对话独角兽 | 英矽智能的破局之路：加快管线推进，巩固数据优势

创新药物的研发漫长、昂贵，且充满失败风险，尽管新药上市后能获得可观收益，但生物制药行业整体投资收益率依然较低。AI技术的出现，被认为将极大程度提升创新药研发效率，提升行业整体投资收益率，甚至可能突破人类思维桎梏，找到创新性的药物靶点和分子，有望给生物制药行业带来颠覆性的影响。

英矽智能作为全球AI制药领域的代表性企业，试图通过自主研发药物来验证AI制药的商业可行性，是目前国内AI+Biotech领域临床进度领先的企业，其在AI技术开发与药物管线研发过程中，所总结的经验和所遇到的困难对于AI制药行业而言，具有较高的代表性。

医药加速拥抱AI，初创企业暂时领跑

全球AI制药技术正处于“能力深化期”，基础理论与核心模型已基本成型，虽然短期内仍难有颠覆性突破，但随着数据积累与模型训练的持续推进，AI技术的应用前景正不断被认知。对于生物制药产业而言，AI已不再是孤立的工具，而是逐渐融入药物研发全流程，从靶点发现、分子设计、临床试验设计，甚至是生产销售等每一个场景下，都有药企在积极尝试引入这项前沿技术。

英矽智能联合首席执行官、首席科学官任峰表示，从目前的技术发展情况来看，AI在药物研发全生命周期的应用已成为行业趋势，即使是部分传统药企也正在试图利用AI简化日常工作流程，从而让企业有更多精力投入到研发工作上，这其实也是AI对药物研发效率的一种提升。

根据弗若斯特沙利文数据，2019-2023年，全球AI赋能药物研发市场规模从53.7亿美元增至119亿美元，年复合增长率达22%，预计到2032年，这一市场规模有望达到746亿美元，年复合增长率22.6%。

行业格局来看，AI制药行业逐渐呈现“初创企业领跑技术，巨头抢占场景”的分化态势，一些初创公司以AI技术为核心基因，凭借技术原生优势占据先机，而传统药企在完成AI技术磨合后，将凭借场景资源优势逐步聚拢行业资源。

“包括大型制药企业在内，整个医药行业都在加速拥抱AI，但像英矽智能这一类以AI技术起家的初创制药公司短期内会有更强的先发优势，在AI制药领域会跑得更快。我们不需要经历引入AI技术并慢慢磨合的阶段，尤其是推动企业观念上的逐渐转变”，任峰说。

AI赋能成果初显，商业化仍待加速

英矽智能自主研发的一体化AI药物发现平台，Pharma.AI，目前已实现了端到端覆盖药物研发全流程的能力，通过分析庞大且复杂的数据集，能够在潜在适应症识别、生物标记及治疗靶点发掘、分子设计和优化、药理特性预测等诸多环节显著提升研发效率，降低后期开发中代价高昂的失败风险，公司也凭借此在生物制药领域构筑起了独特的技术优势。

根据最新披露的公告，基于Pharma.AI平台，英矽智能目前已产生了27项临床前候选化合物，13项获临床试验批件的药物管线。从应用效果来看，公司表示，借助Pharma.AI平台，其典型管线产品平均可在12-18个月从发现阶段推进到临床前阶段，相比之下，传统方法下平均需要三到六年，公司药物研发效率有明显优势。

目前，英矽智能的药物研发能力已逐渐获得外界认可。据悉，公司已有四款在研药物管线实现对外授权转让，转让合约总价值超过20亿美元。同时，公司有3款在研药物管线与合作伙伴达成了共同开发合作，并与礼来、赛诺菲、复星医药、施维雅等在内的跨国药企达成了药物研发合作。

另一方面，公司目前为止仍没有一款药物实现商业化，而这也是全球AI制药行业发展至今最大的痛点之一。任峰表示，当前AI制药行业仍未出现类似于DeepSeek时刻的爆发点，其中最关键的原因就是仍未有一款由AI设计的药物正式获批上市，因此无法在临床上对AI设计药物的能力进行验证。

为了进一步验证自身AI平台的技术实力，英矽智能正致力于加快推进药物研发进度，“无论是优化和加速推进我们自己的临床试验，还是将项目转给合作伙伴，由合作伙伴继续推进，当前最主要的目标就是找到最适合的方式，让药物能够尽快获批上市”，任峰说。

与此同时，英矽智能也在积极突破医药领域边界，寻找新的应用场景。据介绍，公司目前已在先进材料、农业、营养产品以及兽药等领域实现了对外合作，构建了以医药为主、向多领域延伸的商业化布局。

临床数据成AI制药企业制胜关键

数据对于AI技术至关重要，凭借数据和算法建立优势，AI大模型可以在药物研发早期很大程度上避免人工因素干扰，提升研发效率。另一方面，基于经验和大数据的训练，生成式大模型还能够快速设计全新的分子结构，创新性相对更强。任峰表示：“AI设计的分子结构很多时候已经超过了药物化学家的想象范围，未来AI制药研发能力将远远超过人类药物专家。”

未来，AI制药企业的竞争将逐渐由算法优越性的比拼转向数据的竞争，数据资源更具优势的一方将获得领先地位。任峰表示，在生物制药这一垂直赛道，公开数据已经足够用于模型的训练，但是对于AI模型而言，数据越充足，AI能力就越强，算法也越精准，因此AI制药行业对于海量数据的需求永无止境。

作为应对，英矽智能通过自主研发与合作积累双路径积累数据，为Pharma.AI平台持续优化提供数据支撑。“我们自2021年就决定建立自己的AI技术应用场景，通过搭建自己的药物研发团队，建立药物研发项目不断积累数据”，任峰还透露，包括英矽智能在内，很多AI制药公司都已开始建立自己的智能化湿实验室，通过干湿实验相结合的模式，产生更多独有的数据，进一步帮助AI平台训练。

相较于药企通过动物实验获得的临床前数据，来源于医院内真实病人的医疗数据无论对于传统制药企业、AI制药企业还是商业保险公司，都有着更大的商业价值，也因此更为珍贵。然而，在国内，这些医疗数据由于涉及个人隐私，受到我国法律的严格监管保护，并且还存在数据归属权、使用权不明确等诸多问题，因此尚无法对其商业价值进行有效开发。

任峰建议，可以将数据的归属权和使用权分离，确保数据归属权可控的情况下，将医疗数据转让给制药公司使用，所获得收益分配给医院或病人，“这方面，美国的Tempus已经开创了行业先例，这背后的机制值得我们的政府部门进行研究，或许我们也可以由政府主导成立这样一些数据公司，来推动医疗数据的流动。”