以下文章来源于36氪Pro ，作者海若镜 36氪Pro . 36氪旗下官方账号。深度、前瞻，为1%的人捕捉商业先机。 文 ｜ 海若镜 封面来源 ｜ Pixabay AI制药，临界点终于来了。 今年中国创新药出海交易火热，其中，AI制药公司正成为一股不容小觑的力量。2025年3月至8月期间，元思生肽、华深智药海外子公司、晶泰科技等接连 完成总金额数十亿美金的BD交易。 其中，元思、华深成立仅四五年时间，便在跨国药企严格的BD挑选中取得成绩，正是通过AI改写了大分子药物研发范式、提高了研发成功率。这些交易也 给予了资本市场以信心，时隔三四年，数家AI制药公司近期重新拿到了融资。 | 披露时间 | 卖方 | 买方 | 首付款/近期付款 | 潜在里程碑 及销售分成等总额 | 平台(管线阶段) | | --- | --- | --- | --- | --- | --- | | 2025/8/5 | 晶泰科技 | Dove Tree | 5100万美元 | 58.9亿美元 | 多款临床前/早期的大 分子与小分子创新药 | | | | | | | 资产(DoveTree 指 定的多个靶点,晶泰 | | | | | | | ...

Biomap, a biotechnology start-up co-established by Baidu founder Robin Li Yanhong and backed by the Hong Kong government, says it has surpassed Alphabet subsidiary AlphaFold in commercialising artificial intelligence foundation models for drug discovery. Multinational pharmaceutical companies were seeing a "reverse" in the technological gap between Biomap and AlphaFold, Wei Liu, co-founder and CEO of Biomap and former CEO of Baidu Ventures, said in an interview with the South China Morning Post. "There's ...

文章核心观点 - AI制药行业正迎来"GPT时刻"，生成式AI技术正在彻底改变药物研发的底层范式，从传统的大海捞针式筛选转变为精准的从头设计(de novo design)，大幅提升研发效率和成功率[5][7][8] - 2025年中国AI制药公司密集达成高价值BD交易，总金额超百亿美元，标志着行业进入商业化兑现期[5][6] - 生成式AI模型(如Chai-2、ESM3、Protenix)在抗体设计、蛋白质结构预测方面取得突破性进展，将研发时间从数年缩短至数周，成本从数百万美元降至极低水平[11][12] - 行业参与者呈现三类形态：科技巨头(如Google、字节跳动)开发生物基础模型、AI科学家创业团队优化算法、传统药企应用AI工具加速研发[15] - AI制药将与创新药深度融合，未来所有新药研发公司都将使用AI技术，行业格局面临重塑[13][18] 2025年AI制药BD交易分析 - 晶泰科技与DoveTree交易：首付款5100万美元，潜在里程碑总额58.9亿美元，涉及多款临床前/早期大分子与小分子创新药[6] - 石药集团与阿斯利康交易：首付款1.1亿美元，潜在总额53亿美元，基于石药AI平台开发口服小分子候选药物[6] - 华深智药(海外子公司)与赛诺菲交易：首付款1.25亿美元，潜在总额17.2亿美元，涉及两款双特异性抗体及Synova™平台使用权[6] - 元思生肽与阿斯利康交易：首付款7500万美元，潜在总额34亿美元，开发慢病大环肽口服药物[6] - 四家公司交易首付款总额达3.6亿美元，潜在里程碑总额超163亿美元[6] 技术突破与范式变革 - AlphaFold 2在两年内预测超过2亿个蛋白质结构，而此前60年人类仅解析20万个结构，数量提升三个数量级[10] - Diffusion模型引入蛋白质设计，使全新蛋白质设计成功率实现数量级飞跃[11] - AlphaFold 3实现全原子级建模，能处理蛋白质、核酸和小分子间复杂相互作用[11] - Chai-2模型针对特定靶点生成抗体的命中率显著提升：从传统方法需筛选百万级到亿级分子库，优化至几十条序列就可能出现hits[11] - 抗体发现时间从3年缩短至几小时，验证周期缩短至两周内，成本从500万美元大幅降低[12] 行业影响与未来趋势 - 激活难成药靶点研发：从"有什么筛什么"转变为"要什么造什么"，有望攻克无药可用的顽疾[13] - 大幅缩短临床前研发周期，对肿瘤、自免、代谢等领域适应症产生重大利好[13] - 慢性病领域将最早受益，类似司美格鲁肽的"神药"出现频次将大大提高[13] - 传统依赖大规模动物模型的药物筛选平台商业价值将受到冲击[13] - AI生物科技公司将成为跨国药企的"分子设计中心"和"算力中心"，通过BD授权和合作研发分享价值[13] 竞争格局与核心能力 - 科技巨头：拥有充足资本和算力，开发生物基础模型并构建开源生态(如Google Deepmind、Meta、Xaira、字节跳动)[15] - AI科学家创业团队：具备算法创新能力，优化基础模型并提供平台服务或自研管线(如百图生科、华深智药、英汐智能)[15] - 传统药企：利用AI开源模型结合湿实验能力，加速特定疾病药物研发[15] - 核心竞争力取决于对模型的理解、修改和演进能力，需要达到99分而非80分的性能标准[16] - 高质量生物实验数据产出能力成为关键：国内某企业投入数千万元合成测试上万条抗体序列，但仍未达到scaling law高效提升区间[17] - 自动化高通量实验不仅提高筛选效率，更能产生结构化可迭代数据用于模型训练[17]

行业趋势与范式转变 - AI制药行业正经历从海量筛选经验至上转向理性设计从头创造的研发范式变革 [2] - 生成式AI技术让新药研发从大海捞针转变为精准设计模式 [3] - 2025年3月至8月期间中国AI制药公司完成总金额数十亿美金的BD交易 [1] 技术突破与能力提升 - AlphaFold 2在两年间预测超过2亿个蛋白质结构而此前60年人类仅学习20万个蛋白质结构 [5] - Diffusion模型引入生物学使全新蛋白质设计成功率获得数量级飞跃 [5] - AlphaFold 3实现全原子级建模能处理蛋白质核酸和小分子间复杂相互作用 [5] - Chai-2模型针对特定靶点生成候选抗体命中率显著高于传统方法在几十条序列中就可能出现hits而传统方法需百万级到亿级筛选 [7] 研发效率与成本变革 - 传统抗体药物研发需3年时间500万美元而AI模型可在几小时内完成并在两周内通过湿实验验证 [7] - AI大幅缩短临床前药物研发周期对肿瘤自免代谢等领域适应症产生利好 [8] - 自动化高通量实验在AI时代不仅能提供实验结果还能高效产生结构化可迭代数据服务于模型训练 [12] 市场竞争格局 - AI制药领域参与者呈现三种形态：科技巨头基础生物大模型创业团队传统药企AI化转型 [10] - 评估核心竞争力的关键是对模型的理解修改及演进能力需要接近99分表现而非80分 [11] - 未来所有新药研发公司都会使用AI只是依赖程度不同AI制药公司最终需交付药物分子才能获得更高价值 [12] 商业价值与产业影响 - AI制药公司通过改写大分子药物研发范式提高研发成功率元思生肽华深智药等成立仅四五年便获得跨国药企BD认可 [1] - AI有望重新激活难成药靶点研发从有什么筛什么转变为要什么造什么 [8] - 具有AI能力的biotech将成为跨国药企的分子设计中心算力中心通过管线BD授权合作研发等模式共分蛋糕 [8] - 峰瑞资本通过投资晶泰科技获得现金回报倍数DPI达几十倍 [2]