英矽智能：跨过AI制药的证明时刻
2025 年 6 月之前，亚历克斯·扎沃龙科夫（Alex Zhavoronkov）每次与潜在合作伙伴见面时，他几乎都做同一件事情：证明AI药物研发平台的效用。他会积极地展示靶点原理、周期时间、IND 数量、结构独创性。对方的回应也总是重复同一句话：请用数据说话。
同年6 月3日，《自然·医学》（Nature Medicine）发表了英矽智能 Rentosertib （一款用于治疗特发性肺纤维化的候选药物）的二期临床试验结果：这款从靶点到化学结构全由现代生成式人工智能技术完成发现和设计的药物，在 71 名特发性肺纤维化患者参与的随机双盲试验中，让最高剂量组的用力肺活量平均提升了 98.4 毫升，而安慰剂组则下降了 20.3 毫升。这也成为了全球第一个经同行评审、由 AI 端到端研发的药物临床概念验证。
此后的谈判桌上，再没有人要求扎沃龙科夫证明什么。一些曾对其紧闭大门的制药巨头在开场便问道：“你们还有什么别的项目？”
“那一刻让我明白，我们已经从一家探索AI 药物，发现‘潜力’的公司，变成了一家真正面对并承接AI药物发现‘需求’的公司。”他向福布斯中国回忆道：“这是一个完全不同的运营问题，它改变了你招什么样的人、怎么分配实验资源、在自研项目和对外合作之间必须做出什么样的取舍。”
接下来的时间里，英矽智能（Insilico Medicine）签下了公司历史上一系列重大的交易，与施维雅8.88亿美元的抗肿瘤药物研发合作、与礼来潜在总价值 27.5 亿美元的战略合作、与韩国 SK 生物制药 25 亿美元的中枢神经合作、与日本武田 6 亿美元的研发联盟……2026 年至今，这家公司已公布的对外合作交易总额已接近100亿美元，而它在上一个财年的全部营收仅5,624万美元。
亚历克斯·扎沃龙科夫是英矽智能的创始人兼首席执行官。这家公司于2025 年12月30日在香港联交所主板挂牌，IPO 募资 22.77 亿港元，公开发售超额认购约1,427 倍。自 2021年以来，其 Pharma.AI 平台已提名33个临床前候选药物，13个获批进入临床。从靶点到候选药用时12至 18个月，而行业平均值是2.5到4 年。
01
扎沃龙科夫出生于拉脱维亚，成长的年代恰逢苏联解体前后，整个地区的科研体系近乎崩塌，他选择远赴北美接受高等教育。“大自然是很不公平的。”他曾在一次播客访谈中说，“我不认为一个人到了某个年纪，就该停止进步、走向衰退，无论他工作有多努力。”衰老由此成了他最早认定的“主战场”：癌症和糖尿病领域已有成千上万家公司在攻关，而“每个人都会老去”，这个最大的敌人，大型药企反而很少涉足。
2014 年左右，深度学习开始在语音和图像识别上超越人类。他把全部筹码押向一个交叉点：用深度神经网络从海量组学数据中，寻找衰老与疾病的共同驱动因子。
和几乎所有生物科技公司不同，英矽智能从第一天起就没有设置“总部”，研发能力分布在中国、美国和加拿大，如今还要加上阿联酋。“这不是为了对冲风险，而是我们一以贯之的模式，”扎沃龙科夫向福布斯中国解释，“从做第一个实验开始，我们的湿实验（使用液体试剂、化学药品、生物样本或活体动物进行实际物理和化学操作的传统科学研究方式）、药物化学、生物验证和临床运营，就按照能被多个监管机构同时审阅的标准来设计。”
而大多数公司的路径恰恰相反，先围绕一个市场搭体系，再回头改造并去适应另一个市场。花数年时间优化 NMPA（国家药品监督管理局）申报流程，重建数据包、重新设计试验，往往还要调换整个监管团队；例如从波士顿或巴塞尔起步的公司，通常只把中国市场当作授权许可的附属品。“但对英矽智能来说，‘聚焦中国还是走向全球’是个伪命题，”他说，“我们不认可这种对立。把试验设计、平台架构和交易结构都搭好，让两者同时成立就行。”
但代价是公司运作起步时成本会很高昂，在还没有足够收入证明其合理性时，就要在多个司法管辖区与监管机构维持高质量的沟通。但回报在后期兑现也很丰厚。当合作伙伴问到某个项目能否同时在三个区域申报时，英矽智能的答案是不需要再补做一项新研究。
02
事实上，要看懂这家公司当下高速扩张的逻辑，得先回到那个它曾经最大交易金额的合作。
