AI 制药公司业绩会 | 无论 AI 在研发中表现多亮眼，BD 是硬指标，" 成药 " 才是终极答案

图片来源：视觉中国

蓝鲸新闻 8 月 28 日讯（记者 屠俊）AI 制药正在经历从 " 概念验证 " 到 " 商业化兑现 " 的关键转折期。近期，英矽智能、剂泰科技、太美医疗科技等多家 AI 医疗公司集中发布 2026 年中期业绩。

透过这些成绩单可以清晰看到：AI 已不再是药物研发链条中 " 帮个忙 " 的单点工具，而是正在成为贯穿靶点发现、分子设计到临床开发全流程的基础设施。与此同时，行业共识逐渐凝聚，多位 AI 制药公司高管和行业人士向蓝鲸新闻表示，无论 AI 在早期研发中表现多亮眼，最终能否真正成药，才是检验 AI 制药价值的 "DeepSeek 时刻 "。

剂泰科技董事长兼 CEO 赖才达 :BiologicalAI 让生命系统逐步变得可计算、可设计

此前 "AI 制药 " 通常被理解为 " 用 AI 找一个靶点、设计一个分子 "，但事实上 AI 在制药领域的运用远不止于此。

在近日举行的剂泰科技业绩说明会上，剂泰科技董事长兼 CEO 赖才达详解了 AI 在生命科学领域正在发生的三个根本性变化。首先，AI 过去在制药行业里，只是 " 在某个环节帮个忙 " ——比如帮你看个图像、预测个蛋白质结构、筛选个化合物，做完就完了，下一个项目从头再来。但现在 AI 正在基础设施化：它不再是单点工具，而是把模型、设计、实验、数据再进入模型这个循环整个串起来的平台。AI 设计一个东西，实验去验证，实验结果反馈回 AI 让模型更准，下一轮设计就更好。一轮一轮迭代，整个研发体系就变成了一个可以持续自我进化的工程系统。

第二，Biological AI（生物 AI）比 PhysicalAI（物理 AI）更重要。BiologicalAI 的核心任务不是 " 取代实验 "，而是让生命系统逐步变得可计算、可设计——从设计一个分子，扩展到设计递送材料、设计细胞行为、设计体内功能，像设计软件一样去 " 设计生命 "。

第三，大语言模型有一个著名规律：数据越多、参数越大、算力越强，模型就越聪明，而且这种提升是可预测的——这叫 ScalingLaw。

赖才达表示，生物体系里也在发生类似的事情。但生物 ScalingLaw 的核心不是 " 堆文本数据 "，而是把专有数据（proprietarydata）+ 高通量干实验（AI 设计）+ 湿实验（真实生物验证）+ 精准递送能力结合在一起，形成持续迭代的闭环。每一次实验都在给系统积累新的 " 生物知识 "，系统越积累，预测和设计就越准，验证突破就越快。

8 月 26 日盘前，剂泰科技（07666.HK）这家上市不足 4 个月的 "AI 药物递送第一股 "，发布了第一份定期报告。今年上半年，公司实现营业收入 1.54 亿元，同比增长近 134 倍；归母净利润为亏损 1.53 亿元，较上年同期亏损缩窄近 20%；经调整净亏损（非国际财务报告准则计量）为 5110 万元，同比收窄 56.4%。

其中 BD 成为营收的主要来源，今年上半年，公司与 BoulevardBio 完成关于三特异性 TCE（TCellEngager，T 细胞衔接器）MTS-128 的全球独家授权，已收到 2000 万美元首付款，并有资格获得最高 16 亿美元的里程碑付款；此外，今年 8 月，公司还与恒瑞医药达成合作，将 AiTEM 平台在恒瑞医药本地化部署；在技术合作方面，公司称 AI 纳米递送平台 NanoForge 平台 OpenCGT 项目潜在交易总额已超过 60 亿元，并新增多项针对肝靶向及肺靶向递送系统的研究合作。

从目前数据来看，AI 能不能生成分子 " 已经不是问题—— AI 设计分子在 I 期临床的成功率能达到 80%~90%，远高于传统药物的 40%~65%。但进去临床 II 期，AI 分子的成功率就掉到约 40%，和传统药物差不多。这说明 AI 在 " 人体真实生命环境 " 里的预测能力还很弱。

" 药企到底愿意为什么样的 AI 能力掏钱？不只是让研发更快一点，而是真正改变了研发结果。" 赖才达表示。

英矽智能联席首席执行官兼首席科学官任峰：AI 制药的 "DeepSeek 时刻 "

