中國正從”世界工廠”，轉變為全球頂尖人才的”創新工廠”。3月29日，一則消息震動全球醫藥圈，AI製藥公司英矽智能宣佈與美國製藥巨頭禮來公司達成了一項重磅合作。其合作首付款高達1.15億美元，總價則達到27.5億美元，約188億人民幣，另外還包含產品上市後的潛在銷售分成。而格外引人矚目的是，這家名為英矽智能的公司，是由一個歐洲人在美國創辦，卻因為無法在美國生存發展，轉而遷移到中國香港，然後依託中國市場才獲得了今日的成功。資料顯示，英矽智能不過300多人的規模，它能撬動如此大的交易，關鍵靠了對AI的前瞻性佈局。在傳統製藥行業，人們用“雙十定律”來形容新藥研發的殘酷。投入10億美元，苦熬10年時間，成功率卻不足1/10。英矽智能則是全球最早利用AI製藥的先行者之一，它自主研發的軟體平台Pharma.AI，包含靶點發現、分子設計與生成、臨床試驗結果預測等模組，實現了全流程的智能化，可大幅縮短藥物研發周期，節省研發成本，提高研發效能。如，傳統方法從靶點發現到確定臨床前候選化合物，平均需要4.5年時間，而英矽智能僅用12~18個月。所需合成的測試分子數量及相應成本，更是降到了傳統方案的1/10。英矽智能創始人Alex因此宣稱，他們的50個人，比得上傳統製藥公司的5000人。多個權威媒體推測，英矽智能與禮來的交易核心是一款臨床前口服GLP-1藥物，也就是當下爆火的減重藥。借助AI的能量，英矽智能將這款藥物做到了“同類最佳”。作為世界上第一家市值兆美元的醫療公司，禮來選擇夥伴的標準極為嚴苛，這次27.5億美元的合作，堪稱行業最頂級的背書，也是傳統製藥巨頭對AI製藥的一次“官方認證”。而英矽智能成功的背後，則是一個歐洲人在美國和中國之間的夢碎與圓夢之旅。在Alex的辦公室裡，擺放著一張照片，照片上的人是中國醫藥巨頭藥明康德的創始人李革。正是這位伯樂，將Alex拉出了創業的泥潭。1979年出生於拉脫維亞首都裡加的Alex，是學霸中的學霸。他在加拿大女王大學攻讀電腦和商業雙學位，在美國約翰霍普金斯大學深造生物技術碩士學位，後來又在莫斯科國立大學獲得物理及數學博士學位。2006年，由於任職的公司被AMD收購，年僅27歲的Alex便實現財務自由，帶著幾百萬美元投入到熱愛的抗衰老研究領域。2012年前後，他注意到AI在圖像、語音和文字識別方面進步飛速，因而萌生一個大膽的想法：如果用數十萬篇醫學文獻、研究項目等資料訓練出醫學領域的AI，是不是能夠加快藥物開發的處理程序。2014年，感覺時不我待的Alex，在美國創立了英矽智能，成為了世界最早的一批AI藥物研發者。▲Alex，圖源：英矽智能創業的前幾年，Alex最常做的事情就是向外界展示AI在製藥行業的能力，但無人相信他的商業模式，更無人願意給他投資。英矽智能因此長期徘徊在低谷，最困難時期，是靠Alex賣了所有房產，才勉強維持運轉。直到2018年，Alex遇到了世界醫藥外包巨頭，中國企業藥明康德創始人李革。起初，李革對於AI技術也不敢信任，但他願意給Alex一個機會：如果英矽能在短時間內用AI演算法，針對一個激酶靶點設計出有活性的化合物，就給予投資。結果，Alex團隊僅用40多天就完成了，傳統模式下需要數年才能完成的任務。見證奇蹟的李革，果斷領投了英矽智能。見證了中國精神與中國速度的Alex，對比審視了美國和中國的創新創業環境，然後決定把未來押注在中國。2019年，Alex將公司總部遷到中國香港，隨後又在上海成立研發中心。讓他下定決心的還包括，中國在整個醫藥創新的產業與市場環境。雖然AI在靶點發現、小分子生成、虛擬篩選等方面擁有超能力，但光靠AI是無法製造出藥物的。中國有從實驗室創新到臨床驗證的全產業鏈，建立了宛如“熱帶雨林”般的生態，能夠更快地將AI發現的成果進行生物學和化學的驗證。中國政府所提供的創新創業支援，以及豐富的人才儲備，就更讓Alex感到超出預期的驚喜。最終，這一切都體現在英矽智能的命運逆轉之上。起初，英矽上海的研發中心只有財務、人事、生物學家寥寥數人。但Alex很快就找到了他的中國合夥人——擁有15年製藥行業資歷，曾在跨國製藥巨頭葛蘭素史克負責小分子藥物研發，還任職過上海美迪西生物醫藥公司副總裁，成功助力公司上市的任峰博士。在任峰的帶領下，僅僅兩年多時間，英矽上海研發中心就建立起近150人研發團隊，成為公司的絕對核心。原先主要提供AI平台服務的英矽智能，也從此擁有了藥物研發能力。▲諾貝爾獎得主邁克爾·萊維特擔任科學顧問，身後兩位分別是Alex和任峰為了更加融入中國市場，Alex還改變公司的組織架構，由他和任峰共同擔任公司CEO，他自己負責AI平台的迭代最佳化，任峰則負責藥物研發業務，一起推動公司駛入了快車道。2021年2月，英矽智能獲得了全球首例完全由AI驅動發現的，針對特發性肺纖維化疾病的新靶點，並設計了全新化合物。兩年之後，針對該靶點開發的候選藥物ISM001-055獲批進入II期臨床試驗，這也是中國第一例由AI研發並進入臨床階段的候選藥物。傳統藥企完成從靶點發現到提名臨床前候選化合物，通常需要4年半的時間，研發費用至少幾千萬美元。而英矽智能的這款藥物僅用時18個月，費用還不到270萬美元。