习近平：传统医药是人类文明创造的成果，需要代代守护、传承精华，也需要与时俱进、守正创新。中医药作为传统医药的杰出代表，是中华文明的瑰宝。中国始终坚持发展现代医药和传统医药并重，推动中西医药优势互补、协调发展，推进中医药现代化、产业化，走出了一条独具特色的传统医药发展之路。世界的发展与繁荣，需要各国进一步加强卫生健康领域合作，携手应对全球卫生挑战，推动构建人类卫生健康共同体。中方愿同各方一道，加强传统医药互学互鉴，推动传统医药深度融入全球卫生体系，促进传统医药文化创造性转化、创新性发展，让传统医药更好造福各国人民。

　　20世纪90年代，人工智能技术在生物医药领域的探索正式起步，这一阶段被定义为技术萌芽期，核心特征是理论铺垫与局部场景的概念验证。随着深度学习算法的初步发展和自然语言处理技术的雏形显现，部分科研机构开始尝试将人工智能与药物研发相结合，试图突破传统研发模式的局限。在这一时期，药物研发仍以传统试错法为主，研发周期长达10-15年，成本超过10亿美元，而临床成功率不足10%，未被满足的医疗需求与研发效率低下的矛盾日益突出。

　　1997年，美国FDA首次认可计算机辅助药物设计工具在药物筛选中的辅助作用，为AI制药的发展奠定了监管基础。2000年前后，早期的机器学习模型开始应用于药物靶点预测和化合物活性筛选，虽然模型精度有限、数据依赖人工标注，但初步验证了AI技术在减少研发盲目性方面的潜力。这一阶段的技术探索主要集中在高校和科研院所，代表性成果包括斯坦福大学开发的基于支持向量机的化合物分类模型，以及麻省理工学院构建的简单蛋白质结构预测算法。由于AI技术本身尚不成熟，加之制药行业对新技术的认知和接受度较低，这一时期的探索未能形成规模化应用，产业界普遍持观望态度，AI制药仍处于“实验室阶段”。

　　2013年起，AI制药行业进入初步拓展期，生成对抗网络（GAN）等新型神经网络结构的出现，为药物分子生成与靶点预测提供了全新工具，推动行业从理论探索走向技术验证的关键阶段。这一时期，AI技术在处理生物医学大数据方面的优势逐渐显现，能够快速分析基因组学、蛋白质组学等多维度数据，为药物研发提供更精准的方向指引。

　　2015年，Insilico Medicine利用AI技术成功预测了纤维化疾病的潜在靶点，相关研究成果发表于《自然》子刊，证实了AI在靶点发现领域的可行性，引发产业界广泛关注。同年，谷歌DeepMind启动AlphaFold项目，聚焦蛋白质结构预测这一药物研发的核心难题，为后续技术突破埋下伏笔。在资本层面，风险投资开始关注AI制药赛道，2017年全球AI制药领域融资额突破10亿美元，较2013年增长超10倍，一批专注于AI制药的初创企业应运而生，如美国的BenevolentAI、英国的Exscientia等。这一阶段，跨国药企也开始布局AI制药，通过战略合作或小规模投资的方式探索技术应用，例如辉瑞与IBM Watson合作开发临床试验匹配系统，默克与AI企业合作优化化合物筛选流程。行业共识逐渐形成：AI技术并非简单的辅助工具，而是有望重构药物研发全流程的革命性力量。

　　2018至2019年，AI制药行业迎来技术爆发期，两大标志性事件彻底改变了行业格局，推动AI制药从边缘赛道走向产业主流。2018年，IBM Watson在肺癌临床试验匹配中实现精准度突破，能够在几分钟内完成传统医生需要数周才能完成的病例分析，大幅提升了临床试验入组效率；2019年，DeepMind发布AlphaFold 1，其预测的蛋白质结构与实验测定结果的相似度首次超过人类专家水平，解决了困扰生物学家半个多世纪的“蛋白质折叠问题”，被《科学》杂志评为年度重大突破。

　　这两项技术突破验证了AI在药物研发核心环节的实用价值，引发了全球范围内的投资热潮。2019年，全球AI制药领域融资额飙升至35亿美元，同比增长75%，头部企业估值呈指数级增长。跨国药企的参与力度显著加大，从早期的试探性合作转向深度战略布局，礼来、罗氏、阿斯利康等巨头纷纷成立专门的AI研发部门，或通过高额并购获取核心技术。例如，阿斯利康在2019年将AI研发投入提升至总研发支出的15%，建立了覆盖靶点发现、分子设计的内部AI平台。技术层面，AI应用场景从单一环节向多环节延伸，形成了“靶点发现-化合物筛选-临床前研究”的初步技术链条，部分企业开始尝试端到端的AI药物研发模式。这一时期，行业开始出现“AI设计药物进入临床”的案例，如Exscientia与日本大塚制药合作开发的精神分裂症药物DSP-1181进入Ⅰ期临床，标志着AI制药从技术验证迈向临床转化的关键一步。

　　2020年以来，AI制药行业进入规模扩张期，技术应用全面渗透、产业生态日趋完善、全球竞争格局初步形成。新冠疫情的爆发进一步凸显了AI技术在加速药物研发中的优势，AI制药企业通过快速筛选潜在药物、优化疫苗研发流程等方式参与抗疫，例如DeepMind利用AlphaFold预测新冠病毒关键蛋白结构，为疫苗和药物研发提供了重要支撑。在技术层面，生成式AI的崛起推动AI制药实现从“筛选”到“创造”的跨越，能够从头设计全新的药物分子，而非仅在现有分子库中筛选，研发效率和创新性大幅提升。

　　产业生态方面，形成了“AI技术提供商-制药企业-CRO-科研机构-监管机构”的协同体系，数据共享、平台共建成为行业趋势。全球AI制药企业数量从2020年的不足200家增长至2025年的超500家，分布在北美、欧洲、亚洲等主要医药创新区域，形成了各具特色的产业集群。商业化进程加速，截至2025年，全球已有超过30款AI辅助研发的药物进入Ⅱ期及以上临床阶段，部分药物已提交上市申请，AI制药从“概念”走向“产品”的质变正在发生。市场规模持续高速增长，根据Research And Markets数据，全球AI制药市场规模从2021年的7.92亿美元增长至2024年的17.58亿美元，年复合增长率达30.45%，预计2026年将突破29.94亿美元。与此同时，行业竞争日趋激烈，技术壁垒、数据资源、人才储备成为企业竞争的核心要素，全球AI制药领域的“技术博弈”与“生态共建”并行发展，推动产业向更高质量、更高效益的方向演进。

　　北美是全球AI制药产业的发源地和核心集聚区，凭借强大的技术创新能力、完善的产业生态和雄厚的资本支持，长期占据全球AI制药领域的主导地位。截至2025年，北美地区AI制药企业数量超过200家，占全球总数的40%以上，2024年融资额达120亿美元，占全球融资总额的65%，形成了以美国为核心、加拿大为补充的产业格局。

　　美国的AI制药企业主要集中在三大产业集群：波士顿-剑桥集群、旧金山湾区集群和圣地亚哥集群。波士顿-剑桥依托哈佛大学、麻省理工学院等顶尖科研机构的人才和技术储备，聚集了Vertex Pharmaceuticals、Biogen等传统制药巨头的AI研发中心，以及Benchling、Recursion Pharmaceuticals等头部AI制药企业，形成了“基础研究-技术转化-产业应用”的完整链条。该集群的核心优势在于基础科研实力雄厚，能够快速将前沿生物学发现与AI技术结合，在靶点发现和早期药物研发领域处于全球领先地位。旧金山湾区则凭借硅谷的技术创新氛围和资本优势，聚集了Google Health、DeepMind美国分部、Insilico Medicine北美总部等企业，技术侧重点偏向生成式AI、大数据分析和算力支撑，在药物分子设计和临床试验优化领域具有显著优势。圣地亚哥集群则依托当地发达的生物技术产业基础，形成了AI制药与传统生物医药协同发展的特色，企业多专注于肿瘤、神经退行性疾病等领域的AI辅助药物研发，与当地的CRO/CDMO企业形成了紧密的产业协同。

　　加拿大的AI制药产业主要集中在多伦多、蒙特利尔和温哥华，依托多伦多大学、蒙特利尔大学的AI研究实力，聚焦于机器学习算法优化、医疗数据处理等细分领域，代表性企业包括BenevolentAI加拿大分部、Element AI等。加拿大的优势在于AI基础研究实力强劲，且医疗数据资源丰富，政府通过“加拿大人工智能战略”等政策支持，推动AI技术在生物医药领域的应用，形成了与美国互补的产业生态。

