编者按：在第19届中国投资年会·年度峰会上，启明创投合伙人、医疗健康行业共同负责人陈侃发表了主题演讲。他介绍了人工智能在生物医药领域的应用经历了两个重要发展阶段，以及启明创投在这一领域的系统性投资布局。陈侃也分析了人工智能时代新药研发在靶点发现、分子设计、临床前实验及临床试验环节的变与不变，并分享了未来行业发展的战略重点以及核心挑战。
启明创投微信公众号经授权转载。
启明创投合伙人、医疗健康行业共同负责人陈侃
“国内医药行业对AI技术的应用正在快速推进，AI对生物医药行业的变革已经显现。”
在由投中信息、投中网共同主办的第19届中国投资年会·年度峰会上，启明创投合伙人、医疗健康行业共同负责人陈侃以“AI时代，生物医药产业的变与不变”为主题，详细分析他所看到的医药行业正积极拥抱AI的现状。
陈侃认为，未来生物医药行业发展的战略重点主要将通过投资和合作，AI人才的引进与培养，以及AI研发平台的建设，推动整个生态系统的协同发展。在具体实施过程中，数据质量、数据隐私保护与安全管理等很重要。当前面临的核心挑战在于复合型人才的稀缺，现有专业人才往往只精通生物医药或人工智能单一领域，能够横跨两个学科的人才很少。
以下系经投中网精编整理的演讲实录。
启明创投很早就投资了“AI+医疗”。接下来我站在启明创投的角度，分享下在AI时代生物医药行业的一些变和不变。
首先，当前AI技术发展已进入成熟应用阶段，以OpenAI和ChatGPT为代表的技术突破正在深刻影响各个行业。生物医药领域长期面临研发成本高、周期长、风险大的挑战，而AI技术天然具备加速研发进程、降低成本和提高成功率的特性，这使得业界高度关注AI对生物医药行业的变革潜力。
事实上，这种变革已经显现。领先药企也纷纷从科技行业招募人才担任CTO等关键职位。这种组织架构的调整充分表明，传统制药企业正在积极拥抱AI技术转型。
01/
药企正积极拥抱AI+
国内医药行业对AI技术的应用正在快速推进。恒瑞医药近期将AI应用程度纳入年终KPI考核体系，这一举措充分体现了该企业推动AI与药物研发深度融合的决心。云南白药、复星医药等药企也在纷纷拥抱AI。
在医疗器械和诊断领域，AI影像诊断公司普遍采用Transformer多模态数据分析技术，来提升医学影像判断的准确性。临床试验服务领域，临床研究组织（CRO）正在将AI技术整合到临床试验的各个环节。
医疗信息化建设方面，AI医疗智能体的应用有效缓解了三甲医院医患比例失衡的问题，既提升了医生工作效率，又减轻了工作负荷。在基因诊断领域，相关企业正在运用AI技术进行基因数据分析和病理报告生成。互联网医疗平台也在全面引入AI技术提升服务能力。
人工智能在生物医药领域的应用经历了两个重要发展阶段。2016年业内首次提出AI在药物研发中的应用概念，到2022年形成了第一波发展高潮。随着ChatGPT和OpenAI的出现，行业迎来了第二波发展浪潮。启明创投在2018-2019年投资了第一家AI医药研发公司，紧跟技术发展趋势。第一波技术浪潮主要聚焦于利用AI进行分子研发和新靶点发现，而当前第二波浪潮则更多关注AI对药物研发临床阶段的影响。
启明创投在人工智能与药物研发结合领域进行了系统布局。2018年启明创投投资了Schrödinger（NASDAQ:SDGR），该公司采用计算平台进行小分子与靶点相互作用的模拟计算，后在纳斯达克成功上市，启明创投也收到了较好的回报。在OpenAI兴起前三年，启明创投已开始布局生成式AI药物研发领域，投资了英矽智能（Insilico Medicine）公司，利用生成式AI技术设计分子，近期完成了1.1亿美元的融资。
