图源：豆包
赛诺菲再次扫货中国AI。
1月5日，赛诺菲宣布与Earendil Labs达成新的战略合作。根据披露，Earendil Labs的人工智能药物发现平台将被应用于多个自身免疫性疾病及炎症性疾病项目，而合作中产生的双特异性抗体候选药物，将由赛诺菲主导后续研发及全球商业化。
在2023年宣布ALL in AI后的赛诺菲，近两年频繁与全球的AI+制药公司达成BD交易。而这一次被产业关注的原因是，8个月前赛诺菲刚刚与Earendil Labs达成了一笔首付款1.25亿美元，总额超18亿美元的BD合作，并且拿下两款双抗候选药物的全球独家权益，直指赛诺菲的核心、也是当下全球研发最拥挤赛道之一，自免与炎症领域。
而这一次，赛诺菲直接把合作从“单个管线”推进到了“整个AI平台”。
几乎在同一时间窗口，国内AI制药的热门选手——英矽智能，在经历数次IPO波折后，于2025年底终于成功上市，创下当年最大IPO募资记录。并在2026年开年官宣达成了与施维雅8.8亿美元的合作，一时风光无两。
再往前看，礼来、默沙东、诺华等跨国药企，也在过去两年内频繁公开押注AI研发战略。
AI是否已经从制药研发中的附加项，变成了一种必须建立的基础能力？曾经一度最容易被质疑是“讲故事”的领域，这次真的成功落地了吗？
赛诺菲为何再一次押注
一笔超18亿美元、一笔超25亿美元，不到一年的时间，赛诺菲疯狂扫货中国AI资产。
2025年4月，赛诺菲与Earendil Labs达成授权协议，以1.25亿美元预付款获得HXN-1002（α4β7/TL1A）与HXN-1003（TL1A/IL-23）两款双抗药物的全球独家权益。这两款候选药物均聚焦自身免疫与炎症性疾病，其中TL1A被视为近年免疫炎症领域最具潜力、同时竞争也最为激烈的靶点之一。
时隔8个月后，赛诺菲再次选择Earendil Labs，而这一次交易已经不再局限于单一管线，而是将Earendil Labs的AI药物发现平台直接纳入赛诺菲多个研发项目的早期阶段。
具体来看，Earendil Labs是华深智药的关联公司，华深智药则聚焦在AI+高通量抗体优化，由清华大学人工智能产业研究院孵化，目前已开发了多种蛋白药物设计与建模的创新算法，其AI抗体设计平台Helixon Design能够大规模地模拟分子间相互作用，高效地对多靶点抗体进行设计，大幅缩短研发周期。
Earendil Labs与赛诺菲的合作，从技术层面看，生成式AI与实验验证的专有平台能够高效、精准地发现和优化具有“同类首创”或“同类最佳”潜力的生物制剂。赛诺菲则贡献其在免疫学的的全球临床开发网络及商业化实力，双方共同加速候选药物从实验室走向患者。
临床前的新分子实体数量庞大，但真正能够跨入临床的项目仍然凤毛麟角，尤其是在抗体、双抗或可编程蛋白设计中，氨基酸序列的组合空间更是指数级膨胀。从某种意义上说，与传统药物研发的大海捞针式筛选不同，AI能够针对不同疾病精准生成具有潜在生物活性的药物分子，以压倒性优势改变蛋白结构预测、分子设计、理化性质优化等环节，为药物研发开辟全新路径。
用更通俗的话来说，AI把过去药企“黑灯瞎火乱摸索”的过程，变成了“带着手电筒去找路”。
有分析认为，赛诺菲愿意在短时间内反复选择同一家AI，并且将AI药物发现平台纳入自身多个研发项目的早期阶段，至少说明现阶段赛诺菲对Earendil Labs的AI研发平台很满意。
万联证券研报认为，药企愿意支付高额预付款，表明AI生成分子的可信度提升。
“疯狂”押注AI的不止赛诺菲一家，过去一个月里，礼来也连续出手：从引入AI驱动的双抗工程平台，到围绕创新靶点展开新一轮AI药物研发合作，再到多家采用人工智能技术的Biotech项目陆续落地，短短10天就花了30多亿。
如果把视角拉到整个产业来看，制药行业长达十年、耗资数十亿的新药研发马拉松，正被人工智能重新定义。
当传统药企的研发周期仍停留在平均10年，AI技术已将部分巨头的早期研发流程压缩至18个月。过去几年里，礼来、默沙东、诺华、辉瑞等MNC，几乎都在不同场合反复强调 AI 在研发体系中的战略地位。这种变化，并不是突然对某个赛道产生热情，更像是传统研发模式下不确定性带来的压力的释放。
一方面，不论是肿瘤、自免、还是代谢，主流赛道早已进入高度拥挤期，靶点看似越来越多，但真正能在临床中产生差异化疗效，或者攻克尚未治愈疾病领域的，却越来越少。另一方面，临床失败的成本持续抬升，叠加业绩压力下，“试错”愈发变得不可承受。
在这种背景下，AI被寄予的并不是“发明一款新药”，而是一个更切的目标——提升效率。这也是为什么，跨国药企对AI的态度，从“外围的管线合作”逐渐转向“把AI嵌入研发体系内”。