　　北美AI制药产业的主导地位不仅体现在企业数量和融资规模上，更体现在技术标准制定和全球合作网络构建上。头部企业如BenevolentAI、Exscientia等通过技术授权、联合开发等方式与全球各大制药企业建立合作关系，将其AI平台输出至全球市场。同时，北美地区的监管机构如FDA积极推动AI制药的监管创新，2022年发布《人工智能/机器学习（AI/ML）行动计划》，明确了AI辅助药物研发的监管路径，为产业发展提供了稳定的政策预期，进一步巩固了其全球主导地位。

　　欧洲是全球AI制药产业的重要集聚区，凭借扎实的生命科学基础、完善的监管体系和独特的协同创新机制，形成了差异化的发展格局。截至2025年，欧洲AI制药企业数量达150家左右，占全球总数的30%，2024年融资额约45亿欧元，主要集中在英国、德国、法国等国家，形成了多个特色鲜明的产业集群。

　　英国是欧洲AI制药产业的领头羊，伦敦-剑桥-牛津“黄金三角”集群是全球最具影响力的AI制药集聚区之一。剑桥大学、牛津大学的生命科学研究实力与伦敦的金融资本、技术创新资源相结合，培育了Exscientia、BenevolentAI（总部位于伦敦）等全球知名AI制药企业。英国的核心优势在于“AI技术+生命科学”的深度融合，政府通过“英国人工智能战略”和“创新药物计划”（IMI）等政策，投入大量资金支持AI制药基础研究和技术转化。例如，英国创新署（Innovate UK）设立专项基金，支持AI在罕见病药物研发中的应用，推动企业与科研机构合作攻克技术难题。此外，英国药品和健康产品管理局（MHRA）积极借鉴FDA的监管经验，推出AI制药监管沙盒，为创新技术提供灵活的监管环境，加速AI辅助药物的临床转化。

　　德国的AI制药产业主要集中在慕尼黑、海德堡和柏林，依托当地发达的精密制造、数字技术和生物医药产业基础，形成了“AI+药物递送”“AI+临床数据管理”的特色优势。海德堡集群依托德国癌症研究中心（DKFZ）和海德堡大学，聚集了多家专注于肿瘤领域AI药物研发的企业，在AI辅助肿瘤靶点发现和个性化治疗方案设计方面处于领先地位。德国政府通过“工业4.0”战略和“国家生物医药战略”，推动AI、大数据等数字技术与生物医药产业深度融合，支持企业构建智能化研发平台。例如，默克集团在达姆施塔特建立了全球AI研发中心，专注于AI辅助化合物筛选和临床试验优化，其开发的AI平台已应用于多个肿瘤药物研发项目。

　　法国的AI制药产业以里昂、巴黎为核心，聚焦于AI辅助临床试验设计和真实世界数据应用。里昂集群依托里昂大学和法国国家健康与医学研究院（INSERM），在AI驱动的临床试验患者招募、方案优化等领域具有显著优势，代表性企业如Owkin，其开发的AI平台能够整合多中心临床数据，为药物研发提供真实世界证据支持。法国政府通过“法国2030”计划，投入10亿欧元支持生物医药与AI技术的融合创新，推动建立跨国数据共享机制，强化与欧洲其他国家的产业协同。

　　此外，欧洲通过“欧洲创新健康计划”（IHI）等跨国合作机制，推动AI制药技术在全欧洲的协同发展。IHI 2025年投入预算达20亿欧元，重点支持AI辅助临床试验设计、真实世界数据应用等领域的跨国合作，打破国家间的技术和数据壁垒，形成了“分散布局、协同创新”的产业特色。欧洲AI制药企业普遍注重与临床需求的紧密结合，在罕见病、神经退行性疾病等未被满足的医疗需求领域具有较强的竞争力，形成了与北美差异化的发展路径。

　　亚洲是全球AI制药产业增长最快的区域，近年来凭借政策支持、资本涌入和人才回流，形成了以中国、日本、韩国为核心的产业集聚区，成为全球AI制药领域的“第三极”。截至2025年，亚洲AI制药企业数量超过130家，占全球总数的26%，2024年融资额达80亿美元，其中中国贡献了超过60%的融资额，成为亚洲AI制药产业的核心驱动力。

　　中国的AI制药产业呈现“三城引领、多点协同”的分布格局，北京、上海、深圳三大城市聚集了全国94%的AI制药企业，各超20家，形成了技术与产业双高地。北京依托中科院、清华大学、北京大学等顶尖科研机构的人才和技术储备，聚集了深度智耀、英矽智能等头部企业，在靶点发现、临床试验优化等领域具有显著优势。上海凭借张江药谷完善的生物医药产业生态，聚集了晶泰科技、剂泰科技等企业，形成了“AI技术+CRO/CDMO”的协同发展模式，在药物分子设计、制剂开发等领域实力突出。深圳则依托粤港澳大湾区的资本优势和创新氛围，聚集了多家专注于AI+核酸药物、AI+细胞治疗的创新企业，与香港的科研机构形成了跨境协同创新机制。此外，杭州、苏州、广州等城市也形成了各具特色的AI制药产业集群，依托当地的生物医药产业基础和政策支持，推动区域产业协同发展。

　　日本的AI制药产业主要集中在东京、大阪和京都，依托武田制药、卫材等传统制药巨头的研发实力和东京大学、京都大学的科研资源，形成了“大企业主导、中小企业配套”的产业格局。日本企业的技术侧重点偏向AI辅助药物安全性评价、临床试验数据管理等细分领域，注重与传统制药工艺的结合。日本政府通过“第5期科学技术基本计划”，投入大量资金支持AI制药技术研发，推动建立全国统一的医疗数据平台，为AI模型训练提供数据支持。例如，武田制药与东京工业大学合作开发的AI平台，已应用于糖尿病药物的安全性预测，显著降低了临床前研发的失败率。

　　韩国的AI制药产业以首尔为核心，依托三星生物制剂、LG化学等企业的资本和技术实力，聚焦于AI辅助生物药研发和药物重定位。首尔大学、高丽大学等科研机构与企业合作密切，在AI蛋白质结构预测、抗体药物设计等领域具有一定的技术优势。韩国政府通过“数字新政”和“生物健康产业振兴计划”，支持AI制药企业的技术创新和国际化发展，推动建立跨境合作平台，加强与中、美、欧等地区的技术交流与合作。

　　亚洲AI制药产业的崛起具有鲜明的后发优势，在技术应用上注重“拿来主义”与“自主创新”相结合，快速吸收欧美先进技术的同时，针对本土医疗需求进行创新优化。中国作为亚洲AI制药产业的核心，凭借庞大的医疗数据资源、充足的算力支撑和政策支持，正从“跟跑”向“并跑”甚至“领跑”转变，成为全球AI制药领域不可忽视的重要力量。

　　除北美、欧洲、亚洲三大核心区域外，澳大利亚、以色列、印度等地区的AI制药产业也在快速发展，凭借各自的资源禀赋和技术特色，形成了差异化的发展路径，为全球AI制药产业注入了新的活力。

　　澳大利亚的AI制药产业主要集中在悉尼、墨尔本和布里斯班，依托澳大利亚国立大学、墨尔本大学的科研实力和丰富的临床数据资源，聚焦于AI辅助慢性病药物研发和真实世界证据应用。澳大利亚的核心优势在于医疗体系完善，临床数据质量高且标准化程度高，政府通过“澳大利亚人工智能战略”和“生物医药创新计划”，支持企业构建AI研发平台，推动与全球制药企业的合作。例如，墨尔本的初创企业Prescient Design开发的AI分子设计平台，已与辉瑞、默克等企业建立合作关系，专注于心血管疾病药物的研发。

　　以色列作为全球科技创新的“硅谷”，AI制药产业以特拉维夫为核心，依托当地强大的算法创新能力和生命科学研究基础，聚焦于AI辅助靶点发现和个性化医疗。以色列企业的技术特点是算法优化能力强，善于利用小样本数据训练高效AI模型，在罕见病和肿瘤个性化治疗领域具有独特优势。代表性企业如Prospera Technologies，其开发的AI平台能够整合基因组学、转录组学等多维度数据，快速发现疾病相关靶点，已吸引全球多家制药企业的投资合作。以色列政府通过“创新署”等机构，为AI制药初创企业提供资金支持和税收优惠，推动技术转化和国际化发展。

