•
AI醫療：暴力破解創新藥，人類突破長壽極限
AI正在全方位重構生命科學。
這是一場醫藥研發效率的革命。過去傳統藥物研發受困於三個十定律，耗時10年、花費10億美金，但是僅10%成功率。而今，以AlphaFold為代表的AI模型，將新藥研發的試錯成本、時間大幅降低，效率大幅提升。
AI的觸角已不再侷限於實驗室，更延伸至手術機械臂、醫學影像、數位化診療等領域。創新藥、醫療影像、手術機器人，都是全新的醫療新質生產力。
如果說AI拓展了人類的智力邊界，那麼AI醫療則通過破解生命密碼，拓展了人類的生命長度。活得長，活得好，AI正在重塑人類的生命極限。
1 全球AI醫療加速爆發，創新藥領跑
全球AI醫療市場規模加速擴容。行業呈現三大特徵：
一是全球科技巨頭入場，算力成為新醫療的“水電煤”。 以輝達、Google、微軟為代表，正在從底層重構醫療基礎設施。比如輝達推出的BioNeMo平台，已成為全球生物醫藥的算力引擎，提供給安進、羅氏等頂級藥企使用；Google的DeepMind發佈的AlphaFold 3，進一步破解了生命分子的結構預測難題，被視為生物學界的ChatGPT時刻。
二是融合。IT資訊技術+BT生物技術深度融合，交易與合作跨越國界。2025年全球AI醫療相關融資與併購交易額突破新高。
跨國藥企如賽諾菲、輝瑞狂砸數十億美元與AI初創公司繫結。比如賽諾菲與AI生物技術公司Earendil達成高達25億美元的合作，利用AI平台開發針對自身免疫疾病的雙特異性抗體。與Atomwise達成潛在價值超10億美元的合作，利用其AtomNet深度學習平台，在缺乏歷史資料的情況下進行小分子藥物設計。2025年12月擴大與Dren Bio的合作，總值17億美元，開發B細胞耗竭療法，與韓國ADEL公司達成10.4億美元協議，佈局阿爾茨海默症AI藥物。
科技公司通過AI大模型直接切入臨床診療與醫院管理。比如微軟大規模推廣其Dragon Copilot，一個環境感知AI，通過醫患對話，自動生成符合醫療標準的結構化電子病歷。最終將Copilot深度整合進全球最大的電子病歷系統Epic和Microsoft Fabric醫療資料分析平台。
三是應用場景從單點突破走向全面。不僅是AI創新藥研發，在全球範圍內，AI醫學影像、AI手術機器人正在同步發展。
在此浪潮下，中國力量正在崛起。按NextPharma中國創新藥出海資料，2025年交易總額1356億美元，首付款70億美元，交易總數157起，較2024年的519億美元大幅增長161%。其中，雙抗、ADC、GLP-1等前沿領域是交易熱點。
AI創新藥可針對的病種範圍廣。一是針對腫瘤領域，針對肺癌、乳腺癌等實體瘤，AI 通過靶點預測、分子動力學模擬最佳化雙抗與ADC的分子結構及偶聯策略，提升對癌細胞的靶向殺傷潛力。二是針對神經系統的阿爾茨海默症、帕金森等退行性疾病，AI設計出能穿透血腦屏障的分子，突破藥物入腦瓶頸，解決長期缺乏有效療法的難題；三是針對代謝與慢病，比如在GLP-1的減肥、糖尿病降糖賽道，AI正加速通過虛擬篩選、生成式模型快速發現高活性候選分子，將藥物從注射迭代為口服小分子，最佳化用藥方案；四是針對自身免疫與炎症，如紅斑狼瘡、潰瘍性結腸炎等複雜疾病，AI通過模擬免疫通路網路，篩選高特異性分子，有望替代傳統激素療法。五是針對感染性疾病，如耐藥菌、新發病毒等，AI能快速預測病原體變異，縮短廣譜疫苗與特效藥的研發周期；六是針對罕見病，孤兒藥研發，AI通過整合小眾靶點與單病例多組學資訊，極大降低試錯成本，讓罕見病逐步有藥可醫。
AI創新藥應用空間大。AI創新藥正在從早期的靶點發現、化合物篩選，向臨床試驗設計、患者入組篩選等後端環節全產業覆蓋。為癌症、神經退行性疾病等人類頑疾的治療帶來新曙光。
AI創新藥效率高。 傳統醫藥研發麵臨三個十定律：一款新藥研發要耗時10年、耗資10億美金、成功機率只有10%。又慢、又貴、又難。AI技術將試錯成本大幅降低，藥物研發效率指數級提升。
政策鼓勵AI技術應用到醫療領域：