近期FDA进行了重要的政策调整，根据最新规定，未来药物研发申报将不再强制要求使用动物模型。基于这一趋势预判，我们已提前布局投资了Emulate公司，该企业是器官芯片的全球龙头，来代替动物模型的测试。
在AI化学领域，我们重点投资了两家CRO企业镁睿化学和腾迈医药。传统化学合成主要依赖化学家设计合成路线并手动操作实验，而镁睿化学通过自动化技术实现了实验操作的智能化转型，其革新意义堪比汽车行业从燃油车向电动车的转变。另一家腾迈医药则致力于为新药研发企业提供干湿实验室结合的一站式服务解决方案。
在临床研究领域，我们的投资布局包括：璞睿生命科技专注于去中心化临床试验模式，突破传统研究中心的地理限制，患者通过远程方式完成入组、药物接收和体征监测，这种模式特别适合慢性病临床试验；此外启明创投还投资了艾莎医学、易迪希和壹永科技等创新企业。这些是启明创投在“AI+医药”领域的初步布局，我们还在布局更多企业。
02/
AI时代新药研发的变与不变
在人工智能时代，新药研发的变与不变，我将从四个维度进行分析：靶点发现、分子设计、临床前实验，以及临床试验。
在靶点发现领域，传统方法主要依靠实验室实验，通过细胞培养和动物实验进行分析，这种方法通量小且耗时较长。AI技术带来的重大变革在于引入数字孪生功能，目前已经能够模拟如线虫这种只有300个细胞的低等动物，未来有望实现人类器官的数据建模。这种数字孪生与实验室实验相结合，大幅提升了筛选通量和速度。另一个重要突破是AI能够突破人类思维的惯性，提出反直觉、反惯性的创新假设。不变的是药物靶点发现依然需要深厚的生物学理论基础，药物靶点的最终验证仍需通过细胞和动物模型，数据驱动的本质也不会改变。
分子设计方面，传统方法依赖化学家设计有限数量的化合物进行合成和测试。AI时代可以计算模拟上万个分子，筛选最优结构后再进行合成，极大扩展了化学探索空间。AI还能同步优化多个参数，如药物的PK/PD特性、亲和力、药效和安全性等。但分子成药性的基本要求保持不变，最终仍需动物实验验证疗效和安全性。
临床前实验的变化模式与靶点发现和分子设计类似。
临床试验领域因ChatGPT、DeepSeek等AI技术的出现发生显著变革。传统临床研究需要人工完成患者招募、方案设计、结果分析和安全性监测等工作。现在AI Agent可以快速生成临床方案，智能匹配受试者，自动分析试验数据，大幅提升效率并降低成本。但临床数据的准确性、伦理审查、合规要求和科学设计等基本原则保持不变。
总体而言，AI时代的新药研发呈现出数据驱动、高通量、自动化和智能化的特点，潜在提高了药物研发的成功率并降低了成本。短期内，实验验证的必要性不会改变；长期来看，生物学基础理论将保持稳定。这种变革与传承的平衡，正在重塑整个药物研发的格局。
我认为，未来行业发展的战略重点主要将通过投资和合作，AI人才的引进与培养，以及AI研发平台的建设，以此推动整个生态系统的协同发展。在具体实施过程中，数据质量、数据隐私保护与安全管理等很重要。当前面临的核心挑战在于复合型人才的稀缺，现有专业人才往往只精通生物医药或人工智能单一领域，能够横跨两个学科的人才很少。
即便无法找到同时精通两个领域的复合型人才，如何推动生物医药人才与AI人才有效协作也是一个挑战。这种挑战源于两个领域工作模式的本质差异：生物医药研发需要严格遵守监管要求，每个变更都需要获得FDA或药监局的认可；而AI模型调试则相对灵活，可以自主决定。怎样让两种不同思维的人才一起工作，对于管理者而言也是一种挑战。
国际市场上已经出现成功整合AI与医药研发的创新案例，例如全程采用AI Agent和各种人工智能技术加速研发流程的新型企业Formation Bio。这类企业完全不同于传统制药公司的运作模式，是新一代的AI native的生物科技企业，预计未来在中国和美国市场将会涌现更多类似的创新型企业。