2022 年 11 月，在生物科技融资寒冬的时候，赛诺菲与英矽智能签下潜在总价值 12 亿美元的合作，把六个靶点交给 Pharma.AI 的完整技术栈攻关：PandaOmics 做靶点识别和适应症探索，Chemistry42 做分子生成和优化，InClinico 做临床试验预测和评估。“这份合同签在几乎没人愿意掏钱的时候。”扎沃龙科夫说：“一家大型欧洲制药公司愿意为一个 AI 平台下注，让它探索六个靶点的潜力，这才是它的意义所在。”
两年后，这项合作产出了一个针对转录因子靶点的同类首创先导化合物，这个靶点此前曾被整个行业认定为“不可成药”。“转录因子被放弃，不是因为缺乏生物学意义，而是因为传统筛选方法找不到可供小分子结合的有效口袋。”扎沃龙科夫解释道：“这笔交易的真正价值，不在于合作金额的大小，而在于它证明了平台能做到原本做不到的事。”
赛诺菲合作还提供了一个更重要的价值：新的商业模式。扎沃龙科夫对行业内主流的软件授权模式评价很直白：“单纯向制药公司的研发部门卖软件授权，只能拿到一份小合同，对方也不会对最终结果负责。”而英矽智能承诺交付的是经过验证的靶点和先导化合物系列，把平台的生产力摆上桌面、接受考核，用里程碑付款让报酬随药物研发推进而放大。此后每一笔交易都参考了这个模式。“谈判也越来越短，因为双方对这项工作涉及的内容已经有了共同的参照基准”。他说道。
2025年12月30日，公司在香港上市，给这台机器加上了最后一块零件。扎沃龙科夫认为：“药企间的商务拓展和合作，本质上不是科学谈判，而是对方的风险评估。一家对自身生产力只有口头宣称、未经审计的私营公司，与一家财务、管线和研发投入都按固定时间表披露的上市公司，在风险类别上完全不同。”30多 个临床前候选药物、13 个 IND 批准、从靶点到候选药平均 12 至 18 个月，他说：“这一成绩过去只是我们自己说，现在写进了经审计的资产负债表，这才是今年快速向前的真正帮手。”
同时，与客户谈判的内容也随之改变。“2024 年，接触性合作一般是软件合作，或是针对一个靶点的小型可行性预测。”他说：“到了 2026 年，第一次见面的话题的通常就是一组靶点组合和成药后的里程碑结构。”合作伙伴不再要求英矽智能先在试点项目里“证明一下”，于是就有了 2026 年的签约潮。
03
扎沃龙科夫更愿意谈的是交易背后一个不为外界所知的分类学。
“大型制药公司通常以三种方式与 AI 公司合作：按项目付费、软件授权许可、股权合资。但我们现在大多数大型交易其实属于第四种模式。”他说：“是资产对外授权，我们自己先做完发现工作，合作伙伴买走特定分子的权利，附带里程碑付款和销售分成。”
他给这套选择算了一笔经济账：“按项目付费的话，我们的收入上限就是成本加利润，超额收益全归合作伙伴，而资产对外授权是我们自己承担发现风险。当平台本身就是价值来源时，这才是正确的利益绑定方式。”
不同模式对应不同地图，例如礼来、美纳里尼采用的是资产授权；施维雅是肿瘤学项目合作，齐鲁制药是心血管代谢项目合作；而日本和韩国的合作伙伴ASKA、SK 生物制药更偏向把发现引擎嵌入自己的体系。“美国和欧洲制药公司带来资本和全球商业网络，东北亚合作伙伴带来生产和监管深度，而海湾地区带来主权资本和从零建设监管体系的空白画布。”扎沃龙科夫说：“对此，我们把业务模式与合作伙伴实际带来的能力相匹配。”
这些交易的另一方，说法与扎沃龙科夫互为印证。礼来分子发现部门集团副总裁安德鲁·亚当斯（Andrew Adams）在签约公告中称，英矽智能的 AI 发现能力是“对礼来在各治疗领域专业知识的有力补充”，合作让礼来得以“探索全新机制，加速发现有前景的候选药物”。武田首席科学官兼研究负责人克里斯·阿伦特（Chris Arendt）的表态则揭示了另一层动机：“这次合作也支持武田向 AI 原生研发模式转型，我们将自动化、机器人和生成式 AI 整合起来，更高效地推进高质量候选药物。”
