上海
藥物研發領域長期面臨高失敗率、長周期、高成本難題。近日，英國《經濟學家》刊文指出，生成式AI正深刻變革藥物研發模式，顯著提升研發效率、縮短周期、降低成本，同時也帶來行業格局與監管體系的新挑戰。文章強調，制藥行業與監管機構需協同適應技術變革，確保技術賦能的創新成果最終造福于研發者與廣大患者。
原文 ：《 <經濟學家> ：生成式AI重塑全球制藥生態》
編譯 |鐘麗麗
圖片 |網絡
眾所周知，藥物研發失敗率居高不下，進入臨床試驗的候選藥物最終僅約十分之一能夠獲批上市。一款新藥從分子發現到上市，通常耗時10—15年，平均研發成本約28億美元。由于專利保護期有限，所以藥企不斷推進對下一個新藥的研發。
當前，生成式AI正被制藥行業快速應用。AI可通過海量生物數據挖掘，精準識別潛在藥物靶點，設計可與靶點結合的新型分子；在實驗室階段提前篩選分子，預測候選藥物的有效性與安全性；還能優化臨床試驗設計，依托健康數據精準篩選受試人群。盡管相關應用仍處于早期，但其前景廣闊，有望推動研發效率提升、藥物質量升級，并加劇行業競爭。
數據顯示，AI設計的分子早期安全性試驗成功率達80%—90%，遠高于傳統方式40%—65%的歷史平均水平。后期臨床成功率仍需長期驗證，但模型測算表明，僅早期環節優化就可將整體研發管線成功率從5%—10%提升至9%—18%。麥肯錫測算，若制藥業全面應用AI，每年可創造600億—1100億美元經濟價值。
技術突破有望進一步提升藥物研發成功率。一款名為AlphaFold（阿爾法折疊）的人工智能已攻克蛋白質結構預測難題，更復雜的生物機制研究也有望逐步突破。AI正全面改變制藥行業生態，中美兩國一批AI原生生物技術初創企業加速崛起，傳統藥企與AI生物科技公司、亞馬遜、谷歌、微軟、英偉達等科技巨頭合作日趨緊密。
而這些科技巨頭在醫療健康領域亦懷有雄心。谷歌DeepMind 拆分成立的同構實驗室（Isomorphic Labs）正專注于從頭設計全新治療分子；英偉達（Nvidia）推出藥物發現專用生成式AI平臺，兩家企業均已與藥企達成分子設計服務合作。2025年10月，英偉達與全球制藥巨頭禮來公司（Eli Lilly）達成合作，聯手打造制藥領域算力領先的超級計算機。
這意味著藥物研發的部分價值可能被科技巨頭所壟斷。目前，制藥企業擁有諸多明顯優勢：海量數據、深諳該領域的科學家，以及在監管迷宮中引導新藥研發的豐富經驗。但隨著時間推移，當生物學領域越來越多地成為可通過技術解決的計算問題時，這些優勢可能逐漸削弱。未來，制藥企業或許需要像投資并購早期生物技術資產那樣，加大對AI技術能力的布局。
隨著藥物研發效率提升，政府需將注意力轉向監管和臨床試驗等系統性瓶頸。美國食品藥品監督管理局和歐洲藥品管理局已開始運用人工智能篩選海量數據。隨著候選藥物數量激增，需加快監管審批流程以避免陷入僵局；政府還可通過隱私保護方式，鼓勵患者與人工智能企業共享數據，從而推動AI模型及藥物研發的進步；專利制度也需重新審視，若創新的成本與風險顯著降低，則專利期限（通常提供10—15年的市場獨占期）可能需要縮短。
人工智能為藥物創新帶來了利好消息，但只有行業及監管機構協同適配，才能確保技術紅利真正惠及新藥研發者與使用者。
文章為社會科學報“思想工坊”融媒體原創出品，原載于社會科學報第2000期第7版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。
本期責編：程鑫云
《社會科學報》2026年征訂
點擊下方圖片網上訂報↓↓↓
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
