礼来27.5亿美元投资英矽智能 AI制药迎来GPT时刻了吗
又一传统支柱产业,正式宣告全面拥抱人工智能技术。
3月29日,全球制药巨头美国礼来公司(Eli Lilly)与香港上市的人工智能制药企业英矽智能(Insilico Medicine)共同宣布达成深度战略合作。该交易首付款高达1.15亿美元,叠加后续里程碑付款,潜在总价值有望突破27.5亿美元,并包含未来销售的分级特许权使用费。
这一数字震撼了业界——AI药物研发的“突破性时刻”,是否已经来临?
AI制药:从“概念叙事”到“价值兑现”
此前,AI药物发现领域长期处于“故事动听、验证不足”的阶段。创业公司融资、科技巨头布局、学术研究火热,场面热闹。然而,当触及核心问题——“是否有AI设计的药物真正获批上市、惠及患者?”——答案往往模糊不清。
礼来的此次合作,标志着一个明确的转向。事实上,这家药企自身也在加速AI化转型。就在今年3月的摩根大通医疗健康大会上,礼来宣布与英伟达(NVIDIA)共建价值10亿美元的联合AI创新实验室,旨在攻克药物研发的长期难题。几乎同时,英伟达也与诺和诺德达成合作,利用其Gefion主权AI超算加速新药发现。
这股合作浪潮持续涌动。今年2月,武田制药与AI公司Iambic Therapeutics签署了一项潜在价值超17亿美元的协议,旨在利用AI技术寻找癌症及其他疾病的新疗法。紧接着在3月27日,Quotient Sciences与Intrepid Labs宣布达成多年合作,将机器学习模型ANDROMEDA整合进早期药物开发流程。
这并非孤立事件,而是行业的集体战略押注。2026年初以来,制药行业出现了密集的AI平台大额交易,礼来、赛诺菲、诺和诺德、拜耳等全球顶级药企纷纷跑步入场,争相签署战略合作协议。
市场数据更为直观:AI药物发现市场规模在2025年估值约为29亿美元,预计到2026年将激增至51亿美元,至2035年,这一数字有望突破134亿美元。
然而,资本的热情并不意味着所有技术挑战都已解决。
AI如何从头设计“创新药物分子”?
英矽智能是该领域的资深玩家。这家由华人科学家创立、总部位于香港的公司,是全球少数真正将AI生成的新分子推进至临床阶段的AI制药企业之一。其核心技术关键在于利用生成式AI直接“从头设计”全新的分子结构,而非仅在现有化合物库中进行筛选——这是技术路径上的根本性差异。
传统药物发现流程通常如下:确定疾病靶点后,在庞大的已知化合物库(数百万至上千万)中进行高通量筛选,找到先导化合物,再进行漫长且昂贵的优化。此过程平均耗时超10年,成本常高达十数亿美元。
英矽智能的路径则截然不同,类似于“从零开始绘制一把能精准开锁的钥匙”。其端到端人工智能平台Pharma.AI覆盖了从靶点发现、候选分子生成到临床结果预测的全流程。公司宣称,借助该平台,已成功将部分药物的早期发现周期压缩至18个月以内。
英矽智能CEO的表述颇为自信:“在AI药物研发能力上,可能只有礼来自身比我们更强。”此言虽显锋芒,但礼来愿意开出如此高额的对价,本身就是对其技术实力的强力背书。显然,礼来寻求的不仅是一个AI工具,更是一条能够持续、高效产出高质量候选药物的“AI研发流水线”。
剖析27.5亿美元的战略合作
要理解这笔交易,需剖析其支付结构。1.15亿美元的首付款是即时发生的资金流动。而剩余的超过26亿美元,则属于“里程碑付款”——这意味着,只有当英矽智能的AI平台成功产出经过验证的靶点、候选分子顺利进入各期临床试验,并最终达到预设的研发与商业目标时,这些款项才会分期兑现。
这可以看作是一种以“潜在价值上限”彰显战略雄心,同时以“首付款”检验实际能力的交易设计。对礼来而言,其资产负债表不会立即承受全额压力;对英矽智能而言,每一笔里程碑付款都是一次对其技术兑现能力的公开考核。
行业普遍认为,这种结构有效控制了礼来的前期财务风险,同时给予了英矽智能最强的商业化激励——无法交付成果,就无法获得后续收益。
但核心挑战也在于此。AI发现的药物,最终仍需通过严苛的人体临床试验验证。而临床试验的高失败率,是制药行业长期面临的现实——约90%的候选药物倒在二期临床阶段。AI设计的分子能否真正突破这一概率魔咒?目前尚缺乏充足的临床数据给出肯定答案。
