：开发一种新药往往需要耗时十年以上、耗资约十亿美元，而最终成功的概率却不到

　　高昂的成本叠加上极高的失败风险，不仅制约了大型药企的创新效率，也给中小型生物科技公司的生存带来了巨大压力。经常是一轮资本周期就淘汰一批初创公司。

　　为了对抗“双十定律”，过去几十年里医药行业做出各种尝试。例如通过CRO来提高效率，或者使用专业SaaS工具来数字化管理研发流程。

　　这些一定程度上缩短了制药公司研发周期、节约了成本，但终究只是一种成本与风险“向外包商的转嫁”，无法从根本上改变新药研发耗时长、投入大、失败率高的困局。

　　面对90%失败率的残酷赌局，整个行业需要一种重塑研发底层逻辑的技术来改写游戏规则。

　　得益于深度学习、大模型等技术突破，AI如今具备了高通量分析、生物分子设计和智能决策、临床试验方案优化等方面能力，有望显著加速新药发现和开发进程。

　　也是看到了其对新药开发真正起到的推动作用，这两年，来自全球范围内的制药巨头也在纷纷布局。

　　以美国礼来制药为例，其在AI领域的投资额从2022年的7亿美元猛增至2024年的15亿美元，仅仅是在去年一年就新增13项AI相关投资，几乎将业内有潜力的AI项目“一网打尽”。默沙东也不甘落后，通过10笔AI投资紧随其后。

　　比如诺和诺德与Deep Apple Therapeutics达成8.12亿美元合作，礼来与Juvena签署6.5亿美元协议，阿斯利康与中国石药集团敲定高达53亿美元的AI新药开发合作等。

　　巨头加速布局的背后，是供给侧的技术积累从量变到了质变，叠加上需求侧的急剧攀升的共同的结果。

　　回到中国的制药行业，国内用十年时间走过了欧美制药行业半个世纪的路，如今水平能跻身全球一梯队，但面对的创新药研发层面上的问题也是类似。国内的AI制药公司同样也到了一个关键发展节点。

　　今年年初，皓元医药董事长郑保富在一场创新药行业论坛上提及：“AI通过靶点发现、分子设计、临床试验优化等全链条赋能，直击传统新药研发周期长、投入大、成功率低的痛点，其技术价值已得到广泛认可”。

　　在临床候选环节，通过AI的优化，从而大幅提高I期临床结果，这是AI制药目前能做到。BCG此前给过一个数据，通过AI的加持，能将I临床成功概率从50%提升至80%-90%。

　　事实上，中国正迅速崛起的AI制药初创企业中，多数都是致力于该方向。目前形成了引人瞩目的“AI制药四小龙”格局。它们分别是深度智耀（Deep Intelligent Pharma）、晶泰科技（XtalPi）、英矽智能（Insilico Medicine）和剂泰科技（Galixir）。

　　四家公司以差异化的技术定位共同塑造出中国AI制药领域的多元生态，在全球市场上崭露头角。具体来说：

　　深度智耀（DIP）则是选择了一条“全链条赋能”之路，专注于新药临床开发与申报全流程的智能化加速，试图打造贯穿发现、临床、申报的一体化生成式AI平台。简单而言，DIP要做的不是单点工具，而是让AI贯穿新药研发每一个环节，搭建端到端的智能引擎。

　　晶泰科技以“硬科技”著称，擅长将量子物理+AI+机器人相结合，构建自动化的新药发现基础设施。晶泰通过自建机器人实验室，实现了“AI预测—机器人验证”的闭环，大幅压缩小分子药物筛选周期。其技术让AI与实验深度融合，以实现药物发现阶段的提速降本。目前已和辉瑞、强生、UCB建立合作，并在前不久收获来自DoveTree的一项总金额最高可达59.9亿美元的BD订单。

　　英矽智能更侧重于生成式AI驱动的管线创新。公司开发了世界领先的生成式AI药物研发平台Pharma.AI，但更多偏向自己去做创新开发。截至2025年，英矽已产出20多个进入临床或IND阶段的管线资产，其中三项已许可给国际药企，合同总价值超过20亿美元。英矽通过“AI造新药”的模式自建管线，正冲刺成为“AI创新药第一股”。