“人工智能确实已经打破了科学和计算层面的壁垒。”他说：“一个资源充足、模型方向正确的小团队，现在可以完成过去需要几百名生物学家和药化学家数年筛选才能完成的靶点发现和分子设计工作。但仍然没有跟上的是监管协调和资本获取。这些壁垒来自制度和法律，而非科学本身。毒理学研究该做多久，仍然要做多久。纤维化疾病的三期临床，不管分子是怎么设计出来的，给药期都需要一年。把一个候选药从提名推进到人体概念验证，仍然需要数千万美元，大多数小团队就卡在这一步。”
在他列出的障碍清单里，地理距离已经消失，剩下三件事：监管基础设施、支撑临床转化的资本渠道，以及足够扎实的证据基础。他认为：“让人们对 AI 生成科学的信任，变得像对传统化学的信任一样理所当然。”他也不打算回避这份信任的脆弱：“一个积极的二期结果为我们换来了行业的关注，但要保持这种关注，需要三期临床数据、第二和第三个临床项目，以及其他团队尝试复制这套方法时依然能产出站得住脚的结果。”
这套对“信任定价”的理解，被他视为区分市场的生意经。在美国，第一次见面就是数字对话。美国制药业已经听了十年 AI 药物发现的承诺，现在要的是证据，不是愿景；在中国，没人会问生成式化学到底管不管用，谈判直奔新药临床试验时间表、知识产权归属和里程碑结构；而当他与阿联酋药物管理局合作、提名该国首个本土设计的临床前候选药物 ISM0387 时，主权合作伙伴问的不是“这药能赚多少钱”，而是“这能不能在国内建立起此前不存在的制药研发能力”。
04
采访的最后，话题从商业、科学研发回到人。
被问到 AI 时代什么知识最值钱时，扎沃龙科夫的答案里没有化学，也没有计算机科学。
“最有价值的知识是能够在交叉点上，能翻译不同领域语言的能力。”他说：“我们最优秀的人才，不是最强的化学家，也不是最强的机器学习工程师，而是那些基于模型的输出，能判断它在生物学上是否可信，依据一个生物学假设能判断它到底能不能从现有数据中学到东西的人。”他给年轻人的建议听起来有些反直觉：“不要以为 AI 能生成答案，理解问题本身，就不重要了。当一个模型一下午能提出一千个候选分子时，稀缺而有价值的技能，自然值得去测试。创造力的瓶颈不再是生成想法，而是判断力。”
他自己最新的一次判断，落在了止痛上。7 月 22 日，英矽智能宣布提名 ISM9528（一款靶向全新机制的透脑型非阿片类口服止痛药），在临床前模型中展现出媲美甚至超越包括吗啡在内的现有治疗方案的潜力，却不具备成瘾相关的药理特征。这是公司自 2021 年以来的第 31 个临床前候选药物，也是扎沃龙科夫口中“过去两年最重要的顿悟之一”。按计划，它将在 2027 年进入临床试验。
“一款非阿片类候选药物在临床前模型中的表现已超过吗啡。”他说：“或许是公司历史上最引人注目、最出人意料的成果之一。”
以下为福布斯中国与扎沃龙科夫对话节选：
福布斯中国：英矽智能目前在全球范围内有多少个活跃的合作项目？覆盖多少个国家？一年前的数字是多少？
亚历克斯·扎沃龙科夫：
目前，我们在全球约十几个国家和地区有活跃合作，覆盖北美、大中华区、日本、韩国、欧洲大陆和海湾地区。仅过去十二个月，我们与礼来、施维雅、美纳里尼、齐鲁制药、SK 生物制药、武田制药、保瑞药业、康哲药业、ASKA 制药、元羿生物、复星医药、太景制药、腾讯健康等新签署或扩展了合作协议。此外，还有海湾地区与沙特阿美的新材料合作，以及与阿联酋政府层面的合作，包括阿联酋药物管理局和阿布扎比投资办公室。
数量重要，合作同样重要。这些合作里，有些是靶点发现合作，有些是研发合作，还有几项是我们自己完成临床前工作后对外授权合作。此外，我们的平台在全球拥有超过3,500名用户。
一年前，也就是2025年中期，我们大概在六七个国家有业务，合作伙伴名单也比较短，主要集中在中国、美国和海湾地区，皆为早期洽谈。变化的关键在于 IPO（首次公开募股）。一旦有了公开上市和经审计的财务数据，大型制药公司与我们签几十亿级别交易时的风险评估逻辑就完全不同了。
另一个变化是，合作伙伴不再要求我们先在试点项目里“证明一下”，再谈大额协议。2024年，典型的初次合作是针对一个靶点的小型可行性项目。到了2026年，第一次见面的通常就围绕一组靶点组合和里程碑结构的话题展开。
福布斯中国：大型制药公司通常以三种方式与 AI 公司合作：按项目付费、平台授权许可、股权合资。你们在所有市场都用同一种模式，还是会针对不同地区定制？
