AI重塑生命科学：从AlphaFold到AI原研药
发布日期：2026-08-20
一、生命科学的"双十定律"困境
一款新药从实验室走向药房，传统上要遵守残酷的"双十定律"：平均耗时10年、耗资10亿美元，且临床失败率高达90%。在这条漫长的链条上，最昂贵的不是化学本身，而是"试错"——研究人员要从上亿个化合物中盲筛，为了看清靶点蛋白长什么样，还得借助冷冻电镜、X射线晶体学等复杂手段做结晶、拍照，仅解析一个蛋白质结构往往就要花一年以上时间和数十万美元。
生命系统的复杂性远超人脑能处理的范围：一个蛋白质折叠成三维结构的方式呈指数级组合，基因调控网络纵横交错，疾病往往是数百个基因与环境的交互结果。这恰恰是AI的用武之地——处理高维组合爆炸问题，正是深度学习的看家本领。2026年上半年，全球已有170余条由AI设计或优化的药物管线进入临床阶段，其中十余款推进至III期临床；自2019年以来，全球AI制药累计融资已突破600亿美元。
二、AlphaFold革命：给生物学装上"眼睛"
2021年，DeepMind的AlphaFold 2在国际蛋白质结构预测竞赛CASP14上以碾压性优势夺冠，把"从氨基酸序列预测蛋白质三维结构"这一困扰生物学界50年的难题基本解决。2024年，这项工作获得诺贝尔化学奖。截至目前，AlphaFold数据库已收录超过2.41亿个预测蛋白质结构——几乎覆盖了科学界已知的所有蛋白质——免费向全球开放，相当于为药物研发者提供了一张"人体细胞三维全景地图"。
2026年，AlphaFold的演进并未停止：
- 蛋白质复合物预测：DeepMind与EMBL-EBI、英伟达、首尔国立大学合作，对4777个蛋白质组完成了约3100万次复合物预测，释放了约220万个同源二聚体和约7.9万个高置信度异源二聚体结构，覆盖WHO优先关注的30个病原体蛋白质组。
- 组织形式升级：谷歌7月宣布拆分AlphaFold独立团队，将其能力纳入Gemini for Science体系，与AlphaGenome、UniProt等30多个生命科学数据库整合为可被智能体调用的"Science Skills"。
- 商业化延伸：AlphaFold 3不仅能预测蛋白质，还能预测蛋白质与DNA/RNA、小分子配体的复合物结构——这直接把它从"科学工具"推向了"药物设计引擎"。基于AlphaFold 3架构设计的候选药物已于2026年初进入I期临床。
AlphaFold的意义可以概括为一句话：它把结构生物学从"奢侈品"变成了"公共基础设施"。过去一个博士生五年解析一个结构，现在一个API调用只要几分钟。
三、AI制药产业链：五层架构全景
AI在生命科学的应用远不止"设计一个分子"，它正在重构从靶点到生产的完整链条。可以拆解为五层：
| 层级 | 核心任务 | 代表玩家 | 2026年状态 |
|---|---|---|---|
| 靶点发现 | 从海量文献与组学数据中锁定致病靶点 | 英矽智能Pharma.AI、BenevolentAI | 已成熟，TNIK等AI发现靶点进入III期 |
| 结构预测 | 解析蛋白质及其与配体复合物结构 | AlphaFold 3、RoseTTAFold | 基础设施化，并入Gemini for Science |
| 分子设计 | 生成式AI设计全新分子并优化成药性 | Isomorphic Labs、晶泰科技、Recursion | 首批AI原生候选药已进入I期临床 |
| 自动化实验 | 机器人湿实验闭环验证AI设计 | 晶泰自动化实验室、Emerald Cloud Lab | 快速升温，干湿闭环成为核心竞争力 |
| CMC工艺 | 把分子稳定、合规、规模化地做成药 | Genedata Vico、朗华制药、海尔生物 | 新热点，可回收80%批次失败损失 |
这五层中，越靠前（靶点、结构、设计）AI渗透越深、争议越小；越靠后（自动化实验、CMC工艺）越是当下价值兑现最快的洼地——因为不管前端AI产出多少候选分子，后端都必须有人把药真正做出来。
四、标杆案例：AI原研药走到哪一步了
英矽智能：全球首个AI全流程药物冲进III期
Rentosertib（ISM001-055）是治疗特发性肺纤维化（IPF）的小分子药物，从靶点发现到分子设计全部由生成式AI平台完成。AI翻阅全球数万篇生物医学论文，锁定了一个被人类忽视的靶点TNIK，随后像搭积木一样生成了能严丝合缝扣住它的小分子。关键数据：
- 从靶点发现到临床前候选化合物仅用18个月（传统平均4.5年）
- 合成测试分子不到80个（传统需筛选上千个）
- IIa期临床：60mg日服12周，患者用力肺活量平均提升98.4mL，安慰剂组则下降20.3mL（发表于Nature Medicine）
- 2026年7月正式启动320人III期临床，决定上市成败
Isomorphic Labs：AlphaFold的商业化衣钵
DeepMind创始人Hassabis创立的Isomorphic Labs，2026年5月完成21亿美元B轮融资，发布覆盖结合亲和力、隐蔽口袋识别等维度的Drug Design Engine（IsoDDE），与礼来、强生、诺华签下数十亿美元级合作。其基于AlphaFold 3管线设计的候选分子已于2026年1月进入I期临床，承诺年内实现"首批临床"目标。
