AI制药的冰与火：当技术神话撞上商业现实

2026年的夏天，AI制药行业经历了一场五味杂陈的120小时。7月29日，西湖制药的艾普司韦获批上市，这款从IND获批到III期临床收官仅用一年的新冠药物，顶着“国内首款AI辅助加速研发并获批上市的口服新冠创新药”的光环闯入公众视野。几乎同一时间，谷歌DeepMind解散了AlphaFold核心研发团队，距离这支团队站上诺贝尔化学奖领奖台尚不足两年。而夹在中间的，是港股AI制药龙头晶泰控股(02228.HK)发布的盈利预警——预计2026上半年归母净亏损2.15亿元至2.75亿元。

一件喜讯，一次散场，一份亏损预告。三件事叠在一起，恰好勾勒出2026年AI制药的真实坐标：技术叙事还在向前走，商业兑现却远没到位。

市场涨得有多快，落差就有多大

先看数字。据艾媒咨询数据，全球AI制药市场规模从2021年的79亿美元增长至2025年的241亿美元，预计2026年将达到299亿美元。中国市场的增长轨迹更加陡峭：2020年还只有0.8亿元，2021年增速达到100%，2024年突破5.6亿元，2025年越过6亿元门槛。另据头豹研究院预测，2025至2028年中国AI制药市场规模将从12.1亿元增至58.6亿元，年复合增速高达68.3%。

毕马威在《2026年中国生命科学行业概览》中披露，截至2025年中国已有超百家人工智能药企。而据insight数据，AI驱动的新药临床管线从2017年的4个激增至2026年6月的179个，其中9个已进入III期。2026年因此被业内视为AI制药史上最密集的临床数据读出年份。

数字很好看，但数字不会告诉你的是：这个行业至今仍未找到一个让人放心的盈利模型。

技术能跑多快，钱就能烧多猛

AI在药物研发中的效率提升是实打实的。英矽智能(03696.HK)的Rentosertib从AI提出靶点到进入I期临床仅用约18个月，而传统方式平均需要4.5年。这款用于治疗特发性肺纤维化的药物，已在2026年7月正式启动III期临床试验，成为全球首款由AI完成靶点发现和分子设计并推进至III期临床的小分子药物。剂泰科技的AiTEM平台则将临床前优化周期从行业平均的1到2年压缩至3个月。

效率的提升是真实的，但代价同样真实。晶泰控股2026年上半年研发费用不低于3.4亿元，同比增幅超过50%。英矽智能近五年持续亏损，2021年至2025年年内亏损(按招股书及年度业绩折算)分别为8.87亿元、15.07亿元、14.38亿元、1.16亿元和23.94亿元，其中2025年亏损大幅扩大，主要受上市时优先股转股产生公允价值变动等非现金损失影响。剂泰科技2022年以来累计亏损接近20亿元。

烧钱的速度正在触碰管理层的容忍边界。AI制药企业普遍采取“软件+服务+管线”的融合模式，前期平台建设、算法迭代、自研管线的投入极其高昂，而收入却高度依赖大额合作订单的首付款和里程碑付款，回款周期长、波动大。晶泰控股2025年依靠一笔5100万美元的管线授权首付款首次实现年度盈利，但2026年上半年仅确认该项目的第二笔1900万美元款项，业绩随即由盈转亏。这种“吃一顿管三年”的收入结构，让任何一家AI制药企业的财报都像过山车。

商业模式：三种活法，各有各的难

华创证券的研报将AI制药产业链概括为“上游数据算力支撑—中游AI平台赋能—下游药企应用落地”的完整分工体系。但落到商业模式上，目前大致有三条路径。

第一条是AI Biotech路线，代表是英矽智能。这类企业利用自有的AI平台推进自身的药物管线，一旦成功上市回报极高，但风险也最大。英矽智能采用“AI平台授权+自研管线授权”的双轮驱动模式，与礼来、美纳里尼等全球药企达成多项合作，合作总金额累计超过46亿美元。平台授权提供当期收入，自研管线则保留首付款、里程碑付款及后续权益。

第二条是AI CRO路线，代表是晶泰控股。这类企业以AI+机器人驱动的药物研发服务为核心，为客户提供从靶点发现到化合物优化的全流程解决方案。2025年晶泰创收客户数量同比增长62%，已与全球前20大药企中的17家展开合作。但服务型收入的规模效应尚未充分释放，大额BD订单仍是利润的主要来源。

第三条是互联网大厂的跨界路线。字节跳动在2021年组建AI制药团队，经过五年积累，于2026年6月启动业务拆分与独立融资。新公司Anew Labs已推出覆盖蛋白-配体动态结构预测、全原子分子生成等方向的研究成果，并推进IL-17小分子抑制剂等早期管线。谷歌、亚马逊等互联网巨头也在加速押注。但大厂入局带来的另一个问题是：当AI制药从内部科研项目变成独立公司形态，它必须直面资本市场对盈利的刚性要求。

下半场：从“读分子”到“写分子”，还差一个“卖分子”

中信建投的研报指出，AI已全面渗透至靶点识别、虚拟筛选、全新设计等制药核心环节，有效破解了传统高通量物理盲筛的通量极限。但硬币的另一面是，AI目前主要压缩的是临床前发现周期，对临床试验本身动辄数年的刚性时间壁垒仍无法绕过。据翰森制药AI战略负责人杨洋在2026世界互联网大会上介绍，约六成AI驱动的新药研发可通过I期临床验证，但II期、III期成功率大幅下滑，III期临床通过率仅约10%。

更棘手的是数据与信任问题。大型药企普遍存在部门壁垒与数据孤岛。中小创新药企则面临数据储备不足、算力成本高昂、AI专业人才稀缺等现实瓶颈。License-out交易中，临床数据能否跨境提供、人类遗传资源手续是否完整、知识产权权属是否清楚，每一个环节都可能成为卡脖子的节点。

2026年4月，国家药监局发布《关于“人工智能+药品监管”的实施意见》，提出推进人工智能在药品全生命周期监管中的创新应用。政策在铺路，但产业自己得先把路走通。

写在最后

AI制药正处于从概念验证向商业化兑现转变的关键阶段。技术的突破是真实的——AlphaFold2在两年内预测了超过2亿个蛋白质结构；Rentosertib从靶点到III期临床只用了传统方式几分之一的时间；艾普司韦的“三年短跑”已经写进了中国新药研发史。但商业的考验同样真实——晶泰控股的由盈转亏、英矽智能的持续亏损、DeepMind核心团队的解散，都在提醒我们：技术能解决“怎么做”的问题，却回答不了“怎么活”的问题。

资本不再为单纯的技术概念与叙事买单。行业洗牌的关键点，恰恰集中在AI制药尚未被充分验证的核心环节。2026年的AI制药，就像一场刚刚跑完上半场的马拉松——领先者还在喘气，掉队者已经开始退赛，而真正的终点线，还远在地平线之外。