　　剂泰科技深耕药物递送这一细分领域。其核心是AI驱动的纳米递送平台，针对核酸药物递送（AiLNP）、mRNA序列设计（AiRNA）和小分子制剂优化（AiTEM）提供解决方案。剂泰的AI纳米平台已实现对肝脏、肺部、肌肉、免疫细胞等多种组织的精准靶向递送，并有AI赋能的新药制剂进入临床三期、申报上市阶段，这在业内相当振奋。作为国内AI纳米递送的开拓者，剂泰专注解决大分子药物和基因疗法中的“最后一公里”问题。

　　正如剂泰科技CEO赖才达所评价的：“AI制药链条非常长…我们几家各自专注的方向非常聚焦，没有太多竞争，而是上下游打通后提供一个整体解决方案，串在一起就是很好的产品。”。

　　换言之，四小龙并非在同质竞争，而更像是分工协作的关系：有人攻靶点和小分子（晶泰、英矽）、有人攻递送（剂泰）、也有人把AI延伸到临床和申报（九游娱乐深度智耀）。

　　相比多数公司侧重早期药物发现，DIP选择了一条更艰难却更贴近产业腹地的道路——攻坚新药临床开发全链条。而这或许也是AI制药未来发展的一个方向之一：从单点服务到全面赋能。

　　2017年，曾是强生中国新药开发领导团队成员的李星从强生离职，创办了深度智耀。

　　与不少AI创业公司一开始就瞄准新分子设计、靶点发现等炙手可热的领域不同，DIP在早期选择了一条“反潮流”路线：从最琐碎但数据最丰富的医学文本入手。

　　当时ChatGPT尚未问世，大模型概念也远没有如今火爆。深度智耀以医学翻译和文档服务作为切入点，承接大型药企的临床试验文件翻译、撰写、质控等需求。

　　这个看似平凡的业务，使DIP拿下了首个跨国药企订单，并收获了一批稳定跨国药企客户，验证了基础商业闭环的可行性，也为后续更深度的合作打下基础。

　　更重要的是，在服务过程中，DIP积累了海量一手、高价值的数据洞察：截至目前已完成超过2万个项目，处理了50亿以上字符医学文本。涵盖了临床试验方案、监管申报资料、医学文献等。

　　李星的判断是，临床研究工作流程远比单一步骤的预测复杂，它涉及海量信息收集、分析推理和决策执行的闭环。因此，仅靠通用算法难以胜任这么专业的任务，必须以数据和专业知识为底座。

　　她带领团队整合了数百个公开数据源，结合资深药研专家的知识，通过机器学习自动提取医学实体、关系和属性，构建了庞大的医药研发知识图谱。

　　这一前瞻性布局，为其在AI大模型起来之后、应用层面的技术爆发储备了关键的“数据池”。

　　正如李星所强调的：“相比于直接去做分子设计或筛选，我们先把研发过程中的‘文字工作’变成AI可以大展身手的舞台…事实证明这是非常有威力的切入点，对于提升新药研发的成功率和速度非常关键。”

　　可以说，DIP打造了一道任何后来者和通用大模型公司都难以复制的数据护城河。

　　这一点也得到了顶级风投的认可：天使投资人真格基金、A轮投资人红杉中国等在早期即注资DIP，押注其“以数据制胜”的底层逻辑。

　　随着2022年底以来大模型技术的突破，深度智耀多年来积累的数据洞察也终于迎来大展身手的时候。

　　借助通用大模型技术的飞跃，DIP迅速将自身专有的数据优势与之结合，孕育出一个超越单一模型的“多智能体”AI系统。

　　这标志着DIP完成了从提供工具到构建“临床研发智能体（Agent）”的升级——它不再局限于训练一个模型回答问题，而是打造出由多个专业AI代理协同工作的动态智能矩阵（KIM）架构。

