AI制药进入临床候选的药物比例仅10%，发展瓶颈在哪？对话百图生科首席执行官刘维
AI制药进入临床候选的药物比例仅10%，发展瓶颈在哪？对话百图生科首席执行官刘维
2026年10月30日 00:0
AI制药的融资数字还在涨。2026年1—9月，赛道融资157.65亿元，超过2023年、2024年、2025年三年的总和。I期临床成功率80%~90%的数据被反复引用，靶点识别从三四年压缩到6到12个月的故事被反复提起。但另一个数字很少出现在同一页PPT上：进入临床开发的候选药物，最终能走到监管批准的比例，仍在10%左右。
百图生科（以下简称百图）联合创始人兼首席执行官刘维在第十一届医药创新与投资大会期间接受《每日经济新闻》记者采访时，把这个落差归结到一个不那么受关注的地方：湿实验。在他看来，AI今天做的事情，本质上是“加大实验的效果”，而不是替代实验。他引用投行报告的口径说，全球每年湿实验花费约7000亿美元，百图要做的，是让AI在这部分支出里的渗透率先走到1%，再走到10%。
这位做了多年风险投资的创业者，选择亲自下场做一家不做管线的平台公司。他用“星辰大海”形容AI制药的前景，却用一个“熬”字概括接下来的三到五年。
AI生成得越多，湿实验越不够用
采访中，记者向他提到一个行业观点：AI辅助下药物分子生成了很多，但并没有改变失败率，而且生成越多失败越多，反而消耗更多资源，加重湿实验验证的压力。
这种局面下，成千上万个分子里真正能排上实验台的只有几十个，其他的那些，有效先导化合物可能就此漏掉。还有约30%的AI生成分子，要么需要至少7步合成，要么带着化学不稳定的子结构，这在标准药物化学流程里根本走不通。
这个判断，刘维只认可一半。AI设计得好、战略选得对、算法和场景都对，从失败实验里学习迭代仍然是高效的。但他也承认，模型单项准确度有波动，行业喂给AI的实验数据远远不够，复杂蛋白、新分子构型、复杂细胞和器官体系上尤其缺。William Blair今年的研报把这种现象归为“杰文斯悖论”——AI把候选分子生成效率提得越高，全行业的实验总量、耗材和仪器采购反而越涨。报告测算了2017年到2025年的投入曲线：药企干实验室投入年复合增速30.5%，湿实验室投入也保持了5.6%的复合增长。
刘维说，百图过去几年在内部系统和对外交付上做了不少改进，实验调度、排产排程、数据分析的链条都缩短了，但这只是第一步。第二步是往上游走，和优秀的设备厂商、下一代生物 传感器 、原位成像、微流控技术一起，定义“AI原生”的生命科学设备。他给出的预期是：实验成本可能增加一倍，数据采集量增加100倍，ROI（投资回报率）增加50倍。
这套预期能不能兑现，取决于设备、耗材、实验科学家和AI调度系统能不能真正配合起来。在此之前，“AI大幅缩短药物发现周期”这类说法，都得先过湿实验吞吐量这一关。
小分子在提效，但“星辰大海”在蛋白和细胞
湿实验的约束是通用的，但AI在不同分子类型上的作用方式，差别比多数人想象的大。
刘维的划分很清楚：小分子在提效，蛋白药物才是AI蛋白模型的星辰大海。依据是数据积累的成熟度。小分子经过几十年化学研究，构型结构相对清楚，设计空间比氨基酸序列自由排布的组合空间小得多，合成制备也成熟，第一代AI药物设计公司大多扎堆在这里，最容易形成快速的干湿循环。代价是，用了AI之后，小分子公司的研发链条和过去没有本质改变，AI仍只是个单点工具。
临床数据也能说明问题。2025年，一项综述汇总了AI设计分子的临床进展：II期成功率约40%，而行业历史基线是37%。AI能把从preclinical（药物进入人体临床试验前的全部实验室与动物研究阶段）到IND（新药临床试验申请）的时间从三四年压到13到18个月，把早期化学成本降低30%到40%，但II期的损耗没有被改写。
蛋白药物是另一回事。刘维说，目前已经落地的蛋白药物，很多是在现有主流抗体上改动几个氨基酸，性能提升有限，或者跟传统筛选方法打平。AI的不同在于，它不必局限在现成的抗体格式里，可以从头设计，也可以对一条长达上千个氨基酸的蛋白做大幅改造。
按他的判断，这样“一定会有很多高性能的蛋白”被设计出来。这个方向对FIC（首创/同类第一）药物有价值，对管线公司批量做项目也有价值。但风险也很直接：从头设计出来的蛋白在稳定性、免疫原性、安全性等方面可能面临更多不确定性，对药企的研发决策、早期验证及监管沟通提出了更高要求。
再往上是虚拟细胞。刘维把细胞称为“下一个星辰大海”：药物的靶点发现，本质上是细胞问题；安全性、功能，也都是细胞问题。但今天的预测准确度还是不够高。
动脉智库2026年白皮书的测算更具体：AI虚拟细胞行业 综合 准确率约60%，在训练分布覆盖的细胞系和药物组合上能到70%~80%，一旦面对新的细胞类型或作用机制，就掉到30%~40%。作为参照，AlphaFold在蛋白质结构预测领域达到商业化标准时，准确率已经超过90%。
赋能者的位置和“熬”的时间表
AI制药行业被分成做赋能的和做管线的，百图属于前者。与和铂医药等合作方成立的公司，由合作方绝对主导，百图只提供平台技术，不负责管线立项，也不承担临床研发投入。即便深度参与，逻辑也是借合作方的生物学和临床能力迭代平台，而不是自己变成一家Biotech（生物科技企业）。
刘维算过这背后的账，全球每年湿实验花费约7000亿美元，只要渗透1%、10%，就是足够大的市场，用户愿意为节约下来的成本付费。但赋能者的收入曲线比管线公司平缓，什么时候能跑出来，很大程度上取决于全行业湿实验习惯的改变速度。但行业真正的破局点还有三五年，“我们也在熬”。
熬的是什么？刘维的表述是：未来一定会有利用多个先进AI模型、虽然不完美但在New modality（新药物模态）里做出来的FIC药物。他把这个时刻类比为当年重组基因工程、 重组蛋白 一代代底层技术突破的过程。在那之前，行业热度、融资数字、I期成功率的漂亮曲线，都不足以证明这条产业逻辑已经走通——麦肯锡2026年的调研就显示，全球75%的AI制药项目困在“试点陷阱”：有模型、有论文、有PPT，唯独没有临床数据。
话题最后又回到湿实验。刘维透露，百图正在北京积极规划下一代生命科学大型实验室，赌的是实验成本翻倍、数据采集量增加100倍之后，AI制药的循环才能真正转起来。在那之前，算力、模型、融资额都不是最稀缺的东西，最稀缺的是能被AI消化、又能反过来教会AI的高质量湿实验数据，以及愿意为这些数据投入时间、实验和组织变革的产业公司。
这件事没有捷径。刘维说：“还得用10年、20年、30年。”
（文章来源：每日经济新闻）
主题：基金|AI制药进入临床候选|新股|美股