截至目前，英矽智能已經建立了超過30條內部研發管線，其中10個項目獲批臨床試驗，涵蓋腫瘤、免疫、代謝等多個疾病領域。當越來越多的藥企開始正視並取經AI製藥，英矽智能也形成了多元化的商業模式。比如，一些藥企盯上了它的軟體平台Pharma.AI，全球排名前20的製藥巨頭中，已有13家購買了平台軟體的授權，以加速和最佳化自身的藥物研發流程。諸如復星醫藥、賽諾菲等，也與英矽智能達成了戰略合作，共同研發某些藥物。而其最核心的業務模式，則是諸如與禮來合作的BD交易，即將研發中的藥物授權給大藥企。至今，其BD對象還包括Exelixis、美納里尼等藥企，前者獲得了8000萬美元的預付款，後者的交易總額則超過5億美元。良好的業務前景，尤其整個產業的AI加速，也讓資本普遍看好英矽智能的增長潛力。2025年12月30日，英矽智能於港交所主機板成功上市，創下當年港股生物科技類股最大IPO紀錄，首日收盤市值約167億港元。Alex是因為對抗衰老的興趣和研究，走上了醫藥的道路，繼而再成為AI製藥的先驅。如今，當英矽智能已然走上坦途，他又把延緩人類衰老當成了自己的終極目標。而且，他相信，中國最能夠實現這一夢想。因為，這裡有龐大的市場和足夠的資本，有完善且高效的生態系統，有全球罕見的“一站式”資源和能力，支援從0到1的創新，以及從1到N的規模化跨越。▲圖源：英矽智能“在中國，我們可以快速合成分子、進行分子測試、開展小鼠實驗、猴子實驗，推進人類臨床試驗。這也是為什麼如今全球大多數新藥都源自中國。”他說。而若有人對此表現懷疑，英矽智能的成功，本身就是個例子。出生於南非的馬斯克，出生於台灣的黃仁勳等等“外國人”，最終都在美國創業，圓了所謂的美國夢，也助力了美國產業經濟的前進。當中國從“世界工廠”加速轉向“創新中心”，也必將吸引全球頂尖人才，吸引越來越多的“Alex”，到這裡創業，到這裡圓夢，到這裡，讓中國夢成為世界更多人的夢。 (華商韜略)

1 強生來自美國紐澤西州，成立於1886年。最大股東是先鋒領航和貝萊德，強生強的離譜，穩坐全球第一2 羅氏來自瑞士巴塞爾，成立於1896年。每年研發投入超百億美元，拿過3個諾貝爾獎。強大研發能力的背後，讓羅氏在1999年就控制全球40%的維生素市場。壟斷全球禽流感唯一解毒藥物。還是奧司他韋專利持有人，以及全球1/4抗腫瘤藥市場的控制者，更是歷年全球處方藥的銷冠。相比之下，國內製藥巨頭雲南白藥去年只有億人民幣的研發投入，也能實現47億元的利潤3 默沙東來自美國紐澤西州，成立於1891年。但其母公司成立於1668年，康熙7年的德國默克集團。1989年，默沙東向中國轉讓全球最先進乙肝疫苗技術，保護超2億中國兒童。旗下的HPV疫苗，保護了超5100萬名中國女性4 輝瑞來自美國紐約，成立於道光29年，二戰靠青黴素崛起。1998年，意外研發出西地那非，這顆藍色小藥丸讓輝瑞一夜暴富。隨後狂砸930億美元和600億美元收購蘭伯特製藥廠和法瑪西亞成為美國最大藥企。至今每秒就有4粒西地那非被服用，可以叫他萬艾可也可以叫他偉哥5 艾伯維來自美國伊利諾伊州，由雅培的創新藥部門在2011年獨立而來雅培是成立於1888年的生物檢測巨頭拆分出來的創新藥部門艾伯維僅僅十年就從180億美元做到2500億美元市值。旗下的修美樂十年就累計銷售2000億美元，賺錢速度堪比中國的銀行6 阿斯利康來自英國劍橋，成立於1999年由瑞典阿斯特和英國傑利康合併而來。憑藉奧西替尼、杜伐利尤單抗奧拉帕利等明星產品，其去年在腫瘤領域就賺取223億美元收入7 諾華來自瑞士巴塞爾，由氣巴加基和山德士在1996年合併而來。而氣巴加基起源於1758年，並在1948年因為發明殺蟲劑DDT而獲得諾貝爾生理學或醫學獎山德市也有139年歷史，合併的諾華也是強的離譜2000年，諾華將自己的農業和種子業務剝離，成立全球最大農藥生產商先正達2002年又出售食品品牌阿華田，並持有羅氏製藥32.7%的股份隱形眼鏡護理液愛爾康和格列衛也是他家的。格列衛就是我不是藥神裡的格列寧，可控制慢粒白血病人的染色體變異。但中國地區的售價為全球最高，一年可以吃掉近10萬元8 禮來來自美國印第安納州，成立於1876年，是當今全球市值最高的醫藥巨頭在1923年以來，首推胰島素產品之前糖尿病一直都是絕症9 賽諾菲來自法國巴黎，這家巨頭在中國最大的一個項目就是和再生元合作開發，針對特性性皮炎的達必妥。去年在華銷售額直指70億10 諾和諾德來自丹麥成立於1923年，明星產品司美格魯肽，去年一年就賣出了293億美元，是全球銷售額第二高的藥品以上是全球十大製藥巨頭每年超過百億美元的研發投入，憑藉國際隊藥品專利20年的專利保護期讓創新藥成為資本的聚寶盆。同時也挽救了無數人的生命健康 (千羽千尋的千)