　　印度的AI制药产业主要集中在班加罗尔、海德拉巴和孟买，依托当地发达的仿制药产业基础和低成本的人才优势，聚焦于AI辅助药物重定位和仿制药研发效率提升。印度企业的核心需求是通过AI技术缩短仿制药研发周期、降低研发成本，同时向创新药领域转型。例如，印度最大的制药企业太阳制药（Sun Pharmaceutical）建立了AI研发中心，利用AI技术优化仿制药的配方设计和生物等效性试验，显著提升了研发效率。印度政府通过“数字印度”计划和“国家生物制药政策”，支持AI技术在制药领域的应用，推动医疗数据共享，为AI制药产业发展创造有利条件。

　　这些区域的AI制药产业虽然规模相对较小、产业生态不够完善，但凭借独特的资源优势和技术特色，在全球AI制药产业中占据了一席之地。这些区域的发展实践表明，AI制药产业的发展并非必须遵循“技术引领-生态主导”的单一模式，而是可以根据自身资源禀赋，选择差异化的细分赛道实现突破。未来，随着全球AI制药产业的持续发展，这些潜力区域有望进一步释放增长活力，与三大核心区域形成互补协同的全球产业格局。

　　中国AI制药产业的快速崛起，并非偶然的资本热潮推动，而是建立在长期的要素积累与产业生态构建基础之上，形成了“人才、数据、算力、产业配套”四大核心支撑体系，为产业高质量发展提供了坚实保障。

　　在人才储备方面，中国形成了“海外回流+本土培养”的双轨人才供给模式。近年来，随着国内创新创业环境的持续优化和产业发展机遇的凸显，大量在北美、欧洲顶尖科研机构和制药企业工作的华人科学家、工程师纷纷回国创业或就业，带回了先进的技术理念和产业经验。例如，剂泰科技的创始人赖才达、王文首均毕业于麻省理工学院，美国工程院院士陈红敏长期从事药物递送材料研发，三人共同将AI纳米递送技术带回中国落地；英矽智能创始人Alex Zhavoronkov是AI制药领域的全球顶尖专家，选择将中国作为核心研发基地。同时，国内顶尖高校也加速布局AI与生物医药交叉学科，清华大学、北京大学、中科院等纷纷设立相关专业或研究中心，培养了一批兼具AI技术能力和生物医药知识的复合型人才。截至2025年，中国AI制药领域专业人才数量超过5万人，其中拥有海外留学或工作经历的高端人才占比达35%，人才结构持续优化，为产业创新提供了核心动力。

　　数据资源方面，中国凭借庞大的人口基数和完善的医疗体系，积累了全球规模最大、维度最丰富的生物医学数据资源，成为AI制药的“核心燃料”。根据国家卫健委数据，全国医疗机构年诊疗人次超过80亿，产生了海量的临床病例数据、影像数据、基因组学数据等。同时，国家大力推动医疗数据标准化和共享，截至2025年，已建成20个国家级医学数据中心，覆盖肿瘤、心血管疾病、神经退行性疾病等多个领域，形成了标准化的生物医学数据库。与欧美国家相比，中国医疗数据的优势不仅体现在规模上，更体现在数据生成的效率和成本上。剂泰科技创始人赖才达曾公开表示，同样一个生物实验，在中国完成的时间仅为美国的1/2-1/3，成本差距可达5至7倍，这一优势源于中国强大的CRO体系能够为AI模型训练提供低成本、高质量的数据支持。丰富且低成本的数据资源，使得中国AI制药企业能够快速训练和迭代模型，在技术转化效率上形成独特优势。

　　算力支撑方面，中国在人工智能算力基础设施建设上全球领先，为AI制药提供了强大的硬件保障。AI制药涉及海量分子结构模拟、蛋白质折叠预测、大数据分析等高强度计算任务，对算力的需求巨大。近年来，中国持续加大算力基础设施投入，建成了一批国家级超算中心，如太湖之光、天河二号等，算力规模和计算效率处于全球领先水平。同时，阿里云、腾讯云、华为云等企业纷纷推出针对生物医药领域的专用算力平台，提供弹性伸缩的云计算服务，降低了AI制药企业的算力使用成本。截至2025年，中国AI制药领域专用算力规模达1200 PFLOPS，占全球总规模的30%以上，能够满足大规模分子设计、多靶点筛选等复杂研发任务的算力需求，为技术突破提供了坚实支撑。

　　产业配套方面，中国已形成全球最完善的生物医药产业生态，为AI制药提供了全链条的配套服务。以上海张江药谷、北京中关村生命科学园、深圳光明科学城为代表的产业集聚区，聚集了大量的CRO、CDMO企业、临床试验机构、医疗器械企业等，形成了“AI技术研发-药物分子设计-临床前研究-临床试验-生产制造”的完整产业链条。例如，上海张江药谷聚集了超过1500家生物医药相关企业，能够为AI制药企业提供从化合物合成、动物实验到临床试验的一站式服务；北京大兴国际生物医学园依托《北京市加快细胞与基因治疗产业创新发展三年行动方案》，重点布局细胞与基因治疗领域的配套服务，与剂泰科技等企业形成了紧密的产业协同。完善的产业配套体系大幅降低了AI制药企业的研发成本和周期，加速了技术从实验室到临床的转化进程。

　　中国政府高度重视AI与生物医药产业的融合发展，将AI制药纳入国家战略规划，形成了“战略引领-专项支持-监管创新”的全方位政策支撑体系，为产业发展指明了方向、提供了保障。

　　在战略引领层面，国家多个顶层规划明确将AI制药作为重点发展方向。2021年发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中，明确提出“发展人工智能辅助药物研发”，将其列为生物医药产业创新发展的重要任务；2023年发布的《新一代人工智能发展规划（2024-2030年）》进一步细化了AI在生物医药领域的应用目标，提出到2027年，AI辅助药物研发关键技术取得重大突破，形成一批具有全球竞争力的AI制药企业，推动我国在该领域从“并跑”向“领跑”转变。这些顶层设计将AI制药提升至国家战略高度，为产业发展提供了稳定的政策预期，引导社会资源向该领域聚集。

　　在专项支持层面，国家出台了一系列财政、税收、金融等激励政策，支持AI制药企业的技术创新和产业化发展。在财政支持方面，国家发改委、科技部设立专项基金，支持AI制药关键技术研发和平台建设，例如“人工智能创新发展专项”中专门列支资金支持AI辅助靶点发现、分子设计等技术研发；在税收优惠方面，AI制药企业可享受高新技术企业税收优惠、研发费用加计扣除等政策，降低企业研发成本；在金融支持方面，鼓励创业投资、股权投资基金投向AI制药领域，科创板、创业板为AI制药企业提供了便捷的上市融资渠道，截至2025年，已有15家AI制药相关企业在科创板上市，融资总额超过300亿元。此外，国家还通过“揭榜挂帅”等方式，组织企业、科研机构联合攻克AI制药领域的“卡脖子”技术，推动产学研协同创新。

　　在监管创新层面，国家药监局积极借鉴国际先进经验，推出一系列监管举措，为AI辅助研发药物的临床转化和上市提供了便利。2022年，国家药监局发布《药品监管网络安全与信息化建设“十四五”规划》，提出要“探索建立人工智能辅助药物研发的技术指导原则”；2023年，出台《人工智能辅助药物研发技术指导原则（试行）》，明确了AI辅助药物研发的技术要求、数据规范和审评路径，解决了长期以来AI研发药物“申报无据可依”的问题。此外，国家药监局还推动建立“监管沙盒”机制，允许符合条件的AI制药企业在特定范围内开展试点，加速技术验证和产品转化。监管政策的持续创新，为AI制药产业营造了既规范有序又充满活力的发展环境，推动产业从“技术创新”向“产品落地”加速迈进。

　　在国家顶层设计的指引下，各地政府结合自身产业基础和资源禀赋，出台了一系列针对性的地方政策，形成了“国家战略+地方特色”的政策实施体系，推动AI制药产业形成区域协同、差异化发展的格局。

　　北京作为全国科技创新中心，聚焦AI制药高端人才集聚和前沿技术研发，出台了一系列精准扶持政策。2024年底发布的《北京市加快细胞与基因治疗产业创新发展三年行动方案》提出，到2027年，在细胞与基因治疗领域培育前沿技术企业20家以上，上市企业3家以上，而AI纳米递送技术作为该领域的关键支撑技术，被纳入重点支持范围。北京通过设立医药健康产业投资基金、大兴区产业投资基金等，为AI制药企业提供资金支持，例如剂泰科技2025年8月完成的4亿元D轮融资，就由北京市医药健康产业投资基金和大兴区产业投资基金联合领投。此外，北京还依托中关村生命科学园、大兴国际生物医学园等产业载体，为AI制药企业提供研发场地、设备共享、临床试验对接等一站式服务，吸引了深度智耀、英矽智能等一批头部企业落户。

