制药行业长期以来被"高成本、长周期、低成功率"三座大山压得喘不过气。一款新药从靶点发现到最终上市，往往需要10-15年时间，平均耗资超过20亿美元，成功率甚至不足10%。传统药物发现依赖于高通量筛选、数以万计的化合物库试错，以及漫长的动物和人体试验。这种"海量试错"的模式，不仅效率低下，还面临巨大失败风险。
然而，随着生成式人工智能（Generative AI）的崛起，这一格局正在被彻底颠覆。最近，全球制药巨头礼来（Eli Lilly）与AI驱动的生物技术公司Insilico Medicine达成了一项重磅合作协议，潜在总价值高达27.5亿美元。这不仅是双方关系的深度升级，更是AI在药物发现领域迈向主流应用的又一里程碑，标志着制药行业从"经验驱动"向"算力主导"的历史性转变。
合作细节：从软件许可到全链条授权
根据协议，礼来将获得Insilico Medicine多个处于临床前阶段的新型口服小分子疗法的独家全球开发、制造和商业化权利。这些候选药物覆盖多个治疗领域，包括代谢疾病、纤维化及潜在的GLP-1受体激动剂相关适应症（与礼来旗下的Mounjaro和Zepbound高度互补）。
此外，双方还将启动多项联合药物发现项目：礼来提供靶点需求和临床专长，Insilico则利用其Pharma.AI平台生成候选分子，实现从靶点验证到IND（新药临床试验申请）的闭环加速。
交易规模：
- 首付款：1.15亿美元
- 里程碑付款：总额可达约27.5亿美元
- 特许权使用费：未来产品销售的分级提成
这笔交易的规模在AI药物领域位居前列，反映出大药企对AI技术的战略押注。此前，双方已在2023年签署AI软件许可协议，2025年11月进一步深化研究合作。此次协议不仅是商业授权，更是技术与资源的深度融合——礼来将Insilico的AI引擎嵌入自身R&D流程，Insilico则借力礼来的全球临床网络和商业化能力，加速从实验室到患者的转化。
这一合作对Insilico而言意义重大。公司作为一家临床阶段AI生物技术企业，此前已通过平台授权和合作获得多笔资金支持。此次交易不仅带来巨额现金流，还验证了其生成式AI平台的商业价值。对于礼来来说，这进一步巩固了其在代谢疾病和AI创新领域的领先地位。礼来近年来积极布局AI，已与NVIDIA合作建设联合实验室，并投资上亿美元用于AI超级计算基础设施，旨在将AI从"辅助工具"升级为"核心引擎"。
Insilico Medicine：AI药物发现的先锋与创始人传奇
Insilico Medicine由Alex Zhavoronkov博士于2014年创立，总部位于香港，并在全球设有多个研发中心。公司从一开始就将生成式AI作为核心竞争力，致力于通过AI解决药物发现的瓶颈。Zhavoronkov博士拥有计算机科学、生物信息学和衰老生物学背景，他早年预见AI将在生物医药领域引发革命，并将"延长健康寿命"作为公司使命。
这一愿景驱动Insilico开发出Pharma.AI——一个端到端的生成式AI药物发现平台，涵盖靶点发现、分子生成、临床前优化乃至临床试验预测的全流程。
Pharma.AI平台模块
| 模块 | 功能 |
|---|---|
| PandaOmics | 多组学数据分析和靶点优先级排序，能从海量文献、基因组和临床数据中快速识别疾病关键调控因子 |
| Chemistry42 | 生成式化学引擎，利用变分自编码器、GAN和强化学习等模型，从头设计新型小分子结构 |
| Generative Biologics | 扩展到生物大分子设计 |
| InClinico | 预测临床试验结果 |
这些AI模型经过数百万数据样本训练，已被全球13家顶级药企授权使用。
自2021年以来，Insilico已提名超过28个临床前候选药物（PCC），推进40多个研发项目，其中多个获得IND批准。公司内部拥有30多项资产，10多项进入临床阶段。这一速度远超传统制药：传统方法从靶点到PCC需3-6年和数亿美元，而Insilico的AI流程可将时间压缩至18-30个月，早期成本降至传统水平的1/10。
标志性案例：首个完全AI设计的药物进入II期临床
Insilico最耀眼的成就莫过于Rentosertib（ISM001-055），这是全球首个由AI同时发现新型靶点并设计新型分子的药物，用于治疗特发性肺纤维化（IPF）。
时间线：
- 2021年：平台在短短9个月内完成靶点筛选和分子设计
- 2022年：进入I期临床
- 2026年：已完成II期a期试验，显示出对肺功能的积极改善信号
该药物不仅安全耐受性良好，还在患者中展现出潜在疗效，标志着AI药物从概念验证走向临床现实。
另一个亮点是公司近期在GLP-1R激动剂领域的突破：利用Generative Biologics引擎，在72小时内生成5000多个新型肽段，经筛选后14个显示生物活性，其中3个达到单纳米摩尔级效力。这类口服小分子候选药物的出许可，正是本次与礼来合作的核心资产之一。