據IPO早知道消息，中國證監會國際合作司於3月23日披露了《關於劑泰科技（北京）股份有限公司境外發行上市及境內未上市股份“全流通”備案通知書》。這意味著，劑泰科技稍早前已通過保密形式向港交所遞交上市申請，並有望很快披露PHIP檔案並完成掛牌上市。成立於2020年的劑泰科技由美國工程院院士陳紅敏博士以及MIT科學家賴才達博士、王文首博士聯合創立——作為一家人工智慧（AI）驅動奈米材料創新的生物科技公司，劑泰科技專注於利用靶向藥物遞送和發現技術，幫助生命體戰勝疾病和衰老，重獲健康和活力。截至目前，劑泰科技自主開發了全球首個人工智慧驅動的奈米遞送平台NanoForge，並擁有當前全球最大規模千萬級LNP脂質庫——基於NanoForge，劑泰科技打造了三大核心解決方案：AiLNP（AI奈米遞送系統設計平台）、AiRNA（AI mRNA序列設計平台）、AiTEM（AI小分子製劑設計平台），現已具備實現精準靶向肝臟、肺部、肌肉和免疫細胞等8個關鍵器官或組織的LNP遞送能力，在多器官、多組織靶向遞送難題上取得突破性進展，為腫瘤、代謝系統疾病、自體免疫性疾病、神經系統退行性疾病等提供成藥機會，也在器官水平上為生命體抗衰提供可能。其中，劑泰科技的管線MTS-004是中國首款完成III期臨床的AI賦能製劑新藥，有望填補國內PBA治療領域藥物空白，有效幫助漸凍症和吞嚥困難的患者改善生命質量。此外，劑泰科技通過首創的“火箭+衛星”遞送新範式，正在建構“在人體特定器官內高效啟動抗腫瘤免疫”的新一代免疫治療策略，其管線MTS-105通過美國FDA孤兒藥認定，有望成為全球首款mRNA編碼TCE實體瘤療法。成立至今，劑泰科技已獲得晶泰科技、峰瑞資本、原始碼資本、紅杉中國、光速光合、五源資本、中國人壽、人保資本、中國人壽、招銀國際、國壽股權、Monolith、中金資本、太平香港保險科創基金、北京市醫藥健康產業投資基金、大興區產業投資基金等知名機構累計超25億元人民幣的投資。 (荷馬國際香港)

“AI+中國速度”把試錯成本壓縮到更低，劑泰科技正在創造許多傳統方法觸及不到的新材料。“製藥界的SpaceX”——這句頗具科幻意味的口號，劑泰科技創始人賴才達只花了8年，就把它從一個想法真正落地。就在《中國企業家》採訪後不到一周，公司宣佈已經完成D輪4億元融資，由北京市醫藥健康產業投資基金和大興區產業投資基金聯合領投。SpaceX的火箭是把衛星送入太空，賴才達的“火箭”則是用AI將奈米材料設計成載體，把mRNA（信使核糖核酸）、抗體等藥物精準靶向到疾病組織或器官細胞，然後釋放藥物，由此達到精準治療的效果。故事始於2017年。剛從麻省理工學院博士畢業的賴才達，目睹了興起的生物製藥行業如何用AI顛覆傳統藥物設計，卻也產生了疑問：AI能預測分子結構，也被運用到立項、開發、轉化等各個環節，但大多集中於分子設計環節，而製劑與藥物遞送環節卻沒人關注。尤其是被視為“最後一公里”的藥物遞送環節，對應著幾十年來行業的巨大痛點。人體是一個非常複雜的系統，很多疾病細胞在體外都有各種方式去解決，但在體內卻很難見效。“是藥三分毒”，往往因為絕大多數藥物進入體內後無法瞄準疾病細胞，而在不對的細胞上治療或干預。賴才達說：“人體30兆細胞裡，出問題的往往只是幾百萬個細胞的一個群體，但藥物99%都打偏了。就像為了擊斃一個敵人，結果把整棟樓炸了。”侷限性還在於，傳統製劑的開發手段屬於“手藝活”，非常仰賴於專家的經驗法則。專家依據分子預測其性質，做簡單試錯，能夠搜尋的空間有限。劑泰科技創始人賴才達於是，2020年1月，劑泰科技成立。它利用AI，根據不同的靶點快速去設計“火箭”，通過各類載體實現對藥物的高效遞送，充分發揮藥效。從小分子製劑、口服製劑的最佳化，到新的膠束體、奈米製劑的產生，劑泰科技通過積累的實驗資料，正在創造許多傳統方法觸及不到的新材料。5年過去，劑泰科技的“火箭”已具備實現肝、肺、肌肉和免疫細胞等關鍵組織和細胞的脂質奈米顆粒（LNP）精準靶向遞送能力。“我們現在還只能做到部分器官跟組織類別。”賴才達提到，“我們希望奈米遞送能夠實現‘指那打那’，這是要10年20年去攻克的難題。”01難啃的骨頭賴才達原本是一名“材料極客”。化學工程專業畢業的他，在博士期間，就做了一款能把污水變家庭用水的淨水材料，啟動了人生第一次創業。技術本身很“炫酷”，但他那時的“科研邏輯”沒有打動投資人，因為整個項目算起來市場規模不到1億美元。不過投資人很喜歡他，直言如果有10億美元級的市場項目，一定會做他的天使投資人。賴才達意識到，從一個技術，到真正成為一個產品和成就一個企業，中間其實有很大的差異。一個公司不僅需要突破性的技術，還需要有能力把技術落地轉化為商業價值。他把目光轉向了醫藥。因為醫藥行業相對去中心化，每個病種都對應一個單獨的市場，也面臨著新技術的爆發。在那個時間段，生物醫藥創業潮出現。早在2016年，Google開發的AlphaGo橫掃棋壇，他就意識到，這將是一個變革。之後專門用於預測蛋白質三維結構的平台AlphaFold也出來了，他猜測透過演算法可以解決很多資料產生的訴求。“我們之前做材料開發一般要10年時間，往往做了很久才開發出來幾個材料拿去動物身上試。因為人腦能夠預測的材料是很少的，不太能做多維度的、有點動態的組裝，人類做拼圖的能力是遠不如AI的。”賴才達說。自2017年，他與美國國家工程學院院士陳紅敏開始討論演算法加實驗結合的平台，能否用到奈米材料發現上。後者也成為劑泰科技的聯合創始人，她是有著30年經驗的藥物製劑開發和遞送專家。這也從一開始就決定了團隊的創業方向——AI奈米遞送。他們也曾像其他AI製藥團隊一樣，從熱門的小分子賽道切入，卻發現格外擁擠。