AI制药

硅基速览 9月17日，字节跳动拆分出的AI制药公司完成首轮融资2.9亿美元，估值15亿美元。 同期AI制药赛道密集出手：Anthropic 4亿美元收购Coefficient Bio，Isomorphic Labs完成21亿美元B轮（AI制药史上最大单笔）。 全球科技巨头正在用AI重构药物研发：从靶点发现到临床试验，AI正在把10年10亿美元的开发周期压缩到3年2亿美元。 正文 字节为什么要做AI制药 2026年9月17日，据第一财经报道，字节跳动拆分出一家AI制药公司，完成首轮融资2.9亿美元，估值达15亿美元。这不是字节第一次碰生物科技——2025年字节曾投资过几家AI制药初创公司——但这次是直接下场做药。 科技巨头做AI制药，不是赶时髦。这个赛道有一个根本的商业逻辑：传统药物研发需要10年、耗资10-20亿美元，成功率不到10%。如果AI能把这个周期压缩到3年、成本降到2亿美元、成功率提升到30%，那就是一个万亿级别的市场。 字节的切入点是：利用其在大模型和视频生成上的技术积累，做"蛋白质结构预测+药物分子设计"。简单说，就是让AI理解蛋白质的三维结构，然后设计出能与目标蛋白质结合的小分子药物。这正是DeepMind在AlphaFold上验证过的路线。 AI制药赛道2026年的融资狂热 字节不是唯一一家在AI制药上下重注的公司。据东吴证券统计，2026年这个赛道的融资密集到令人咋舌： Isomorphic Labs（Google DeepMind分拆）：完成A轮6亿美元、B轮21亿美元（AI制药史上最大单笔），并与礼来（最高17.45亿美元）、诺华（最高12.375亿美元）达成大额BD合作。 Anthropic：2026年4月以约4亿美元收购成立仅8个月的AI制药初创Coefficient Bio，启动自主药物研发项目。超过3万名BMS研发人员接入Claude用于药物研发。 NVIDIA：一年内投资了8家AI生科公司，把AI制药作为其"物理AI"战略的重要组成部分。 字节跳动：60亿元建设AI原生生物计算平台。 这个赛道的融资密度，已经超过了2024年的AI编程赛道。 两种路线之争：平台派vs管线派 AI制药公司目前分成两条路线，字节这次拆分走的是哪一条？ 平台派：为药企提供AI工具，帮药企自己做药。这种模式轻资产、收入可预测，但利润率受限于药企的IT预算。 管线派：自己下场做药，承担管线失败的风险，但一旦成功，回报是10倍百倍。Anthropic收购Coefficient Bio、Isomorphic Labs自己推进药物管线，都是这条路线。 字节拆分的AI制药公司选择了管线路线——自己做药，承担风险。这意味着它需要建立完整的药物研发管线：靶点发现、分子设计、临床前验证、临床试验。这比做工具难得多，但回报也大得多。 AI制药的技术突破点在哪里 硅基视角拆解一下，AI制药到底解决了什么问题： 靶点发现：传统药物研发需要科学家从海量生物文献中人工挖掘可能的药物靶点，这个过程需要数年。AI可以分析蛋白质相互作用网络、基因表达数据、临床试验结果，在几周内识别出高潜力靶点。Isomorphic Labs在这方面已经有多个靶点进入临床前阶段。 分子设计：找到靶点后，需要设计出能与靶点结合的小分子。传统方法是"高通量筛选"——在实验室里测试数百万个化合物。AI可以直接生成符合分子结构要求的候选化合物，把筛选量从百万级降到千级。 临床试验优化：AI可以分析患者基因数据、电子病历、试验记录，优化临床试验的患者招募和试验设计，把临床试验周期缩短30-50%。 硅基AGI社区在论坛silicon-agi.com上有不少生物信息学背景的开发者在讨论AI制药的技术细节，从AlphaFold 3到蛋白质语言模型，讨论非常专业。 硅基点评 字节拆分AI制药公司，标志着中国科技巨头正式加入全球AI制药竞赛。这个赛道的特点是：技术壁垒极高、周期极长、失败率极高，但一旦成功回报极大。它不是一个适合独立创业者的方向——你需要数十亿资金、数百名生物学家和化学家、十年以上的耐心。 但硅基视角也要指出：AI制药的"应用层"有很多机会。不是只有自己做药才能赚钱，为药企提供AI工具（分子设计平台、临床试验优化、电子病历分析）、为CRO提供自动化流程、为医院提供AI辅助诊断——这些都是在巨头够不着的细分场景里赚钱的机会。关键是你要真正懂行业痛点，而不是只懂AI技术。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

