圖片來源：視覺中國

藍鯨新聞8月28日訊（記者 屠俊）AI製藥正在經歷從「概念驗證」到「商業化兌現」的關鍵轉折期。近期，英硅智能、劑泰科技、太美醫療科技等多家AI醫療公司集中發布2026年中期業績。

透過這些成績單可以清晰看到：AI已不再是藥物研發鏈條中「幫個忙」的單點工具，而是正在成為貫穿靶點發現、分子設計到臨床開發全流程的基礎設施。與此同時，行業共識逐漸凝聚，多位AI製藥公司高管和行業人士向藍鯨新聞表示，無論AI在早期研發中表現多亮眼，最終能否真正成藥，纔是檢驗AI製藥價值的「DeepSeek時刻」。

劑泰科技董事長兼CEO賴才達:BiologicalAI讓生命系統逐步變得可計算、可設計

此前」AI製藥"通常被理解為"用AI找一個靶點、設計一個分子」，但事實上AI在製藥領域的運用遠不止於此。

在近日舉行的劑泰科技業績說明會上，劑泰科技董事長兼CEO賴才達詳解了AI在生命科學領域正在發生的三個根本性變化。首先，AI過去在製藥行業裏，只是"在某個環節幫個忙"——比如幫你看個圖像、預測個蛋白質結構、篩選個化合物，做完就完了，下一個項目從頭再來。但現在AI正在基礎設施化：它不再是單點工具，而是把模型、設計、實驗、數據再進入模型這個循環整個串起來的平台。AI設計一個東西，實驗去驗證，實驗結果反饋回AI讓模型更準，下一輪設計就更好。一輪一輪迭代，整個研發體系就變成了一個可以持續自我進化的工程系統。

第二，Biological AI（生物AI）比PhysicalAI（物理AI）更重要。BiologicalAI的核心任務不是"取代實驗"，而是讓生命系統逐步變得可計算、可設計——從設計一個分子，擴展到設計遞送材料、設計細胞行為、設計體內功能，像設計軟件一樣去"設計生命"。

第三，大語言模型有一個著名規律：數據越多、參數越大、算力越強，模型就越聰明，而且這種提升是可預測的——這叫ScalingLaw。

賴才達表示，生物體系裏也在發生類似的事情。但生物ScalingLaw的核心不是"堆文本數據"，而是把專有數據（proprietarydata）+高通量幹實驗（AI設計）+溼實驗（真實生物驗證）+精準遞送能力結合在一起，形成持續迭代的閉環。每一次實驗都在給系統積累新的"生物知識"，系統越積累，預測和設計就越準，驗證突破就越快。

8月26日盤前，劑泰科技（07666.HK）這家上市不足4個月的「AI藥物遞送第一股」，發布了第一份定期報告。今年上半年，公司實現營業收入1.54億元，按年增長近134倍；歸母淨利潤為虧損1.53億元，較上年同期虧損縮窄近20%；經調整淨虧損（非國際財務報告準則計量）為5110萬元，按年收窄56.4%。

其中BD成為營收的主要來源，今年上半年，公司與BoulevardBio完成關於三特異性TCE（TCellEngager，T細胞銜接器）MTS-128的全球獨家授權，已收到2000萬美元首付款，並有資格獲得最高16億美元的里程碑付款；此外，今年8月，公司還與恒瑞醫藥達成合作，將AiTEM平台在恒瑞醫藥本地化部署；在技術合作方面，公司稱AI納米遞送平台NanoForge平台OpenCGT項目潛在交易總額已超過60億元，並新增多項針對肝靶向及肺靶向遞送系統的研究合作。

從目前數據來看，AI能不能生成分子」已經不是問題——AI設計分子在I期臨床的成功率能達到80%~90%，遠高於傳統藥物的40%~65%。但進去臨床II期，AI分子的成功率就掉到約40%，和傳統藥物差不多。這說明AI在「人體真實生命環境」裏的預測能力還很弱。

「藥企到底願意為什麼樣的AI能力掏錢？不只是讓研發更快一點，而是真正改變了研發結果。」賴才達表示。

英硅智能聯席首席執行官兼首席科學官任峯：AI製藥的「DeepSeek時刻」

對於藥物研發是否能真正提升藥物研發的成功率業內還是存在不同的聲音。而對此，英硅智能聯席首席執行官兼首席科學官任峯表示，AI製藥的成功率目前尚無法量化，因為尚未有AI獨立研發的藥物完成III期臨床並獲批上市，缺乏統計樣本。但從底層邏輯看，AI製藥並非取代人類，而是將傳統「純經驗驅動」的模式升級為「經驗+數據」雙輪驅動。AI提供的海量數據與多維選擇，能夠有效輔助科學家的決策，理論上必然優於單純依賴個人經驗的傳統路徑。因此，雖然具體提升幅度尚待臨床驗證，但AI賦能後的成功率下限已被顯著抬高。

