近日，DeepMind旗下AI制药公司Isomorphic Labs宣布完成21亿美元B轮融资，创下AI制药领域单笔融资纪录；紧接着，被誉为“制药界Space X”的剂泰科技以超21亿港元募资额登陆港交所，香港公开发售超6900倍超额认购刷新港股医疗健康IPO纪录，众多顶级机构重仓押注。今年以来，全球资本不约而同地选择了AI制药这一方向，这场围绕算力、数据和生态的竞速正在重塑全球创新药产业格局。
当全球资本加速涌入之时，华为制药军团总裁樊杰在接受《每日经济新闻》记者等媒体记者采访时给出的研判却显得尤为冷静，“当前AI制药整体处于快速成长期，但距离成熟规模化落地仍有较远距离，行业在高端专业模型、高质量生物医药数据集、底层算力底座三大维度还存在瓶颈，具备巨大的技术迭代与产业成长空间”。
算力投入不足的背后，是制药行业对AI制药核心路径的认知偏差。在樊杰看来，干湿实验数据打通与深度融合是当前最棘手且仍在集中攻关的核心难点。AlphaFold系列已成为行业标杆，但目前国内药企仅能使用AlphaFold 3的开源版开展基础实验，在前沿药物靶点发现等领域陷入被动。
“国产AI制药的核心竞争力，不单一依赖技术模型，而在于场景和数据生态。”樊杰强调，中国拥有数百万化学工程师人才储备、全球领先的临床资源以及仅为国外一半的临床试验周期，这些本土优势是国产AI制药实现弯道超车的真正底牌。据了解，华为目前正联合昌平实验室、上海药研所等国家级机构构建自主可控的算力生态底座，并计划于2026年在全国打造5至10个AI制药灯塔项目，以场景驱动全栈生态的规模化落地。
AI并非简单工具赋能，“一人实验室”模式有望成为现实
业内对传统创新药研发的普遍共识规律是“十年十亿美元、成功率不足10%”，人力、资金、科研资源投入巨大，试错成本高昂。随着AI模型在生物医药领域落地应用，创新药研发正迎来变局。
樊杰举了一个例子，澳大利亚一家AI初创公司的创始人依托AI模型自研药物、治疗患癌瘫痪宠物犬，AI不仅能够大幅压缩研发周期、降低综合投入成本，还能显著提升新药研发成功率。
据《中国新闻周刊》报道，2019年该名创始人领养了混血犬罗茜。五年后，罗茜被诊断出患有肥大细胞癌，这是一种犬类较常见的皮肤癌。在确诊前很长一段时间，罗茜腿部的异常一直被当作普通皮疹处理，其病情不断加重。
为了治疗罗茜的癌症，该名创始人花费数千美元为其进行化疗、手术。后来又在专家帮助下，他重新分析了罗茜癌细胞的所有突变，筛选出最有可能被免疫系统识别的“指纹”。之后，他利用Gemini和Grok等AI大模型验证，得到一段构建疫苗的序列。两个月内，科学家团队根据这段序列，为罗茜定制了一款mRNA疫苗。在伦理审批后，去年12月，罗茜接受了第一针注射，今年2月又打了后续针剂，接受一段时间治疗后，罗茜的肿胀开始消退，部分肿瘤开始缩小。
“过去做一款创新药需要集结大量人力与行业资源，未来‘一人实验室’模式有望成为现实，个人或小型科研团队依托AI平台即可启动新药研发。”樊杰表示，AI绝非简单的工具赋能，而是颠覆传统制药流程、改写产业规则的重大转折点。
在行业发展阶段上，樊杰判断，当前AI制药整体处于快速成长期，但距离成熟规模化落地仍有较远距离，行业在高端专业模型、高质量生物医药数据集、底层算力底座三大维度还存在瓶颈，具备巨大的技术迭代与产业成长空间。华为的定位是串联整合业界优质资源，搭建全栈技术能力，助力药企向AI赋能的创新药研发转型升维。
技术迭代带来普遍焦虑，药企担心错失智能化转型窗口期
当前全球AI创新药产业进入快速普及阶段，依托人工智能、生物信息学与超算技术融合发展，AI已开始渗透靶点挖掘、化合物筛选、药理毒理预测等临床前研发全流程，全球头部药企积极进行AI研发布局，国内创新药企紧跟产业趋势，纷纷加速智能化转型。
面对AI技术浪潮，国内制药企业的心态与布局呈现清晰共性。据樊杰观察，行业当前呈现三大特征：一是技术迭代带来普遍焦虑，药企担心错失智能化转型窗口期；二是全行业主动拥抱AI Drug Discovery已成共识，自上而下布局AI制药研发；三是多数企业缺乏自主搭建AI研发平台的能力，正积极寻找技术伙伴与生态合作方。
“目前整个行业还处在起步阶段，市场对AI制药期望很高，但落地路径、合作模式、实施标准都还在探索，预计未来三年行业将迎来快速爆发期。”樊杰称。