而製劑與藥物遞送卻是無人區，還沒有一家AI公司敢啃這塊硬骨頭，傳統的製劑材料開發大多是靠專家“試”出來的，可以說是處於“半黑盒子”狀態。究其原因還是在於資料。製劑開發需要的資料壁壘極高，賴才達坦言，“當時奈米材料藥物遞送的資料非常少，公開的大概只有1萬到2萬個相關資料點。而搭建內部的資料平台極其燒錢，還要建自己的實驗動物房。”因此更多的企業偏向走更成熟的分子預測路線。但賴才達卻看到“站在巨人肩膀上做最佳化”的機會。製劑與藥物遞送既不用做靶點創新，也不用碰臨床——這一前一後兩塊都需要漫長的驗證時間和龐大的資金量。相較之下，製劑與藥物遞送反而距離成藥最近，只用將已知靶點的藥物裝進AI設計的奈米“火箭”裡精準投送，成為一個“連接者”，就有機會實現商業價值。賴才達認為，AI最擅長的就是做局部最佳化，用於做製劑與藥物遞送非常合適。更關鍵的是，他在國內看到了明顯的資源優勢：資料的產生速度更快，也更便宜。同樣的實驗，國內當天就可以出結果，而在美國需要6周，成本還只有十分之一左右，這意味著“AI+中國速度”可以把試錯成本壓縮到更低。“這對我們來說是很大的優勢，可以以最快的速度、最低的成本產生全球最大的材料遞送資料集，反哺我們的演算法，從而更有效地預測材料和遞送之間的關係。”於是，當團隊在美國碰上了杭州的招商團隊，他們迅速就做出了決定。2020年，賴才達、陳紅敏以及麻省理工學院人工智慧實驗室的科學家王文首組成的核心創業團隊，落地杭州。02從平台公司到產品公司儘管賴才達現階段對劑泰科技的定位是AI奈米遞送公司，但他心裡的終極目標依然是做“藥”。0到1的搭建過程很迅速。原本他還擔心“水土不服”，當地給了一系列的支援，包括場地、人才、資金、服務等，他幾乎是“拎包創業”，項目不到半年就落地了。只是未曾預料到的是，劑泰科技最初立項的8條產品管線，很快“全軍覆沒”。原本賴才達很自信團隊是懂藥的，屬於“降維打擊”，但真正落地，卻發現做材料和做藥完全是兩碼事。“你以為做了一個很好的改良藥，其實人家下一代產品已經出來了，不需要改良了。”他才發現，醫藥管線立項需要行業沉澱，至少要幾十年的經驗積累。不過很快，他就開始“補課”，先從羅氏等大藥企挖來一批醫藥老兵。之後，嘗試與大藥企初步合作，“先打工，‘髒活累活’開始干，干大家不在意的東西，才真正瞭解了藥的痛點。學著不從科學角度來看事情，而是從行業角度看事情。”在這過程中，劑泰科技投入了大量資金，來解決AI製藥界最突出的兩個問題：人才與資料。人才主要是磨合。“跨領域的人是很缺的。既懂AI又懂材料，還懂藥的人不存在，所以我們從0到1，各類人才組合起來，慢慢打磨，雙方合作，才逐漸成熟起來。”劑泰科技的員工多為交叉學科背景，包括AI演算法、自動化、化學、分子生物學、臨床醫學，甚至網際網路、金融、數學統計等。更高的壁壘在於資料。劑泰科技從頭到尾自己搭建資料平台，做奈米材料領域實驗的模擬，整個過程耗費了三四年，才積累到奈米材料和生物之間互動作用的資料。“藥圈”不好進，賴才達因此為劑泰科技規劃了兩種變現模式：一是“賣火箭”——把AI設計的奈米遞送材料專利授權給全球藥企，供他們研發自己的管線產品；二是自己根據已知靶點、改良劑型做少數高價值管線的臨床驗證，在看到成功的希望後，就對外授權出去，讓合作夥伴負責進一步的研發以及銷售。這兩種合作模式均可以獲得首付款、里程碑（未來的潛在事項）付款以及未來的銷售分成，也可以實現一項材料多個客戶、多次復用。“產生出可復用的產品才是成功的商業模式。”賴才達說。面對客戶需求和自有管線是否會衝突的矛盾，賴才達表示，他本心是做一個平台公司，但在過程中會孵化出產品。劑泰科技只是會在少數賽道的部分靶點做示範性研發，以驗證平台技術的價值，主要的藥物研發會讓合作夥伴去做。在他看來，公司會迎來幾個拐點：首先是人體資料證明AI設計的載體有效，平台開始自給自足，這個目前已經在實現過程中；然後平台訂單規模化，收入可反哺管線產品的臨床開發，這些計畫在幾年內達成；更長期，自研管線在某個重大適應症做出遠超現有療法的臨床資料，徹底驗證“AI遞送+藥物”價值。2022年後，他才感覺到平台進入到了正反饋階段，“此前，與德國一家知名跨國藥企的一個研發合作項目，驗證出劑泰可以用很短的時間篩出他們篩不出來的材料。這表示我們的演算法、平台已經達到了一個可以和合作夥伴進行商務合作的階段。”他原本計畫前5年保持30～60人團隊規模，沒想到公司發展迅速，“5年時間做的成果，相當於過往美國類似公司10~15年才能做到的階段”。他坦言，這主要得益於中國醫藥的“基建”發展迅速：中國的供應鏈很完整，特別是CRO（合同研究組織）和CDMO（合同研發和生產組織）的建設，極大推進了中國創業公司的發展。賴才達坦言，“我們只是把一堆現成的好工具工程化，組裝起來之後就發現壁壘很高，要同時跑通量子級遞送計算、高通量資料閉環、大規模動物驗證、材料底層認知，再到成藥的能力——整條鏈路一打通，很快就成了領先玩家。”未來3年，劑泰科技把重心放在兩件事上——人體資料閉環和商業模式閉環。前者是讓AI設計的奈米載體先在人體驗證成功，打通從電腦到病人的完整資料鏈；商業模式閉環是把驗證過的材料和管線對外授權，用授權收到款項反哺現金流。5年到7年內，他要爭取把遞送精度從“器官級”提升到“細胞級”，實現真正的“指那打那”。而7年之後，賴才達期待那個最大的拐點到來，即在一些大的疾病領域真正取得臨床突破，之後他會專注在這幾個領域裡，去做最想做的生意——爆款新藥。 (中國企業家雜誌)