　　上海凭借完善的生物医药产业生态，聚焦AI制药与传统生物医药的融合发展，出台了一系列政策支持AI制药平台建设和产业协同。《上海市战略性新兴产业和先导产业发展“十四五”规划》明确提出，要“打造AI辅助药物研发创新平台，推动AI技术与药物研发全流程深度融合”。上海张江药谷作为全国生物医药产业的核心集聚区，设立了AI制药创新中心，为企业提供算力支持、数据共享、技术交流等服务；同时，通过“张江研发+上海制造”模式，推动AI制药企业与当地的CRO/CDMO企业、临床试验机构形成紧密合作，加速药物研发进程。此外，上海还推出了针对AI制药企业的人才落户、住房补贴等政策，吸引全球高端人才集聚，巩固其在AI制药领域的产业优势。

　　深圳依托粤港澳大湾区的资本优势和创新氛围，聚焦AI+核酸药物、AI+细胞治疗等新兴领域，出台了一系列政策支持企业技术创新和国际化发展。《深圳市促进生物医药与高端医疗器械产业高质量发展的若干措施》提出，对AI制药企业的关键技术研发项目给予最高5000万元的资金支持；对企业开展国际多中心临床试验给予最高3000万元的补贴。深圳通过设立创新创业基金、引导基金等，吸引了大量社会资本投向AI制药领域，形成了资本与技术深度融合的发展格局。同时，深圳充分发挥与香港的跨境协同优势，推动AI制药企业与香港大学、香港中文大学等科研机构合作，利用香港的国际科研资源和临床试验优势，加速技术转化和国际化布局。

　　此外，杭州、苏州、广州等城市也纷纷出台相关政策，推动AI制药产业发展。杭州聚焦AI纳米递送、分子设计等细分领域，依托未来科技城的人才和技术资源，培育了剂泰科技等一批特色企业；苏州依托工业园区的生物医药产业基础，重点支持AI辅助临床试验优化和真实世界数据应用；广州则通过建设粤港澳大湾区国际生物岛，打造AI制药跨境合作平台。各地政策的精准赋能，推动中国AI制药产业形成了“三城引领、多点协同”的发展格局，区域协同效应持续释放。

　　经过多年的政策引导和支持，中国AI制药产业政策实施成效显著，产业规模快速增长、技术创新能力持续提升、企业竞争力不断增强，政策的“催化效应”充分显现。

　　在产业规模方面，政策支持有效引导了资本和资源向AI制药领域聚集，推动产业规模快速扩张。2021年至2024年，中国AI制药领域融资额从120亿元增长至480亿元，年复合增长率达63%，占全球融资总额的比例从15%提升至32%；AI制药企业数量从80家增长至150家，占全球总数的比例从20%提升至30%。在政策支持下，一批头部企业快速成长，晶泰科技、英矽智能、剂泰科技等企业估值均超过10亿美元，成为全球AI制药领域的重要参与者。

　　在技术创新方面，政策支持推动中国AI制药企业在多个细分领域取得突破，技术水平从“跟跑”向“并跑”甚至“领跑”转变。在靶点发现领域，英矽智能利用AI技术成功发现了纤维化疾病、肿瘤等多个潜在靶点，相关研究成果发表于《自然》等顶级期刊；在分子设计领域，晶泰科技的AI平台能够快速设计具有高成药性的小分子化合物，研发周期较传统方法缩短50%以上；在药物递送领域，剂泰科技开发的AI纳米递送平台，实现了肝、肺、中枢神经等多个器官的精准靶向递送，递送效率超越国际金标准，成为全球领先的肝外靶向递送技术提供商。

　　在临床转化方面，政策支持和监管创新加速了AI辅助研发药物的临床推进。截至2025年，中国已有12款AI辅助研发的药物进入Ⅱ期及以上临床阶段，其中3款进入Ⅲ期临床，2款提交上市申请，临床转化速度与欧美国家基本同步。例如，英矽智能研发的抗纤维化药物INS018_055，通过AI技术完成了从靶点发现到临床前研究的全流程研发，仅用3年时间就进入Ⅱ期临床，较传统研发周期缩短了7年，成为全球AI制药临床转化的标杆案例。

　　同时，也应看到，中国AI制药产业政策仍存在一些需要优化的地方。一是政策协同性有待加强，部分地方政策存在同质化竞争，缺乏区域协同；二是数据共享机制尚不完善，医疗数据的安全与隐私保护与数据共享之间的平衡仍需进一步优化；三是针对AI制药企业的专项税收优惠、融资支持等政策的覆盖面和力度仍需提升；四是监管政策的细化程度不足，对于生成式AI等新技术在药物研发中的应用，尚未形成明确的监管规范。未来，需要进一步加强政策协同，完善数据共享机制，优化激励政策体系，细化监管规则，为AI制药产业持续健康发展提供更有力的政策支撑。

　　中国AI制药企业的技术创新，遵循了“从单点突破到全流程覆盖”的发展路径，早期聚焦药物研发中的单一环节进行技术攻坚，逐步形成覆盖“靶点发现-分子设计-临床前研究-临床试验-制剂开发”全流程的技术体系，创新深度和广度持续提升。

　　在分子设计环节，生成式AI技术的应用推动中国企业实现了从“分子筛选”到“分子创造”的跨越。传统分子设计依赖于现有分子库的筛选，难以发现全新结构的化合物，而生成式AI能够根据药物靶点的结构和功能需求，从头设计具有高活性、高成药性的全新分子。晶泰科技的AI分子设计平台，结合量子力学模拟和深度学习算法，能够精准预测化合物的活性、毒性、药代动力学等关键属性，设计出的化合物成药性成功率较传统方法提升3倍以上。该平台已应用于多个肿瘤、神经退行性疾病药物研发项目，其中与礼来合作开发的糖尿病药物，仅用18个月就完成了从分子设计到临床前研究的全过程，较传统研发周期缩短了2年。剂泰科技则将AI技术与纳米递送技术相结合，在分子设计阶段就考虑药物的递送效率，开发的“AI+纳米递送”一体化平台，能够设计出同时具备高活性和高递送效率的药物分子，为解决传统药物“体内成药性差”的痛点提供了全新方案。

　　在临床前研究环节，AI技术的应用大幅提升了药物安全性和有效性评价的效率。临床前研究是药物研发的关键环节，传统方法依赖大量的动物实验和体外实验，周期长、成本高，且难以准确预测药物在人体内的表现。中国企业开发的AI临床前评价平台，通过整合海量的动物实验数据、体外实验数据和临床数据，能够精准预测药物的安全性、有效性和药代动力学特征，减少不必要的实验，缩短研发周期。例如，英矽智能的AI临床前评价平台，能够预测药物的肝毒性、心脏毒性等关键安全性指标，准确率达到85%以上，已帮助多个研发项目避免了后期失败；深度智耀的AI药代动力学预测平台，能够精准预测药物在人体内的吸收、分布、代谢和排泄过程，为临床试验方案设计提供科学依据，降低临床试验风险。

　　在临床试验环节，AI技术的应用优化了临床试验设计、患者招募和数据管理等关键流程。临床试验是药物研发周期最长、成本最高的环节，传统临床试验设计往往依赖于经验判断，患者招募难度大、数据管理效率低。中国企业开发的AI临床试验平台，能够通过大数据分析优化试验方案，精准筛选符合条件的患者，提升试验入组效率，同时实现临床试验数据的实时分析和管理。药明康德旗下的AI临床试验平台，能够整合多中心临床数据，优化临床试验的样本量设计和终点指标选择，已应用于多个创新药临床试验项目，使试验周期缩短30%以上，成本降低25%。深度智耀的AI患者招募平台，通过整合全国医疗机构的临床数据，能够快速匹配符合临床试验入排标准的患者，入组效率较传统方法提升2倍以上，已帮助多个Ⅲ期临床试验提前完成入组目标。

　　中国AI制药企业在长期的技术创新中，形成了“算法优化、跨领域融合、自主可控”三大核心技术优势，通过差异化创新避开与欧美企业的正面竞争，在关键技术领域实现自主可控，构建了独特的技术壁垒。

