李昀 | 撰文

王晨 | 編輯

5月13日，劑泰科技在香港交易所掛牌上市，成為“AI藥物遞送第一股”，獲18家基石投資認(rèn)購，首日大漲126%。

劑泰科技向來被歸在“中國AI制藥四小龍”的梯隊(duì)里。其中，晶泰科技于2024年最早上市，也是“18C”下首家上市企業(yè)；英矽智能于次年上市，公開發(fā)售部分錄得超1400倍超額認(rèn)購；深度智耀目前已獲數(shù)十億美元融資，目前正處于Pre-IPO輪。

這些公司大都成立于2015年左右。彼時，正值中國進(jìn)入創(chuàng)新藥投資狂潮?？苿?chuàng)板、港股18A相繼放開，一級市場大量美元基金和產(chǎn)業(yè)資本涌入生物醫(yī)藥；與此同時，AlphaGo之后，AI被賦予了巨大的想象空間。而“AI+Biotech”自然成為最容易獲得高估值的交叉賽道。

因此，在這批AI制藥公司的身上，能看到一些共性：高敘事、高估值、但兌現(xiàn)時間較晚、兌現(xiàn)水平目前并不明朗。

一名投資人也聊到當(dāng)年給AI制藥做估值時的難點(diǎn)：在2020年左右，許多AI制藥公司甚至還無法提供充分真實(shí)數(shù)據(jù)。而上述的AI制藥四小龍，算是在這一點(diǎn)上表現(xiàn)較優(yōu)的，因此能拿到大量投資。“但由于缺乏數(shù)據(jù)，浪潮的來和去都特別猛烈，其中死掉的公司也不算少?！?/p>

如今，上個時代的AI制藥故事算是即將畫上休止符：那些活下來的公司，已經(jīng)接近一級融資周期的終點(diǎn)。而與此同時，弗若斯特沙利文數(shù)據(jù)顯示：全球AI賦能藥物研發(fā)支出從2020年的54億美元增長至2024年的137億美元，其復(fù)合年增長率為26.1%——這意味著，接下來將有更多AI制藥公司出現(xiàn)，而大浪淘沙勢必也會更加殘酷。

根據(jù)CB Insights的數(shù)據(jù)，到2023年，全球已有200多家初創(chuàng)AI制藥公司處于融資狀態(tài)，而到了2024年，這個數(shù)字已經(jīng)翻了一倍多。

在如此繁花叢中，投資人們該如何抉擇？AI制藥公司的形態(tài)總體上又發(fā)生了哪些變化？上一輪的投資泡沫和二次復(fù)蘇又為投資人們提供了哪些經(jīng)驗(yàn)？

沉渣泛起還是真實(shí)繁榮？

如果是在這個領(lǐng)域摸爬了超過5年的從業(yè)者，就不可能不記得在2022-23年左右AI制藥產(chǎn)業(yè)的泡沫危機(jī)。在此之前，AI制藥的融資車輪幾乎完全靠著AIphafold、Chatgpt、Deepseek等大模型的爆火推動，但無論對于投資者還是創(chuàng)業(yè)者而言，這一交叉領(lǐng)域都比AI科技的發(fā)展不成熟很多。

2022年，寒冬初現(xiàn)，隨后帶走了這種不成熟模式下的許多企業(yè)。有投資人回憶，當(dāng)年接觸的初創(chuàng)企業(yè)中，有超過七成即將面臨現(xiàn)金流斷流。

當(dāng)年，就連如今作為龍頭的那四家公司也飽受質(zhì)疑。晶泰科技在2021年時也經(jīng)歷過50家國際機(jī)構(gòu)融資競標(biāo)、額度達(dá)到8億美元、投后估值達(dá)到19.68億美元的盛況。然而，隨著2022年生物醫(yī)藥市場環(huán)境的失速，公司不得不擱淺了美股IPO的計劃。而英矽智能的四次遞表、屢敗屢戰(zhàn)也能體現(xiàn)出當(dāng)時行業(yè)的艱難。

這其中當(dāng)然有融資大環(huán)境的影響。但拋開這點(diǎn)不談，技術(shù)背后缺乏規(guī)律性總結(jié)、沒有最終產(chǎn)品面世、發(fā)展主線和商業(yè)化通路模糊，這些都是阻礙AI制藥企業(yè)獲得融資的原因。

上述投資人提到，在最早一批AI制藥投資潮里，不少企業(yè)的路演內(nèi)容提到的還是“拿已經(jīng)知道答案的數(shù)據(jù)重新喂給AI，由此來測試模型預(yù)測的準(zhǔn)確性”。即使如此，在泡沫破碎之前，還是有不少投資人相信其中潛力，即使公司模型還沒有展現(xiàn)出任何前瞻性功能。

即使一批企業(yè)最終存活并且成功完成融資輪，但上述投資人承認(rèn)，其中有一定運(yùn)氣的成分。“如果按照現(xiàn)在的標(biāo)準(zhǔn)去回看，不乏比較嚴(yán)重的誤判。”