一是國家頂層戰略設計支援。2025年五部門聯合印發《關於促進和規範“人工智慧+醫療衛生”應用發展的實施意見》，促進AI醫藥醫療從技術創新到商業落地。2024年7月《全鏈條支援創新藥發展實施方案》明確提出要利用人工智慧、巨量資料等技術賦能藥物研發，旨在降低研發成本、縮短研發周期，強調要統籌公共和私人部門資源，推動資料資源共享，涵蓋了研發、審批、進院、支付的全鏈條。2025年4月工信部、衛健委等七部門聯合發佈《醫藥工業數智化轉型實施方案（2025—2030年）》明確提出到2030年，規上醫藥工業企業基本實現數智化轉型全覆蓋。要借助AI輔助靶點篩選、化合物合成路徑預測等技術革新傳統研發模式。
二是打通了創新藥從研發到用藥的閉環。過去，AI創新藥，特別是First-in-Class，往往研發成本高、技術附加值高，因此上市初期定價較高。在傳統的按病種付費模式下，醫院治療一個病人的總費用被封頂了。如果醫生開了AI創新藥，可能直接導致該病例虧損。結果就是：藥雖好，但醫生不敢開，醫院不敢進。針對進院難問題， 2025年12月落地的“基本醫保+商保”雙目錄模式，建立了三除外機制：不計入藥佔比、不計入醫保總額、不納入DRG/DIP控費。這意味著，未來高價值的AI創新藥有了獨立的支付通道。
三是地方政策支援。 2025年，地方政府開始給出真金白銀的補貼。北京、上海等地設立生物醫藥專項產業基金，明確對AI製藥平台的算力成本給予直接補貼。利潤北京發佈的《高精尖產業發展資金實施指南》，推出算力補貼，支援企業租用算力進行模型訓練，補貼金額最高可達實際算力費用的20%，單家企業最高補貼3000萬元。上海提供模型補貼，最高500萬元；算力市級最高30%租金補貼，市區協同可實現1年、最高100%租金補貼。《上海市發展醫學人工智慧工作方案》中明確支援將AI深度融合入臨床診療和藥物研發全流程。
四是鼓勵創新藥出海。支援本土企業開展國際多中心臨床試驗，推動國產創新藥在歐美發達國家同步研發與上市。2025年，License-out對外授權持續成為中國創新藥國際化的主流模式之一，全年對外授權交易總額創歷史新高，同時聯合開發、自主出海等深度合作模式快速興起。比如上海部分區的政策，對取得美國FDA或歐盟EMA註冊批件並實現銷售的創新藥，最高可給予1000萬元支援。
在此背景下，一批中國領軍的AI創新藥企業跑出來了：
比如英矽智能的全球首款由AI設計的治療特發性肺纖維化藥物，已在2025年完成2a期臨床研究並取得積極結果，驗證了AI製藥的臨床有效性。英矽智能2026年1月在港交所上市，2025年11月與禮來達成了一項潛在價值超1億美元的合作。
再比如晶泰科技旗下專注於生物藥研發的AI雙抗研發平台Ailux，實現了從傳統的小分子AI研發向更複雜的大分子抗體AI研發。2025年11月，禮來與晶泰科技達成最高總價值3.45億美元的合作，利用Ailux平台發現和開發雙特異性抗體。
恆瑞通過自建AI藥物設計中心，利用AI模型最佳化ADC抗體偶聯藥物的連接子與載荷結構。2025年成功將多款AI輔助研發的ADC創新藥授權給默克。
2 AI創新藥的科學原理和客觀挑戰
傳統的新藥研發像“在大海裡撈針”，而AI技術介入，將這一過程徹底轉變。AI通過深度學習、生成式模型等技術，從根本上重構了藥物發現的底層邏輯：從只能做實驗轉向了巨量資料驅動發現。
先要搞懂藥物研發的基本邏輯。以癌症為例，癌症就像身體裡的一把“鎖”壞了，這就是“靶點”，我們需要造一把“鑰匙”去修好它，這就是“先導化合物”。
在傳統製藥邏輯下，這極其困難：首先，你很難看清“鎖”的內部結構，尋找靶點難度極大；其次，為了配鑰匙，科學家只能在浩如煙海的已知化合物庫裡，大海撈針，一個個去試，去篩選。這有點像碰運氣、試錯，效率很低。
現在，AI在3個環節發揮了革命性改變：