从靶点到III期：AI制药的分水岭 新药研发有一个残酷的行业统计：每进入临床的候选分子，最终能走到上市的不到10%，平均耗时10年、花费20亿美元。AI制药喊了这么多年，一直被质疑"是不是又一个讲故事的赛道"。 2026年，英矽智能（Insilico Medicine）的Rentosertib给出了一个硬答案：它是全球首个由AI发现、并进入III期临床的药物，治疗特发性肺纤维化（IPF），并完成了抗衰老相关评估。9月10日，北京协和医院完成首例患者给药。 这是AI制药从PPT走到手术室的分水岭。 这个药到底做对了什么 Rentosertib的靶点（PHD2，一种缺氧诱导因子通路相关酶）和分子结构，都是英矽智能的AI平台Pharma.AI自动发现和设计的。传统流程里，找到一个全新靶点往往要花3到5年；AI把这个周期压到了几个月。 它身上挂着几个"全球首个"的标签： 全球首个进入临床的AI发现新药，且已推进到III期——这是疗效验证的最高台阶； 全球首个完成抗衰老评估的AI发现药物，把"AI+衰老干预"从概念推到了临床证据阶段； 获美国FDA孤儿药资格认定； 获中国国家药监局药审中心（CDE）突破性治疗品种认定。 数据来源：英矽智能官方公告，2026年9月；FDA与CDE公开资格认定信息 为什么是特发性肺纤维化？ IPF是一种残酷的病：肺组织逐渐纤维化硬化，患者平均生存期只有3到5年，现有药物只能延缓、不能逆转，且副作用明显。它既是未满足的临床需求高地，也是机理相对清晰、容易设计生物标志物的适应症——这使得它成为验证AI药物发现能力的理想考场。 Rentosertib的III期临床设计，核心就是要回答一个问题：在真实患者群体里，AI设计的分子能不能比现有标准疗法更有效地延缓肺功能下降？ 北京协和医院首例给药，标志着这个全球性III期研究正式进入患者招募与给药阶段。 数据与冷静：III期是地狱，不是领奖台 必须泼一盆冷水：进入III期不等于成功。 历史上大量II期数据漂亮的药物，倒在了III期——因为样本量放大后，疗效信号可能消失，不良反应可能暴露。 英矽智能这次的突破，真正的含金量不在"药成了"，而在于它证明了一条可复制的工程流水线： AI从海量生物数据中发现新靶点； AI生成具有成药性的分子结构； AI预测ADMET（吸收、分布、代谢、排泄、毒性）性质，提前淘汰高风险分子； 临床前和临床阶段，用真实数据持续回灌模型。 如果这条流水线在Rentosertib身上闭环跑通，那么下一个、下十个AI药物的边际成本会大幅下降。这才是资本市场和医学界真正在等的东西。 行业影响 Big Pharma的策略转向：大型药企会更愿意为"AI发现+临床验证"的管线支付授权费，因为风险被工程化地降低了。 中国创新药的新名片：从靶点发现到协和首例给药，中国在AI制药的临床推进速度上，已经站到了第一梯队。 抗衰老赛道的信号：完成抗衰老评估，意味着"AI筛选延寿相关靶点"有了临床级别的入口，这个方向的长期想象空间极大。 展望 Rentosertib的III期结果，大概率要到2027—2028年才能完整读出。在那之前，所有的乐观都应该是"工程可行性已验证"，而不是"AI制药必胜"。 但即便如此，2026年9月10日北京协和医院的那一针，已经写进了AI产业史：人类第一次把一个由AI从零发现的分子，推进到了决定其命运的最后一道大考。 关注AI与生命科学交汇的读者，可以在guijiagi.com持续跟踪Rentosertib III期的每一次数据读出——那将是检验"AI能不能真的治病"的终极答卷。