跑通AI+制药，还差什么？
进入2025年后，生成式人工智能正在成为推动生命科学领域发展的强大加速剂之一，将传统需要数十年、数十亿美元投入的研发周期大幅压缩。但如果把时间回拨，几年前的AI制药领域，一度是最容易被质疑“讲故事”的赛道。
追溯到早期，AI主要的作用还是应用于数据分析与药物筛选，但真正由AI主导发现的新靶点仍属少数，更多项目仍集中在老靶点和成熟适应证上；同时，研发周期漫长、盈利路径模糊，也让市场对AI制药的商业价值始终保持谨慎。
但如今，它已经深入到靶点发现、分子设计、临床试验优化乃至精准治疗的全流程。湘财证券研报指出，从制药的流程看，AI技术已经在多个环节找到了适合自己的应用场景，并发挥出巨大潜力。
全球范围内，以AI为科研底座的生物医药公司正在崛起，算法取代试管，以模型预测分子命运，重新定义药物发现的速度与边界。
聚焦到国内，截至2025年底，全球AI制药公司已超过350家，其中中国至少有101家，覆盖肿瘤、感染、免疫调节等多个关键治疗领域。国内许多AI+制药公司强调“平台化+产业化”的路径，从靶点发现、候选设计，到临床推进，力争缩短从算法验证到商业落地的周期。面对创新药研发领域日趋激烈的同质化竞争，AI技术在药物研发过程中带来的诸多底层创新以及展现出了巨大的价值。
有投资人提出当下AI制药有两种商业模式，其一如英矽智能，像“赌石人”，其二像晶泰，是“卖铲商”。同为中国AI制药的热门选手，两家公司走的路线并不相同。较早上市的晶泰像“基础设施建造者”，其量子物理算法能在4周内完成晶型筛选，服务着全球TOP20药企中的16家，其2025年上半年财报成绩单也颇为亮眼：上半年实现营收5.17亿元，同比增长超过400%，并首次实现半年盈利，经调整净利润达1.42亿元，商业模式日渐清晰。
经历数次波折后，刚刚在2025年12月30日登陆港股的英矽智能，有人形容是“探险家”，其Pharma.AI平台将药物发现周期从4年压缩至18个月，平均合成80个分子就能锁定候选化合物。
产业对AI制药的热情与前景也折射在二级市场，英矽智能此次公开发售获1427倍超额认购，创下年内的纪录。除了市场对AI制药的追捧外，另一方面也印证了英矽智能“软件订阅+管线授权+联合开发”的商业模式正在被认可。
英矽智能屡次冲刺IPO终于成功上市的这条路，恰好映射了资本市场对AI制药认知的变化。
早期质疑主要集中在三个方面：收入是否可持续、管线是否真实、AI价值是否能被量化。某种程度上，这些问题并非针对英矽智能一家，而是整个赛道的共性难题。转折点出现在英矽智能的管线进入临床之后。当AI生成的候选药物开始在真实世界中接受检验，市场的评价体系也随之发生变化。投资者不再追问“AI能做什么”，而开始关注“AI已经做成了什么”。
就在1月5日，英矽智能宣布了与施维雅达成多年期研发合作，总金额达8.88亿美元。英矽智能将有资格获得最高3200万美元的首付款及近期研发里程碑付款，并将主导利用其人工智能技术平台，发现并开发符合既定标准的潜在候选药物；施维雅将共同承担研发成本，并主导后续临床验证及商业化进程。
但热潮之下，AI+制药依然有不能跨越的边界。
一方面，AI在靶点发现和疾病建模的应用、基于靶点和表型的药物发现方面的优势已经被验证；但另一方面，也是更为关键的，当药物研发进入进入临床验证阶段后，AI似乎还在“证明自己”的过程中。就像赛诺菲与Earendil Labs的协议，以及施维雅和英矽智能的合作中都提到的：临床验证均由Pharma公司负责。
曾有传统制药企业CEO提出：“AI能不能帮助行业在药物研发中跳过动物试验，甚至直接跳过人体临床试验？”答案显然是，短期内不可能。
大药企们正在探索利用AI设计更优临床试验，如帮助患者招募、数据分析等辅助手段，而并非替代传统的临床试验。去年6月，默克推出了一款全新生成式人工智能平台，旨在简化临床研究报告（CSR）撰写流程，将初稿撰写时间从两到三周缩短至三到四天；赛诺菲创投对人工智能驱动的临床试验模拟公司QuantHealth 进行了战略投资，总融资额达到3000万美元。
AI驱动的临床试验是利用AI技术增强临床研究设计、执行、监测和分析，目标是提高效率、降低成本、提升患者安全，并产生更深入的机制性见解。可以说，AI能提高概率，但不能消除不确定性；能加速决策，但不能跳过生物学本身的复杂性，动物实验、人体试验、真实世界数据，这些环节尚无法被算法取代。
国汇策略-国汇策略官网-网络配资门户-配资网站开户提示：文章来自网络，不代表本站观点。
沪深京指数
热点资讯
