AI赋能新药研发：产业链重点企业全景解读
传统新药研发普遍面临研发周期漫长、资金投入巨大、失败概率偏高等多重挑战。研究人员首先需要锁定与疾病相关的靶标，随后在海量化合物中筛选出对靶点具有调控作用的分子结构。初步获得有效分子后，还需持续优化其结构特征，解决药效、毒副作用、吸收代谢等一系列问题，方可推进至动物试验及人体临床研究阶段。任何环节未达标，都可能导致前期积累付诸东流。AI切入这一领域，最先变革的是早期药物发现阶段的筛选范式。研究人员将疾病数据、蛋白构象、化合物属性及实验结果输入模型，由模型在虚拟环境中筛选潜在靶点、生成分子并预测药物特性，最终
AI赋能医药研发现状研究·分报告③智能制药与生物医药创新
AI 医疗行业研究报告·分报告③AI 制药与生物医药研发（报告日期：2026 年 8 月 5 日；数据口径截至 2026 年上半年，关键节点均经检索核验。）————————————————————————————一、板块定位与范围本板块聚焦人工智能在药物发现、分子设计、靶点识别、化合物筛选、制剂与递送优化、临床试验设计及真实世界证据生成等场景的应用。其监管体系遵循NMPA/CDE药品审评与FDA/EMA药品GxP框架，与"医疗器械"及"医疗服务"领域相区分。核心价值体现为缩短研发周期、削减试错成本、提高临
AI首药闯关III期：十年磨一剑终见曙光
英矽智能宣布，其自主研发的候选药物Rentosertib正式启动III期临床试验。这本身不算轰动——新药进III期临床的新闻，每个月都有好几条。但这条不一样。这是全球首个由人工智能全流程驱动发现的新药——从靶点识别到分子设计，每一步都由AI完成。如今，它走到了临床试验的最后阶段。十年前，AI制药还被很多人当成"科幻故事"。今天，这个故事有了真实的结局。一场被"逼出来"的革命英矽智能的创始人Alex Zhavoronkov，是个有点"疯狂"的人。20岁出头时，
《细胞》新突破：AI 助力 CAR-T 锁定 GPNMB，多癌种小鼠模型获完全缓解
*仅供医学专业人士阅读参考CAR-T 疗法已在部分血液肿瘤领域重塑治疗格局。然而，若要将其应用拓展至更多癌种，特别是实体瘤，首要解决一个基础问题：选择何种靶点？理想的靶点应在大量肿瘤细胞上稳定表达，且能被 CAR-T 细胞有效识别；同时需在心脏、肺部、大脑等关键正常组织中低表达，以避免激活的 T 细胞误伤健康器官。以往，靶点筛选多依赖专家经验、数据库检索及人工研判，流程繁琐且易受研究者固有认知局限。近日，由宾夕法尼亚大学 Daniel J. Baker、Zoltan Arany、Carl H. June
AI驱动新药突破：全球首款AI研发药物即将进入三期临床
全球首款由人工智能识别新靶点并设计分子结构的创新药Ⅲ期临床试验即将在我国启动。近日，治疗特发性肺纤维化的Rentosertib口服药Ⅲ期临床试验中国研究者会议在北京召开，计划于7月正式启动，由北京协和医院主任医师徐作军担任首席研究者，中国工程院院士钟南山、上海市肺科医院院长陈昶担任联合牵头人。京沪穗三地顶尖专家协同攻关，彰显这款创新药的高含金量。Rentosertib由英矽智能自主研发，这家将全球科技总部设于上海的企业，依托自研Pharma.AI平台与张江科学城的生物医药研发生态，成功将AI发现的候选药物
AI驱动新药突破：全球首款AI设计药物即将进入三期临床
全球首款由人工智能识别靶点并设计分子结构的创新药Ⅲ期临床试验即将在中国启动。近日，治疗特发性肺纤维化的Rentosertib口服药Ⅲ期临床试验中国研究者会议在北京召开，计划于7月正式启动，由北京协和医院主任医师徐作军担任首席研究者，中国工程院院士钟南山、上海市肺科医院院长陈昶任联合牵头人。京沪穗三地顶尖专家协同攻关，凸显这款药物的科研价值。Rentosertib由英矽智能研发，这家总部设于上海的企业依托自研Pharma.AI平台与张江科学城的生物医药生态，成功将AI发现的候选药物推进至临床，成为全球AI制
AI造药中国突破：18个月冲刺全球首款
一款新药，平均花10年时间、耗资10亿美元——这就是制药界的"双十定律"。现在，这个魔咒正在被打破。2026年6月，英矽智能宣布即将启动全球首个完全由AI驱动发现的创新药物Rentosertib的三期临床试验，由钟南山院士牵头，北京协和医院、上海市肺科医院等35家顶级临床中心联合参与，计划招募320名特发性肺纤维化患者。这个消息的分量，远超任何一次例行临床公告。它意味着：AI造药，第一次真正站到了最终上市的门槛前。要理解这件事有多震撼，得先知道传统新药研发是多难的事。从靶点发现到临床前研究，再到一、二、三
英矽智能与SK生物制药签署25亿美元合作协议，剑指神经免疫疾病创新药研发