而從去年開始，AI制藥幸存者們帶著一身傷痕，再次回歸主流視野。和上一次不同的是，這一次他們獲得了MNC的背書。

在生物制藥的發(fā)展史上，MNC往往起著為一項(xiàng)技術(shù)的商業(yè)化和普遍化承上啟下的作用。

2025年，Isomorphic Labs獲得6億美元融資，并與禮來、諾華建立總額可達(dá)30億美元的合作協(xié)議。在中國：晶泰科技在2025年與DoveTree簽下總價59.9億美元訂單；英矽智能先后與多家藥企達(dá)成管線授權(quán)合作，今年也和禮來達(dá)成了總價值27.5億美元交易；劑泰科技走的也是平臺授權(quán)路線，單個靶點(diǎn)合約金高達(dá)1.09億美元。

可以說，上一批AI制藥佼佼者蹚出來的商業(yè)模式，為新一批公司的投資趨勢奠定了基調(diào)。

另一名產(chǎn)業(yè)投資人提到，如今的標(biāo)的選擇會更關(guān)注“可以落地的平臺能力”。相較于公司拿幾次跑通數(shù)據(jù)驗(yàn)證成功的案例，投資者更關(guān)心的是公司是否有持續(xù)推進(jìn)多個項(xiàng)目、和國內(nèi)外企業(yè)在短期內(nèi)達(dá)成合作并交付的能力。

從大模型到Agent

AI制藥的發(fā)展靠的是一套完整復(fù)雜的產(chǎn)業(yè)鏈：上游依賴GPU、云計算、生物數(shù)據(jù)庫和自動化儀器；中游是AI模型、分子動力學(xué)、機(jī)器人實(shí)驗(yàn)平臺；下游則連接藥企、CRO、醫(yī)院與臨床資源。而其中，中游的技術(shù)水平起著最關(guān)鍵的作用。

上述產(chǎn)業(yè)投資人提到，從上一次AI制藥投資熱到這一次，中游的投資關(guān)注點(diǎn)有從大模型向Agent轉(zhuǎn)移的趨向。

所謂Agent，本質(zhì)上是：能夠自主調(diào)用工具、執(zhí)行任務(wù)、迭代反饋的AI系統(tǒng)。和此前大模型不同的是：后者只能對輸入的數(shù)據(jù)進(jìn)行處理，并完成推理功能；而后者是一套可以進(jìn)行多步驟計劃的閉環(huán)系統(tǒng)，因此也被稱為具有復(fù)合功能的“智能體”。

在最近舉行的華人抗體協(xié)會年會上，也有演講者提到：目前AI擅長文獻(xiàn)綜述和明確定義的編碼任務(wù)，但在需要與世界互動的科學(xué)問題上，仍需人類主導(dǎo)，AI作為輔助工具。在這一點(diǎn)上，Agent可以最大降低人為干預(yù)和操作，從而進(jìn)一步提高效率。

最近幾年，一些新涌現(xiàn)的AI制藥公司也將Agent作為主要競爭點(diǎn)。比如，望石智慧主打的是全棧式小分子早研智能體，建設(shè)了靶點(diǎn)、分子設(shè)計、濕實(shí)驗(yàn)閉環(huán)；摩熵數(shù)科則擁有近 60 個生物醫(yī)藥專用 Agent，覆蓋研發(fā)、立項(xiàng)、臨床、市場全鏈條。

上述投資者也提到，即使目前處于二次投資熱的語境里，但市面上僅提供單一功能大模型的AI制藥公司競爭仍然激烈，因而很難成活?！翱梢哉f，如果公司沒有AI和濕實(shí)驗(yàn)室的整合計劃，那么它已經(jīng)遠(yuǎn)遠(yuǎn)被時代落在了后面。在投資上，會被直接pass掉。”

之所以會有這樣的變化，根本原因在于人們在幾年對AI制藥的觀察中發(fā)現(xiàn)：模型的生成能力并不必然對齊臨床成功率。“大模型能力雖然還在提升，但是邊際效應(yīng)已經(jīng)出現(xiàn)。從投資者的角度來看，未來的臨床成功率的提高空間在于如何讓數(shù)據(jù)反饋更及時、如何把研發(fā)流程自動化?！?/p>

3月中旬，羅氏宣布擴(kuò)展其全球人工智能基礎(chǔ)設(shè)施，在美國和歐洲完成了2176個高性能GPU的部署；同月，禮來也正式啟用了其醫(yī)藥AI工廠LillyPod，并與英偉達(dá)宣布將在五年內(nèi)投入超10億美元建立AI聯(lián)合創(chuàng)新實(shí)驗(yàn)室。