晶泰科技 × 礼来：中国工程化能力被巨头买单
继2023年2.5亿美元AI小分子合作后，2025年11月晶泰科技与礼来再度携手，就AI赋能双特异性抗体达成3.45亿美元合作。礼来反复选择一家中国公司的原因，不在模型多炫，而在从分子设计到工艺可行性、放大生产预判的工程化落地能力。
五、mRNA肿瘤疫苗：AI个性化设计的终极考场
2026年8月19日，Moderna与默沙东联合宣布，其合作研发的个体化mRNA肿瘤疫苗intismeran autogene联合帕博利珠单抗（K药）的III期临床试验INTerpath-001达到主要终点：对比K药单药，联合方案显著延长了高危黑色素瘤患者术后的无复发生存期（RFS）和无远处转移生存期（DMFS）。这是全球首个在III期临床中成功的mRNA肿瘤疫苗，也是首个证明联合方案优于K药单药标准治疗的方案。Moderna盘前暴涨超100%，当日收盘涨逾170%。
intismeran autogene的原理正是AI个性化设计的典型场景：对每位患者肿瘤独有的基因突变组合进行分析，用AI算法筛选最具免疫原性的新抗原表位，再以mRNA编码这些表位，为每位患者定制一支"专属疫苗"。这一过程涉及AI在基因组变异识别、MHC结合亲和力预测、表位筛选优化等环节的深度参与，本质上是把AlphaFold式的"结构理解"与基因组学的"变异解读"合二为一，为每个肿瘤生成专属的治疗分子。
INTerpath-001试验纳入1100余名IIB-IV期完全切除的皮肤黑色素瘤患者。这是mRNA技术从传染病疫苗扩展到肿瘤治疗的里程碑事件——惠正奇创始人回爱民教授评价其为"全球范围内mRNA肿瘤疫苗的第一个三期临床试验，结果阳性"。两家公司还在肺癌、膀胱癌、肾癌等多个癌种中开展联合疗法试验，若后续获批上市，将开辟全新的个性化癌症治疗范式。国内惠正奇、云顶新耀等企业也在布局mRNA肿瘤疫苗，云顶新耀计划2026年第四季度开展EVM16的IIT Ib研究。
六、超越制药：AI生命科学的更多战场
药物研发是AI生命科学最大的舞台，但远非全部：
- 基因组学：DeepMind的AlphaGenome可预测全基因组范围内遗传变异对基因调控的影响，把"测序"推进到"解读"层面，为罕见病诊断和基因治疗提供导航。
- 基因编辑：AI大幅加速CRISPR向导RNA设计，脱靶预测模型让基因治疗的安全性评估从数周缩短到数小时。
- AI诊断：在医学影像（肺结节、眼底、病理切片）领域AI诊断准确率已比肩资深医师，并开始向多模态诊断（影像+病历+检验值）演进；国内AI辅助诊断软件已有数十款获批三类证。
- 蛋白质设计：从"预测天然蛋白"到"设计全新蛋白"（de novo design），AI可以创造自然界不存在的酶和疫苗抗原，mRNA疫苗序列优化、工业酶定制都已商业化落地。
- AI科学家：2026年涌现的Faraday等"AI科学家"模型在科研任务上开始超越通用旗舰模型，能够自主完成文献调研、假设生成甚至实验设计。
七、冷静看待：AI解决的是效率，不是成功率
狂热之下需要清醒的数据：BCG分析显示，AI发现的分子I期成功率约80%-90%，但II期成功率只有约40%，与行业平均水平相当。全球第一个进入人体的AI设计药物Exscientia的DSP-1181已于2022年终止，BenevolentAI的BEN-2293在2023年临床失败后裁员180人。
换句话说，AI目前主要压缩的是"发现"的时间和成本，而临床阶段的生物学风险依然由人体自己说了算。这也是为什么2026年初FDA与EMA联合发布了AI药物研发良好实践10项核心原则——监管机构担心的不是AI设计不出分子，而是AI生成的海量候选会撑爆现有的审评体系。
对行业的真正启示是：竞争已从"谁的模型强"转向"谁的系统跑得通"。纯模型公司的估值天花板已经显现，能打通"数据闭环+自动化实验+管线转化"的公司才拿到下半场入场券。好消息是中国的位置不差：2026年上半年国内38个1类创新药获批，创新药对外授权交易合同潜在总额约1100亿美元，工信部等七部门已把医药大模型中试平台列入《医药工业数智化转型实施方案（2025-2030年）》重点方向。
八、展望：终局不是更聪明的AI，而是更快的科学
回望这条路径：AlphaFold解决了"看不清"（结构），生成式AI解决了"造不出"（分子），自动化实验解决了"验不快"（闭环），接下来的悬念在"过不了"（临床）。Rentosertib能否通过III期、Isomorphic Labs能否兑现首批临床承诺，将决定AI制药是泡沫还是范式革命。
更深远的变化在科学方法本身。当AI能以91.5%的一致性模拟人类群体、能自主提出可验证的科学假设、能把结构生物学从五年一个结构变成一分钟一个结构，生命科学正在从"实验驱动的经验科学"转向"数据与模型驱动的预测科学"。这场变革的终局，不是谁的AI更聪明，而是谁能把AI变成真正的生产力——让好药更快到达患者，让罕见病不再无解。