A | 近年来，我国创新药上市数量快速增长，医药创新硬实力持续提升。
B | 随着技术加速渗透，人工智能已深度融入药品研发、生产、质控、监管全链条，AI赋能创新药正站上产业发展新风口。在政策红利、资本加持和跨界合作的多重助推下，AI技术能否从单点试点迈向全产业应用，真正驱动创新药高质量发展？ 一款新药从实验室走向患者，传统路径平均耗时10年、投入超10亿美元、临床成功率不足10%。 过去几年，一级市场围绕核聚变掀起投资热潮。这一长期困扰创新药研发的困局，正随着人工智能的进入被悄然改写：全球首款全流程AI设计的特发性肺纤维化候选药物，研发周期较传统模式缩短60%以上；国内首个完成Ⅲ期临床的AI赋能制剂新药，通过AI优化配方，显著提升了药物的生物利用度与用药安全性…… 如今，AI已融入新药研发全链条，实现降本、提速、提效多重突破。如今，另一条路线正在浮出水面核裂变SMR（Small Modular Reactor，小型模块化反应堆）。标志性一幕是，今日（7月23日），上海钧合原子科技有限公司（简称“钧合原子”）宣布完成数亿元天使轮系列融资： 据工商信息显示，此系列融资由红杉中国领投，上海未来产业基金、上海颠覆性技术基金、临港科创、国泰海通等国资与金融力量参与；远景碳中和基金等产业资本加入；中科创星、厚实资本、东方富海、聚合资本、德联资本、金沙江联合、启迪裕麟、达武创投、允泰资本、光跃投资等市场化硬科技机构共同下注。依托政策、技术、资本的助力，AI制药产业商业化进程也在不断加速。泰合资本担任后续财务顾问。 如此天使轮阵容，并不多见。AI赋能创新药实际落地成效如何？行业发展逻辑发生了怎样的转变？还存在哪些挑战？产业全新增量又将在何处释放？记者就此展开采访。 重塑研发范式 当前，依托底层技术的持续迭代，AI制药正从实验室研究、计算机模拟和商业概念中走出去，进入真实的临床验证阶段。
C | 退休老将掌舵 上海崛起一家核裂变新秀 钧合原子的故事，始于一位核电老兵。 田佳树，曾在核工业体系工作近四十年他先后担任核工业第二研究设计院副院长、总工程师，中广核集团副总工程师，原环境保护部核与辐射安全中心主任，中核集团副总工程师，并曾任“玲龙一号”项目开发公司董事长。可以说，他经历了一座核电站从设计、建设到商业运营的完整链条。 崭新起点是2025年，已经退休的田佳树选择再次创业在上海组建钧合原子，希望探索一个新方向：当大型核电站之外出现越来越多分散而高强度的用能需求，核能能否从一项大型国家工程，变成更标准化、更灵活的能源产品？ 很快，他组建起一支豪华团队，多位来自中广核、国家电投、华能、法国电力等体系的资深人士加入。
D | 兴业证券经济与金融研究院副院长、医药首席分析师孙媛媛介绍，截至今年年初，全球AI药物发现市场规模已达26亿美元左右，170多个AI原创新药项目进入临床开发阶段。AI发现分子的I期临床试验成功率达80%至90%，高于传统药物52%的历史平均水平。用投资人的话来说，这是一支“懂设计、懂建造、懂审评、懂运营、懂项目开发”的成建制“全明星”团队。 于核能产业而言，这种工程经验尤为重要相比互联网等快速迭代行业，核能创业更考验长期积累和产业协同能力。 落在产品方面，钧合原子选择了一条相对务实的路线。 所谓SMR，按照国际通行定义，是指单机电功率不超过300MWe、采用模块化设计和建造的反应堆。 清华大学附属北京清华长庚医院医学数据科学中心主任、研究员李栋表示，随着AI的快速迭代，药物研发正从经验驱动迈向数据驱动的智能研发范式。普华永道合伙人吴峻也认为，AI技术正在改变传统药企的研发逻辑，AI通过算力模拟与模型推演，可大幅收缩候选化合物筛选范围，让研发决策摆脱单一经验依赖，形成“数据+模型+专家”的协同决策模式。相比传统大型核电站，SMR可先形成标准化堆型，再根据客户负荷部署一个或多个模块，分期扩容。 来自企业的实践印证了AI技术的赋能效果。由此降低建设门槛，并服务数据中心、工业园区等更加分散的能源需求。
