图片来源：视觉中国
蓝鲸新闻10月22日讯（记者 屠俊）随着AI制药的发展，BD交易的时点正在大幅前移至临床前阶段。近日，又有多项巨额AI制药相关BD交易达成。
10月19日，剂泰科技（7666.HK）与礼来官宣战略合作，共同推动组织特异性LNP递送技术突破，总额最高11亿美元。10月20日，英矽智能宣布，公司在与施维雅（Servier）为期多年的AI驱动药物研发合作中，已达成早期药物发现里程碑，该合作总交易金额高达8.88亿美元。国际方面，大模型公司也在大举进军AI制药。10月21日，OpenAI宣布收购AI药物研发平台Orchestra Bio，后者的团队和技术将整体并入OpenAI的生命科学产品线Rosalind，交易金额暂未披露。
合同对价或更多取决于后续临床与商业化里程碑
AI制药年内交易持续火爆，英矽智能向蓝鲸方面表示，2026年来，该公司已先后与礼来（Eli Lilly）、施维雅（Servier）、武田（Takeda）等知名药企达成管线对外授权或药物研发合作，仅年内公布的上亿美元级别合作就达到6项，更以与礼来的27.5亿美元大单刷新业界管线授权合作记录，推动公司自 2021 年以来的累计签约合作总额跃升至近 110 亿美元。
剂泰科技向蓝鲸新闻表示，自2026年5月13日上市以来，公司已先后与Deerfield、礼来、恒瑞医药等达成重要管线授权或平台研发合作。其中与Boulevard Bio就三特异性TCE项目MTS-128签署最高16亿美元全球独家授权协议，创下中国药企临床前TCE项目单笔海外授权金额新纪录。其AiTEM人工智能制剂平台已在恒瑞医药本地化部署，用于加速制剂配方开发。
中信建投在研报中指出，AIDD（人工智能药物研发）首先重塑药物发现与临床前研发流程。小分子发现正向AI参与的DMTA(设计-合成-测试-分析)闭环演进，虚拟筛选、分子生成、多参数优化、ADMET(吸收、分布、代谢、排泄、毒性)药代动力学和安全性特征预测及合成路线设计等环节受益较为明显。大分子研发则逐步形成以序列和结构设计为起点，进一步走向涵盖功能预测、抗体生成及多参数优化后的DBTL闭环。
不过，麦肯锡在近期一份报告中也提示，2025年全球前20大药企AI制药相关交易的名义规模翻番至295亿美元，但首付现金合计仅6亿美元，仅占交易总额的2%；合同对价的60%—90%取决于后续临床与商业化里程碑。
剂泰科技董事长兼CEO赖才达博士向蓝鲸新闻表示，AI制药的核心架构像”三层蛋糕”：最底层的第一层是干湿实验数据平台，这是与大语言模型依赖互联网数据最大的不同，需要把细胞、分子、蛋白、核酸看清楚，打造垂类数据平台；第二层是基于这些数据产生的垂类模型，将生物学过程拆解为关键参数，通过预测和生成模型进行设计；第三层才是大语言模型和agent，被调用起来完成整个Biological AI平台体系建设。
AI制药何时形成闭环？
“AI制药的卡点已经变了，不再是AI能不能形成分子，其实这块过去已经得到了非常大的验证。下一个就是AI设计出来的这些体系的东西，能不能真实的在生命系统之中成立。” 赖才达表示。
公开信息显示，英矽智能的核心管线Rentosertib已启动三期临床试验，这是全球首款由AI完成靶点发现和分子设计的候选药物进入大规模人群验证。有业内观点认为，若该款药物三期成功，意味着AI制药在技术层面形成了闭环。
此外，业内也有观点担忧，AI让药物发现变快变便宜了，CXO的订单会不会减少？不过，全球药物发现与临床前开发领域的核心外包服务商查尔斯河（CRL）在近期的投资者日上表示，对CXO行业而言，未来3—5年，AI使药物开发湿实验项目数量平均增加12%。
也有业内人士向蓝鲸新闻表示，随着AI制药的发展，前期分子资产会呈现爆发式增长，而AI生成的分子都必须经过湿实验合成与生物验证才能成为真正的药物。
国内方面，CXO龙头公司药明康德于9月30日在投资者互动平台上对AI制药相关话题对投资者做了答复。药明康德回应，目前AI在创新药物研发领域处于探索和尝试阶段，未来有望大幅提升效率、降低门槛，推动创新者和创新想法快速增长。尽管AI能高效设计分子结构，但仍需要像公司这样具有独特的一体化、端到端CRDMO平台进行复杂的合成交付与生物验证，从而形成”AI设计+CXO赋能落地”不可分割的产业闭环。为此，公司始终坚持”HI（Human Intelligence）+AI”的策略，利用创新工具持续提升服务能力与运营效率，更好地服务全球客户。
除了药明康德，多家CXO公司也开始卡位AI制药赛道，公开信息显示，泰格医药选择与英矽智能绑定，承接AI制药公司的临床研究执行环节，提供临床监查、数据管理、注册申报等服务，同时利用英矽智能的AI工具辅助法规跟踪。康龙化成强调”干湿结合”，并与予路乾行等AI平台合作构建计算-合成-测试-优化的闭环。凯莱英则将AI嵌入酶工程与工艺开发环节，利用AI辅助酶的设计与改造，服务于生产工艺的效率优化。
有业内观点认为，AI降低的是”提出候选分子”的成本，但没有降低”验证候选分子”的成本。模型一次吐出成百上千个分子，每一个仍然要回到动物、回到细胞、回到仪器里被验证。分子越多，要做的实验就越多，而如何形成成药闭环成为未来行业发展的关键。
文章来源于网络。发布者：海外网，转转请注明出处：https://www.haiwai.org.cn/2026/1022/5648.shtml
