郵箱里突然塞滿了跨國藥企的合作邀約 對話英矽智能CEO亞歷克斯：AI制藥下半場，商業模式定生死

""

2026年4月17日至22日，美國癌癥研究協會（AACR）年會在圣地亞哥召開，在這場全球腫瘤學領域的頂級盛會上，中國創新藥再度迎來“高光時刻”，與往年不同的是，由AI驅動的新藥研發備受矚目；而在國內，截至4月20日上午，AI制藥公司英矽智能今年以來股價已大漲超80%。

2014年，在美國成立英矽智能的亞歷克斯·扎沃隆科夫（Alex Zhavoronkov）想不到自己會在5年后，把公司落戶在1萬多公里之外的上海；他也想不到12年后的某天，自己的郵箱會擠滿跨國藥企的合作邀約，但在今年3月30日，這一幕發生了。

3月29日，英矽智能宣布與全球制藥龍頭禮來達成一項AI制藥合作，以最高27.5億美元的交易總額，刷新了全球AI制藥早期管線授權紀錄——而由于合同金額巨大，這一交易還觸發了美國聯邦貿易委員會的反壟斷審查，外界盛傳公司很可能被禮來收購。

盡管收購的相關消息是謠言，可上述事項讓AI制藥的熱度再度翻滾。與2021年的行業爆發不同，藥企對“AI打破制藥‘十年十億美元’限制”的信心有所折損，但跨國藥企瘋狂砸錢，仍讓這一賽道閃耀著神秘的光環。

近日，亞歷克斯在接受《每日經濟新聞》記者采訪時表示，選擇“以中國為中心”的發展戰略是自己創業以來做出的重要決定之一。

跨國藥企的邀約信突然涌進郵箱

在與禮來合作的消息官宣10小時后，亞歷克斯突然發現自己的郵箱App不斷冒出小紅點：好幾家國際大藥企發來郵件，都表達了非常明確的合作意向。

在此之前，英矽智能已經是AI制藥行業啟動跨國合作的領頭羊，也是中國最早跟海外大藥企簽訂戰略合作的企業之一，比如2022年與賽諾菲簽署戰略合作，以12億美元的總金額和2100多萬美元的首付款，創下當時AI制藥領域亞太區最高首付款紀錄；另外，公司也是中國最早把自研管線BD（商務拓展）交易出去的，2023年實現了USP1項目對外授權，獲得8000萬美元首付款，該合作的總金額逾10億美元。

但這并不意味著跨國藥企會排隊上門來找合作。AI制藥作為近年來的新興事物，跨國藥企高層通常對新技術態度積極，但中層管理者普遍保守，對中國AI制藥能力更是普遍持觀望、懷疑態度，不愿輕易試水。

亞歷克斯感覺，與禮來的這一單，很有希望打開全球藥企對中國AI制藥能力的信任閘門。一方面，禮來市值高近9000億美元，是全球制藥公司中當之無愧的巨無霸，其每一項重大決策都具有行業風向標的作用。

另一方面，自2024年10月禮來宣布任命托馬斯·福斯（Thomas J. Fuchs）為公司首任首席人工智能官以來，公司內部的AI團隊能力斷層式領先，但仍愿意砸下總額最高27.5億美元和外部公司合作，這本身是極強的背書。

“我與禮來的計算機設計與自動化平臺負責人Jiye Shi博士認識有10年了，也知道在全球藥企中，禮來團隊的AI能力是斷層式領先。”亞歷克斯告訴記者，很多人認為英矽智能和跨國藥企的AI團隊是競爭關系，但據團隊觀察，一家藥企的AI團隊越是領先，就越愿意和專業的AI制藥公司進行合作，尋求互補。這是因為大藥企的AI強在數據、場景、臨床，而英矽智能的優勢在生成算法、分子創造、快速驗證。

英矽智能創始人兼CEO亞歷克斯·扎沃隆科夫（Alex Zhavoronkov）

圖片來源：受訪者供圖

軟件用來交朋友，管線用來賺大錢

大藥企對AI制藥保持謹慎態度，并非沒有緣由。

醫藥行業素有“雙十定律”的說法：一款新藥從研發到上市，通常需要耗時十年、耗資十億美元。根據德勤的研究，如果計入失敗臨床成本，全球TOP藥企將一款新藥成功推向市場的平均成本已從2010年的11.88億美元增加到2022年的22.84億美元。

研發成本飆升、開發難度加大、臨床失敗率居高不下，讓跨國藥企不得不尋找新的破局路徑。2021年，隨著AlphaFold2發布、首個AI設計的分子進入臨床，AI制藥被視作新藥研發的“最優解”，資本與藥企紛紛涌入。

但熱潮之下，現實很快顯現。隨著越來越多由AI主導的新藥進入臨床階段，試驗失敗案例接連出現，AI“降本增效、降低風險”的光環逐漸褪色。與此同時，大量公司盲目追逐大模型熱潮，卻始終沒有跑通可持續的商業模式。

“每六個月甚至更短的時間內，AI技術就會迭代，現在有很多公司不遺余力地去開發一些基礎大模型，但這些基礎大模型每隔六個月就會被淘汰，所以他們需要不斷從市場中去募資，一旦資金流斷了，業務模式就不可持續，我們要做的是要維持可持續的發展。”亞歷克斯坦言，商業模式能否跑通，決定AI制藥公司的生死。

根據年報，英矽智能2025年共實現收入5623.9萬美元，業務模式包括藥物發現、管線開發、軟件解決方案及其他與非醫藥領域相關的發現業務。其中，收入占比87%的藥物發現和管線開發貢獻，指的是藥物研發項目對外授權以及與大型藥企進行戰略合作，從首付款、里程碑付款等獲得收入。