生成式人工智能驱动的临床阶段生物医药科技企业英矽智能（Insilico Medicine，3696.HK）与韩国知名生物技术企业SK生物制药公司（SK Biopharmaceuticals）联合宣布，双方在BIO 2026国际大会前夕达成AI驱动的药物研发战略合作，将深耕神经免疫性疾病领域，运用AI技术发掘创新药物候选分子。神经免疫疾病涵盖神经炎症性疾病、神经退行性疾病及罕见神经系统疾病，是当代医学最具挑战性的治疗领域之一，临床需求高度未满足，相关药物研发的临床成功率历来相对偏低。根据协议条款，英矽智能将
AI驱动药物研发实战营·北京开课
在AI深刻变革各行业的今天，生物医药正经历前所未有的转型。从靶点识别到临床试验，人工智能正加速研发进程、降低失败率、提升转化成功率。你，准备好了吗？为落实国家“人工智能+”战略，推动医药产业智能化升级，中国科学院人才交流开发中心将于2026年6月底在北京举办——这不仅是一场技术分享，更是一次AI+药物研发的实战训练，汇聚中科院及国内顶尖机构的权威专家，带你直击AI制药的核心环节。本次研修班聚焦AI在药物研发中的真实落地场景，精心设计八大核心模块，贯通从数据管理、靶点发现到临床试验的全流程：✅AI赋能生物医
AI技术驱动药物研发创新应用与实践指南
从靶点识别、分子设计，到临床前评价、临床试验管理，再到智能体的全流程协同——人工智能已从未来愿景转化为当前的竞争优势。然而，面对快速涌现的人工智能工具、复杂的数据管理需求、以及药物研发的高门槛挑战，如何在真实研发场景中有效应用人工智能，成为众多医药企业和科研机构的关键难题。如何运用人工智能加速靶点发现与虚拟筛选？如何通过生成式人工智能实现分子结构优化？药物ADMET性质预测有哪些成熟的人工智能解决方案？如何构建药物研发专用的智能体知识库？在临床方案设计、患者筛选、剂量预测中，人工智能具体如何应用？人工智能
人工智能驱动药物研发变革：从靶点识别到临床应用的新范式
在人工智能深度渗透各行各业的当下，生物医药领域正经历着深刻的范式转变。从靶点识别到临床试验阶段，AI技术正在以前所未有的速度重塑药物研发的各个环节，显著缩短研发周期、有效降低失败风险并大幅提升成果转化效率。当前，生物医药行业正处于智能化转型的关键窗口期。顺应国家"人工智能+"战略部署，推进医药工业的数字化与智能化升级已成为行业共识。在此背景下，AI药物研发正在从概念走向现实应用，为创新药物开发开辟了全新路径。这不仅是前沿技术的展示，更是AI赋能药物研发的深度实践，汇聚了国内顶级科研机构的资深专家，引领学员
生物医药AI讲座要点
昨日下午，我有幸聆听了西湖大学生命科学学院研究员、长聘副教授，同时也是西湖制药联合创始人的黄晶博士关于人工智能在生物医药领域应用的讲座。黄博士的求学履历十分亮眼，先后在清华大学物理系、瑞士巴塞尔大学化学系、美国马里兰大学药学院及NIH/NHLBI完成了本科、博士及博士后阶段的深造，并于2017年回国加入西湖大学。他的研究核心在于算法开发，重点在于解析、建模及预测蛋白质构象动力学以及蛋白质与配体间的相互作用。同时，他利用高性能计算手段探究微观生命体系中的复杂动力学过程，致力于筛选出能够调控特定生物过程的潜在
英矽智能股价上扬 携手Google Cloud推进AI药物研发
英矽智能（03696）早盘涨超4%，截至发稿，股价上涨4.28%，现报67.05港元，成交额1.04亿港元。据英矽智能官微消息，近日，公司宣布与Google Cloud合作，旨在加速其药物发现进程。通过此次合作，英矽智能将结合自有Pharma.AI平台，利用Google Cloud可扩展的计算基础设施与先进AI能力，提升药物发现流程的速度与效率。英矽智能计划在其产品体系中集成Gemini Enterprise Agent Platform及Google Gemini系列模型，其中包括将Gemini与最新工
AI驱动药物创新
人工智能制药：革新药物研发模式 核心转变：由“盲目搜寻”转向“精确制导” - 传统难题：“双十定律”——需时10年以上，花费超10亿美金，成功率**<10%**。 - AI助力：周期缩减至1-3年，成本降幅超50%，临床前仅需数百万美金，大幅提高成功率。 主要应用：AI覆盖研发全周期 - 靶点识别：AlphaFold解析逾2亿蛋白结构，费用由150万美金降至1-5万美金。 - 分子构建：生成式AI“凭空创造”，设计全新分子。实例：英矽智能INS018_055，由靶点至临床前仅耗时18个月。 - 临床
算力竞赛催化AI制药：跨国All in，中国机会在哪
AI半月谈第20期全球AI制药正在从“只为展示技术”的阶段，走向“以产业重构为目标”的深水区。礼来、罗氏、武田等跨国巨头纷纷打造自有算力平台、投入巨资并购AI企业，并把AI能力深入嵌入研发的每个环节——围绕数据、算法与算力资源的“军备竞赛”已经拉开序幕。与此同时，AI Biotech在靶点发现、分子生成、临床预测等方向持续验证其价值；但对平台型公司而言，也不得不面对被大厂“内化替代”的现实压力。放在中国AI制药的语境下，难度更大：算力供给相对紧张，高质量临床数据的获取成本高，且监管路径仍有不确定性。因此，