一位行业分析师的判断较为中肯:“对2026年AI制药领域的预测是,验证成功与遭遇挫折可能各占一半。该领域已从推测阶段步入早期临床验证阶段,但技术承诺与实际性能之间的差距依然存在。”
在没有药物最终成功上市、获得监管批准之前,整个AI药物发现领域仍处于一个关键的“概念验证期”。再多大额的合作协议,也无法替代这一终极验证结果。
传统制药巨头的AI战略转型
当礼来决定将AI深度整合进其核心研发战略,而不仅仅是作为探索性预算时,此次合作的意义已超越普通的技术授权。
回顾近两年,AI产业最显著的趋势之一是“垂直化渗透”——大模型能力正快速下沉至各专业领域,从代码编程、法律文书到如今的分子设计。制药行业,这个以严谨、监管严格、研发周期漫长著称的“创新堡垒”,理论上本是AI渗透最慢的领域之一。
但当前的信号无比清晰:最保守、最谨慎的产业资本,已经开始大规模流向AI制药。
礼来选择的背后,有着深刻的产业竞争逻辑。司美格鲁肽的成功助力诺和诺德登顶全球药企市值榜首,而礼来的替尔泊肽在减重市场同样表现卓越。这场激烈的“GLP-1类药物之战”给所有制药公司上了一课:谁能率先找到下一个重磅药物的“靶点”,谁就能赢得未来十年的市场。
而人工智能,正是目前最有可能极大加速这一“寻找过程”的核心工具。
英矽智能获得的这笔潜在价值27.5亿美元的交易,与其说是一笔简单的买卖,不如说是一张昂贵的“入场券”——它向整个行业宣告,AI药物发现已从“前沿探索”正式进阶为“商业现实”。
未来两到三年将是关键验证期。如果由AI发现并进入临床的候选分子,能够批量展现出显著的疗效与安全性优势,那么这场“AI制药革命”才算真正开启。反之,如果这些分子依然遵循传统的高失败率,行业必将迎来理性回调,交易热度会降温,像英矽智能这样的先锋企业也将面临真正的成果考验。
最终结局如何,目前仍是未知数。但礼来此次开出的1.15亿美元首付款支票,无疑是迄今为止对该领域最昂贵、也最引人注目的一次信心投票。
*头图来源:Vecteezy
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
智能体龙虾开发者是谁?团队背景与技术揭秘
说起这两年AI领域的热词,“智能体”(Agent)绝对算一个。但大多数智能体还停留在“对话”和“建议”层面,真正能让大模型“动手”操作你电脑的,却不多见。今天要聊的“龙虾智能体”(OpenClaw),就是这么一个“实干派”。它的核心价值很明确:在本地建立一个标准化的物理网关,把大语言模型(LLM)的
OCR软件核心功能解析:文字识别如何提升工作效率
提到OCR(光学字符识别)技术,很多人可能认为它仅仅是“将图片转换为文字”的工具。这种理解虽然正确,但不够全面。OCR的核心价值在于打通物理世界与数字世界交互的“最后一公里”,将堆积如山的纸质文件、图片信息,快速转化为可编辑、可检索、可分析的结构化数据。尤其在财务、政务、法务等文档密集型行业,它替代
OCR识别错误原因分析与解决方法全指南
当企业步入数字化转型的深水区,一个基础但关键的技术挑战常常浮现:OCR识别错误怎么解决?直接给出答案:依赖单一识别引擎实现一劳永逸,这条路基本行不通。真正的系统性解决方案,在于构建一个“高质量图像预处理 + 智能大模型融合识别 + NLP上下文语义纠错”三位一体的技术闭环。对于追求极致效率与准确性的
企业业务流程重组方法与核心模式落地指南
说起企业业务流程重组(BPR),很多管理者都听过,但具体怎么干,往往一头雾水。简单来说,它的目标很明确:通过对现有流程进行根本性的再思考和彻底的重设计,在成本、质量、服务和速度这些硬指标上,实现跨越式的提升。那么,面对“企业业务流程重组有哪几种方法?”这个核心问题,经过多年的实践与演进,业界已经沉淀
自然语言处理模型架构解析与演进历程
自然语言处理(NLP)模型的底层架构,经历了从基于规则的专家系统到统计模型,再到深度学习范式的深刻变革。如今,一个明确的共识是:以Transformer为核心的注意力机制架构,已经成为构建现代大语言模型(LLM)不可或缺的技术基石。它通过创新的自注意力机制,有效解决了长距离依赖的建模难题,同时赋予了
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