　　DIP的多智能体系统有点类似一个由多个扮演不同专家角色AI研发团队，能够自动化处理从文献研究、方案撰写、数据校验到合规检查等一系列复杂任务。

　　例如，有的Agent专注阅读文献提出假设，有的负责撰写临床方案和研究报告，有的执行翻译任务，还有的进行数据校验和合规检查……

　　这些智能体由一个“调度官”自动协调调用，该做假设时就调用Hypothesis Agent，该写报告时则交给Writing Agent……

　　更了不起的是，通过算法的优化，这套架构赋予了AI一定的自我反思和学习能力：其内部运行遵循“假设-行动-学习-反思”的循环逻辑。

　　换言之，AI代理们在执行任务时会不断审视自己的推理，对错误和失败路径进行学习，并即时调整策略。这让系统不是死板地按指令行事，而是能够自主改进决策，越来越聪明。

　　有了多年真实数据“养”出来的这些智能Agent，加上大模型赋予的通用语言理解能力，DIP的AI团队在临床研发场景中表现出令人惊喜的效率提升和准确性飞跃。

　　据内部介绍，其生成式AI平台可以让新药研发所需的文档生成时间减少90%以上，监管资料提交效率提高75%以上。

　　过去需要人工团队耗时数月反复撰写修改的一份临床试验方案，如今几个小时就能由AI自动完成初稿并校验合规。

　　2021年，在大多数AI创业公司仍普遍亏损的背景下，深度智耀首次实现了规模化盈利，并在此后四年连续保持盈利，累计净利润过亿（公司内部数据）。这在AI制药领域实属罕见，验证了其商业模式的健康与可持续性。

　　当然，DIP也并未止步于“软件供应商”，结合医药行业的发展特点，公司也通过项目合作、战略联盟等多种方式，将AI能力嵌入制药企业的核心研发流程中，形成长期稳定的收入来源。

　　这种模式的扩展性很强——每增加一家大型药企客户，平台的边际成本极低，却能获得可观的持续收益。

　　2025年深度智耀作为微软Build开发者大会上亚太地区唯一的AI医药案例发表演讲，分享了其AI平台如何帮助日本合作伙伴的临床试验方案“一次性”通过PMDA（日本药品和医疗器械局）的严苛审批。

　　尽管当前不少AI工具被用于加速新药研发流程的某些环节，但深度智耀的雄心在于，让AI不仅做加速器，更成为研发流程的“预演现实”模型——提前模拟并优化整个研发过程。

　　李星常说，DIP的终极目标是为新药研发带来前所未有的确定性。DIP的核心价值主张在于：利用生成式AI技术，对临床试验进行大规模数字模拟，在试验尚未启动前就预见可能的失败路径和问题，从而协助研究者规划出最优方案、提前发现潜在捷径。

　　听起来很理想化？但DIP与日本神户大学孵化公司Immunorock的合作，已经初步展示了这种潜力。

　　借助DIP平台，后者仅用21.5小时就完成了传统模式下需要1-2个月的临床试验方案设计，并且一次性通过了监管审批，没有经历任何实质性返工修改。

　　这种效率的飞跃，正是其“预演”能力的体现：在投入巨资进入实际临床试验之前，AI已经帮助客户九游娱乐规避了大量潜在的弯路。

　　事实上，DIP已经成为许多药企开展业务开发（BD）交易和管线合作时不可或缺的“秘密武器”。

　　在中国，近年最活跃的一批创新药企海外授权（License-out）项目中，有相当一部分背后都能看到DIP的身影。

　　DIP正在从一家技术服务商，转变为新药研发过程中与客户共担风险、共享成果的战略合作伙伴。

　　这种深入绑定的合作模式，一旦跑通，将重塑医药研发的分工格局：AI不再只是辅助，而是直接参与新药价值的创造与分配。

　　从“双十定律”的困境，到AI制药新星的冉冉升起，医药研发领域正在发生的一场深刻变革。

　　在这场变革中，中国的AI制药“四小龙”以各自独特的方式参与其中，而深度智耀（DIP）则走出了一条别具一格的路径：以创新药研发过程中的文本数据为起点，凭多智能体架构突围，最终瞄准临床开发全流程，赋予新药研发更多确定性。

　　当AI能够提前发现风险、优化方案，新药开发就不再只是一次单纯靠资本和运气的赌局，而有望成为可战略规划、可预期回报的创新活动。

　　这对整个医药产业意义非凡：研发投入产出比将大幅改善，新药的迭代周期将进一步缩短，资本也更愿意支持真正高效的创新，人类的健康天花板也将进一步打开。

　　可以想见，在不远的未来，像DIP这样的先行者，将深深嵌入新药研发的底层基础设施，正如当今制药企业已离不开Office软件一样。

　　这场由AI驱动的研发变革，正在让医药创新迈入一个人机共创、提速增效的全新纪元。