点→AI设计分子→临床试验验证"的完整路径。但它是目前唯一走通的。困境二：从"相关性"到"因果性"的鸿沟 AI的核心能力是在海量数据中发现相关性，但药物开发需要的是因果性——"抑制靶点X→治愈疾病Y"的生物学链条。一个残酷的事实：AI预测的靶点-疾病相关性中，相当一部分是"疾病发生后的结果"而非"导致疾病的原因"。 AI可以从转录组数据发现"这个基因在肿瘤组织中高表达"，但这可能只是下游的旁效应，而非上游的驱动因子。这就是为什么很多AI预测的"新靶点"进入验证后是"假阳性"——数字上完美，生物学上无意义。行业典型教训：Exscientia的DSP-1181（强迫症适应症）在I期后因缺乏临床进展终止，BenevolentAI的BEN-2293（特应性皮炎）因II期疗效未达统计学显著而战略收缩（2025年3月从Euronext退市，转为私有公司）——核心原因不在于AI预测速度不够快，而在于从"数字上的靶点"到"真正的生物学验证"之间，有一道高比例的假阳性墙。困境三：Phase III——AI从未跨过的"测谎仪" AI在I期成功率高（80-90% vs 行业52%）是因为AI擅长筛选安全的分子。但II期和III期考验的是生物学假说本身是否正确。目前没有任何一个完全由AI发现的药物通过III期。15个III期AI药物中，多数是AI优化而非AI发现的。 "AI发现的靶点，到底有多少是真阳性的？"——整个AI制药行业仍在等待这个答案。困境四：合成可行性与成药性——AI的"纸上谈兵" AI可以设计一个在计算机上完美的分子，但化学家可能根本合成不出来。AI生成的分子往往结构复杂、不对称性高——被称为"AI分子的可合成性危机"。 AI优化的是"体外活性"（IC50值），但临床成功需要PK/PD/Tox等综合指标 Schrödinger的AI管线因临床安全性问题（而非活性不足）而失败——暴露了AI对复杂毒理预测的局限性小结：AI在"优化已知靶点"和"筛选安全分子"两个环节已证明价值，但在"发现全新生物学"和"通过III期验证"两个环节，它还没毕业。这不是对AI的否定，而是对它的准确认知——一个还不会"发现全新靶点"的技术，就已经有173个药物进入临床——等它会了以后呢？未来趋势：四个确定性方向趋势一：从"小分子AI"到"生物制剂AI" GB-0895打开了一扇门。未来AI不仅能设计小分子，还能设计抗体、蛋白降解剂、mRNA、细胞疗法。趋势二：AI制药的"安卓时刻" 开源工具（DrugCLIP、GPS模型等）正在使AI制药从"少数巨头"走向"人人可用"。趋势三：从单一靶点到多靶点/多药理 Gero团队用AI筛选出22种抗衰老候选物，其中1种将线虫寿命延长了74%。AI正在从"一个药一个靶点"扩展到"一个药同时调控多个通路"。趋势四：中国从"跟随"到"并存" 中国AI制药专利全球第一。英矽智能的rentosertib是一个好的开始，但更多中国AI制药公司需要拿出自己的"Nature Medicine时刻"。参考文献里程碑级研究 1. Insilico Medicine Phase IIa of Rentosertib in IPF. Nature Medicine, 2025. 2. Generate Biomedicines GB-0895 Phase III initiation. 2025年12月. 3. AI Drug Discovery Pipeline 2026: 173 Programs. Healthcare Discovery AI, 2026. 4. AI Drug Discovery Statistics 2026. Axis Intelligence, 2026. 5. GPS: a gene expression predictor from molecular structure. Cell, 2026.中国AI制药 6. Chinese AI Drug Discovery Startups: 2026 Guide. Vision Life Sciences. 7. 晶泰科技ID4平台. XtalPi, 2025-2026. 8. 清华AIR DrugCLIP. Tsinghua, 2025. 9. 