7月12日，AI芯片巨头英伟达宣布向美国生物科技公司Recursion投资5000万美元，以加速人工智能药物发现领域的突破性基础模型。

与此同时，Recursion宣布计划加快其生物学和化学领域的AI基础模型的开发，与英伟达合作对其模型进行优化，并通过英伟达云服务将其分发给生物科技公司。

消息一出， CXO（医药外包服务）板块大幅拉升，二级市场相关医药股纷纷跟涨，引发了资本市场对AI制药的关注。

AI与制药的碰撞，足够颠覆的前景，让市场趋之若鹜。AI制药市场有多大潜力？AI巨头入局制药领域，跨“次元壁”的合作能否美美与共？

制药业的科技迈进

随着制药行业的不断发展，关于提高药品质量，促进产业转型升级等各种政策相继推行，借助人工智能、自动化等先进手段，实现高水平高效率的智能化生产已经成为制药领域主流发展趋势。

近些年AI、大模型等科技的快速再次爆火，让各行各业又开始掀起一波智能化的浪潮，制药业也不例外。

AI制药主要指将自然语言处理、机器学习及大数据等人工智能技术应用到制药领域各环节，以提高、优化新药研发的效率及质量，降低临床失败概率及研发成本。

研报数据显示，通过机器学习、深度学习等方式赋能药物靶点发现、化合物筛选等环节，能够使新药研发的成功率从12%提高到14%，每年为全球节约化合物筛选和临床试验费用约550亿美元。

在人工智能的所有应用中，医疗行业位列首位，据统计，2020年Al医疗已占人工智能市场的18.9%。2021年中国医疗AI市场规模已达到95亿元，同比增长61.02%，预计2023年AI医疗行业市场规模将达到200亿元，2019年到2023年复合增长率为44.4%。

国内AI制药产业随着算力提升和数据发展迎来了高速增长的成长初期。2021年，在疫情驱动、资本加持下，AI制药企业投产获取第一轮成效，中国AI制药市场规模为1.63亿元，2022年增长至约2.92亿元，预计2023年市场规模将达到4.14亿元。

新药研发是典型的长周期、高投入、高风险的行业，一款新药由早期药物研发，至最终成功商业化落地，一般需要耗时10年以上，研发成本超过10亿美元，如果把失败风险计算在内，成本可能超过20亿美元。

这样大的市场盘可以看出AI制药这个新兴模式被寄予厚望，制药行业有一句广为人知的话是“大概每九年，药物研发的成本会翻倍”，制约成本成为了产业渴求的出路。

AI踏入制药是直击这一痛点，但目前AI技术的应用不是最终目的，获得商业回报才是，这也是AI制药走到现在的艰辛之处。

目前的数据量难以撑起期待

生成式AI把热浪推到了制药业，虽然目前的GPT大部分依然是围绕着大模型、图形计算、数据库等，但一定会生长到医药、制造这些细分的应用领域。

英伟达创始人兼首席执行官黄仁勋也表示，“生成式AI是发现新药物和治疗方法的革命性工具。”

但目前的生成式AI都是基于以往的数据加以整理，这意味着AI制药会受限于数据同质化。基于经验和大模型的训练，都需要大量的数据作为支撑，AI制药企业的核心在于数据生产力。因此AI制药目前主要应用在药物发现、先导化合物筛选等早期阶段，在临床试验阶段更多还是要依靠人来完成。

生成式AI给产业带来的期望固然美好，但要实现落地，还要丰富底层数据生产能力。同样的，在生成式AI浪潮下，AI制药有机会给整个制药行业带来质变，打破创新的瓶颈，解决研发效率的根本问题。

而在AI与医药的融合中，CRO（合同研发组织）公司具有数据量庞大的优势。作为独立的第三方研究机构，CRO公司最大的优势在于借助服务药物研发过程积攒了大量数据，这些数据包括成功和失败的经验，能够赋能、完善数据库，这是他们的核心竞争力，也是他们的重要竞争壁垒。

研究结果显示，在Ⅰ-Ⅲ期临床试验阶段，CRO公司整体用时可节省34%，同时节省30-50%的成本。对于药企来讲，把研发外包给CRO公司具有巨大吸引力。

根据智药局不完全统计，2022年全球AI+药物研发相关融资总事件达144起，总金额为62.02亿美元（约人民币426.66亿元）。相较于2021年的整体共计73起，总金额共计42亿美元的融资情况呈现双双上涨的态势。

目前国内AI制药产业也出现了许多代表性企业，比如成都先导、药明康德、康龙化成、美迪西、诺泰生物、凯莱英、博济医药等。凭借丰富的数据优势，CRO可能成为AI+领域最大赢家。

写在最后

近年来，许多传统制药企业或多或少都进行了不同程度的数字化转型，随着物联网、人工智能等新一代信息技术的发展是一方面原因，还有国家出台的相关政策推进，在智能化设备和工艺上引入新技术，为制药生产实现降本增效。

在不久后的将来，AI制药有机会以量变引起质变，可以期待药物创新门槛会逐渐降低，药物研发不断向上突破，AI制药的链条持续生长。