「一款由AI發現新靶點設計新分子的創新藥成功研發或許是AI製藥領域的「DeepSeek時刻」，正如Moderna的mRNA疫苗成功之於腫瘤疫苗領域，這將是AI賦能藥物研發的真正標誌性拐點。」任峯認為。

從這個角度來說，英硅智能研發管線中的Rentosertib（ISM001-055）頗受業內關注，這款藥物是目前全球範圍內，研發進度最靠前的、由AI完成「靶點發現」與「分子設計」全流程的創新藥物，被行業普遍視為驗證AI製藥模式的關鍵里程碑，一旦研發成功，可以驗證其「AI發現靶點+AI設計分子」技術路線的可行性。

「我們預計是在2029年拿到這款藥物的頂線數據」，任峯在近期的業績說明會上指出。

根據8月26日英硅智能(03696. HK)披露的2026年中期財報，上半年營業收入1.06億美元，按年增長287.2%；期內利潤為3554萬美元，由去年同期虧損1900萬美元實現扭虧。

其中，上半年該公司與禮來（LLY）、施維雅等全球藥企達成多項重大對外授權及合作交易帶來的首付款確認拉動營收增長。

「BD是衡量AI製藥企業商業化能力的最關鍵指標。放眼未來，我們在與海外大藥企的BD溝通中觀察到明確的趨勢：行業需求正從「改造已知分子」向「發現新穎靶點」演進。BD是衡量AI製藥公司好壞非常重要的標準。」任峯認為。

太美醫療科技董事長趙璐：AI製藥下半場的關鍵是AI臨床開發

截至目前，確實還沒有一款完全由AI主導設計並完成全流程驗證的新藥獲批上市，AI製藥的潛力仍未得到完全釋放，下一階段，臨床開發的效率與質量或將至關重要。

太美醫療科技董事長趙璐在近期舉行的媒體溝通會上指出， AI 輔助藥物發現，該領域已經產出一些階段性成果，但還不能說已經完全成熟。當前的生成式AI（大語言模型等）本質是基於統計學的信息重組，它擅長從人類已知的數據中找出模式並快速輸出，但不具備創造真正「未知」新知識的能力。由於AI能快速把研發的「老路」走完，所以行業內湧現了大量基於相同靶點、相似機制的「快速跟跑」項目（Fast-follow）。因此AI在「發現分子」這一端形成了資產積壓（大量臨床前候選分子）。

「AI製藥下一個、也是更有價值的應用場景，應該在‘臨床驗證階段’。」趙璐認為，「區別於傳統的「AI for Discovery」（AIDD），‘AI for Success’即，不只是「造出分子」，還要‘讓藥物成功獲批、讓患者獲益’，更具有意義。」

而對於AI在臨床驗證階段的價值，趙璐解釋，第一，是用AI加速臨床試驗中的數據清理、統計分析、運營管理，讓流程更快、更便宜。這是最容易被量化的價值，落地場景最多。第二，用AI預測風險、規避失敗，優化試驗方案設計，讓臨床試驗「一開始就對」。這比單純「跑得快」更有戰略價值。第三則是用AI把「對的藥」給「對的人」——精準篩選入組患者、個性化匹配治療方案。這是AI在臨床階段的終極價值：不僅讓藥更快上市，更讓患者得到最適合的治療。

根據8月26日晚間，太美醫療科技（02576.HK）公布的2026年中期業績報告。上半年，公司總收入為2.64億元，按年增長8%；毛利1.18 億元，按年增長17.5%；期內虧損擴大64.3%至4816萬元，經調整淨虧損擴大至3090萬元，經調整EBITDA（息稅折舊及攤銷前利潤）虧損342.4萬元，按年收窄83%。

在管理層討論與分析部分，公司提到AI臨床開發平台的收入按年增長22.2%至1.59億元，而AI賦能的臨床開發服務收入按年下降8.3%至1.05億元，主要由於公司主動調整業務結構，壓縮低毛利業務。報告期內，公司新增合同金額達3.64億元，按年增長14.9%。