英矽智能Rentosertib临床数据. Nature Medicine, 2025.AI药物发现平台 10. PandaOmics and Chemistry42. Insilico Medicine, 2024-2026. 11. Recursion OS. Nature Reviews Drug Discovery, 2025. 12. FEP+. Schrödinger, 2024. 13. AtomNet. Numerion Labs, 2024.综述与行业报告 14. Artificial intelligence in drug development. Nature Medicine, 2025, 31: 110–125. 15. AI in Drug Discovery: Clinical Failures, Regulatory Reality. Pharmaceuticals, 2026, 19(6): 916. 16. AI-driven drug discovery platforms: 2025 landscape. Pharmacological Reviews, 2025. 17. 26 AI drug discovery platforms compared. BioAI Agents, 2026. 18. 25 AI drug discovery companies with clinical candidates. Biomed Nexus, 2026. 本文基于2024-2026年核心期刊文献（Nature Medicine、Cell、Nature Reviews Drug Discovery等）及行业报告整合分析，仅供科研学术参考，不构成任何临床建议或投资建议。文中观点可能与原文作者或相关机构立场存在差异，欢迎指正与讨论。数据截止日期：2026年7月1日。

2026-06-06

·AI智耀

FDA开绿灯：10家AI制药公司入选加速通道

2026年，FDA做了一件前所未有的事情：启动Accelerated AI Pathway Pilot（AI药物加速审评试点）。这件事的意义，比表面上看到的要大得多。 1. 赛道定义与规模 2026年，FDA做了一件前所未有的事情：启动Accelerated AI Pathway Pilot（AI药物加速审评试点）。这件事的意义，比表面上看到的要大得多。先说什么是这个试点。传统的药物审评流程是：药企提交IND（新药临床试验申请）→ FDA审评（30天）→ 获批后进入I期临床。整个流程是"申报-静态审评"模式，企业提交材料，FDA审评，然后给出意见，企业再根据意见修改，再重新提交。这个过程可能需要数月甚至数年。而FDA的AI加速通道试点，改变了这个模式。它针对由人工智能发现或优化的进入I期临床试验的治疗性候选药物，建立专门的加速审评通道。核心变化是：FDA与企业持续互动，企业提交AI模型的训练数据、算法逻辑、验证报告等详细资料，FDA专员实时反馈，共同验证AI生成证据的科学性。这个变化，对AI制药行业意味着什么？首先，它明确了监管预期。在此之前，AI设计的药物如何审评？需要提交什么材料？FDA没有明确的指南。很多企业不知道如何与监管机构沟通AI模型的验证结果。现在，FDA通过试点，给出了明确的信号：AI药物是可以被审评的，而且有专门的通道。其次，它降低了审评不确定性。AI制药公司最大的风险之一，就是监管不确定性。如果FDA不认可AI模型的预测结果，那么整个管线就可能作废。现在，入选试点的公司，可以与FDA实时互动，提前解决监管问题，大大降低后期失败的风险。第三，它提升了资本信心。AI制药行业近年来融资火热，但也有很多质疑声音："AI设计的药物真的有效吗？""FDA会批准吗？"现在，FDA用行动回答了这些质疑：他们不仅认可AI技术的价值，还专门开设了加速通道。这将大幅提升资本对AI制药领域的投资信心，进一步加速行业融资和管线推进。从市场规模来看，AI制药市场正在快速增长。根据权威机构预测，2026年全球AI制药市场规模将达到29.9亿美元，年复合增长率超过40%。而FDA的这个试点，将进一步推动市场增长。但是，这个试点最值得关注的，不是它对美国AI制药公司的影响，而是它对全球AI制药格局的影响。入选试点的10家公司中，有一家中国公司：英矽智能（Insilico Medicine ）。这意味着什么？