这些案例证明，生成式AI不仅能"发明"新分子，还能优化药代动力学、安全性和选择性，解决传统药物难以攻克的复杂疾病。
生成式AI如何颠覆药物发现流程
传统药物发现的核心痛点在于"化学空间"过于庞大——理论上可合成的药物样分子超过10^60个，远超宇宙原子总数。高通量筛选虽能处理数万化合物，但命中率极低，且忽略了许多"不可合成"或"不可预测"的结构。
生成式AI则通过训练海量生物-化学-临床数据，学会"生成"而非"筛选"。
Chemistry42工作原理
- 分子生成：结合变分自编码器（VAE）和生成对抗网络（GAN），根据靶点结构从零生成符合Lipinski规则的分子结构
- 迭代优化：通过强化学习优化亲和力、溶解度、代谢稳定性等属性
- 速度提升：整个过程可在一周内完成数百至数千个候选分子，而传统合成优化需数月
PandaOmics智能分析
利用大型语言模型（LLM）和多模态融合，从PubMed、基因表达数据库中挖掘隐含关联，实现"AI驱动的假设生成"。
效率提升数据
| 指标 | 传统方法 | AI方法 | 提升 |
|---|---|---|---|
| 发现阶段时间 | 3-6年 | 18-30个月 | 缩短50-70% |
| 早期成本 | 数亿美元 | 传统水平的1/10 | 降低90% |
| 整体研发周期 | 15年 | 7-10年 | 缩短30-50% |
| 临床前候选进入I期比例 | 30% | 80-90% | 提升2-3倍 |
更重要的是，AI能探索传统方法难以触及的"暗物质"化学空间，设计出针对癌症、纤维化、神经退行性疾病等复杂病症的创新疗法。
礼来的AI战略与行业大趋势
礼来并非首次押注AI。此前公司已与NVIDIA共建AI药物发现实验室，投资数亿美元建设超级计算机，用于分子模拟和大规模筛选。此次与Insilico的合作，进一步体现了其"AI+传统专长"的双轮驱动策略。
在GLP-1类药物（如替尔泊肽）大获成功后，礼来正寻求下一代口服疗法，以扩大市场份额并应对注射剂的局限性。AI平台不仅加速新药管线，还能优化现有产品的制造和个性化用药。
行业层面趋势
AI药物发现市场正呈爆炸式增长。根据Grand View Research数据：
- 2025年全球市场规模：约23.5亿美元
- 2033年预计规模：137.7亿美元
- 年复合增长率：24.8%
多家巨头如辉瑞、默沙东、罗氏均在布局类似合作。Insilico的平台已授权给13家顶级药企，证明生成式AI正从"实验"走向"工业化"。此外，FDA和EMA等监管机构也在2026年更新指南，逐步认可AI辅助设计药物的申报路径，进一步扫清障碍。
机遇与挑战：AI药物时代的双刃剑
机遇
- 更快的创新：从靶点到临床候选缩短至18-30个月
- 更低的成本：早期研发成本降低90%
- 更精准的治疗：针对特定基因突变快速设计药物
- 罕见病突破：缩短从诊断到治疗的窗口期
- 药物再利用：整合多组学数据，为老药找到新适应症
挑战
1. "黑箱"问题
AI生成的分子的决策逻辑有时难以解释，这对专利申请和监管审批构成障碍。专利法目前不认可AI为"发明人"，需人类科学家署名。
2. 数据偏差风险
训练数据集若存在种族或性别偏差，可能导致药物疗效不均。
3. 伦理与安全性
AI药物虽在临床前高效，但长期人体数据仍需大规模验证。监管机构正要求提交更多"可解释性"报告，以确保患者安全。
尽管如此，随着多代理AI系统（如Insilico的DORA研究助手）和自动化实验室的成熟，这些痛点正逐步解决。未来，AI+机器人+高通量筛选的"闭环自动化"模式，将进一步提升效率。
展望：AI驱动的健康革命已来
这项礼来-Insilico合作不仅是商业交易，更是制药行业范式转变的缩影。从"试错时代"到"计算时代"，AI正让药物发现变得像软件工程一样可预测、可迭代。
我们有望在未来5-10年内，看到更多AI原生药物上市，显著提升人类对抗癌症、衰老相关疾病和慢性病的能力。个性化医疗、罕见病治疗乃至全球健康公平，都将因AI而加速。
当然，技术最终服务于人。制药企业、监管者和科学家需共同构建伦理框架，确保AI创新普惠大众。
你对这个健康产业的革命性变革怎么看？AI能否真正解决"新药贵、新药慢"的老问题？
参考信息
- Insilico Medicine官网：insilico.com
- 礼来公司官网：lilly.com
- 合作协议公告：2026年3月礼来官方新闻稿
- Grand View Research：AI in Drug Discovery Market Report 2025-2033
- FDA Guidance：AI/ML-Based Software as a Medical Device (2026 Update)