美國白宮2日發佈公告，總統川普當天簽署檔案，依據《1962年貿易擴展法》第232條款，美國將對部分進口專利藥和製藥成分加徵100%的關稅，並調整對進口鋼、鋁、銅及相關衍生產品加徵的從價關稅。根據白宮公告，以上針對進口專利藥和製藥成分的關稅措施將於120天後對特定大型企業生效，對小型企業則在180天後生效。對於產自歐盟、日本、韓國、瑞士與列支敦斯登的進口藥品，將根據貿易協定適用15%的關稅。對於產自英國的進口藥品，將適用較低關稅，具體標準以近期與英國達成的藥品協議為準。對進口仿製藥及其製藥成分暫不徵收關稅。公告顯示，這一措施同時向製藥企業提供豁免或下調關稅的路徑，旨在迫使其與白宮就藥品價格和產業回流美國等事項達成協議。具體包括：對於與美國衛生與公眾服務部簽署“最惠國”定價協議、並與美國商務部簽署回流美國生產協議的企業，在2029年1月20日前將免徵關稅；對於僅與美國商務部簽署回流生產協議的企業，將適用於20%的關稅。白宮宣稱，以上措施旨在強化國內製藥業基礎，維護美國的經濟和國家安全利益。白宮發佈的另一份公告說，川普簽署檔案，依據《1962年貿易擴展法》第232條款，美國將從6日開始調整對進口鋼、鋁、銅及相關衍生產品加徵的從價關稅。根據新規定，完全或幾乎完全由鋼、鋁或銅製成的產品將繼續適用50%的進口從價關稅，但關稅計算基礎為進口產品的完整海關估價。此外，主要由鋼、鋁或銅製成的衍生產品將適用25%的從價關稅；來自英國並滿足一定條件的鋼鋁產品將適用25%或15%的稅率；利用完全在美國冶煉的鋼鋁銅生產的衍生產品將適用10%的進口關稅。2018年3月，川普在其第一個總統任期曾出台對進口鋼鋁加徵關稅的政策，他在2025年再次就任總統後對拜登政府時期鋼鋁政策進行調整併出台銅關稅政策。 (新華國際頭條)

近日，生物科技知名意見領袖Raminderpal Singh博士發表了他對2026年AI製藥的發展預測。Raminderpal Singh擁有超過30年的軟體開發、產品管理和市場推廣經驗，現任20/15 Visioneers全球AI與生成式AI負責人、生物技術公司Incubate Bio的聯合創始人。他曾領導IBM Watson基因組分析業務，並擔任Eagle Genomics微生物組部門負責人。在他看來，進入2026年，AI藥物發現正處於臨床驗證與市場波動的關鍵拐點。未來一年，要麼將證實該行業長達十年的投資邏輯，要麼將迫使行業對預期進行根本性調整。核心觀點：1、III期臨床試驗資料成為決定性考驗：2026年AI藥物能否真正有效，將由III期臨床結果首次大規模驗證。2、監管指南正式落地實施：FDA與歐盟將於2026年確立AI在藥物研發中的高風險應用監管框架。3、投資理性取代市場狂熱：資本正從炒作轉向聚焦頭部企業，行業進入整合與淘汰階段。4、早期發現周期縮短，但臨床階段無加速：AI顯著提速早期研發，但無法突破臨床及監管等剛性瓶頸。5、智能體變革科學工作流程：基於可驗證獎勵的強化學習正催生能自主執行多步科研任務的智能體。6、自主實驗室加速擴張，但仍處於實驗階段：自動駕駛實驗室雖快速部署，尚不能獨立產出經驗證的候選藥物。7、中國AI保持領先地位：中國AI藥企交易佔比持續上升。8、蛋白質結構預測走向成熟，但未能解決藥物發現核心難題：結構預測是必要條件，但不足以確保成藥成功。9、資料質量仍是主要障礙：低品質與碎片化資料仍是AI項目失敗主因，聯邦學習或帶來階段性突破。10、首個AI發現藥物有望獲批：若進展順利，首個AI藥物或於2027年前後獲批，標誌技術合法性確立。預測一：III期臨床試驗資料成為決定性考驗2026年最具影響力的進展將是III期臨床試驗結果，這將決定AI能否大規模產出真正有效的藥物。目前最先進的AI設計藥物正進入關鍵試驗階段，全年預計將有多項臨床資料公佈。這些結果將首次大規模檢驗AI是否能提高臨床成功率，打破製藥行業長期存在的約90%失敗率困境。積極的III期資料可能驗證基於物理學的AI設計在特定靶點上的有效性，有望推動監管申報，並在2027年逐步進入審批階段。然而，從歷史淘汰率來看，出現更多臨床失敗的機率依然較高。一些人士質疑AI是否能從根本上改善臨床結局，他們指出，AI發現的化合物與傳統方法發現的分子在進展率上並無顯著差異。III期資料可能僅體現出試驗周期的縮短，而非療效的提升。預測二：監管指南正式落地實施FDA的AI指南草案有望在2026年定稿，要求申辦者為高風險AI應用制定可信度評估計畫，並提交關於模型架構、訓練資料及治理機制的詳細檔案。歐盟AI法案的高風險條款將於2026年8月2日生效，部分藥物研發AI可能被歸類為高風險應用。這為在監管關鍵應用中使用AI的製藥企業設定了新的合規要求，但監管場景下AI模型驗證的具體要求仍未明確。製藥企業正等待分類標準的進一步明確，以區分“低風險”的早期發現工具與影響監管申報的“高風險”應用。