意味着中国AI制药公司，已经在全球竞争中占据了一席之地。 2. 产业链图谱 FDA AI加速通道试点，涉及到AI制药产业链的多个环节。让我们梳理一下这个产业链图谱。上游：AI技术提供商 AI算法公司：提供药物发现算法（如生成式AI 、深度学习、知识图谱等）数据提供商：提供生物医学数据（如基因组数据、蛋白质结构数据、临床试验数据等）云计算平台：提供算力支持（如AWS 、Azure 、Google Cloud等）中游：AI制药公司 AI平台公司：提供端到端AI药物研发平台（如英矽智能的Pharma.AI 、晶泰科技的XtaPi Platform 、Isomorphic Labs的AlphaFold-derived平台等） AI+CRO公司：提供AI驱动的合同研究服务（如Atomwise 、BenevolentAI等）传统药企的AI研发部门：大型药企内部建立的AI研发团队（如恒瑞医药的AI研发中心、辉瑞的AI药物发现团队等）下游：监管机构与商业化伙伴监管机构：FDA 、EMA 、NMPA等传统药企：与AI制药公司合作，进行临床开发和商业化（如施维雅与英矽智能的合作、礼来与Chai Discovery的合作等）投资者：VC 、PE 、战略投资者等在这个产业链中，FDA的AI加速通道试点，主要影响中游的AI制药公司和下游的监管机构。对于AI制药公司来说，入选试点意味着：可以与FDA实时互动，降低监管不确定性可以加速管线推进，缩短上市时间可以提升估值，因为监管风险降低对于监管机构来说，试点可以帮助他们：积累AI模型验证、AI生成证据审评的实操经验完善AI药物监管标准推动全球AI药物监管标准的统一从价值分配来看，AI制药产业链的价值，主要集中在中游的AI平台公司和下游的传统药企。AI平台公司通过技术授权、里程碑付款、销售分成等方式获利；传统药企通过临床开发和商业化获利。而FDA的试点，将提升中游AI平台公司的价值，因为他们的技术得到了监管机构的认可。 3. 核心玩家对比 FDA AI加速通道试点，首批入选了10家AI驱动的生物医药企业。让我们详细对比这些核心玩家。企业名称总部 AI技术方向核心AI衍生候选药物（阶段）治疗领域最新估值/融资英矽智能（Insilico Medicine ）中国香港/美国生成式AI药物设计 Rentosertib（ISM001-055 ，TNIK抑制剂，已完成IIa期试验）特发性肺纤维化市值195.1亿港元（2025年12月上市）Recursion Pharmaceuticals （合并Exscientia后）美国犹他州高通量表型组学+精准化学 REC-1245（I期）、REC-3964（II期）肿瘤、中枢神经系统疾病、艰难梭菌感染并购后估值未公开Schrödinger/Nimbus 美国纽约物理分子模拟+机器学习 Zasocitinib（TAK-279 ，TYK2抑制剂，III期）自身免疫/炎症疾病 Schrödinger估值约100亿美元（2025年）Relay Therapeutics 美国马萨诸塞州 AI驱动蛋白动态建模 RLY-2608（PI3Kα突变选择性抑制剂，I期）实体瘤等肿瘤疾病市值约20亿美元（2026年）BenevolentAI 英国伦敦生物医学知识图谱+机器学习 BEN-8744（PDE10抑制剂，II期）溃疡性结肠炎（炎症性疾病）市值约5亿英镑（2026年）AbCellera Biologics 加拿大不列颠哥伦比亚省 AI驱动抗体发现曾开发新冠中和抗体Bamlanivimab（获得紧急使用授权）感染性疾病市值约30亿美元（2026年）Isomorphic Labs 英国伦敦基于AlphaFold的AI药物设计尚处临床前阶段多治疗领域估值约10亿美元（2025年）Iambic Therapeutics 美国加州物理AI+快速实验验证尚处临床前阶段多治疗领域估值约2亿美元（2025年）Atomwise 美国加州基于结构的卷积神经网络药物设计合作开发临床前候选药物肿瘤、神经疾病估值约15亿美元（2025年）Generate Biomedicines 美国马萨诸塞州生成式AI新型蛋白设计与诺华合作的临床前管线多治疗领域蛋白药物估值约20亿美元（2025年）从对比中可以看出：技术路线多样化有生成式AI（英矽智能、Generate Biomedicines ）、物理模拟（Schrödinger ）、知识图谱（BenevolentAI ）、蛋白动态建模（Relay ）等多种技术路线。