第一步是解決了“找準鎖”的問題。藥物研發的核心靶點大多數都是蛋白質，只有搞清楚了蛋白質的3D結構，才能設計出完美匹配的藥物分子。以前科學家要弄清蛋白質3D結構非常難，現在像Google旗下的DeepMind開發的AlphaFold這樣的AI模型，能夠以高精準性預測蛋白質的三維結構，有效地解決了蛋白質折疊問題這個過去的重大挑戰。這就相當於AI幫我們開了天眼，直接看清了“鎖芯”靶點的構造。
第二步是解決了“配鑰匙”的問題，這就是AI分子設計，更對症下藥、“配鑰匙”的效率更高。理論上存在的化合物數量無窮大，甚至超過宇宙中的原子數量，人類無法窮盡篩選。有了AI技術，就不需要再去大海撈針了。利用生成式AI、採用“藥物從頭設計”的方法，模型可以根據靶點結構，生成全新的、從未存在過的分子結構。設計出數百萬種候選分子，並篩選出結合力最強的前幾十種，直接跳過了傳統長達3-5年的篩選期。這就相當於把開鎖的鑰匙也就是治療絕症的創新藥直接造出來了，這種方法更直接、更快、成本更低。
第三步是用AI給創新藥物“排毒”。很多藥進到人體內有毒，或者根本無法吸收。這是新藥研發失敗率最高的關節。AI利用深度學習演算法，基於歷史藥物資料庫，預測新分子的ADMET性質，即吸收、分佈、代謝、排泄、毒性。AI能計算出藥是否會導致肝毒性或心臟副作用，從而在早期淘汰掉90%的不合格分子，極大地節省了後期臨床試驗的成本。
也就是說AI創新藥的本質，是將微觀世界的生物學問題（蛋白質與分子的相互作用），轉化為電腦領域的數學問題（高維空間的特徵匹配）。
過去傳統模式其實及時不斷試錯，要合成成千上萬個化合物，挨個在實驗室裡試，看那個能起作用。效率極低，成功率僅為0.01%。
現在AI模式是學習海量的生物醫藥資料，包括基因組學、蛋白質結構、臨床資料，建構出人體生物系統的數字孿生模型，在虛擬空間中先完成篩選和驗證，再回到實驗室確認。
儘管前景廣闊，但我們必須清醒地認識到，AI製藥還有三座大山要翻越：資料、黑箱、臨床。
第一座大山是製藥資料質量。AI的燃料是資料。公開資料庫中的資料往往不完整，而且因為實驗標準不一、一致性差，“喂”給AI的“口糧”質量不高，將會影響AI模型訓練效果。
第二座大山是AI製藥模型。現有的深度學習模型很多是“黑箱”，擅長髮現“相關性”，但難以確定“因果性”。而製藥是容錯率最低的科學，關係人的安全，行業正在向可解釋性AI演進，確保藥物研發知其然、更知其所以然。
第三座大山是臨床試驗。AI目前只是加速了前期藥物發現，但它能否通過臨床試驗，大規模用在人身上，還需要時間的檢驗。通過數位化臨床試驗提升患者招募與資料匹配效率，已成為行業突破口。
3 未來AI醫療的四大突破性機遇
3.1第一大機遇：AI製藥、創新藥
未來AI醫療的第一大應用是：AI輔助藥物發現。這是目前醫藥領域壁壘最高、且最具爆發力的應用場景。
隨著生成式AI的成熟，藥物研發將徹底告別碰運氣時代。
第一，從市場規模看，AI製藥具有兆級經濟空間。癌症、阿爾茨海默症等絕症是人類壽命的攔路虎。AI通過精準找靶點和分子生成，將攻克這些曾經無藥可醫的疾病。未來，人類壽命上限有望突破120歲，由此衍生的抗衰老、健康管理市場規模巨大。
第二，AI製藥也是醫藥工業化的最強驅動。AI介入之前，製藥是手工作坊式的。但AI改變了整個行業的生產邏輯：為了篩選最佳分子，需要計算數億種可能性。這迫使藥物研發必須像流水線一樣高效。
目前的AI製藥供應鏈主要分為三個關鍵環節：
環節一：算力與演算法基建。這一環節的企業提供核心動力。參與方包括晶泰科技、英矽智能等平台型獨角獸，以及華為等科技巨頭提供的底層算力支援。
環節二：創新藥Biotech企業。這是產業鏈中彈性最大的環節。利用AI平台開發出First-in-class管線，進行臨床驗證。
環節三：CXO研發外包。負責高效率的合成與測試。AI技術帶來的研發爆發，具備高端測試能力的CXO龍頭的效率將大幅提升。
3.2第二大機遇：AI精準診斷、醫療影像與基因測序
未來AI醫療的第二大應用是：AI精準診斷。
AI賦能醫療影像能夠解決兩大痛點：
一是解決醫療資源不均問題。中國醫療資源分佈極度不均，三甲醫院人滿為患，基層醫院門可羅雀。AI通過學習千萬級病例，其閱片精準率已媲美專家。未來，AI影像裝置能以專家級的水平自動讀片、診斷，覆蓋更多基層醫療機構。