更值得警惕的是中外药企研发投入结构存在的巨大鸿沟。樊杰表示，美国药企将约3%营业收入投入IT数字化平台建设，约10%投入BT（生物技术领域）研发；国内部分药企整体研发投入占比超过20%，但资金高度集中在传统BT领域，IT数字化投入普遍不足1%，不少企业甚至低于0.5%。
算力集群层面的差距更为直观：互联网、金融行业已普及千卡、万卡级算力集群，而制药行业普遍停留在8卡、16卡、32卡小规模集群，百卡级集群都十分稀缺。樊杰分析认为，药企并非现金流不足，而是长期不太重视IT基建与算力投入，对AI能带来的效率上限缺乏认知。药企希望把实验周期从四周缩短到一周，而华为可以通过超节点的能力把实验周期缩短到一天甚至一小时，极致的效率突破会推动行业整体升级。
技术标准迭代极快，短期难以形成统一规范
尽管药企普遍的共识是人工智能将为新药研发带来机遇，但AI制药在产业化落地中仍面临现实技术瓶颈。在樊杰看来，干湿实验数据打通与深度融合是当前最棘手、仍在集中攻关的核心难题，也是制约AI制药走向规模化落地的关键卡点。
干实验依托AI进行计算机仿真模拟，生成潜在成药小分子、大分子化合物；湿实验则通过传统化学实验，验证化合物的成药性、临床有效性及生物毒性。二者本应相辅相成、形成闭环：湿实验验证结果需反向反馈至干实验，修正AI模型预测权重，缩小仿真与实际实验的偏差。
“但当前行业普遍存在数据割裂、流程脱节问题，干湿实验难以实现联动迭代，成为最大技术卡点。”樊杰分析认为，AI编程等数字化应用易于成熟，核心在于全程纯数字化无需物理验证；而制药研发必须实现仿真计算与化学实验深度绑定，技术复杂度大幅提升。目前华为正联合国内药企、国家级科研院所开展技术攻关，除干湿实验融合外，其余业务环节落地进展整体顺畅。
除技术卡点外，药企与科技企业之间存在专业语言壁垒、业务逻辑隔阂。樊杰指出，传统行业数字化多由CIO（首席信息官）牵头落地，而AI制药领域创新逻辑已改变，不再是技术端单向输出方案，而是由药研业务部门牵引创新，CIO仅提供配套资源支持。破解隔阂的最优路径，是科技企业、药企、模型企业组建联合团队集中办公，通过联合作战打通认知壁垒。
樊杰指出，AI行业技术标准迭代极快，短期难以形成统一规范，只能通过深度场景入局，在联合创新中逐步沉淀方法论，待方案成熟后再打造行业事实标准。为此，华为计划2026年在全国打造5至10个AI制药灯塔项目，筛选有意愿、有能力的大小药企深度共创，打磨可复制的标准化解决方案，再向全行业推广。
算力赛道已出现“价格战”苗头
樊杰坦言，AlphaFold系列已成为行业标杆，但对于AlphaFold 3及AlphaFold 4，国内药企仅能使用AlphaFold 3的开源版开展基础实验，在前沿药物靶点发现、分子仿真等核心领域陷入被动。
在此背景下，AI制药国产化已是必然趋势。樊杰认为，国产AI制药的核心竞争力，并不单一依赖技术模型，而是具备三大独特产业红利：中国拥有数百万化学工程师人才储备；临床资源全球领先，病患样本与试验场景充足；国内临床试验周期仅为国外一半，成本同步降低五成，效率与成本优势显著。
算力需求层面，制药行业目前消耗尚处起步阶段，但随着Agent（智能体）大模型深度应用，算力消耗已呈爆发增长态势。已有头部药企每月云上算力消耗达百万元级别，且成为常态投入，未来制药行业将逐步成为算力高地。
樊杰认为，从部署模式来看，药企出于数据安全与资产保护考量，更倾向于本地自建集群或专属私有云部署，坚持核心研发数据不出园区，华为可灵活适配8卡至十万卡不同规模集群需求，兼顾弹性算力供给与数据合规安全。
“在行业竞争层面，算力赛道已出现‘价格战’苗头。”不过在樊杰看来，AI制药不是单点技术的比拼，而是全流程链路的打通，AI制药全栈生态才是核心竞争力。据樊杰介绍，华为制药军团以BU业务单元模式运作，兼具技术架构、咨询服务、解决方案与市场落地多重角色，结合产业场景联合生态伙伴深耕高价值赛道，构筑技术护城河。华为联合昌平实验室、上海药研所等国家级机构，携手国内头部厂商搭建制药大模型，打造华为CANN国产化算力生态底座，吸引开发者共建产业生态，构筑自主可控的第二技术平面。
“人才与赛道格局方面，AI制药初创团队三五十人即可完成起步，行业人才结构正从传统化学工程师主导，转向以AI跨学科复合人才为主。高校已开启定向人才培养，博士成为研发核心门槛，跨学科人才流动加速行业知识沉淀。”樊杰强调，AI制药目前尚未看到发展上限，当下仅处于产业初级阶段，未来有望向数字器官、数字细胞、数字化临床延伸，进一步压缩临床研发成本与周期。
广盛网配资提示：文章来自网络，不代表本站观点。
