AI 技术正在明显拉高新药研发早期阶段的成功率,同时 AI 制药不再只局限于靶点、分子设计等前端发现环节,价值链已经向上游算力、生物试剂、自动化实验室,下游临床试验、制剂开发、真实世界研究、商业化给药方案持续延伸,传统新药研发行业有 “双十定律”,一款新药平均耗时 10 年、投入超 10 亿美元,整体最终上市成功率长期偏低,而 BCG 数据显示 AI 产出的候选分子 I 期临床成功率达到 80%-90%,远高于传统 40%-65% 的基线水平,不过这个提升集中在早期验证阶段,进入 II 期、III 期之后,AI 新药的成功率和传统管线差距不大,湿实验、长期人体临床验证依旧是很难绕开的刚性门槛,整条产业链的角色也从过去单纯的 AI 工具服务商,慢慢变成药企深度绑定的研发合作伙伴。
一、AI 新药研发成功率数据一览
| 阶段 | AI 辅助新药成功率 | 传统新药行业基线 | 备注 |
|---|---|---|---|
| I 期临床(安全性验证) | 80%~90% | 40%~65% | AI 优势最明显的阶段,主要筛选安全候选分子 |
| II 期临床(初步疗效) | 约 40% | 35%~42% | AI 优势大幅收窄,疗效验证难度提升 |
| III 期临床(确证性试验) | 约 10% | 8%~12% | AI 暂未显著改善该阶段通过率,临床周期长、变量多 |
| 整体从临床前到最终获批 | 9%~18% | 5%~10% | AI 主要通过减少早期无效管线,拉高整体基线 |
二、AI 制药完整价值链覆盖环节
- 上游基础层:生物大模型、蛋白结构预测、分子生成模型、GPU 算力集群、自动化合成实验室、重组蛋白试剂、实验耗材,是 AI 制药的底层支撑。
- 药物发现层:靶点挖掘、蛋白口袋模拟、化合物虚拟筛选、全新分子从头生成、成药性预测、毒性预判,也是目前 AI 落地最成熟的环节。
- 临床前开发层:晶型预测、制剂配方设计、给药方案模拟、动物实验结果预测,压缩大量试错实验。
- 临床试验层:患者入组匹配、终点指标预测、不良事件预警、临床方案优化、真实世界数据挖掘。
- 下游商业化层:药品说明书 AI 辅助撰写、药物警戒、适应症拓展、精准用药推荐、伴随诊断联合开发。
- 服务层:AI 平台授权、药企联合研发、管线项目授权转让、CRO 智能化改造。
三、AI 提升研发成功率的核心原因
- AI 可以在海量化学空间里快速遍历分子,传统筛选只能覆盖极小范围,AI 提前把毒性高、吸收差、容易失败的分子提前筛掉,减少无效实验投入。
- 多模态模型整合基因组、蛋白组、临床文献、既往失败管线数据,能找到人类不容易发现的全新靶点和作用机制。
- 提前预判分子的溶解度、代谢、脱靶风险,很多失败风险在计算机模拟阶段就排除,不用等到花钱做实验才发现问题。
- 人机协同模式,AI 负责大规模搜索和计算,生物学家、药学家负责机制判断、湿实验验证,减少纯经验带来的主观偏差。
四、当前行业落地案例
- 英矽智能 Rentosertib:AI 从头发现靶点 + 分子,进入 IIa 期临床,数据刊登《自然・医学》,是全球进展靠前的 AI 自研新药。
- 艾普司韦(盐酸伊司特韦片):国内 AI 辅助研发获批的 1 类创新药,从靶点到临床走完流程只用 3 年半,远短于传统周期。
- 剂泰科技 AI 制剂管线:AI 优化配方,提升药物生物利用度,解决难溶药物给药难题。
五、行业现存局限
- AI 擅长预测分子安全属性,但很难预判人体复杂免疫、代谢、长期疗效,II、III 期临床依旧存在大量不确定性。
- AI 给出的分子方案最终必须依靠湿实验验证,自动化生物实验室配套不足,会限制 AI 模型迭代速度。
- 全球完全由 AI 主导从头设计、最终获批上市的新药数量还很少,赛道还处在临床验证的收获前期。
- 不同数据集偏差、模型泛化性问题,会导致部分 AI 预测结果和真实实验结果出现明显偏差。
【相关 FAQ】
问题 1:AI 制药助推新药研发成功率显著提升,是不是所有阶段的新药成功率都能拉高?
回答 1:AI 制药助推新药研发成功率显著提升,主要集中在 I 期早期安全性验证阶段,I 期成功率能到 80%-90%,但进入 II 期、III 期临床之后,AI 新药的成功率和传统新药差距很小,AI 很难解决人体疗效验证的长期风险。
问题 2:AI 制药价值链持续拓展,现在 AI 制药除了设计分子还覆盖哪些业务?
回答 2:AI 制药价值链持续拓展,除了靶点挖掘、分子生成,还向上游算力、自动化实验室、生物试剂延伸,向下覆盖制剂开发、临床试验招募、真实世界研究、药物警戒、适应症拓展等全链条环节。
问题 3:AI 制药拉高新药研发成功率,能不能直接省去动物实验和人体临床试验?
回答 3:不能,AI 制药拉高新药研发成功率是依靠提前筛选淘汰高风险分子,动物实验、人体临床试验是法规强制要求,也是验证疗效和长期安全性的唯一标准,AI 无法替代湿实验和临床。
问题 4:AI 制药价值链拓展之后,传统药企和 AI 制药公司的合作模式有什么变化?
回答 4:AI 制药价值链拓展之后,不再只是简单采购 AI 工具,更多是长期联合研发、管线权益分成、共建智能实验室,药企提供临床资源和行业经验,AI 公司提供模型和算力,共同推进新药管线。
【参考资料】
[2026-11-19](AI 助推新药研发成功率显著提升 AI 制药价值链持续拓展)财联社
[2026-11-18](Isomorphic Labs 完成 50 亿美元 C 轮融资,AI 制药临床管线持续扩容)21 世纪经济报道
[2026-11-05](AI “助攻”,创新药上市提速)科技日报
[2026-09-02](国内首款 AI 辅助研发原创药艾普司韦获批上市)西湖大学官网
[2026-08-11](AI 进药企,新药研发在提速)新华网
【免责声明】
本文整理的 AI 制药新药研发成功率、价值链相关数据来自券商研报、公开媒体与企业披露信息;I 期高成功率不代表新药最终一定可以顺利上市,AI 药物研发存在临床失败风险;本文内容仅为行业信息整理,不构成医药投资、药品购买与临床治疗建议。
本文来自作者[虚界侦听]投稿,不代表新新网立场,如若转载,请注明出处:https://wap.xxcmw.com/kuaixun/202611/4391.html
评论列表(4条)
我是新新网的签约作者“虚界侦听”!
希望本篇文章《AI 制药新药研发成功率提升,全产业链价值链持续拓展》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:AI 技术正在明显拉高新药研发早期阶段的成功率,同时 AI 制药不再只局限于靶点、分子设计等前端发现环节,价值链已经向上游算力、生物试