　　在算法优化方面，中国企业针对生物医药数据的特殊性，开发了一系列定制化的AI算法，大幅提升了模型的精准度和效率。与通用AI算法不同，生物医药数据具有高维度、小样本、强噪声等特点，直接应用通用算法难以取得理想效果。中国企业通过对深度学习、强化学习、生成式AI等算法进行优化改进，使其更适应生物医药数据的处理需求。例如，晶泰科技开发的“量子力学+机器学习”混合算法，将量子力学对分子结构的精准描述与机器学习的高效预测能力相结合，能够精准预测化合物的活性和药代动力学属性，预测准确率较传统机器学习算法提升20%以上；英矽智能的“多模态数据融合算法”，能够整合基因组学、蛋白质组学、临床数据等多维度异构数据，解决了单一数据源信息不足的问题，大幅提升了靶点发现和分子设计的成功率。这些定制化算法的开发，使中国企业在核心技术环节摆脱了对国外算法的依赖，形成了自主可控的技术体系。

　　在跨领域融合方面，中国企业打破了AI技术与生物医药、材料科学等领域的壁垒，通过跨领域技术融合形成了独特的技术优势。AI制药的核心在于将AI技术与生物医药知识深度结合，而中国企业在这一过程中进一步拓展了融合的广度和深度，将AI技术与纳米材料、细胞治疗、核酸技术等前沿领域相结合，开辟了全新的研发路径。剂泰科技的“AI+纳米递送”技术，将AI算法与纳米材料科学融合，解决了传统药物递送效率低、靶向性差的痛点，成为全球领先的肝外靶向递送技术；英矽智能的“AI+合成生物学”技术，利用AI算法设计合成生物学路径，实现了药物分子的高效生物合成，大幅降低了药物生产成本；深度智耀的“AI+真实世界数据”技术，将AI算法与真实世界数据挖掘相结合，为药物研发提供了更贴近临床实际的证据支持，加速了药物的临床转化。跨领域融合不仅提升了中国企业的技术竞争力，还推动了相关领域的协同发展，形成了良性的技术创新生态。

　　在自主可控方面，中国企业在关键技术、核心软件和数据资源等领域实现了自主可控，有效规避了“卡脖子”风险。随着全球科技竞争的加剧，核心技术自主可控成为产业发展的关键。中国AI制药企业高度重视自主技术研发，在算法模型、软件平台、数据资源等方面均实现了自主可控。在算法模型方面，国内企业的核心算法均为自主研发，未依赖国外专利技术；在核心软件方面，晶泰科技、英矽智能等企业均开发了自主可控的AI制药软件平台，摆脱了对国外商业软件的依赖；在数据资源方面，国内企业依托本土医疗数据资源，建立了自主可控的生物医学数据库，未受国外数据限制。例如，晶泰科技的AI药物研发平台完全自主研发，涵盖靶点发现、分子设计、临床前评价等全流程，软件代码和核心算法均拥有自主知识产权；英矽智能建立了全球最大的中文生物医学文献数据库，通过自然语言处理技术提取关键信息，为AI模型训练提供了独特的数据支持。自主可控的技术体系，为中国AI制药企业的持续发展提供了坚实保障，也为产业的国际化发展奠定了基础。

　　中国AI制药产业的快速发展，离不开一批头部企业的引领和带动。这些企业凭借强大的技术创新能力和产业化能力，在全球AI制药领域崭露头角，成为中国AI制药创新的标杆。以下选取晶泰科技、英矽智能、剂泰科技三家代表性企业，深入分析其技术创新实践和产业影响。

　　晶泰科技成立于2014年，是中国AI制药领域的先行者，专注于将量子力学与AI技术相结合，打造全球领先的AI药物研发平台。公司以“让好药更快、更省地惠及众生”为使命，在分子设计、临床前研究等领域取得了一系列突破性成果，成为全球AI制药领域的重要参与者。

　　在技术创新方面，晶泰科技的核心优势在于“量子力学+机器学习”的融合创新。公司开发的AI分子设计平台，基于量子力学对分子结构和相互作用的精准描述，结合机器学习算法的高效预测能力，能够快速设计出具有高活性、高成药性的化合物。与传统分子设计方法相比，该平台具有三大优势：一是预测精准度高，能够精准预测化合物的活性、毒性、药代动力学等关键属性，成药性成功率较传统方法提升3倍以上；二是研发周期短，能够将分子设计到临床前研究的周期缩短50%以上；三是创新能力强，能够从头设计全新结构的化合物，突破现有分子库的局限。例如，公司与礼来合作开发的糖尿病药物，仅用18个月就完成了从分子设计到临床前研究的全过程，较传统研发周期缩短了2年，相关成果发表于《自然·化学》，获得全球业界认可。

　　在产业化方面，晶泰科技构建了“平台服务+自主研发”双轮驱动的商业模式。在平台服务方面，公司为全球开云智能科技制药企业提供AI辅助药物研发服务，客户包括礼来、默克、阿斯利康等跨国药企，以及国内众多创新药企业，截至2025年，已完成超过50个合作项目，覆盖肿瘤、神经退行性疾病、心血管疾病等多个领域；在自主研发方面，公司布局了10余个自主研发的药物项目，其中2个项目进入Ⅱ期临床，1个项目进入Ⅰ期临床。此外，公司还积极推动技术转化，与国内CRO/CDMO企业建立合作，构建了“AI设计+实验验证+临床转化”的完整产业链条，加速了药物研发进程。

　　晶泰科技的技术创新和产业化实践，不仅推动了中国AI制药技术的发展，还提升了中国在全球AI制药领域的话语权。公司的AI分子设计平台被国际知名机构评为“全球最具影响力的AI制药平台之一”，其技术标准和研发模式被众多企业借鉴，成为中国AI制药产业的标杆。

　　英矽智能成立于2014年，是全球领先的端到端AI制药公司，专注于利用AI技术覆盖药物研发全流程，从靶点发现、分子设计到临床前研究、临床试验，构建了全球首个端到端AI制药平台。公司以“加速新药研发，攻克难治疾病”为使命，在AI制药领域取得了一系列突破性成果，成为全球AI制药临床转化的引领者。

　　在技术创新方面，英矽智能的核心优势在于“端到端AI制药平台”的构建。该平台整合了靶点发现、分子设计、临床前评价、临床试验优化等多个模块，通过AI算法实现了各模块的无缝衔接，能够自主完成从疾病机制研究到药物临床前开发的全流程工作。与传统研发模式相比，该平台具有三大优势：一是研发效率高，能够将药物研发周期从传统的10-15年缩短至3-5年；二是研发成本低，大幅减少了实验试错的次数和成本，研发成本较传统模式降低60%以上；三是创新能力强，能够发现全新的药物靶点和分子结构，突破传统研发的局限。例如，公司研发的抗纤维化药物INS018_055，通过端到端AI平台完成了从靶点发现到临床前研究的全流程研发，仅用3年时间就进入Ⅱ期临床，较传统研发周期缩短了7年，成为全球AI制药临床转化的标杆案例；该药物在Ⅱ期临床试验中表现出优异的疗效和安全性，有望成为全球首个AI设计的抗纤维化新药。

　　在产业化方面，英矽智能采取“自主研发+合作开发”的双轮驱动模式。在自主研发方面，公司布局了20余个药物研发项目，覆盖纤维化疾病、肿瘤、神经退行性疾病等多个领域，其中3个项目进入Ⅲ期临床，2个项目提交上市申请；在合作开发方面，公司与默克、阿斯利康、礼来等跨国药企建立了深度合作关系，将其端到端AI平台输出给合作伙伴，共同开展药物研发项目。此外，公司还积极拓展全球市场，在新加坡、美国、英国等地设立了研发中心和分支机构，构建了全球化的研发和商业化网络。

　　英矽智能的技术创新和产业化实践，推动了AI制药从“辅助工具”向“核心引擎”的转变，引领了全球AI制药产业的发展方向。公司的端到端AI制药平台被《自然》杂志评为“改变药物研发的十大技术之一”，其临床转化成果为全球AI制药企业提供了可借鉴的经验，提升了中国在全球AI制药领域的核心竞争力。

　　剂泰科技成立于2018年，是全球领先的AI纳米递送技术公司，专注于将AI技术与纳米材料科学相结合，开发高效、精准的药物递送系统，破解传统药物“递送难、靶向差、成药性低”的痛点。公司以“让药物更有效，让治疗更安全”为使命，在AI纳米递送技术领域取得了一系列突破性成果，成为全球药物递送领域的创新引领者。