E | 在全球主要的SMR技术路线中，钧合原子选择押注小型压水堆。英矽智能首款全流程AI设计的创新药，仅耗时18个月便完成从靶点发现到临床前候选化合物提名，研发周期较传统模式大幅缩短；剂泰科技自主研发的一款AI赋能制剂新药，通过AI配方优化，药物生物利用度与用药安全性显著提升。 “在研发周期上，AI能大幅缩减研发时长、降低试错成本。
F | 原因在于，压水堆是全球应用最广泛的商用核电技术之一，拥有成熟的设计经验、燃料体系、设备供应链和安全规范。目前，AI可将新药临床前研发周期压缩至1年左右，全球已有多款AI设计药物进入Ⅱ期、Ⅲ期临床阶段，行业正加速进入收获期。”吴峻说。于一家创业公司而言，技术路线越接近成熟工程体系，就越有机会把资源集中在集成设计、非能动安全、模块化制造和场景适配上。
G | 目前，钧合原子正全力推进核心产品“钧合一号”规划电功率100MWe、热功率305MWt，设计寿命60年，换料周期24个月，采用无主泵自然循环、一体化池式设计以及全非能动安全系统。
H | 在钧合原子看来，无泵化可以说是小型压水堆的“灵魂”：如果说模块化决定SMR能不能复制，无泵化就决定它有没有真正摆脱大堆逻辑。 数据显示，AI可将临床前靶点筛选、化合物优化环节的研发效率提升2倍至4倍，降低30%以上的无效试错成本。对一家小型压水堆公司而言，无泵化不是一道选配题，而是一道产品分水岭。这正是“钧合一号”最鲜明的特点，也是它的核心优势。 投资界AI获悉，“钧合一号”已完成概念设计，公司正在推进堆芯物理、热工水力和主系统优化，并围绕一体化压力容器、稳压器、蒸汽发生器、安全壳等关键设备开展研发。此外，钧合原子未来还计划布局50MWe高温气冷小堆“钧合二号”和5MWe移动式微堆“钧合三号”，覆盖更多应用场景。国内创新药早期项目转化效率也实现跃升，从2018年的不足3%提升至2023年的近8%，行业整体研发投入产出比持续优化。 在打破技术壁垒方面，生成式AI表现优异。例如，临港实验室的ODesign模型可实现蛋白质、多肽、核酸、小分子等多种物质的“一键式”统一设计，效率较同类模型大幅跃升；泰格医药的“泰雅AI大模型”可智能生成合规文档；诺思格在药理学领域的AI使用率达20%至30%，CSR（临床研究报告）撰写成本区间从15万元至18万元下降到2万元至3万元。
I | 此外，赛诺菲、诺华、中国生物制药、恒瑞医药等知名药企也通过AI技术持续优化临床研发流程，实现实质性降本增效。 临床运营管理已迈入精准提效阶段。吴峻告诉记者，依托AI患者画像精准匹配、临床风险智能预警、试验方案优化等数字化功能，新药临床试验入组周期平均缩短30%至50%，有效破解了传统临床研发周期冗长、资源损耗过高的行业痛点，让临床研发流程更加精细化、高效化。 “到目前为止，全球还没有一款靶点与分子全流程由AI自主设计的药物获批上市，AI赋能的真正‘成效’，主要体现在靶点发现环节的提速与降本等方面。”李栋介绍，现阶段AI制药的核心价值集中于两个维度，一是前端研发提速，精准挖掘全新靶点、优化分子结构，突破传统研发盲区；二是临床端高效赋能，优化试验设计、精准筛选患者、助力真实世界研究，为新药临床转化筑牢基础。
J | 博济医药董事长王廷春也客观指出，AI是新药发现阶段的助推器，可大幅提升前期研发效率，但无法颠覆性压缩整体研发周期。药物发现环节仅占新药全研发周期的一小部分，即便AI数倍提升该阶段效率，对整体周期的优化效果依旧有限。 AI的尽头是能源 AI浪潮滚滚而来，核能意外热闹起来。尤其是随着大模型训练和推理需求快速增长，一个问题困扰着整个行业：未来支撑AI发展的电力从哪里来？ 根据国际能源署发布的《Energy and AI》，全球数据中心用电量预计将从2024年的约415TWh增长至2030年的约945TWh。
K | 发展更趋务实 随着技术迭代与临床验证持续推进，AI制药正走出概念验证阶段，实现价值兑现。AI模型可以快速迭代，数据中心可以在两三年内建成，但电网扩容、发电设施建设和装备交付往往需要更长时间。与此同时，资本与市场对AI制药的评判标准也从“分子生成数量”转向“临床转化能力与商业价值”，产业发展更趋理性务实。 这意味着，未来AI不仅是模型的竞争，也将逐渐演变为能源的竞争。相比传统能源，核能具备稳定、低碳、长周期运行等特点，因此重新进入科技巨头和资本市场的视野。