該指南重點關注影響監管決策的AI應用，明確將早期發現排除在外。這意味著目前大多數AI藥物發現應用均不在監管範圍內。預測三：投資理性取代市場狂熱市場預測顯示，AI藥物發現市場規模將從2025年的約50-70億美元增長至2026年的80-100億美元，部分估算表明，生成式AI有望為製藥行業整體帶來每年600-1100億美元的價值。然而，2025年的市場趨勢顯示，小型AI藥物發現企業正面臨生存壓力。多家企業儘管獲得了大量資金支援，仍徹底倒閉；另有企業宣佈裁員20%以上，部分企業則尋求退市。風險投資仍集中在資金充足的頭部企業，而小型企業則舉步維艱。預計市場整合將持續，實力較強的企業將收購陷入困境的資產，而弱勢企業將徹底退出市場。預測四：早期發現周期縮短，但臨床階段無加速AI驅動的工作流程將顯著縮短早期發現周期30%-40%，並將臨床前候選藥物研發時間縮短至13-18個月（傳統方法需3-4年）。抗體設計領域的進展顯示，命中率達到16%-20%，遠超0.1%的傳統計算基準，這是靶點到候選藥物轉化效率的真正進步。然而，臨床試驗持續時間、監管審查周期及生產規模化處理程序仍未改變。生物學特性、患者招募及監管要求構成了AI無法繞過的剛性約束。“藥物研發速度提升10倍”的說法，混淆了臨床前階段加速與整體研發周期的概念——這種誤導性表述損害了行業可信度。AI在早期發現階段展現出可量化的價值，但並未從根本上改變製藥研發的經濟模型。該技術僅縮短了多年研發流程中的一個環節，並未改變瓶頸步驟的效率。預測五：強化學習智能體變革科學工作流程一個重要的新興趨勢是，將帶可驗證獎勵的強化學習（RLVR）應用於訓練能夠自主完成多步驟研究任務的科學智能體。與依賴專家演示資料集的監督學習不同，RLVR通過計算驗證（如程式碼執行或實驗驗證）提供客觀獎勵訊號，指導智能體訓練。目前，多家機構正部署將大型語言模型與強化學習相結合的框架，實現文獻綜述、假設生成、實驗設計、資料分析及結果總結的自動化。這些系統採用多輪互動環境，智能體採取行動、接收反饋，直至完成任務。訓練架構將模型部署與智能體邏輯分離，實現平行執行和規模化部署，避免依賴衝突。關鍵技術創新：該架構由三個要素組成——模型（封裝推理端點）、資源（提供工具實現和驗證邏輯）、智能體（協調互動過程）。這種分離使智能體能夠非同步呼叫模型進行推理、呼叫資源執行工具，打造真正自主的科學助手。實際應用：科學強化學習（RL）環境目前已覆蓋數學、科學文獻研究、分子克隆問題及多步驟科學問題求解。經RLVR訓練的智能體能夠將預訓練階段習得的技能組合成新的工作流程，實現特定科學目標——這是單純監督學習無法實現的能力。關鍵侷限：當前自主系統擅長執行預定義的實驗方案，但在初始假設失敗時，缺乏創造性問題解決能力。人類科學家在戰略決策和處理意外結果方面仍不可或缺。此外，基於RLVR的訓練方法在初期可能學習進度緩慢，後期才呈現陡峭的學習曲線——這種模式需要足夠的耐心和計算資源支援。預測六：自主實驗室加速擴張，但仍處於實驗階段自動駕駛實驗室將迅速普及，多家機構將部署機器人設施，並為自主實驗室籌集大量資金。這些“閉環”系統通過24小時不間斷運行實驗，加速設計-合成-測試-學習周期。AI的應用也將從發現階段延伸至臨床試驗營運領域。然而，自主實驗室尚未展現出獨立發現經驗證藥物候選物的能力。濕實驗室機器人與干實驗室AI的整合在組織層面仍面臨複雜性，需要大量資本投入，只有資金充足的企業才能承受。侷限：儘管強化學習智能體取得了進展，但執行方案與真正科學發現之間的差距依然存在。該技術僅加速了迭代過程，無法替代科學洞察力。預測七：地緣政治緊張背景下，中國AI保持領先地位中國AI藥物發現企業將繼續保持優勢地位，其在全球生物技術授權交易中的佔比已從2023-2024年的21%提升至2025年第一季度的32%。然而，地緣政治緊張、資料安全擔憂及監管審查帶來了巨大不確定性。部分重大合作公告涉及的企業成立時間較短，公開業績記錄有限。西方企業在華投資面臨嚴格審查。風險評估：西方製藥企業在獲取中國AI能力與管理地緣政治、監管風險之間面臨艱難權衡。預測八：蛋白質結構預測走向成熟，但未能解決藥物發現核心難題先進的蛋白質結構預測模型在預測蛋白質、DNA、RNA及配體相互作用方面，較傳統方法提升了50%以上。新模型將能力延伸至結合親和力預測，成為成熟的量產技術。然而，精準的結構預測並不意味著靶點可成藥或分子研發成功。當前模型在處理構象變化方面仍存在困難，且存在持續偏差。競賽結果顯示，新模型在蛋白質-配體相互作用預測上並未顯著優於舊方法。核心洞察：最優應用方式是將AI與基於物理學的最佳化相結合，而非單純依賴預測。結構預測是藥物發現成功的必要條件，但並非充分條件。預測九：資料質量仍是主要障礙對科技高管的調查顯示，68%的受訪者認為資料質量低下和治理不善是AI項目失敗的主要原因。由於成本、隱私法規及資料共享限制，具有生物、藥理學和臨床註釋的高品質、嚴格篩選資料集依然稀缺。聯邦學習平台將逐步興起，通過隱私保護架構整合專有資料。然而，技術挑戰包括跨機構資料標準化、智慧財產權問題及計算基礎設施需求。客觀侷限：行業面臨的根本挑戰並非演算法複雜度，而是資料可獲得性。