　　在技术创新方面，剂泰科技的核心优势在于“AI+纳米递送”的跨领域融合创新。公司开发的AI纳米递送平台，整合了AI算法、纳米材料科学、生物医学等多个领域的技术，能够根据药物的理化性质和临床需求，设计最优的纳米递送系统。该平台具有三大核心技术：一是AI辅助载体设计技术，通过深度学习算法优化纳米载体的材料组成、结构和表面修饰，提升载体的生物相容性和靶向性；二是AI辅助药物负载技术，利用AI算法预测药物与载体的相互作用，优化负载工艺，提高药物负载效率和稳定性；三是AI辅助体内行为预测技术，通过整合海量的体内外实验数据，精准预测纳米递送系统在体内的吸收、分布、代谢和排泄过程，为制剂优化提供科学依据。例如，公司开发的肝外靶向递送技术，通过AI算法优化纳米载体的表面修饰，实现了药物向肺、脑、肿瘤等肝外器官的高效递送，递送效率超越国际金标准，成为全球领先的肝外靶向递送技术；该技术已应用于多个药物研发项目，其中针对肺癌的靶向递送药物已进入Ⅱ期临床，表现出优异的疗效。

　　在产业化方面，剂泰科技采取“技术授权+自主研发”的商业模式。在技术授权方面，公司将其AI纳米递送技术授权给国内外制药企业，帮助合作伙伴提升药物的成药性和治疗效果，截至2025年，已与超过30家制药企业建立合作关系，涵盖小分子药物、生物药、核酸药物等多个领域；在自主研发方面，公司布局了10余个基于AI纳米递送技术的药物研发项目，其中4个项目进入临床阶段，2个项目进入临床前后期。此外，公司还积极推动技术转化，与国内CRO/CDMO企业、临床试验机构建立合作，构建了“AI设计+纳米制备+临床验证”的完整产业链条，加速了技术的产业化进程。

　　剂泰科技的技术创新和产业化实践，破解了传统药物递送领域的诸多难题，为药物研发提供了全新的技术路径。公司的AI纳米递送技术被国际知名机构评为“全球药物递送领域的十大创新技术之一”，其技术成果已在多个治疗领域得到应用，为患者带来了新的治疗希望，同时也提升了中国在全球药物递送领域的技术话语权。

　　中国AI制药企业的技术创新并非孤立进行，而是构建了“产学研协同、全球化合作”的技术创新生态，通过整合内部和外部资源，加速技术创新和转化，形成了强大的创新合力。

　　在产学研协同方面，中国AI制药企业与高校、科研机构建立了深度合作关系，形成了“基础研究-技术转化-产业应用”的完整创新链条。企业为高校和科研机构提供科研经费、实验数据和产业化需求，高校和科研机构为企业提供前沿技术、高端人才和基础研究支持，实现了优势互补、互利共赢。例如，晶泰科技与清华大学、北京大学、中科院等高校和科研机构合作，共建了“AI制药联合实验室”，开展靶点发现、分子设计等前沿技术研究，已取得多项重要科研成果；英矽智能与哈佛大学、麻省理工学院等国际顶尖高校合作，共同开展AI辅助药物研发的基础研究，相关成果发表于《自然》《科学》等顶级期刊；剂泰科技与浙江大学、上海交通大学等高校合作，共建了“纳米递送技术联合实验室”，推动AI纳米递送技术的基础研究和技术转化。此外，企业还积极参与国家重大科研项目，通过“揭榜挂帅”等方式，与高校、科研机构联合攻克AI制药领域的“卡脖子”技术，推动产业整体技术水平的提升。

　　在全球化合作方面，中国AI制药企业积极拓展国际合作渠道，与全球制药企业、科研机构、CRO/CDMO企业建立了广泛的合作关系，整合全球创新资源，加速技术创新和产业化进程。在技术合作方面，中国企业与跨国药企合作开发药物研发项目，共享技术和资源，提升研发效率和成功率；例如，晶泰科技与礼来合作开发糖尿病药物，英矽智能与默克合作开发肿瘤药物，均取得了显著进展。在科研合作方面，中国企业与国际顶尖科研机构合作开展基础研究，提升技术创新的深度和广度；例如，剂泰科技与美国斯坦福大学合作开展纳米递送技术的基础研究，共同攻克技术难题。在产业合作方面，中国企业与全球CRO/CDMO企业合作，利用其全球临床试验和生产资源，加速药物的临床转化和商业化；例如，英矽智能与全球知名CRO企业昆泰合作，开展国际多中心临床试验，推动药物的全球上市。此外，中国企业还通过在海外设立研发中心、分支机构等方式，吸纳全球高端人才，整合全球创新资源，提升全球竞争力。

　　尽管中国AI制药企业在技术创新方面取得了显著成就，但仍面临“算法瓶颈、数据质量、人才短缺、监管适配”四大挑战，需要通过持续创新和协同合作加以突破。

　　在算法瓶颈方面，现有AI算法在处理生物医药复杂问题时仍存在局限性，例如在药物靶点与分子相互作用的精准预测、药物在体内的复杂代谢过程模拟等方面，算法的精准度和效率仍需提升。未来，需要加强对AI算法的基础研究，开发更适应生物医药数据特点的新型算法，例如基于因果推理的AI算法、多尺度模拟与AI融合算法等，提升模型的精准度和泛化能力；同时，加强算法与生物医药知识的深度融合，将生物学机制融入AI模型的设计和训练，提升模型的可解释性和可靠性。

　　在数据质量方面，尽管中国拥有海量的生物医学数据，但数据标准化程度低、数据质量参差不齐、数据共享机制不完善等问题仍较为突出，影响了AI模型的训练效果。未来，需要加强医疗数据的标准化建设，建立统一的数据标准和规范，提升数据质量；完善数据共享机制，在保障数据安全和隐私的前提下，推动医疗数据的开放共享，构建大规模、高质量的生物医学数据库；加强真实世界数据的挖掘和应用，将真实世界数据与临床试验数据相结合，提升AI模型的泛化能力和临床相关性。

　　在人才短缺方面，AI制药领域需要兼具AI技术能力和生物医药知识的复合型人才，而目前全球范围内这类人才都较为短缺，中国也不例外。未来，需要加强高校和科研机构的人才培养，设立AI与生物医药交叉学科，培养复合型人才；完善人才激励机制，吸引海外高端人才回国创业或就业；加强企业内部人才培养，通过与高校合作、内部培训等方式，提升现有员工的专业能力；构建人才交流平台，促进国内外人才的交流与合作，提升行业整体人才水平。

　　在监管适配方面，AI制药技术的快速发展与监管政策的滞后性之间存在矛盾，现有监管政策难以完全适配AI辅助药物研发的特点，例如在AI模型的验证、数据的可靠性评价、临床试验的设计等方面，缺乏明确的监管规范。未来，需要加强监管政策的创新和完善，建立适应AI制药特点的监管体系；推动监管机构与企业、科研机构的沟通与合作，及时了解技术发展动态，制定科学合理的监管政策；加强国际监管合作，借鉴欧美国家的先进监管经验，推动全球AI制药监管标准的协调统一。

　　中国AI制药企业在核心技术领域的持续创新，推动中国在全球AI制药领域实现了从“跟跑”到“并跑”甚至“领跑”的跨越，多个细分领域的技术成果达到全球领先水平，为全球AI制药产业的发展提供了新的技术路径和解决方案。

　　在蛋白质结构预测领域，中国企业的技术突破打破了欧美国家的长期垄断。蛋白质结构预测是药物研发的基础，此前全球领先的技术主要掌握在DeepMind等欧美企业手中。近年来，中国企业依托强大的算力支撑和数据资源，在该领域取得了重大突破。华为云联合中科院开发的“盘古药物分子大模型”，在国际权威的蛋白质结构预测竞赛CASP16中，其预测精度超过了AlphaFold 3，对膜蛋白、复合物等难预测蛋白质的结构预测准确率达到90%以上，为全球药物研发提供了更精准的结构基础。该模型已向全球科研机构和企业开放，截至2025年，已有超过1000家全球机构使用该模型开展药物研发工作，推动了全球AI制药技术的进步。此外，晶泰科技的蛋白质结构预测平台在抗体药物靶点结构预测方面准确率达到92%，为全球抗体药物设计提供了重要支撑，已与罗氏、礼来等跨国药企建立合作，应用于多个抗体药物研发项目。