L | 但不同技术路线正在争夺不同时间窗口。 记者了解到，目前行业主要形成三大主流商业化落地形态，构建起完整的产业变现体系。第一类是平台授权与联合研发，头部AI制药企业向跨国药企输出智能研发平台、核心算法与研发管线，通过“预付款+里程碑收益+销售分成”的模式实现持续盈利，数十亿美元级跨界合作已成行业常态。 过去几年，一级市场掀起了一场核聚变投资热潮，涌现出一批知名核聚变创业项目。背后原因在于，核聚变代表着人类对终 极能源的探索，也承载着未来能源革命的巨大想象空间。不过现实问题是，核聚变距离商业化仍需要跨越科学验证和工程化挑战。
M | 随着AI产业进入规模化发展阶段，资本开始寻找距离商业化和实际供能更近的路径。 硅谷最 先感受到这种时间压力。英伟达CEO黄仁勋曾判断，未来数年会出现“一大批小型核反应堆”，以数百兆瓦规模就近服务具体企业，并投资SMR企业泰拉能源（TerraPower）；OpenAI CEO Sam Altman投资并参与SMR公司Oklo的发展，并把先进裂变视为满足AI等关键产业能源需求的重要路径。
N | 我们将视线拉回国内，投资人也开始集体下注核裂变SMR。
o | 正如钧合原子此轮融资，就颇具风向标意味市场化硬科技VC、上海各级国资以及产业资本共同下注。 如此多元且庞大的资本阵容背后，是一种全新的趋势判断：探索终 极能源的核聚变之外，SMR正在凭借更明确的商业化路径，成为资本寻找“未来十年能源答案”的重要方向。第二类为自主管线研发，企业依托自有AI技术平台独立开展创新药研发，全程推进临床试验与上市进程，实现药物自主商业化变现。 每一次产业革命背后，都伴随着能源体系的重构。第三类是技术服务赋能，AI制药企业为传统药企、CRO（合同研究组织）企业提供靶点发现、分子优化、临床设计、数据管理等全流程技术服务，助力传统医药产业数字化转型。
p | 如果说核聚变解决的是人类终 极能源需求，那么SMR争夺的是AI时代下一个十年的工程窗口，它们同等重要。
q | 吴峻表示，随着AI的广泛应用，传统药企的研发组织模式实现了从封闭自研到开放协同的升级。一些传统药企逐步摒弃全链条自主研发的重资产模式，通过与AI技术服务商跨界合作、搭建内部AI研发中台等举措，打通数据壁垒、补齐技术短板。与此同时，行业合作格局持续升级，药企合作重心从单一管线商务合作，转向AI技术平台、智能研发模型、数据资产等核心能力的长期共建共享。 于钧合原子而言，真正的考验是能否把核工业数十年的经验压缩进一个更小、更标准化的反应堆，再把第 一座示范堆变成可以复制的产品。 孙媛媛对此也有同感，“传统药企的外部合作模式正在发生变化，越来越多的合作开始围绕技术平台、AI模型、数据资产和早期发现能力展开。AI的加入，本质上进一步提升了中国药企的研发效率和全球合作价值”。 今年以来，AI制药领域合作持续升温，跨国合作项目加速落地：石药集团与阿斯利康达成17.7亿美元合作，英矽智能与武田制药敲定超6亿美元战略合作……目前，阿斯利康、辉瑞、强生、诺华等全球知名制药企业，均已与国内AI制药企业达成深度合作，中国AI制药技术的国际竞争力愈发突出。 随着技术实力提升，国内AI制药头部企业在融资、上市、营收等多方面实现突破，产业韧性持续彰显。 AI时代势必诞生一批新巨头，我们期待着这一幕。
r | 作为在港交所上市的AI药企，晶泰科技2025年获得近60亿美元合作订单；英矽智能2025年12月登陆港交所，获得市场追捧；剂泰科技2025年营收达1.05亿元，较2023年的930万元营收实现近70倍的增长，公司今年5月在港交所上市。 在产业整体发展层面，政策红利持续释放，为商业化落地保驾护航。2025年10月，多部门发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》明确提出，推动医药产业高质量发展，鼓励国家医学中心、区域医疗中心和临床医学研究中心等与药品生产企业协同，面向重大疾病以及罕见病和特定人群的疾病，开发新药筛选模型，加速新药智能研发。2026年年初，工业和信息化部等8部门联合印发的《“人工智能+制造”专项行动实施意见》提出，提升医药智能研发与供应管理水平，建设人工智能驱动的新药发现与虚拟筛选平台，通过多模态药效预测大模型，加速靶点识别与候选药物发现，降低药物研发周期与成本。 