亚历克斯·扎沃龙科夫：
我们会定制，而且我还要补充一点：我们现在大多数最大的交易其实属于第四种模式，不太好直接归入上面三类，是资产对外授权许可（asset out-licensing）。也就是说，我们自己先做完发现工作，然后合作伙伴买走特定分子的权利，附带里程碑付款和销售分成。礼来是这样，美纳里尼是这样，复星医药也是这样。
这种经济模式的重要性在于它决定了公司怎么运转。
我们仍然在做按项目付费和平台授权许可，主要集中在合作伙伴希望建立自己内部能力、而不只是买走一个资产的市场。这在我们与日本和韩国的很多合作中都有体现，比如 ASKA 和 SK 生物制药。这些合作伙伴在特定治疗领域有深厚的后期开发和区域商业化实力，他们希望把英矽智能的发现引擎嵌入自己的体系，而不是完全交给我们。这些组织通常有几十年特定领域的临床开发经验，对分子该长什么样有很清楚的想法，所以合作更具迭代性，也更偏技术层面。他们的生物学家和我们的团队一起工作，而不是等合作结束时接收一个数据包。
股权或结构性联盟是最新的合作类别，也是我们正在与台湾保瑞药业（Bora Pharmaceuticals）推进的项目。我们不是授权一个分子给他们，而是试图把我们的 AI 原生发现引擎直接接入他们的全球生产、质量和商业化基础设施。这既不是按项目付费，也不是经典授权许可，而是试图打通一条从发现到患者的全新整合路径。
不同地区有不同优势，例如美国和欧洲制药公司带来资本和全球商业网络，东北亚合作伙伴带来生产和监管深度，海湾地区带来主权资本和从零建设监管体系的空白画布（blank slate）。而我们则把交易结构和合作伙伴实际带来的能力相匹配。如果硬要在所有这些场景里套用同一份合同模板，可能会低估我们自己的贡献，也可能会要求合作伙伴为他们已有的能力再付一次钱。
福布斯中国：你们怎么为单一药物设计全球开发路径？
亚历克斯·扎沃龙科夫：
我们通常追求“一药多用”的疗法。既针对疾病，也与衰老相关。在组合策略上，我们会把高度新颖、绝对突破性的靶点，和中等新颖度乃至低到中等新颖度的靶点搭配起来，但给后者配上极高新颖度的分子。你不能同时押太多“全新靶点+全新分子+全新适应症+抗衰老扩展”的项目，大药企不会接受这种风险组合。所以我们所做的一切都围绕一个目标：理解和战胜衰老，但要用最可持续、最可信的方式。
我们的第一个药物就是通过衰老研究发现的，我们证明了它具有抗衰老（senomorphic）特性——能够逆转衰老相关的细胞状态。现在它已进入三期临床。思路是先拿到某个适应症的上市许可，然后像 GLP-1（胰高血糖素样肽-1）那样，逐步扩展到其他疾病和抗衰老领域。
设计全球开发路径，必须逆向思考。从你面对的最严格的监管要求倒推，而不是从你碰巧起步的地方往前推。以 Rentosertib 为例，这是我们针对特发性肺纤维化（IPF）的 TNIK 抑制剂。我们从第一天起就把二期临床设计成全球试验，而不是先做一个“中国试验”，再想办法桥接到 FDA。
这就是为什么2025年6月发表在《自然·医学》上的论文如此重要。不仅因为数据好，更因为试验设计同时满足了 FDA、EMA 和 NMPA 的终点要求。随机化方案、盲法、剂量水平和主要终点定义的选择，都确保没有任何一个监管机构需要勉强接受一个为别人设计的试验。三期临床计划在今年下半年启动，遵循同样的逻辑：更长的给药周期、更大的多区域人群、在试验开始前就与多个监管机构达成一致终点。
提前做这种对齐工作，比在单一国家启动更慢、更贵，但远比等揭盲后才发现还需要补做一项确证性研究，要划算得多。
第二点是制剂策略。我们没有止步于 Rentosertib 的口服剂型，今年4月还拿到了吸入制剂的 IND 批准。因为不同市场和患者人群的耐受性要求不同，IPF 患者的年龄分布、合并症负担和当地标准治疗都不一样。所以通过吸入给药降低全身暴露，对某些市场来说很重要。
并行开发第二种给药途径，而不是等第一种开发完再开发第二种，意味着商业和临床上要选择保持开放，而不是被哪种制剂碰巧先准备好所绑架。这是同时做出的“中国+全球”决策，不是先后顺序。