对于药物研发是否能真正提升药物研发的成功率业内还是存在不同的声音。而对此，英矽智能联席首席执行官兼首席科学官任峰表示，AI 制药的成功率目前尚无法量化，因为尚未有 AI 独立研发的药物完成 III 期临床并获批上市，缺乏统计样本。但从底层逻辑看，AI 制药并非取代人类，而是将传统 " 纯经验驱动 " 的模式升级为 " 经验 + 数据 " 双轮驱动。AI 提供的海量数据与多维选择，能够有效辅助科学家的决策，理论上必然优于单纯依赖个人经验的传统路径。因此，虽然具体提升幅度尚待临床验证，但 AI 赋能后的成功率下限已被显著抬高。

" 一款由 AI 发现新靶点设计新分子的创新药成功研发或许是 AI 制药领域的 "DeepSeek 时刻 "，正如 Moderna 的 mRNA 疫苗成功之于肿瘤疫苗领域，这将是 AI 赋能药物研发的真正标志性拐点。" 任峰认为。

从这个角度来说，英矽智能研发管线中的 Rentosertib（ISM001-055）颇受业内关注，这款药物是目前全球范围内，研发进度最靠前的、由 AI 完成 " 靶点发现 " 与 " 分子设计 " 全流程的创新药物，被行业普遍视为验证 AI 制药模式的关键里程碑，一旦研发成功，可以验证其 "AI 发现靶点 +AI 设计分子 " 技术路线的可行性。

" 我们预计是在 2029 年拿到这款药物的顶线数据 "，任峰在近期的业绩说明会上指出。

根据 8 月 26 日英矽智能 ( 03696. HK ) 披露的 2026 年中期财报，上半年营业收入 1.06 亿美元，同比增长 287.2%；期内利润为 3554 万美元，由去年同期亏损 1900 万美元实现扭亏。

其中，上半年该公司与礼来（LLY）、施维雅等全球药企达成多项重大对外授权及合作交易带来的首付款确认拉动营收增长。

"BD 是衡量 AI 制药企业商业化能力的最关键指标。放眼未来，我们在与海外大药企的 BD 沟通中观察到明确的趋势：行业需求正从 " 改造已知分子 " 向 " 发现新颖靶点 " 演进。BD 是衡量 AI 制药公司好坏非常重要的标准。" 任峰认为。

太美医疗科技董事长赵璐：AI 制药下半场的关键是 AI 临床开发

截至目前，确实还没有一款完全由 AI 主导设计并完成全流程验证的新药获批上市，AI 制药的潜力仍未得到完全释放，下一阶段，临床开发的效率与质量或将至关重要。

太美医疗科技董事长赵璐在近期举行的媒体沟通会上指出， AI 辅助药物发现，该领域已经产出一些阶段性成果，但还不能说已经完全成熟。当前的生成式 AI（大语言模型等）本质是基于统计学的信息重组，它擅长从人类已知的数据中找出模式并快速输出，但不具备创造真正 " 未知 " 新知识的能力。由于 AI 能快速把研发的 " 老路 " 走完，所以行业内涌现了大量基于相同靶点、相似机制的 " 快速跟跑 " 项目（Fast-follow）。因此 AI 在 " 发现分子 " 这一端形成了资产积压（大量临床前候选分子）。

"AI 制药下一个、也是更有价值的应用场景，应该在‘临床验证阶段’。" 赵璐认为，" 区别于传统的 "AI for Discovery"（AIDD），‘ AI for Success ’即，不只是 " 造出分子 "，还要‘让药物成功获批、让患者获益’，更具有意义。"

而对于 AI 在临床验证阶段的价值，赵璐解释，第一，是用 AI 加速临床试验中的数据清理、统计分析、运营管理，让流程更快、更便宜。这是最容易被量化的价值，落地场景最多。第二，用 AI 预测风险、规避失败，优化试验方案设计，让临床试验 " 一开始就对 "。这比单纯 " 跑得快 " 更有战略价值。第三则是用 AI 把 " 对的药 " 给 " 对的人 " ——精准筛选入组患者、个性化匹配治疗方案。这是 AI 在临床阶段的终极价值：不仅让药更快上市，更让患者得到最适合的治疗。

根据 8 月 26 日晚间，太美医疗科技（02576.HK）公布的 2026 年中期业绩报告。上半年，公司总收入为 2.64 亿元，同比增长 8%；毛利 1.18 亿元，同比增长 17.5%；期内亏损扩大 64.3% 至 4816 万元，经调整净亏损扩大至 3090 万元，经调整 EBITDA（息税折旧及摊销前利润）亏损 342.4 万元，同比收窄 83%。

在管理层讨论与分析部分，公司提到 AI 临床开发平台的收入同比增长 22.2% 至 1.59 亿元，而 AI 赋能的临床开发服务收入同比下降 8.3% 至 1.05 亿元，主要由于公司主动调整业务结构，压缩低毛利业务。报告期内，公司新增合同金额达 3.64 亿元，同比增长 14.9%。

* 特别声明：文章内容仅供参考，不构成投资建议。投资者据此操作风险自担。