政策、技术、资本同向发力下，我国创新药发展稳步提质。2026年上半年，38款创新药获批上市，其中，国产创新药31款、占比超80%，创新药对外技术授权交易额超过1000亿美元，持续彰显国内AI制药赋能下的医药创新硬实力。 转型仍在路上 AI技术的全方位渗透，推动医药行业迎来系统性升级变革。然而，技术壁垒、数据短板、人才缺口、监管适配不足等诸多问题，也让创新药AI研发赛道面临多重现实挑战，行业转型仍在路上。 “AI深度介入创新药研发后，行业在数据应用、成果验证、模型缺陷、行业格局等维度仍存在不少亟待破解的难题。
s | ”孙媛媛表示，目前研发端普遍面临高质量训练数据匮乏与数据孤岛问题，优质蛋白质相互作用、抗体结构、临床级生物数据储备不足，分子数据库、临床记录、真实世界证据分散于各类平台，无法形成有效数据合力，制约数据驱动研发的落地效能。 夯实数据基础设施是关键突破口。李栋建议，针对数据稀缺、孤岛突出、隐私合规受限等问题，通过行业标准化建设，依托隐私计算技术等在物理分散、逻辑一体的前提下整合数据资源。同时，应规范算法应用，防范数据偏倚被算法放大，坚守“以患者为中心”的可信AI研发底线。“真正有价值的技术，是可信的、以患者为中心的智能。”李栋说。
t | AI制药领域的“验证鸿沟”问题也同样突出。
u | 一方面，AI可快速批量生成候选分子，但实验室湿实验、临床试验的验证通量远跟不上AI计算速度，大量优质候选分子积压、落地受阻。另一方面，AI模型幻觉与“假阳性”风险难以规避，纯数据驱动的模型易产出统计学合理但生物学无效，甚至存在安全隐患的分子。 对于如何“填平”研发“验证鸿沟”，李栋表示，必须坚守AI候选药与传统药物同等严格的临床检验标准。王廷春强调，动物实验、人体临床试验等基础验证环节具备不可替代的严谨性与合规性，目前AI无法替代，虚拟实验模拟技术尚未落地应用，这对行业监管与技术迭代提出了更高要求。 “AI制药的发展，首先要解决治理问题，其次才是技术问题。”中国生物制药相关负责人表示，医药行业具备强监管、高合规、高风险的核心属性。在药品生产质量管理、药物警戒等领域，AI仅能作为辅助工具，关键决策必须由人工把控。AI人机协同、跨系统数据流转、智能辅助决策等新型应用模式，对传统行业监管体系提出全新挑战。未来需要药企、监管机构、技术机构三方协同，在保障药品质量与用药安全的前提下，搭建适配AI研发模式的监管标准、验证体系与治理机制，推动产业创新与监管治理同步迭代，保障AI技术长效赋能医药核心产业。 复合型人才短缺是行业面临的又一突出短板。目前，头部药企AI研发团队中，医工交叉复合型人才占比超20%，但行业仍有大量人才缺口。李栋建议，完善医工交叉人才培养机制，为行业输送兼具临床认知与算法能力的跨界人才。同时也要看到，“AI的应用并非要取代科学家和医生，而是增强全链条协同创新能力”。 “从临床和真实世界看，海量诊疗数据正在成为研发上游的‘新矿藏’。我们可以从真实世界的临床现象反向提出靶点假设、支持药物重定位与适应症拓展，再把AI用于试验设计、患者精准招募等方面。药企的研发链条，正在从实验室单点突破变成‘数据—计算—临床’的闭环协同。
v | ”在李栋看来，“新矿藏的潜力能否兑现，仍取决于数据基础设施的夯实、方法学的严谨性、临床验证的刚性、监管的协同以及复合型人才的供给。” 展望未来，业内人士表示，AI在创新药领域的应用将从药物早期发现逐步延伸至全研发链条。靶点发现、蛋白结构预测、小分子优化、抗体筛选等早期环节，数据基数大、试错成本高，将成为AI技术落地的核心场景。若AI技术能与国内药企的临床研发效率、工程化能力、产业链优势及全球化布局能力深度融合，将助力中国创新药实现从数量增长到质量跃升的突破，进一步提升我国在全球创新药领域的核心竞争力。（记者 郭文培）。
Current article:http://t4kp.yepenchunshouzuiwai.shop/news/20260826_52164.html
Published on:00:00:00