分子批量生成，新药迟迟不见！AI制药的泡沫与残酷现实！

AI制药下半场：从“造分子”到“造药”，还有多远？

AI制药行业已经走完轰轰烈烈的上半场。生成式大模型可以在数周之内批量生成全新候选分子，把过去两三年的分子筛选工作压缩到数月。

靶点预测、蛋白结构解析、逆合成路线设计，算法交出了亮眼答卷。资本市场一度乐观宣称，AI将彻底打破新药研发“双十定律”，即十年十亿美金的行业魔咒。

但一个残酷现实摆在行业面前：全球已有两百多个AI设计的分子进入临床试验，却至今没有一款完全由AI主导开发的药物正式获批上市。

AI擅长在数字世界“造分子”，但造出分子不等于造出药物。从纸上的化学结构式，到一款可以给患者使用的成熟药品，横亘着一条宽阔的“死亡峡谷”。

AI制药正式进入下半场，竞争不再比拼谁生成的分子更新奇，而是比拼能不能走完完整研发链条，真正“造药”。这条路，远比大众想象的更加漫长。

AI可以在数字世界轻松造出分子，但药物最终要在血肉之躯里接受考验。

很多普通观察者容易混淆两个概念：生成候选分子，和开发一款成药，完全是两件事。

AI的优势集中在虚拟计算层面：

它可以在浩瀚的化学空间里，快速筛选、凭空创造化学结构，模拟分子与蛋白靶点的结合能力。

在计算机屏幕上，大量分子各项指标近乎完美，结合活性优异，结构新颖，充满想象空间。

可药物不是一段代码、不是一张化学图纸。分子要成为药物，必须走出数字世界，进入物理实验室。

要完成化学合成、细胞实验、动物药理、毒理评价，还要验证代谢、吸收、排泄，再跨过一期、二期、三期人体临床试验，还要解决生产工艺、制剂开发、监管申报一系列难题 。

AI可以把分子发现环节提速数倍，但后面这一整套真实世界的验证链条，很难被算法一键跳过。

分子结构式写得再完美，不等于一款可以治病救人的药品。

这就是当下行业最核心的矛盾：数字世界的计算速度，和物理世界实验验证速度严重错配。

AI一天可以输出上百个候选分子，但是合成、细胞、动物实验，每一轮都要耗费数周乃至数月。

AI高速产出大量候选化合物，湿实验验证能力却跟不上，大量高质量虚拟分子积压，形成巨大的验证鸿沟 。

算法给出预测，实验产出真实结果，再把实验数据回灌给模型迭代，这套DBTL闭环循环转得越慢，AI的整体效率就被大幅稀释。

哪怕分子发现提速一百倍，如果下游验证仅提升一倍，整个新药研发的整体改善就十分有限。

更深层的卡点，来自生物学本身的复杂性，这也是AI模型难以逾越的壁垒。

AI制药最大鸿沟，不是算力不足，而是计算世界与真实生物学世界的割裂。

AI学习的是历史已有的科研数据，擅长总结过去的规律，但人体生命系统充满不确定性。

很多分子在体外细胞实验中效果惊艳，进入动物体内就出现代谢异常、脱靶毒性；动物实验表现尚可，进入人体临床试验之后药效消失，或者出现不可接受的副作用。

AI可以预测分子和靶点的结合，但很难完整模拟人体复杂的免疫、代谢、器官相互作用。

靶点本身也存在巨大不确定性，AI挖掘出潜在靶点，不等于这个靶点就真正决定人类疾病。大量项目前期看起来前景光明，等到临床阶段才发现靶点本身就不成立，前期全部投入付诸东流。

这不是算法算力不够，而是人类对疾病本身认知依旧存在巨大盲区。

上半场，大量AI制药公司本质上是“分子输出工厂”，商业模式就是输出候选分子，授权给药企，把后续临床风险甩给合作方。

只做计算、少碰湿实验、远离临床，依靠算法讲故事融资。到了下半场，资本的评判标准彻底改变：不再看你生成多少新奇分子，而是看管线能不能扛过临床，能不能拿出真实的临床数据。只擅长“造分子”的平台，估值逻辑正在崩塌。

上半场比拼谁生成更多分子，下半场比拼谁扛得住临床的残酷筛选。

行业正在出现明显分化。一部分企业开始补齐短板，搭建自动化的干湿结合实验室，打通计算‑合成‑测试‑反馈完整闭环，把实验数据回流训练AI模型；

另一部分企业选择继续外包实验，只保留算法团队，持续输出分子，但是越来越难获得资本青睐。一个独特的行业观点值得警惕：

如果只做计算，不掌握实验闭环，AI制药永远只能停留在工具层面，无法真正实现造药

。

没有真实生物学数据的持续反馈，AI模型会不断重复旧数据里的偏见与局限，很难真正探索全新治疗路径。

除此之外，监管的约束，成为下半场不可忽视的硬性门槛。FDA、EMA近年出台AI制药相关指导原则，对训练数据集来源、模型可复现性、全流程可审计溯源提出硬性要求 。

AI生成的东西不能是黑箱，每一步预测都要有迹可循。过去那种只追求输出结果，不解释推理过程的大模型，在新药申报中很难通关。

临床阶段，试验设计、患者入组、数据治理全部要符合严苛合规标准，这不是单纯算法优化就能够解决。

很多人会产生疑问：既然困难重重，AI制药的价值是否被过度夸大？答案是否定的。

AI不是魔法，不能直接消除新药研发的失败率，但它可以减少无效试错，把资源集中到更有希望的方向。它可以优化靶点挖掘、优化分子属性、辅助临床患者筛选、优化临床试验方案、加速申报材料准备，在研发全链条持续释放价值。

但我们必须抛弃幻想：

AI无法一键消灭制药行业固有的风险与不确定性

。

从“造分子”走向“造药”，行业需要跨过三道门槛：第一，打通计算与湿实验的数据闭环，让真实生物实验持续反哺模型迭代；第二，补齐靶点生物学的底层认知，不能只依赖历史数据做外推；第三，建立完整的临床开发、工艺开发、合规申报能力，完成从技术平台向制药企业的蜕变。

放眼当下，我们距离第一款AI原生新药上市，已经越来越近，但绝非近在咫尺。乐观的机构预测未来三五年会迎来首批成果，悲观视角则认为，系统性的成熟还需要十年以上周期。

没有湿实验闭环的AI制药，永远只是纸上化学游戏。

AI制药上半场，比拼算力、模型、分子生成能力；下半场，比拼生物学理解、实验闭环、临床转化能力。能造出漂亮分子的公司很多，但能真正造出治病救人药物的企业，会是少数。

分子只是起点，而不是终点。技术泡沫会慢慢褪去，行业回归制药最朴素的本质：一切算法，最终都要接受人体临床的终极检验。

那么在你看来，AI制药最大的瓶颈，是算法算力，还是人类对生命疾病本身认知的局限？欢迎评论区探讨。