　　在生成式AI分子设计领域，中国企业的技术创新提升了全球分子设计的效率和质量。生成式AI分子设计是AI制药的核心技术之一，其目标是生成具有高活性、高成药性的全新药物分子。中国企业开发的生成式AI模型，在分子生成效率、成药性预测精度等方面达到全球领先水平。英矽智能的Chemistry42平台，能够同时优化分子的活性、成药性、毒性等10余个关键属性，生成的分子进入临床前研究的成功率达到25%，较行业平均水平提升了5倍，为全球制药企业提供了更高效的分子设计工具。该平台已自主设计出多个针对肿瘤、纤维化疾病的候选药物，其中INS018_055已进入Ⅱ期临床，成为全球AI分子设计技术临床转化的标杆案例。此外，晶泰科技的基于量子力学的生成式AI模型，能够精准预测分子的电子结构和理化性质，生成的分子在活性和选择性方面具有显著优势，已与默克、辉瑞等跨国药企建立合作，共同开展分子设计项目，推动了全球小分子药物研发的效率提升。

　　在AI药物递送领域，中国企业的技术突破为全球难治性疾病的治疗提供了全新方案。药物递送技术是制约很多创新药临床转化的关键瓶颈，尤其是在肿瘤、中枢神经疾病等领域，精准递送能够显著提升治疗效果、降低副作用。剂泰科技开发的AI NanoDeliver™平台，是全球首个实现肝外多器官精准靶向的递送技术平台，能够针对肺、脑、肿瘤等多个器官设计最优的纳米递送系统，递送效率超越国际金标准。该平台的技术突破，解决了传统药物递送“靶向性差、效率低”的痛点，为全球制药企业提供了全新的递送解决方案。截至2025年，该平台已与全球20余家制药企业建立合作，涵盖小分子药物、核酸药物、抗体药物等多个类型，相关合作项目已有3个进入临床阶段，为全球难治性疾病的治疗带来了新的希望。

　　中国AI制药企业的技术突破，不仅提升了中国在全球AI制药领域的技术地位，更推动了全球AI制药产业的技术进步。中国企业的技术创新成果，为全球制药企业提供了更高效、更精准的研发工具和解决方案，加速了全球创新药的研发进程，为人类健康事业做出了重要贡献。

　　中国AI制药企业在技术创新的支撑下，积极拓展全球市场，市场份额持续提升，从原本主要聚焦国内市场，逐步发展为全球AI制药市场的重要参与者，形成了“本土扎根、全球扩张”的市场布局格局。

　　在全球市场份额方面，中国AI制药企业的市场份额持续增长，与国际头部企业的差距不断缩小。根据Research And Markets数据，2021年中国AI制药企业的全球市场份额仅为5%，而到2025年已提升至15%，预计2030年将达到25%以上。其中，晶泰科技、英矽智能、剂泰科技等头部企业的市场份额已进入全球前十，晶泰科技以5%的市场份额位居全球第六，英矽智能以4%的市场份额位居全球第八。在细分领域，中国企业的市场份额更高，例如在AI药物递送领域，剂泰科技的全球市场份额达到18%，位居全球第一；在AI临床试验优化领域，深度智耀的全球市场份额达到12%，位居全球第三。

　　在全球市场布局方面，中国AI制药企业通过在海外设立研发中心、开展临床试验、建立合作关系等方式，积极拓展海外市场。英矽智能在纽约、伦敦、新加坡等地设立了研发中心，在全球多个国家和地区开展临床试验，其核心产品INS018_055已在北美、欧洲、亚洲等多个国家和地区进入Ⅱ期临床，预计上市后将覆盖全球主要市场；晶泰科技在波士顿、旧金山等地设立了海外办公室，与罗氏、礼来等跨国药企建立了长期稳定的合作关系，其技术服务已覆盖全球50多个国家和地区；剂泰科技在西雅图、波士顿等地设立了研发中心，与默克、辉瑞等跨国药企开展联合开发，其AI纳米递送技术已授权给多家全球制药企业，技术服务覆盖全球30多个国家和地区。

　　在海外市场收入方面，中国AI制药企业的海外收入占比持续提升，成为企业营收的重要组成部分。2021年，中国AI制药企业的海外收入占比平均仅为15%，而到2025年已提升至40%以上，头部企业的海外收入占比更高，英矽智能的海外收入占比达到65%，晶泰科技的海外收入占比达到55%，剂泰科技的海外收入占比达到50%。海外市场的拓展，不仅为企业带来了丰厚的收入，更提升了企业的全球品牌影响力，为企业的长期发展奠定了基础。

　　中国AI制药企业的全球市场扩张，得益于其技术创新带来的产品竞争力提升，以及全球制药行业对AI技术的需求增长。随着中国企业技术实力的持续提升和全球布局的不断深化，其在全球AI制药市场的份额将进一步提升，成为全球AI制药市场的重要主导力量。

　　中国AI制药企业在发展过程中，积极构建全球协同的产业生态，通过与全球制药企业、科研机构、监管机构等建立合作关系，实现了资源共享、优势互补，推动了全球AI制药产业的协同发展。

　　在全球研发协同方面，中国AI制药企业与全球顶级制药企业建立了深度战略合作关系，开展联合研发，共同攻克药物研发难题。英矽智能与默克、礼来、阿斯利康等跨国药企建立了联合研发项目，利用其AI平台共同开发肿瘤、神经退行性疾病等领域的创新药物，合作金额累计超过20亿美元；晶泰科技与罗氏、辉瑞、默克等跨国药企建立了长期合作关系，为其提供分子设计、制剂开发等技术服务，合作项目累计超过50个；剂泰科技与默克、辉瑞、礼来等跨国药企开展联合开发，利用其AI纳米递送平台提升药物的递送效率和靶向性，相关合作项目已有3个进入临床阶段。这些联合研发项目，不仅整合了中国企业的AI技术优势和跨国药企的研发资源、市场渠道优势，更加速了创新药的研发进程，为全球患者带来了新的治疗选择。

　　在全球科研协同方面，中国AI制药企业与全球顶尖科研机构建立了合作关系，开展基础研究和技术创新，推动了全球AI制药技术的进步。英矽智能与清华大学、哈佛大学、麻省理工学院等建立了联合实验室，聚焦蛋白质结构预测、生成式AI分子设计等领域的基础研究；晶泰科技与斯坦福大学、加州大学伯克利分校等建立了合作关系，开展量子力学模拟、AI算法优化等方面的研究；剂泰科技与麻省理工学院、哈佛大学等建立了合作关系，开展纳米材料科学、靶向递送技术等方面的研究。这些科研合作，整合了全球顶尖的科研资源，推动了AI制药基础研究的突破，为产业发展提供了技术支撑。

　　在全球监管协同方面，中国AI制药企业积极参与全球AI制药监管规则的制定，与各国监管机构建立了沟通合作机制，推动了全球AI制药监管的协同发展。深度智耀参与了《人工智能辅助药物研发技术指导原则（试行）》的起草工作，同时与美国FDA、欧洲MHRA、日本PMDA等监管机构建立了沟通机制，为其AI临床试验平台的全球应用争取了有利的监管环境；英矽智能与美国FDA、欧洲MHRA等监管机构就AI辅助研发药物的审评路径进行了深入沟通，其核心产品INS018_055的临床试验方案得到了监管机构的认可，加速了临床试验进程；晶泰科技与美国FDA、欧洲MHRA等监管机构就AI晶型预测技术的应用进行了沟通，其AI晶型预测平台已获得监管机构的认可，可用于药物研发的申报材料。这些监管协同efforts，推动了全球AI制药监管规则的统一和完善，为AI制药产业的全球发展创造了良好的环境。

　　中国AI制药企业构建的全球协同产业生态，不仅提升了企业自身的竞争力，更推动了全球AI制药产业的资源整合和协同发展，为全球AI制药产业的高质量发展注入了新的活力。

　　随着中国AI制药产业的快速发展和技术实力的提升，中国企业和相关机构开始积极参与全球AI制药领域的国际规则制定，从原本的被动接受国际规则，逐步转变为主动引领规则制定，提升了中国在全球AI制药领域的话语权和影响力。