這一障礙在2026年不太可能完全解決，但聯邦學習方法可能帶來階段性進展。預測十：首個AI發現藥物有望獲批，但並非確定無疑若2026年推進監管申報並獲得FDA優先審查，首個AI發現藥物可能在2026年末或2027年初獲批。更現實的獲批時間範圍是2027-2028年。許多“AI發現”藥物仍涉及大量人類干預，導致成果歸屬難以界定。獲批之時，也不會在一夜之間變革藥物研發，但將驗證AI作為合法發現工具的價值。在獲批之前，整個領域仍處於“概念驗證”階段。無論多少合作、融資或會議報告，都無法替代監管批准和商業成功。結論：審慎樂觀2026年是AI藥物發現的關鍵考驗之年。該領域已從投機性技術發展至早期臨床驗證階段，但承諾與表現之間的差距依然顯著。III期結果將決定AI能否大規模產出有效藥物，而非僅僅縮短臨床前周期。對於我們這些為科學工作流程開發AI應用的人而言，核心資訊十分明確：專注於特定流程的可量化改進，而非宣揚革命性突破。AI縮短了早期發現周期，提高了特定應用的命中率，實現了複雜生物資料分析。能夠自主進行科學推理的強化學習智能體的出現，標誌著自動化能力的真正進步。這些有價值的貢獻，值得行業持續投入。然而，AI尚未解決臨床驗證、監管批准和商業成功的根本挑戰。這項技術是強大的工具，而非萬能藥。 (智藥局)

周四晚間，美國總統川普總統推出了一個官方低價出售常用藥品網站，允許人們直接購買處方藥，“不讓中間商賺差價”，這是他為解決美國人對藥品價格承受能力的擔憂而採取的舉措之一。“這可是件大事。人們將節省很多錢，而且還能保持健康，”川普在宣佈這項新計畫的活動上宣稱。此前，他與16家全球最大的製藥公司達成協議，以“最惠國”價格向美國人提供藥品，換取美國關稅豁免。受此消息影響，日本製藥公司股價周五在東京早盤交易中暴跌。住友製藥股價下跌4.5%，羅氏旗下中外製藥股價下跌3.1%。日本最大的製藥公司武田製藥股價下跌1.5%。整個製藥類股下跌1.6%，成為東京證券交易所 33 個行業子指數中表現第二差的類股。折扣價低至一折在新聞發佈會上，美國醫療保險和醫療補助服務中心主任梅赫邁特·奧茲博士表示，由於GLP-1藥物價格更低，“美國今年將節省約1億英鎊”。談到價格更親民的生育藥物，奧茲打趣道：“照這個價格，我們以後會有很多孩子出生。”該網站旨在成為一個競爭性的市場，讓美國人無需使用保險即可直接從藥品製造商處購買某些藥品，並享受川普政府協商的折扣價格。“尋找全球最低處方藥價格”，TrumpRx.gov網站上這樣寫道。該網站提供搜尋功能，使用者可以輸入處方藥名稱查看搜尋結果。該網站首席設計官喬·格比亞帶領大家瀏覽了該網站，建議使用者尋找更便宜的藥品，然後列印優惠券並帶到藥店購買更便宜的藥品。奧茲指出，使用該網站是免費的。他說：“你可以查看所有價格，以後買藥之前至少應該先查看一下這些藥物是否有折扣價。”從網站提供的熱門減肥藥沃克維、司美格魯肽、替爾泊肽的價格對比來看，TrumpRx.gov網站提供的售價確實很低，折價幅度最大的只有原始價格的11%左右。預測美國價格下降，全球價格上漲川普承諾美國藥品價格將會下降，同時預測全球藥品價格將會上漲。總統說：“美國將付出比其他任何國家都低的代價。”“我們將支付全球最低價格。因此，在很多情況下，藥品成本對他們來說會翻倍甚至三倍，但對美國來說，藥品成本卻會大幅下降。”川普抱怨美國每年“花費數千億美元”補貼其他國家的藥品費用，並誓言要結束這種情況。白宮在一份情況說明書中表示，本屆政府已經與五家大型製藥公司達成協議：阿斯利康、禮來、EMD Serono、諾和諾德和輝瑞。該公告指出，美國人將看到“全國40種最受歡迎、最昂貴的品牌藥品價格大幅下降”。總統大力推廣該網站，這是他“偉大醫療保健計畫”的重要組成部分。“你們將會看到一些你們難以置信的數字，”川普說。“長期以來，美國人支付的藥品價格是全世界最高的，而其他國家購買同樣的藥品往往只需花費幾美分。”醫療保健成本一直是美國民眾長期關注的問題，共和黨人正尋求在11月中期選舉前降低醫療保健成本的途徑。降低藥品價格是本屆政府應對高昂生活成本計畫的重要組成部分。“各位——你們將會省下一大筆錢，”川普說。或引發美歐醫藥股暴跌美國政府大力宣傳其降低藥品成本的努力，包括與十幾家全球最大的製藥公司（包括禮來公司、諾和諾德公司和輝瑞公司）談判達成協議，通常以降低威脅徵收的關稅為交換條件。該網站能否大幅降低藥品成本，並吸引大量美國人用現金而非通過保險購買藥品，還有待觀察。川普在今年早些時候發佈的一段視訊中宣佈了他的政府計畫中的醫療保健框架，稱政府的目標是在1月底前推出該網站。2025年7月，川普致函包括禮來公司、諾和諾德公司和輝瑞公司在內的17家全球最大的製藥公司，要求它們立即降低現有藥物向美國醫療補助計畫（Medicaid）收取的費用。他還要求它們保證未來上市的藥物價格與海外價格持平。他給了這些公司60天時間自願遵守規定，並威脅說，如果他們不遵守，將“動用一切手段來保護美國家庭免受持續的濫用藥品定價行為的侵害”。此舉曾一度導致美國和歐洲的製藥股暴跌。製藥行業長期以來一直反對將藥品價格與全球價格掛鉤，認為這會威脅到美國多年來在生物醫學研究領域的主導地位，削弱研發新療法的動力，並阻礙患者獲得所需的藥物。