管线进展差异大有的已经进入III期（Schrödinger的Zasocitinib ），有的尚处临床前（Isomorphic Labs 、Iambic 、Generate Biomedicines ）。估值差距显著最高的Schrödinger约100亿美元，最低的Iambic约2亿美元，相差50倍。中国公司入选英矽智能是唯一入选的中国公司，这说明中国AI制药技术已经得到国际认可。特别值得关注的是英矽智能。这家公司成立于2014年，2025年12月在香港上市，发行价24.05港元/股，开盘价35.00港元/股，市值195.1亿港元。2026年1月，英矽智能与法国第二大制药公司施维雅达成多年期研发合作，合作价值高达8.88亿美元。这是2026年以来，生物医药行业的首单BD（商务拓展）。英矽智能的核心技术是Pharma.AI平台，这是一个端到端的AI药物研发平台，包括：Pandomics 用于靶点发现的AI平台Chemistry42 用于小分子设计的生成式AI平台In Silico Clinical 用于临床试验设计的AI平台英矽智能的进展最快的管线是Rentosertib（ISM001-055 ），这是一个TNIK抑制剂，用于治疗特发性肺纤维化（IPF ）。该药物已经完成IIa期试验，正在准备IIb期。如果一切顺利，有望在2028-2029年获批上市。这将是全球首个由AI设计的药物获批上市。 4. 关键成功因素在AI制药这个赛道，什么决定成败？从FDA试点入选公司的经验来看，关键成功因素包括： 4.1 AI模型的可信度和可解释性 FDA在试点中要求企业提交AI模型的训练数据、算法逻辑、验证报告等详细资料。这意味着，AI模型不能是一个黑箱。企业必须能够解释：模型是如何训练的？训练数据是什么？模型的预测结果如何验证？模型的局限性是什么？那些能够提供可解释AI模型的企业，更有可能入选试点。比如，英矽智能的Pharma.AI平台，每个生成的分子都有明确的设计逻辑，可以追溯。而一些只提供"黑箱"预测结果的企业，就很难通过FDA的审查。 4.2 临床前数据的质量 AI设计的药物，最终还是要通过临床试验验证。而在进入临床试验之前，必须有高质量的临床前数据（体外实验、动物实验等）。FDA在试点中，特别关注企业在转化建模（从动物实验数据到人体数据的推演）方面的能力。那些能够提供高质量临床前数据的企业，更有可能入选试点。比如，Recursion Pharmaceuticals拥有全球最大的高通量实验平台之一，可以大规模生成高质量的临床前数据。 4.3 管线推进能力 AI制药公司，最终还是制药公司。能否推进管线，完成临床试验，是成功的关键。从入选试点的公司来看，它们的管线都处于相对后期的阶段（I期或II期）。这说明，FDA更倾向于那些已经有实际管线推进能力的企业。而那些只有AI技术，但没有实际管线推进能力的企业，就很难入选试点。 4.4 与传统药企的合作能力 AI制药公司，大多数没有临床开发和商业化的能力。它们需要与大型传统药企合作。而那些已经建立起与传统药企合作关系的AI制药公司，更有可能成功。比如，英矽智能与施维雅的合作、Recursion与罗氏的合作、Generate Biomedicines与诺华的合作等。这些合作，不仅提供了资金支持，还提供了临床开发和商业化的能力。 4.5 资本支持 AI制药是一个资金密集型行业。从靶点发现到药物上市，可能需要10年时间和数亿美元资金。那些能够获得持续资本支持的企业，更有可能成功。从入选试点的公司来看，它们大多数都获得了顶级VC的支持，如Andreessen Horowitz 、New Enterprise Associates 、Third Rock Ventures等。 5. 风险与瓶颈尽管FDA的AI加速通道试点，为AI制药行业带来了重大利好，但这个行业仍然面临诸多风险和瓶颈。 5.1 AI模型的预测准确性 AI模型，归根结底是统计学模型。它们基于历史数据训练，预测未来。但生物医学的复杂性，远远超出当前AI模型的能力范围。即使是最先进的AI模型，也无法完全准确预测药物在人体内的效果。这意味着，AI设计的药物，仍然有可能在临床试验中失败。