文章核心观点 - 人工智能正在全球制药领域掀起革命，通过压缩研发周期和成本为行业带来新机遇，但也可能加剧行业分化 [2] - 四川省（尤其是成都市）在AI药物研发领域已有所布局，但相关公司数量、技术应用深度、数据与人才基础等方面与国内先发地区相比仍有较大差距，产业发展面临资金、数据和人才等多重挑战 [4][5][6][7][10] 行业趋势与全球背景 - 全球AI药物研发合作活跃，例如美国Valo Health与德国默克、中国英矽智能与礼来公司的合作，显示产业融合正迈向纵深 [2] - AI影响药物研发的核心逻辑在于解决传统新药研发平均耗时10年、耗资超过10亿美元的痛点，能大大压缩周期和成本 [2] - 科尼尔管理咨询公司预计，全球AI药物研发市场规模到2029年将突破63亿美元，行业进入高速发展期 [2] - 行业呈现“赢者通吃”格局，率先推出满足临床需求的创新药将带来巨大收益，例如默沙东的K药、礼来的替尔泊肽、诺和诺德的司美格鲁肽均已取得数百亿美元销售额，AI可能进一步加剧行业分化 [3] 四川省AI药物研发现状 - 四川省AI药物研发相关公司数量较少，主要集中在成都，目前有3家，而北京、上海、深圳均超过20家，苏州超过10家，杭州9家 [4] - 成都的3家公司分别为：聚焦小分子及核酸新药发现与优化、拥有全球最大小分子化合物库的CRO公司成都先导；拥有全球最大大分子化合物库的技术平台公司成都盛世君联；从事多肽产品开发的技术平台公司成都佩德生物 [4] - 受访公司中63%已成立自有AI药物研发团队，31%暂未进行实质研发，另有1家通过与高校合作展开，但多家公司表示应用尚处初期 [5] - 省内企业主要将AI技术应用于早期研发过程，缺乏成熟、系统化的AI驱动药物研发平台，技术对研发成果转化的实际推动作用尚不够显著 [5] 产业发展面临的挑战 - 资金挑战：生物医药行业本身研发周期长、资金消耗大，初创公司依赖融资，但2022年以来中国医疗健康行业投融资数量和金额呈下滑趋势，2025年上半年一级市场融资同比仍下降 [6] - 数据挑战：AI药物研发的核心要素是数据，但当前面临数据数量有限、质量偏差的困境，公开通用数据存在标准不一、缺失、误差等问题，而高质量的机构内部数据因隐私、伦理、确权等问题难以共享和交易 [7] - 人才挑战：行业急需同时精通人工智能与药物研发的跨界人才，顶级算法工程师稀缺且进入生物医药领域的更少，现有团队成员也需要长时间培养才能上手 [10] 应对挑战的建议与先发地区实践 - 应对数据挑战：建议由政府牵头建立“可信数据空间”，运用隐私计算、区块链等技术保障数据安全共享，破解数据“不能用、不敢用、不愿用”的难题 [8] - 先发地区实践：上海市已发布国内首个医疗行业大模型协同平台，计划在2025年内完成全市400余家主要公立医疗卫生机构的数据采集和融合；浙江省也在打造省级医学生物信息数据库，要求汇聚至少5亿条健康医疗公共数据 [9] - 建议成都行动：可率先搭建CDMO共享平台和生物样本转化为医药数据生产挖掘共享平台，推动医院、科研机构开放脱敏临床数据，构建行业级数据库 [9] - 应对人才挑战：建议四川加强顶尖人才引进，并依靠省内高校加速培养后备梯队，鼓励高校打破学科壁垒，设立“AI药物研发”或“计算生物医学”专业，推动产业功能区与高校、龙头公司共建创新中心或联合实验室 [10][11]