　　在技术标准制定方面，中国企业和机构积极参与国际标准化组织的工作，推动制定AI制药领域的技术标准。中国科学院自动化研究所、清华大学、晶泰科技等单位联合发起成立了“国际人工智能制药联盟”，推动制定AI靶点发现、分子设计、临床试验等领域的技术标准；深度智耀参与了ISO/IEC JTC1/SC42（人工智能标准化分技术委员会）的工作，推动制定AI临床试验数据管理的国际标准；剂泰科技参与了IEEE（电气和电子工程师协会）的工作，推动制定AI纳米递送技术的国际标准。这些努力，使中国在AI制药技术标准制定中占据了重要地位，推动了技术标准的国际化和统一化，为全球AI制药产业的规范发展提供了重要支撑。

　　在监管规则制定方面，中国药监局积极与国际监管机构沟通合作，推动制定AI制药领域的监管规则，同时中国企业也积极参与其中，贡献中国经验。2023年，中国药监局与美国FDA、欧洲MHRA联合发起成立了“全球AI制药监管合作联盟”，旨在加强各国监管机构在AI制药领域的沟通合作，推动监管规则的协同发展；深度智耀、英矽智能等企业作为行业代表，参与了联盟的工作，向全球监管机构分享了中国AI制药企业的实践经验，为监管规则的制定提供了参考；中国药监局发布的《人工智能辅助药物研发技术指导原则（试行）》，被全球多个国家和地区的监管机构借鉴，成为制定本地监管规则的重要参考。这些努力，使中国在全球AI制药监管规则制定中拥有了更多的话语权，推动了监管规则的合理化和完善化。

　　在行业自律方面，中国AI制药企业积极参与全球行业自律组织的工作，推动制定行业自律准则，规范企业行为。中国医药创新促进会、中国AI制药产业联盟等组织联合发起成立了“全球AI制药行业自律联盟”，制定了AI制药企业的伦理准则、数据安全规范、技术应用标准等自律准则；英矽智能、晶泰科技、剂泰科技等头部企业作为联盟成员，积极遵守自律准则，推动行业的健康发展。这些行业自律efforts，不仅规范了中国AI制药企业的行为，也为全球AI制药行业的自律提供了参考，推动了行业的可持续发展。

　　中国在全球AI制药国际规则制定中的参与和引领，不仅提升了中国在全球AI制药领域的话语权和影响力，更推动了国际规则的合理化、完善化和国际化，为全球AI制药产业的健康发展创造了良好的环境。

　　尽管中国AI制药企业在部分细分领域取得了显著的技术突破，但在核心算法、底层技术等方面仍面临诸多挑战，这些瓶颈制约了产业的进一步发展。

　　在核心算法方面，中国AI制药企业的算法创新仍主要集中在应用层面，底层算法的原创性不足。目前，AI制药领域的核心算法如深度学习、生成对抗网络、强化学习等，其理论基础和核心框架均由欧美国家提出，中国企业主要是在这些现有框架的基础上进行应用优化和改进，缺乏底层算法的原创性创新。这种“应用创新为主、底层创新不足”的格局，导致中国企业在算法竞争中处于被动地位，难以形成真正的技术壁垒。例如，在生成式AI分子设计领域，中国企业的算法主要是基于现有的GAN、VAE等框架进行优化，而欧美企业如DeepMind、Exscientia等已开始探索全新的算法框架，有望实现更高的分子生成效率和质量。此外，AI算法的可解释性不足也是一个重要挑战，目前大多数AI模型都是“黑箱”模型，难以解释其决策过程，这在药物研发领域带来了一定的风险，因为药物的安全性和有效性需要明确的科学依据，而“黑箱”模型的决策过程可能导致研发风险增加。

　　在底层技术方面，中国AI制药企业面临着算力芯片、操作系统等“卡脖子”问题。AI制药涉及海量的数据处理和复杂的计算任务，对算力芯片的性能要求极高。目前，全球AI算力芯片市场主要由美国的英伟达、AMD等企业垄断，中国企业使用的高端算力芯片大多依赖进口，面临着供应不稳定、价格高昂等风险。例如，英伟达的A100、H100芯片是AI制药企业进行大规模分子模拟和模型训练的核心设备，但由于出口管制等原因，中国企业获取这些芯片的难度不断加大，制约了技术研发的进程。此外，AI制药领域的操作系统、数据库管理系统等底层软件也主要由欧美企业主导，中国企业缺乏自主可控的底层软件平台，存在数据安全和技术依赖风险。

　　在技术转化方面，中国AI制药企业面临着“实验室技术”向“产业化应用”转化的瓶颈。目前，中国企业在AI制药技术研发方面取得了不少成果，但很多技术仍停留在实验室阶段，难以实现规模化、产业化应用。这主要是因为AI制药技术的产业化应用需要满足严格的质量控制、数据标准、regulatory要求等，而中国企业在这些方面的经验相对不足。例如，AI模型的训练数据需要符合GLP（良好实验室规范）、GCP（药物临床试验质量管理规范）等要求，而中国企业在数据标准化、质量控制等方面仍存在差距，导致技术转化效率较低。此外，AI制药技术的产业化应用还需要与传统制药工艺、生产设备等进行整合，而中国企业在这方面的整合能力也有待提升。

　　数据是AI制药的核心燃料，中国虽然拥有庞大的生物医学数据资源，但在数据质量、数据安全、数据共享等方面仍面临诸多挑战，制约了AI制药产业的发展。

　　在数据质量方面，中国生物医学数据存在“数量大、质量低、标准化程度低”的问题。尽管中国医疗机构年诊疗人次超过80亿，产生了海量的临床数据，但这些数据大多分散在不同的医疗机构，数据格式不统一、数据缺失、数据错误等问题较为突出，难以直接用于AI模型的训练。例如，电子病历数据往往存在术语不规范、编码不一致、关键信息缺失等问题，需要进行大量的清洗、整理和标准化工作才能使用；基因组学、蛋白质组学等多组学数据的质量也参差不齐，不同实验室的检测方法、数据格式存在差异，影响了数据的可比性和可用性。此外，中国生物医学数据的标注质量也有待提升，AI模型的训练需要大量高质量的标注数据，而中国在生物医学数据标注方面缺乏统一的标准和规范，标注人员的专业水平也参差不齐，导致标注数据的质量难以保证。

　　在数据安全方面，中国生物医学数据面临着泄露、滥用等风险，数据安全保障体系尚不完善。生物医学数据包含大量的个人隐私信息和敏感信息，如患者的病历信息、基因信息等，这些数据的泄露可能会对患者的隐私和权益造成严重损害。目前，中国虽然出台了《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》等法律法规，但在生物医学数据安全的具体实施细则、技术保障措施等方面仍存在差距。例如，医疗机构的数据安全防护能力不足，存在数据泄露的风险；数据交易、共享过程中的安全监管机制不完善，存在数据滥用的风险。此外，中国在生物医学数据的跨境流动管理方面也面临挑战，一方面，AI制药的全球化发展需要数据的跨境流动，另一方面，数据跨境流动又面临着国家安全、隐私保护等方面的限制，如何在保障数据安全的前提下实现数据的跨境流动，是中国AI制药企业面临的重要难题。

　　在数据共享方面，中国生物医学数据存在“数据孤岛”问题，共享机制尚不完善。目前，中国的生物医学数据大多分散在不同的医疗机构、科研机构、企业等，缺乏统一的数据共享平台和机制，导致数据资源难以有效整合和利用。这主要是因为数据共享涉及到数据所有权、使用权、利益分配等多个方面的问题，相关的法律法规和政策体系尚不完善。例如，医疗机构担心数据共享会泄露患者隐私和商业秘密，科研机构担心数据共享会影响其科研成果的独占性，企业担心数据共享会导致竞争优势丧失，这些因素都制约了数据共享的推进。此外，中国在数据共享的技术标准、接口规范等方面也缺乏统一的要求，不同机构的数据系统难以互联互通，进一步加剧了“数据孤岛”问题。

　　AI制药是一门交叉学科，需要兼具AI技术、生物医药知识、制药工程经验等多方面能力的复合型人才，而中国目前在复合型人才的供给、培养等方面仍面临诸多挑战，制约了产业的发展。

　　在人才供给方面，中国AI制药领域的复合型人才严重短缺。目前，中国的AI人才主要集中在互联网、计算机等领域，生物医药人才主要集中在传统制药、科研机构等领域，兼具AI技术和生物医药知识的复合型人才数量极少。根据行业统计，截至2025年，中国AI制药领域的复合型人才缺口超过3万人，尤其是在AI算法优化、生物医学数据处理、AI药物研发项目管理等高端人才方面，缺口更为突出。这主要是因为AI制药作为一门新兴交叉学科，发展时间较短，相关的人才培养体系尚未完善，难以快速培养出大量的复合型人才。