英矽智能2025年收入構成

圖片來源：公司年報

英矽智能聯合CEO兼首席科學官任峰是亞歷克斯在中國的重要合伙人，他對《每日經濟新聞》記者解釋，當前AI制藥行業主要有三種商業模式，包括向藥企出售軟件平臺的SaaS模式、提供研發服務的AI+CRO模式，以及自研管線并通過授權變現的AI+Biotech模式。在他看來，前兩種模式收入天花板明顯，更適合作為合作入口“用來交朋友”，真正能支撐公司持續成長的還是自研管線的價值變現，即“靠管線賺大錢”。

“我們不是在淘金潮里賣水的，而是賣鏟子的人。到最后階段，我們更想親自挖金礦，而不只是賣鏟子。”任峰表示，公司不會改變以AI+Biotech為主的定位，未來3到5年BD仍將是公司主要收入來源。

美國是第一大市場，但中國更適合扎根

據《每日經濟新聞》記者統計，自2025年底登陸港股市場以來，英矽智能一共宣布了2筆跨國藥企披露金額的合作和4筆國內藥企披露金額的合作，其中跨國合作單筆金額為8.88億美元到27.5億美元；國內合作則集中在數千萬美元至1.2億美元區間，金額差距明顯。

根據年報，美國市場是英矽智能的第一收入來源，在來自集團客戶合約的收入中，美國收入占比達到56.14%；中國市場收入1859.5萬美元，占比僅為三分之一左右。據任峰透露，公司大部分客戶來自海外。

“我們收到了很多國內藥企的合作需求，但價格一般談不上去。”據任峰觀察，出于文化習慣，不同于海外藥企傾向與外部AI制藥公司合作，國內藥企更愿意自建團隊推動自身AI藥物研發能力的發展，要把這些東西把握在自己手里。

在亞歷克斯看來，公司2019年落戶上海并組建藥物研發團隊，是自己創業以來做的最正確的決定，公司因此獲得了高效驗證的能力，“AI讓我們有能力創造出具有高價值的藥物，但這些藥物往往需要大量的實驗進行驗證，在全球沒有第二個像中國這么適合的地方，讓我們去做這一件事情了”。

亞歷克斯坦言，美國AI制藥行業的優勢是資本雄厚，資金集中在谷歌、微軟、Meta等科技巨頭手中，可投入算力與基礎設施建設；中國的短板在于早期資本投入有限，但眼下資金正加速流入AI制藥領域，而且突出的效率優勢是其他國家難以匹敵的。

亞歷克斯舉了個例子，目前團隊開發一個模型需要約6個月，但驗證其有效性需要6年——這正是理論人工智能與實用人工智能之間的脫節。但在中國，團隊可以快速合成分子、進行分子測試、開展小鼠實驗、猴子實驗，甚至推進人類臨床試驗。目前，全球越來越多的新藥源自中國，中國的基礎設施、政府支持以及人才資源，有助于公司開展大規模實驗來獲取數據，幫助團隊進行藥物驗證，這是英矽智能選擇深耕中國市場、并實施以中國為中心的發展戰略的核心原因。

牽手大模型廠商，計劃走出制藥的圈子

在博鰲亞洲論壇一個分論壇現場，中國國際商會副主席張少剛引用了一位在華跨國企業高管的比喻——“中國正成為全球企業的健身房”。

實際上，英矽智能并非唯一看重中國產業優勢的企業。近年來，中國借助工程化優勢和成本優勢成為全球創新藥的創新源頭。微軟、亞馬遜、甲骨文、Meta等海外科技巨頭以及阿里、騰訊等國內企業，也均在布局AI制藥相關領域，但整體仍處于早期探索階段。

這無疑會加劇AI制藥領域的競爭，但亞歷克斯很興奮，“設想一下，將來大家在電腦上用著自己最喜歡的一個AI供應商的大語言模型，通過對話的方式就可以做新藥創新和研發，這會是一件多么美妙的事情”。

于是，英矽智能在今年1月發布了一個基礎模型訓練框架MMAI Gym，直接目標受眾是大模型廠商，藥企是最終的應用方。亞歷克斯告訴記者，他認為這一平臺的重要性未來甚至會超過公司已有的一體化人工智能藥物研發平臺Pharma.AI。

而且，大模型廠商是普及AI制藥認知的關鍵入口。當前，不少藥企內部AI能力薄弱，對行業生態缺乏了解，決策依賴通用大模型給出的信息。MMAI Gym的價值，在于讓更多大模型具備藥物研發基礎能力，進而擴大行業整體應用空間。

但亞歷克斯強調，即便行業門檻降低，工程化驗證能力依然是重要的壁壘。AI可以生成分子結構，但無法替代合成、實驗、安全性評價與臨床驗證的全鏈條流程，這如同火箭發射，任何環節缺失都難以走向最終落地。

亞歷克斯認為，真正具備競爭力的AI制藥平臺，必須同時具備AI技術能力與藥物發現能力。公司開放MMAI Gym并非讓利，而是通過大規模用戶使用反饋迭代模型，再依托中國的基礎設施、人才與產業鏈優勢完成實驗驗證，形成“模型迭代—數據驗證—效率提升”的閉環。

值得注意的是，英矽智能目前最關注的仍然是臨床前候選藥物，這一市場的競爭非常激烈，且將愈發激烈。亞歷克斯透露，公司有意走出制藥的圈子，探索更多行業的可能性。具體來說，分子生成、性能預測、分子對接等技術，可復用在新材料、農業、半導體、儲能、抗衰老等領域，跨場景數據反過來又能提升制藥模型的精度。

亞歷克斯預計，未來AI在材料科學的應用規模，甚至可能超過制藥領域。