二是裝置軟硬體一體化。未來的CT、MRI不再只是成像工具，而是整合了診斷功能的智能終端。聯影醫療、邁瑞醫療等企業正在加速這一處理程序，將AI能力下沉到縣鄉一級，解決基層“有裝置、無人懂”的痛點。
除了影像，AI也在重構基因測序。AI能加速測序流程，提升測序精度。2025年美國人類遺傳學學會上，GoogleDeepVariant的AI演算法與華大智造的DNBSEQ-T1+測序平台結合。傳統測序在均聚物等複雜區域極易出錯，而AI專項模型將這些區域的錯檢位點數量直接降至近乎為零，這意味著無數曾經被漏診的遺傳病因現在能被精準捕捉。
3.3第三大機遇：AI醫療資訊化，超級醫療APP
未來AI醫療的第三大機遇是：臨床決策支援、醫療資訊化、醫療巨量資料、超級醫療APP。
隨著通用大模型技術的成熟，醫療資訊化正迎來從傳統的資料儲存、流程管理向深度資料價值挖掘轉變，讓應用場景深化。 AI不再侷限於單一的輔助診斷，開始全面滲透至電子病歷整合、個性化健康諮詢、以及醫院精細化管理等核心環節。通過連接院內異構資料與健康應用，AI能夠生成個性化健康建議，顯著提升醫療服務的可及性與效率。
AI也能推動臨床決策的智能化。 面對海量的醫學文獻和不斷更新的診療指南，醫生很難憑藉人腦完全掌握。AI大模型天生擅長處理文字，能即時輔助醫生制定最佳診療方案，減少誤診漏診。
2026年也是全球AI醫療商業化落地的關鍵。一方面，OpenAI等全球領軍企業推出針對醫療健康的垂類應用。如ChatGPT Health，加速了行業標準的形成；另一方面，國內網際網路大廠如百度、騰訊、阿里等積極佈局“醫療+AI”，C端使用者規模快速增長，驗證了AI醫療深度融合的商業邏輯。比如螞蟻阿福，自2025年6月正式發佈以來快速崛起，提供健康科普、報告解讀、就診諮詢等上百項AI服務，更實現使用者規模的快速突破，截至2025年12月月活躍使用者已突破1500萬，單日使用者提問量超1000萬。
3.4 第四大機遇：AI手術機器人，精準醫療
未來AI醫療的第四大機遇是：AI賦能的手術機器人。
直覺外科是全球手術機器人的代名詞，其最新一代系統達文西Da Vinci 5(DV5)標誌著行業正式進入AI時代。DV5最核心的升級不在機械臂，而在算力。其搭載的計算能力是上一代的10000倍。這種算力冗餘是為了未來搭載高耗能的即時AI模型，實現術中即時導航、自動組織識別。達文西系統還能夠智能手術分析，這就不僅僅在做手術，還在記錄手術。它能捕捉並分析人體組織對器械的反饋資料，如牽拉力度、切割阻力等，結合AI演算法，術後生成手術績效報告。這相當於給醫生配了一個AI教練，告訴醫生那裡用力過猛、那裡操作可以更高效。
新系統還配有Iris AI影像分割，就是利用AI技術將患者術前的CT/MRI掃描資料轉化為高精度的3D模型。醫生在手術中可以在控制台上調出這個3D地圖，像開車看導航一樣避開關鍵血管和神經。
此外，強生等企業也有AI手術平檯布局。強生的Monarch平台實現電磁導航與AI融合，在支氣管鏡手術中，肺部結構像迷宮一樣複雜。Monarch利用AI演算法結合術前CT，生成一條虛擬路徑，即時引導軟體導管抵達肺部深處的微小結節。
美敦力收購了Digital Surgery公司，專注於手術視訊的AI分析。系統會自動將長達數小時的手術視訊切片，識別出切皮、縫合、止血等關鍵步驟，並對醫生的操作規範性進行打分。
AI輔助手術機器人，一是突破人類操作極限。傳統外科手術依賴醫生的手眼配合，受限於生理抖動和視野死角。AI與機器人的結合，利用電腦視覺和力反饋技術，能夠實現微米級的操作精度，讓複雜的高難度手術變得標準化。二是遠端醫療的物理載體。結合5G、6G低時延網路，AI手術機器人讓北京的專家可以為邊疆的患者進行即時手術。這將徹底重構醫療服務的地理邊界。
AI醫療已不再是遙遠的技術概念。未來十年，誰能率先用AI跑通“研發-臨床”，誰就掌握了通往長壽時代的藥匙。 (澤平宏觀)