事实上，迄今为止，还没有一个完全由AI设计的药物获得FDA正式批准。所有的AI设计药物，都还在临床试验阶段。如果试点过程中，出现AI模型预测错误导致的安全性事件，可能会放缓监管推进的速度，甚至导致试点项目中止。 5.2 数据质量和可及性 AI模型的质量，取决于训练数据的质量。而在生物医药领域，高质量的数据非常稀缺。很多数据掌握在大型药企手中，AI制药公司很难获得。即使能够获得数据，数据的质量也是一个问题。很多历史数据，存在偏差、噪声、缺失值等问题。这些问题，会影响AI模型的预测准确性。 5.3 监管不确定性尽管FDA推出了AI加速通道试点，但这是一个试点项目，不是正式的改革。试点项目可能因为各种原因中止或调整。而且，即使试点成功，要形成正式的监管指南，可能还需要数年时间。此外，其他国家的监管机构（如EMA 、NMPA等），是否会跟进FDA的试点，也是一个不确定性。 5.4 技术壁垒 AI制药的技术壁垒，并没有很多人想象的那么高。生成式AI 、深度学习等技术，都是开源的。任何企业都可以使用这些技术。真正的壁垒，在于：是否有高质量的数据？是否有强大的计算能力？是否有经验丰富的团队？是否有与传统药企的合作关系？那些没有这些壁垒的AI制药公司，很容易被淘汰。 5.5 商业化挑战即使AI设计的药物成功上市，还面临商业化的挑战。AI制药公司，大多数没有销售团队和商业化经验。它们需要与传统药企合作，或者自己建立销售团队。这两种选择，都有挑战。 6. 投资地图 FDA的AI加速通道试点，对投资者意味着什么？哪些标的有机会？ 6.1 美股标的直接受益标的：Schrödinger（NASDAQ: SDGR ）物理模拟+机器学习，管线进展最快，Zasocitinib已经进入III期。估值约100亿美元。Recursion Pharmaceuticals（NASDAQ: RXRX ）合并Exscientia后，成为全球最大的AI制药公司之一。管线丰富，涵盖肿瘤、CNS 、感染等。Relay Therapeutics（NASDAQ: RLAY ） AI驱动蛋白动态建模，管线进展稳定。BenevolentAI（LSE: BAI ）伦敦交易所上市，知识图谱+机器学习。间接受益标的：AbCellera Biologics（NASDAQ: ABCL ） AI驱动抗体发现，已经成功开发过新冠抗体。Atomwise 未上市，但可以考虑二级市场投资。 6.2 港股标的英矽智能（HKEX: 03696 ）：唯一入选FDA试点的中国AI制药公司。2025年12月上市，发行价24.05港元，开盘价35.00港元。2026年1月与施维雅达成8.88亿美元合作。是当前最值得关注的中国AI制药标的。晶泰科技（HKEX: 2228 ）：中国另一家AI制药龙头，提供AI驱动的药物研发服务。2025年上市，市值约200亿港元。虽然没有入选FDA试点，但其技术实力强劲。 6.3 A股标的恒瑞医药（SHSE: 600276 ）：中国最大的制药企业，正在积极布局AI制药。2025年，恒瑞医药宣布与多家AI制药公司合作，推进AI驱动的药物研发。虽然恒瑞不是纯AI制药公司，但它是AI制药技术的最大应用场景之一。药明康德（SHSE: 603259 ）：CXO龙头，也在布局AI制药。药明康德投资了多家AI制药公司，包括英矽智能、晶泰科技、Engine Biosciences等。 6.4 投资策略短期策略（0-6个月）：关注FDA试点进展：如果试点顺利，入选公司的估值将大幅提升。关注临床试验数据：如果AI设计的药物，在临床试验中展现出良好的疗效和安全性，将大幅提升市场信心。中期策略（6-18个月）：关注管线推进：那些管线进展快、临床数据好的AI制药公司，将获得更多合作和融资机会。关注监管动态：如果FDA正式推出AI药物审评指南，将进一步提升行业估值。长期策略（18个月以上）：关注商业化：那些能够成功将药物推向市场、实现销售的AI制药公司，将获得最大回报。关注行业整合：大型药企将加速并购AI制药公司，行业整合将加速。 7. 一句话总结 FDA的AI加速通道试点，标志着AI制药行业从"概念验证"进入"监管认可"阶段，入选的10家公司（特别是英矽智能）将获得显著的估值溢价，但投资者仍需警惕AI模型预测准确性和临床试验失败的风险。

100 项与 BEN-8744 相关的药物交易

登录后查看更多信息