製藥企業高管敦促政府將注意力轉向藥品供應鏈中的中間商，這些中間商代表僱主進行價格談判。多年來，川普一直抨擊美國與國外藥品價格的差異。在他第一任期內，他簽署了一項類似的行政命令，試圖以此與製藥公司進行談判，但這項努力最終因法律挑戰而失敗。川普重申了要約束藥品福利中間商、追究逃避責任的外國的呼籲，並提出了在與中國的競爭中失去陣地的擔憂，這是他所關注的一個領域。“在中國有可能在生物製藥領域超越美國之際，我們需要確保美國繼續成為世界上最具吸引力的創新藥物研發地，”川普說。川普對製藥商的要求有以下幾點：1、以最惠國待遇價格向所有參加美國醫療補助計畫（Medicaid，美國政府為低收入美國人提供的項目）的患者提供其全系列藥品。2、保證所有新上市藥品向參加醫療補助計畫、醫療保險計畫和商業保險計畫的患者提供的最低最惠國待遇費率。3、加強與那些“搭便車的外國”的談判，這些國家支付的藥品費用較低，並通過與政府達成明確協議，將這些節省下來的資金以降低美國人藥品價格的形式返還給美國。4、為消費者和企業提供直接購買目前可從藥品管理機構獲得大幅折扣的大宗藥品的機會，以便所有美國人都能獲得與第三方支付方相同的低價。 (美股財經社)

醫藥圈被刷屏了。1月30日，石藥集團宣佈與阿斯利康達成戰略合作，利用自身緩釋給藥技術平台和多肽藥物AI發現平台，共同開發創新長效多肽藥物。根據該協議的條款，預付款達12億美元，潛在總交易金額最高可達185億美元。185億美元總包金額，不僅刷新中國創新藥BD出海紀錄，也是全球有關AI藥物研發合作的最高紀錄。從新聞本身來看，這幾乎是一個無可挑剔的利多。創新藥出海、重磅BD、AI製藥、多肽減肥藥.....放在全球任何成熟的資本市場，每一個關鍵詞都足以點燃行業乃至資本市場的興趣。就在合作公告當日，石藥集團股價大幅下跌10.2%，與利多消息形成強烈反差。老牌仿製藥轉型，重壓AI事實上，這已經是近半年阿斯利康與石藥的第二次AI平台合作。2025年6月，雙方達成一項總額高達53.3億美元的合作協議，利用石藥集團的AI驅動高效藥物發現平台，共同發現和開發新型口服小分子候選藥物。兩項基於AI平台的重大合作，充分證明了其AI藥物研發平台的技術實力已獲得全球頂尖藥企的認可。近年來，作為仿製藥起家的老牌藥企，石藥加大了對AI平台的投入，加速創新藥轉型。目前，石藥集團已建構起以AI驅動的高效藥物發現平台。該平台利用AI技術分析靶點蛋白與化合物的結合模式，並進行針對性最佳化，從而顯著提升候選分子的篩選效率和成功率。目前，該平台產出的候選藥物YS2302018（脂蛋白（a）抑製劑）和SYH2039（GLP-1受體激動劑）已分別授權給阿斯利康和百濟神州。這不僅彰顯了平台的技術成熟度，也為公司帶來了巨額的授權收入。而為瞭解決從AI分子設計到實驗驗證的中間環節瓶頸，石藥集團在2025年投入建設了全自動化的AI實驗室。公司稱，通過引入機械臂等自動化裝置，實現了小分子化合物合成的無人化操作。實驗資料顯示，AI技術將新藥早期發現時間縮短了30%，研發成本降低了近50%，並將化合物篩選的精準率提升了3倍以上。而本次與阿斯利康的合作也建立在遞送技術與多肽藥物AI發現平台之上。多肽分子設計空間巨大，傳統試錯成本極高，另一方面，其成藥性、安全性、遞送方式又高度複雜，靠單一經驗很難系統最佳化。而AI能夠在龐大的組合空間中，針對藥物靶點快速設計及篩選候選分子，並可在藥效、選擇性與訊號偏向性等維度進行系統最佳化。傳統藥企，正在集體轉向AI從全球製藥工業的視角看，AI 在藥物研發中的角色已經發生了變化。過去，AI更多被當作一個工具，如今AI正在逐漸成為企業規模化創新的基礎設施。不只石藥集團，已經有多個老牌藥企開始集體押注AI平台，加快研發速度。例如，和鉑醫藥發佈全球首創的全人源重鏈抗體（HCAb）大模型，同時還將打造一個AI驅動、自動化的端到端Idea-to-Clinical平台，加速抗體藥物研發。復星醫藥則投入大量資源研發引入了基於ChatGPT的高效AI工具PharmAID，打造更智能更高效的工作環境，同時深度合作了英矽智能等AI研發企業。百濟神州作為國內唯一建立功能基因組學平台的藥企，整合了CRISPR篩選與AI靶點預測技術，用於基因編輯療法研發。康龍化成則完成海心智惠的控股，獲得高品質患者資料與AI技術平台，拓並助推康龍創新藥研發服務能力和體系的數智化升級。One more thing這次大額BD消息公佈本應是一個好事，但是卻引發了投資人的不滿。石藥跟阿斯利康的BD，在消息公佈前兩個多月股價就開始猛漲50%左右， 到了今天正式公佈這個BD的時候，開盤股價竟然直接跌12%。這一現象引發了投資人的各種猜測。要知道，此前就曾出現在2025年中報中的“預告式BD”，引發了行業對於上市公司資訊披露規則的熱議。另一種儘管阿斯利康12億美元預付款確實可觀，但後續高達173億美元的里程碑付款和銷售分成，兌現條件極為苛刻。這些款項的支付完全取決於項目後續的臨床開發、監管審批和商業銷售成功，任何環節的失敗都可能導致大部分款項無法到位。市場更願為確定的現在付費，而非遙遠的“潛在”交易額。 (智藥局)