2026年夏天的生物医药圈，风向变了。
大家的关注点不再是谁的参数更大、谁的模型更炫，而是谁的分子能真正走进人体。6月初，FDA罕见地没有对Insilico Medicine的ISM001-055（针对特发性肺纤维化）和Absci的ABSCI-201（自身免疫性疾病疗法）提出额外的安全性补充要求，直接推进至III期临床。这是历史上首次有两款完全由AI设计、从靶点发现到先导化合物优化均由算法主导的药物，同时站在临床终点前。
这意味AI制药彻底跨过了“概念验证”的泥潭，进入了残酷的“疗效与成本”角斗场。
速度不再是护城河，而是入场券
早在2024年AlphaFold 3普及时，行业还在为“将靶点发现周期从18-24个月压缩至3-6个月”欢呼。到了2026年，这一效率提升已成为行业基准线。任何无法在半年内完成靶点确认的团队，都会因资金链断裂而被淘汰。
然而，速度的红利并没有均匀分布。虽然前端研发大幅提速，但新药研发的总体成本曲线并未如早期预测那样呈指数级下降。原因在于，算法生成的分子往往过于“理想化”。它们完美契合靶点口袋，却在复杂的生物体内环境中水土不服。
这就是所谓的“湿实验”瓶颈。AI可以瞬间生成数百万种候选分子，但实验室里的合成路线验证、代谢稳定性测试以及毒理筛选，依然需要实打实的物理时间和昂贵试剂。
Insilico首席科学家Hrvoje Ivanciuc曾公开表示，AI设计的分子在体外活性极高，但在进入人体后，往往因为口服生物利用度不足或半衰期过短而失效。这种“干实验”与“湿实验”的断层，是目前制约AI制药规模化落地的最大技术障碍。
合规成本：看不见的隐形大山
如果说合成难度是技术挑战，那么合规成本则是商业生存的生死线。
随着欧盟《人工智能法案》在2026年7月1日正式进入严格执法阶段，AI制药企业面临着前所未有的透明度要求。监管机构不仅要求披露药物设计的完整数据链路，还强制要求建立“人在回路”的审核机制，以确保AI推荐分子的潜在风险可控。
这种合规压力直接推高了运营成本。头部AI医疗企业为应对合规审查，不得不投入大量资源构建审计追踪系统。虽然类似招行、建行通过Multi-Agent系统实现了15%的合规成本降幅，但对于初创型Biotech而言，这笔固定支出依然是沉重的负担。
更棘手的是知识产权的确权问题。当AI生成的分子序列与人类专家设计的结构高度相似时，专利归属变得模糊。传统确权方式在AI生成内容面前显得力不从心。Insilico和Absci之所以能顺利推进，部分得益于它们在早期就通过区块链存证技术锁定了核心数据的原创性，但这套体系在跨国交易中依然面临法律互认的挑战。
湿实验的回暖：自动化与机器人
面对干实验的局限性，实验室正在经历一场“再机械化”的革命。
过去十年，自动化实验室被视为辅助工具；如今，它是AI制药不可或缺的伙伴。Absci在洛杉矶建立的自动化合成工厂，能够24小时不间断地执行AI设计的合成路线，并将反馈数据实时回传给模型。这种“干湿闭环”使得AI模型能够基于真实的物理反馈进行自我修正，从而大幅提高后续分子的成功率。
据最新行业报告，采用全自动湿实验平台的AI制药项目，其临床前成功率比传统人工实验室高出约20%。但这并不意味着人力会被完全取代。相反，高级化学家和生物学家的工作重心从“动手做实验”转向了“设计实验”和“解读异常数据”。这种角色转变，对人才素质提出了更高要求。
回归医药本质
AlphaFold 4时代，AI制药的叙事逻辑已经改变。投资者不再为“AI颠覆医药”的宏大愿景买单，而是关注具体的LTV/CAC（客户终身价值/获客成本）和单位经济模型。只有那些能将技术转化为稳定现金流的企业才能生存。
ISM001-055和ABSCI-201的III期进展，是一个里程碑，也是一个警示灯。它证明了AI在药物发现中的巨大潜力，但也赤裸裸地展示了从算法到药物的漫长路途。合成可行性、生物利用度、合规成本——这些看似传统的制药难题，在新的技术范式下依然坚硬如初。
对于从业者而言，未来的竞争不在于谁的算法更炫酷，而在于谁能更好地弥合“干”与“湿”、“算法”与“法规”之间的鸿沟。毕竟，救人的药，终究是要从瓶子里倒出来的。
