AI开始造药了

2026年5月，一款由AI从头设计的抗癌新药通过了II期临床试验。它的分子结构，没有一个人类化学家能画出来。

不是因为太难。是因为太奇怪。

AI设计的分子像一个外星生物——不对称、不优雅、不符合任何教科书上的规则。但它有效。对人体的某个蛋白质靶点，结合精度比人类设计的最优分子高40%。

在场的药化专家看了结构式，沉默了很久。

他花了三十年学会的东西，AI用三个小时证明——那些规则，可以不遵守。

一款没人看得懂的分子

事情发生在波士顿。Insilico Medicine用生成式AI设计了一款针对特发性肺纤维化的新药，代号INS018_055。

从靶点发现到临床前候选化合物，传统药企平均耗时4.5年，花费数千万美元。Insilico用了18个月，不到300万美元。

但这不是重点。

重点是那个分子。传统的药物化学家设计分子时，遵循一套百年积累的经验规则——Lipinski五规则、电子等排体替换、药效团拼接。像老木匠做家具，每一步都有师傅传下来的规矩。

AI不管这些。

它把分子当成一个高维空间里的向量，在这个空间里搜索最优解。这个解在人类眼里"不好看"——环太多、氢键供体超标、某些基团看起来像毒药。

但实验数据不撒谎。受试者的肺功能改善了。CT影像上的纤维化区域缩小了。

一个行业的天花板，就这么被捅穿了。

这个行业正在被拆掉重建

制药行业的成本结构，说穿了很好理解。

一款新药从实验室到上市，平均26亿美元，10到15年。其中90%的候选药物会在临床试验中败下阵来——不是效果不行，就是毒性太大。

相当于你花26亿买彩票，90%的概率血本无归。

AI正在把赔率倒过来。

2025年，全球AI制药融资超过120亿美元。Moderna用AI定制mRNA疫苗方案，研发周期缩短70%。Recursion Pharmaceuticals用AI驱动的自动化实验室，每周筛选数百万个化合物，速度是传统方法的100倍。

更狠的是老药新用。

BenevolentAI的算法翻遍了全球已上市药物的数据，发现一款1972年上市的抗类风湿关节炎老药，对一种罕见神经系统疾病有奇效。临床试验已经进入III期。

人类用了50年，没发现这个新用途。AI翻了48小时数据就找到了。

50年。对你没看错。50年。

临床试验也在被AI重写

如果只是找分子快一点，还算不上革命。真正的地震在临床试验。

找受试者、设计试验方案、预测不良反应——这些占临床试验成本60%以上的环节，正在被算法接管。

Medidata的AI系统可以扫描全球电子病历，几小时内锁定符合条件的患者——以前这个环节必须靠医生手动筛，耗时数月。

更刺激的是"虚拟对照组"。

过去做临床试验，必须找真的病人吃安慰剂，费时费钱还不人道。现在，AI可以用历史数据构建"合成患者"，模拟安慰剂组的结果。

2025年，FDA首次批准了一项用AI构建虚拟对照组的一期肿瘤临床试验。药厂省了40%的受试者招募成本。

对病人来说，药能更快上市，而且更便宜。对CRO（临床试验外包公司）来说，这是灭顶之灾——它们80%的收入来自招募和管理受试者。

一招鲜吃遍天的时代，结束了。

中国玩家正在偷家

别以为这是硅谷的独角戏。

中国AI制药公司正在以惊人的速度追赶。晶泰科技的AI药物发现平台，已经签下了全球前20大药企中的14家。英矽智能的管线里有31个AI设计的候选药物，覆盖肿瘤、纤维化、免疫三大方向。

更值得警惕的是论文。中国在AI制药领域的论文发表量，已经超过美国。在蛋白质结构预测、分子生成、合成路径规划这些细分方向，中国团队的表现不输DeepMind。

原因很简单：中国有全球最大的患者数据库，有全球最快的临床审批速度。

当美国FDA还在纠结AI虚拟对照组的伦理问题时，中国监管机构已经在讨论AI辅助审批的实施细则了。

先做再说的国家，总是跑得比先说再做的快。

最后一道鬼门关

但别急着欢呼。

AI发现的药，还没有一款走完从临床试验到上市的全流程。

Insilico的肺纤维化药进了II期，Recursion的神经退行性疾病药还在I期。所有漂亮的数据、所有的融资PPT，都要过临床III期这道鬼门关。

而AI的预测模型，恰恰在III期最不靠谱。

因为III期要看"真实世界的效果"——患者依从性、药物相互作用、长期毒性。这些都是实验室和电子病历里没有的数据。

换句话说：AI可以帮你用最快速度找到一颗子弹，但不能保证它不打偏。

但话说回来——传统制药方法，III期失败率也是50%以上。

AI至少在前半程替人类省了10年和10个亿。

这笔账，已经够清楚了。