兩家MNC合作的英偉達(dá)BioNeMo平臺采用的是實(shí)驗(yàn)室閉環(huán)模式。一旦這種模式能大規(guī)模應(yīng)用，將演變成一種貫穿式系統(tǒng)，且與濕實(shí)驗(yàn)之間形成可驗(yàn)證的循環(huán)。

這也意味著，這一輪的AI熱潮，將迅速從投資熱轉(zhuǎn)變?yōu)檎娼鸢足y投入的軍備競賽。初創(chuàng)企業(yè)們必須舍得進(jìn)行系統(tǒng)化搭建，才不至于與MNC的整體步伐脫節(jié)。

向機(jī)制發(fā)起挑戰(zhàn)

這一輪AI制藥投資熱，與上一輪另一個不同點(diǎn)在于：資本關(guān)注的焦點(diǎn)，正在從生成分子轉(zhuǎn)向理解生物。

過去幾年，大模型、擴(kuò)散模型和生成式化學(xué)迅速發(fā)展，使AI第一次能夠大規(guī)模從頭設(shè)計藥物分子。許多公司已經(jīng)不再依賴傳統(tǒng)篩庫，而是直接讓模型生成候選化合物，再通過高通量篩選快速優(yōu)化。

這意味著，一個重要瓶頸正在消失：高質(zhì)量分子設(shè)計本身，越來越不稀缺。

過去，藥物研發(fā)最大的難題之一是找不到合適分子；但現(xiàn)在，AI已經(jīng)能夠一次性生成、篩選、優(yōu)化成千上萬個候選結(jié)構(gòu)。于是，行業(yè)邏輯開始發(fā)生變化。上述華人抗體協(xié)會年會上的演講者總結(jié)道：未來藥物開發(fā)更像從目錄中選部件并組裝，而不再是一次次從零開始重新工程化。

但也正因?yàn)槿绱耍碌钠款i暴露了出來。

行業(yè)逐漸意識到：真正困難的，是理解分子在復(fù)雜生物系統(tǒng)里究竟會發(fā)生什么。上述投資人提到：“AI模型雖然擅長預(yù)測分子性質(zhì)，卻往往忽略生物活性、組織特異性等動態(tài)問題。越是復(fù)雜的靶點(diǎn)，這種問題越是顯著。”

他同時提到，就國內(nèi)目前的公司水平而言，在這一問題上還沒有看到太多令人信服的解決辦法。但這并不影響已經(jīng)有一部分企業(yè)率先展開探索，而一部分投資人也開始敢于押注。

在這一輪的投資熱中，行業(yè)意識發(fā)生了顯著變化：越來越多人意識到，真正決定藥物成敗的，是對生物系統(tǒng)的理解深度。

因此，越來越多研究開始強(qiáng)調(diào)“物理約束AI”。這一方向的核心思想是：把傳統(tǒng)物理模型、生物動力學(xué)模型與深度學(xué)習(xí)結(jié)合。因?yàn)榧傾I模型雖然擬合能力強(qiáng)，但泛化性差；它很容易在訓(xùn)練數(shù)據(jù)中表現(xiàn)優(yōu)秀，卻無法適應(yīng)新的生物環(huán)境。而物理模型雖然精度有限，卻擁有更強(qiáng)的可解釋性和外推能力。

類似邏輯也出現(xiàn)在PK/PD領(lǐng)域。IBM Research在2024年的研究中提出，用Physics-Informed Neural Networks結(jié)合藥代動力學(xué)微分方程，讓模型不僅擬合數(shù)據(jù)，還必須遵守真實(shí)生物動力學(xué)規(guī)律。

在這種新思維的帶領(lǐng)下，一些代表性的企業(yè)開始在市場嶄露頭角：比如以分子動力學(xué)為核心技術(shù)的Schr?dinger，以系統(tǒng)生物學(xué)為核心技術(shù)的Recursion等，在近些年都獲得了和MNC深度合作的機(jī)會。

而在中國，這類企業(yè)的發(fā)展時間較短，在投資市場上也剛剛開始嶄露頭角。比如華深智藥對物理約束的引入，體現(xiàn)在AI生成分子結(jié)構(gòu)或預(yù)測蛋白質(zhì)折疊時，強(qiáng)制要求模型遵守諸如力學(xué)穩(wěn)定構(gòu)象、靜電相互作用等物理化學(xué)法則，提高了蛋白質(zhì)設(shè)計的成功率。

當(dāng)然，一切實(shí)質(zhì)性的技術(shù)進(jìn)展都是從概念開始的。從2021年到2026年，年輕的AI制藥行業(yè)已經(jīng)經(jīng)歷了兩輪投資周期，業(yè)界生態(tài)和心態(tài)在表象的沉浮之后，也積累了更多內(nèi)在的經(jīng)驗(yàn)。概念并不是投資泡沫的原罪，關(guān)鍵在于：行業(yè)需要在概念之下發(fā)掘出更堅實(shí)的錨點(diǎn)。

歡迎添加作者交流：

李昀：liyun940820