2026 AI制药的“试金石之年”来了：谁在布局？

2026年，AI制药赛道迎来了一个关键的历史节点。曾经被视为锦上添花的人工智能，正在从实验室的辅助工具进化为驱动整个药物研发流程的核心生产力。OpenBind开源数据集，英矽智能与谷歌的深度绑定而礼来与英伟达10亿美元联合实验室的落地。2026年，多项关键临床数据陆续揭晓，AI制药正在从愿景走向现实。

OpenBind破局：AI制药的数据瓶颈终于松动了

长期以来，AI在药物研发中面临的最大障碍不是算力，也不是算法，而是数据。蛋白质结构预测已经取得了突破性进展，但药物分子与疾病相关蛋白质在原子层面的结合细节却极度匮乏。过去，获取这样的高质量实验数据往往需要数年之久。

2026年5月，由英国Diamond Light Source牵头、获得英国科学创新与技术部支持的OpenBind项目发布了首个公开数据集和预测AI模型OpenBind v1，这被视为AI制药领域的里程碑事件。 该项目在仅7个月内就生成了800项高质量测量数据，而过去完成同等规模的数据集通常需要数年时间。这些数据结合自动化化学、高通量晶体学以及英国Isambard-AI计算集群的算力支持，形成了从实验到模型的完整闭环。

OpenBind的意义在于它证明了一个工业级的、持续开放的数据生产管道是可行的。未来，OpenBind计划针对COVID-19、疟疾、登革热、寨卡病毒和癌症等全球健康挑战持续发布新的数据批次。对于整个AI制药行业而言，这意味着数据饥饿的时代正在逐步终结，算法模型终于有了充足的燃料来训练和优化。

国际巨头布局：礼来×英伟达10亿美元实验室背后的战略野心

2026年1月，在摩根大通全球医疗健康大会上，两家市值合计超过6万亿美元的巨头宣布了一个震撼行业的消息：未来五年，双方将联合投资高达10亿美元，在旧金山湾区建立一座AI联合创新实验室。礼来的生物学家、化学家与英伟达的AI模型架构师将并肩工作，依托英伟达BioNeMo平台和Vera Rubin架构，构建面向生物学和化学的下一代基础模型与前沿模型。

礼来在AI领域的布局远不止于此。2026年初的两周内，礼来先后与Nimbus达成超13亿美元的合作开发肥胖和代谢疾病口服疗法，与InduPro达成约9.5亿美元的肿瘤药物合作，还与Chai Discovery合作开发生物制剂AI模型。

英伟达CEO黄仁勋的判断更为直接：“AI正在改变每一个行业，而其最深远的影响将体现在生命科学领域。”目前，英伟达已与诺和诺德、梅奥诊所、因美纳、艾昆纬等多家医疗健康领域的头部机构建立了合作关系，其在AI制药生态中的枢纽地位已经确立。

英矽智能：全球最快AI药物冲刺临床三期

在AI制药的赛道上，英矽智能3696.HK无疑是当前最受瞩目的选手。其核心管线Rentosertib（ISM001-055）是全球进展最快的AI设计药物，针对特发性肺纤维化这一罕见且致命的肺部疾病。

更具里程碑意义的是其研发效率。从AI发现靶点到提名临床前候选化合物，英矽智能仅用了18个月，较传统模式缩短60%以上，相关成果已登上《自然·医学》封面。

2026年4月，英矽智能宣布Rentosertib吸入制剂的临床试验申请已获CDE批准，这是其AI驱动研发管线中第13个获得临床试验批准的项目。

在商业化方面，英矽智能已与全球收入最高的20家药企中的13家建立了软件平台合作，并与Exelixis、美纳里尼等企业达成了3项管线授权合作，潜在收入达20亿美元。

港股和A股的AI制药巨头

2026年，港股市场正在形成AI制药三小龙的格局。除了英矽智能，晶泰科技和剂泰科技都在发力。

晶泰科技2228.HK作为最早登陆港股的AI制药企业，其差异化在于AI与机器人自动化实验室的深度融合。2026年3月，晶泰科技与N1 Life达成合作，将多肽分子设计与AI和高通量自动化筛选平台相结合，针对眼科疾病开发非侵入式药物递送系统。此外，晶泰科技的AI多肽研发平台PepiX已应用于放射性靶向药物和口服多肽药物的开发，并与国内多家生物科技公司建立了深度合作。

剂泰科技则正在冲刺全球AI纳米递送第一股。2026年4月，剂泰科技正式通过港交所聆讯，并于5月初启动招股。剂泰科技的核心竞争力在于其自主研发的全球首个AI纳米递送平台NanoForge，该平台拥有超过1000万种脂质结构的数据库和10万个可用于模型训练的数据点，能够将靶向药物递送的平均开发时间从数年缩短至2-3个月。剂泰科技的明星产品MTS-004是中国首个完成III期临床试验的AI赋能制剂创新药，针对假性延髓情绪失控（PBA），有望填补国内该领域治疗空白。

A股也在加速布局。泓博医药301230.SZ采用CRO+AI模式，利用AI辅助合成路线设计及筛选，深度集成AI提高商业化订单效率。

成都先导688222.SH则结合DNA编码库的万亿级库数据与机器学习，专注于早期药物筛选的算法迭代。

AI正在重塑药物研发的每一个环节

从靶点发现到临床试验，AI正在渗透药物研发的全链条。

在靶点发现环节，英矽智能的PandaClaw工具利用AI智能体增强发现新靶点的能力。在分子设计环节，AI不再只是筛选现有化合物库，而是通过生成式模型直接设计自然界不存在的新分子。OpenBind v1提供的预测型AI模型，能利用高质量实验数据预测分子与靶点的结合力，减少无效的合成尝试。

在临床前研究阶段，AI可以预测药物的代谢、毒性以及在特定肿瘤模型中的抗肿瘤活性。在临床试验阶段，AI可以优化患者入组标准、预测临床终点，甚至设计更高效的试验方案。

设计-制造-测试-分析闭环的加速是AI制药的核心价值所在。在计算机上进行数亿次模拟，筛选出的高潜力分子再进入实验室合成，研发数据实时反馈给AI模型进行迭代优化。这种模式，正在将传统药物研发动辄10-15年的周期大幅压缩。

2026：AI制药的试金石之年

2026年被业界视为AI制药的“试金石之年”。据行业数据，经AI设计的药物进入I期临床试验的成功率已从传统的约50%提升至80%-90%。挑战依然存在。AI模型的黑箱特性如何获得监管机构的信任？高质量数据的持续供应能否得到保障？AI制药公司如何在激烈的竞争中建立真正的技术壁垒？这些问题仍有待时间给出答案。

AI制药已经不再是概念炒作，而是一场正在改变行业底层逻辑的深度变化。2026年，AI制药正在从愿景走向现实。这个行业的故事，才刚刚开始。