第三点是，越来越多的做法要按区域选择合适的商业化合作伙伴，而不是自己建全球销售团队。我们本质上是一家发现和早期开发公司。在五个国家建呼吸科销售队伍，会消耗掉本可以用来提名二十个临床前候选药的资金，而且我们要花好几年才能达到成熟企业已有的监管和支付方关系水平。一旦某个分子的风险已经充分降低，我们希望它交给已经拥有该区域监管关系和销售网络的合作伙伴。这正是我在上一个问题里说的那些交易结构存在的原因。
福布斯中国：你们的 Pharma.AI 平台对美国客户、中国客户和中东客户用同样的推介话术吗？有什么不同？每个市场真正关心的是什么？
亚历克斯·扎沃龙科夫：
在美国，核心卖点是速度和经过验证的生产效率。我们把临床前开发缩短了多少个月，展示 IND 批准率，让数据自己说话。美国制药业已经听了十年 AI 药物发现的承诺，他们现在要的是证据，不是愿景。这些公司的核心问题是研发生产力，而且它是可衡量的。作为撰稿人，我之前在福布斯上写过，每获批一款药平均要花61.6亿美元，近一半的大型制药公司研发投入产出比为负。
美国的研发负责人会把我们的周期时间和每个提名候选药的成本与他们自己的内部基准做比较，所以第一次见面就是用数字对话。他们通常还会问模型怎么验证的、方法有没有发表。这也是我们把 PandaOmics 方法论发表在同行评审期刊上的原因之一。
在中国，对话的起点完全不同。对方已经相信 AI 会改变药物发现方式，所以认为这不是问题。他们最关心的是执行力和知识产权归属。谁拥有什么，合作怎么分里程碑和特许权使用费，我们能不能跟上中国生物科技闻名全球的速度。这是一场更快、更直接的商业对话。问题集中在 IND 时间表、谁持有中国以外的权利、里程碑怎么触发、这个项目以后能不能做对外授权。没人会问“生成式化学到底管不管用”。
在中东，特别是阿联酋，这根本不是向制药公司做销售推介，而更像一场国家建设层面的对话。当时，我们与阿联酋药物管理局合作，并提名了PRMT5抑制剂 ISM0387阿联酋首个本土设计的临床前候选药物，主权合作伙伴问的不是“这药能赚多少钱”，而是“这能不能在国内建立起此前不存在的制药研发能力”。这既是一场政策和能力建设对话，也是科学对话，里面的话题永远不会出现在与制药公司的谈判桌上：例如能培养多少本地科学家，需要搭建什么实验室和数据基础设施；当这个国家没有本土原研药先例时，监管框架应该怎么写。
所以，这是同一个引擎，三套完全不同的价值主张。在美国讲速度和证据，在中国是执行力和交易结构，在海湾地区是则主权能力建设。
福布斯中国：在 AI 时代，你觉得什么样的知识最有价值？对今天的年轻人有什么建议？
亚历克斯·扎沃龙科夫：
正在变得最有价值的知识，不是孤立的领域知识。既不是只会化学，也不只会计算机科学，而是能够在交叉点上，把不同领域之间的语言进行互相翻译的能力。因为不同领域天然不说同一种语言。
在团队为此埋头干六个月之前就能意识到这一点，比任何单一技术技能都更有价值。这种“翻译”能力是 AI 目前还做不到的，也是让人不可替代、而不仅仅是被 AI 增强的原因。
我给年轻人的建议是，不要把专业面缩得太窄，窄到没法跟领域外的人对话；也不要以为 AI 能生成答案，理解问题本身就不重要了。如果真要说的话，它反而更重要了。当一个模型一下午能提出一千个候选分子时，稀缺而有价值的技能变成了知道哪些值得去测算。而这恰恰需要对生物学和化学的深刻、第一性原理的理解，但有人误以为有了 AI 就不需要这种理解了。
我们自己的工作流程就是围绕这个筛选逻辑搭建的：生成候选分子的步骤成本很低，但下游的合成、检测和动物实验并不便宜。所以，筛选决策的质量直接决定了整个项目的成本和时间线。这并没有让深度专业知识变得可有可无，它抬高了不具备这种能力的代价。因为现在的瓶颈不再是生成想法，而是判断力。
去建立真正的领域专长，然后学会用 AI 解决这个领域里的正确问题。去发表成果，包括方法学，因为这就是让你的判断力被除自己之外的其他人检验的方式。我们对 PandaOmics 靶点发现方法论和临床工作就是这么做的。这种组合将定义下一代科学家，而且坦率地说，也将定义下一代的所有人。