但在制药行业，AI正在做一件不那么容易被注意到、但可能影响更深远的事，帮药企缩短新药研发的时间。

　　以往做一款新药，通常要10年以上。光是从发现靶点到确定候选化合物这一步，平均就要4.5年。

　　大量时间和资金花在试错上，科学家要从海量候选分子中找到能和特定靶点结合、同时毒性可控的那一个，绝大多数候选分子最终会在临床试验中被淘汰。

　　2024年9月，一家AI制药公司公布了新药Rentosertib的IIa期临床试验数据，结果为阳性。

　　Rentosertib用于治疗特发性肺纤维化，是全球首个由AI发现靶点、AI设计分子的药物。这款药从发现靶点到确定候选化合物，用了18个月，成本约260万美元。

　　2025年12月，Rentosertib的研发方在港交所上市，15家基石投资者合计认购1.15亿美元，名单里同时出现了礼来和腾讯，是首次以基石身份参与生物医药企业的IPO。

　　2025年12月，国内另一家AI制药公司的口服减重药MDR-001启动Ⅲ期临床试验，靶点和分子同样由AI辅助设计，研发周期4.5年，是中国首个走到Ⅲ期的AI设计药物。

　　同一年，国内一家AI制药技术公司与美国药企签下59.9亿美元的AI新药研发合作协议。

　　和日常接触的AI对线S做的事情是帮科学家筛选药物分子、预测材料性能、模拟实验过程，把原本需要几年的研发流程压缩到几个月甚至几周。

　　人生病，往往是体内某个蛋白质出了问题，要么过度活跃，要么功能失常。找到这个“出问题的蛋白质”，就是找到了靶点。

　　找到靶点之后，需要设计一个能和它精准结合的小分子化合物，像钥匙配锁一样，把出问题的蛋白质“管住”。

　　但候选的分子结构有上亿种可能，科学家要从中找到既能结合靶点、又不会产生严重毒副作用的那一个。

　　候选分子确定后，要在动物和人体上分阶段验证安全性和疗效，通过I期、Ⅱ期、Ⅲ期临床试验，最终拿到监管部门的上市批准。

　　整个流程走完，10年以上是常态。行业数据显示，药物发现阶段候选分子的整体成功率大约在5%到10%，大量资金和时间花在了那些最终被淘汰的分子上。

　　AI模型可以从上亿个分子结构中预测哪些最可能和靶点结合、哪些存在毒性风险，在几天内完成过去需要几年的初步筛选。

　　学术期刊Clinical and Translational Science 2025年的统计显示，已完成I期临床试验的AI设计药物成功率在80%到90%之间，传统方法约为40%。临床试验本身仍然要一步步走，但进入临床的候选分子质量更高，后期失败的概率也就更低。

　　Rentosertib的研发方是目前全球AI药物研发进展最快的公司之一。

　　Rentosertib的IIa期临床试验结果已发表在学术期刊Nature Medicine上。AI平台Pharma.AI的软件业务营收同比增长23.8%，客户覆盖全球前20大药企中的13家。公司自主研发的管线个项目正在推进临床试验。

　　MDR-001是一款口服小分子GLP-1受体激动剂——GLP-1受体激动剂是当下全球最热门的减重药物类型，司美格鲁肽就属于这一类。

　　在IIb期临床试验中，317名受试者用药24周后体重平均下降10.3%，试验期间无药物相关严重不良事件。Ⅲ期临床计划招募约750名受试者，评估周期52周。

　　在材料领域，类似的逻辑同样成立，传统方法靠人工试验逐一验证材料性能，周期长、成本高；AI可以用模型快速预测，大幅缩减筛选时间。

　　被视为锂电池之后下一代储能技术的候选之一，但材料研发一直卡在效率上。传统计算方法评估一种材料，一次要跑上千小时。

　　该公司基于晶体图神经网络构建的AI模型把时间压缩到了分钟级，效率提升约3000倍，关键材料性能预测准确率超过90%。

　　不管是筛选药物分子还是预测材料性能，AI4S的运算量都远超日常AI应用。

　　一次蛋白质结构预测需要模拟数十亿个原子之间的相互作用，计算量相当于几万次大模型对话。

　　因此对于想用AI加速研发的药企和材料公司来说，算法和数据之外，算力是绑定一切的前提条件，没有足够的算力，模型跑不动，预测精度上不去，研发提速也就无从谈起。

　　根据中国智能计算产业联盟2025年的报告，国产AI芯片单卡性能和国际先进水平之间存在2到3代差距，训练同等规模模型的成本高出30%到50%。

　　2026年这一情况开始改善。2月5日，3套中科曙光（603019.SH）scaleX万卡超集群在国家超算互联网核心节点上线试运行，可提供总计超过3万张AI卡的智能算力，是当前实际投入运营的规模最大的单体国产AI算力池。

　　高级副总裁李斌表示，scaleX万卡超集群面向万亿参数大模型和科学智能等复杂任务场景，可为全球用户提供高效、普惠的AI算力。

　　根据公开信息，该超集群已支撑了国内星空体育官网登录一个材料研发大模型登顶国际权威榜单，将蛋白质研究的计算效率提升了3到6个数量级。

　　2025年10月，中国电子学会发布的AI4S算力基础设施创新企业TOP10中，多家国内企业在列。

　　英伟达也推出了面向科学计算的大模型框架BioNeMo，为生物医药和材料研发提供从芯片到软件的配套支持。据海外媒体报道，正与美国能源部合作，计划构建面向科学研究的AI超算平台。

　　OpenAI在2025年10月成立了一个专门的科学研究团队，取名OpenAI for Science。该团队负责人的说法是，2025年AI已经改变了程序员写代码的方式，2026年同样的事情会发生在科学研究领域。

　　DeepMind创始人哈萨比斯的判断更远，他认为未来10到15年，人类将进入科学发现的新文星空体育官网登录艺复兴。

　　从18个月做出一款新药，到几分钟预测一种新材料的性能，AI4S已经开始兑现它的产业价值。

　　而这些成果能多快扩展到更多疾病、更多材料、更多学科，很大程度上取决于算力基础设施能走多远。

　　对于普通人来说，这条赛道上的每一步进展，最终都可能变成一种新的治疗方案、一块更好的、一次更短的等待。