AI 藥物發現迎來億萬美元交易浪潮：製藥業研發模式的結構性重構

2026 年上半年，AI 藥物發現領域迎來了前所未有的一波億萬美元級交易。Eli Lilly 與 NVIDIA 共同宣布 10 億美元聯合創新實驗室，與 Insilico Medicine 簽署了總值高達 27.5 億美元（首付 1.15 億美元 + 里程金）的 AI 藥物開發協議；Merck 與 Protillion Biosciences 簽訂最高 5.1 億美元的 AI 抗體發現合作；Earendil Labs 在創立階段即獲得 7.87 億美元融資。這些數字不僅代表了製藥業對 AI 技術信心的史無前例的投票，更預示著藥物研發的底層範式正在從「化學直覺驅動」轉向「計算預測驅動」。

交易全景：2026 上半年 AI 藥物發現十大交易

根據產業分析，2026 年上半年全球 AI 藥物發現合作總額預計接近 150 億美元，較 2025 年同期增長約 3 倍。約 85% 的全球大型製藥公司已將 AI 列為「即時優先事項」，約 50% 的製藥/生物科技公司在研發中使用 AI/大數據。

Eli Lilly 的 AI 雙重賭注

Eli Lilly 是 2026 年最積極部署 AI 的大型製藥公司。其與 NVIDIA 的 10 億美元聯合創新實驗室不是一個傳統的藥物開發合作，而是從底層運算基礎設施重塑研發管線的戰略行動。

Lilly-NVIDIA Co-Innovation Lab：這是一個五年期的 AI 工廠（AI Factory）合作計劃，在 Lilly 的總部所在地印第安納波利斯建立專用的 AI 超級計算中心。該設施將配備 NVIDIA 最新的 DGX 和 GB200 運算平台，預計 FP8 算力超過 1 exaflop。核心目標是：（1）將 Lilly 過去 150 年積累的化合物資料庫與小分子相互作用數據轉化為可訓練的結構化數據集；（2）開發專用的生成式 AI 模型，用於從頭設計具有特定藥理特性的分子；（3）在虛擬環境中預測藥物的 ADMET（吸收、分布、代謝、排泄、毒性）特性，將臨床前候選化合物的失敗率從當前的約 90% 降低至 50% 以下。

Lilly-Insilico Medicine 合作：這是迄今為止最大金額的 AI 藥物發現合作之一。首付 1.15 億美元加上最高 26.35 億美元的開發和商業里程金——總值 27.5 億美元。合作專注於使用 Insilico 的 Pharma.AI 平台（包括 Chemistry42 分子生成引擎和 Biology42 靶點發現模塊）來開發針對 Lilly 確定的多個治療靶點的小分子藥物。Insilico 的 rentosertib（ISM001-055）——全球首個由 AI 設計並完成 IIa 期臨床驗證的藥物——的初步成功是 Lilly 決定投入巨額資金的核心原因。Rentosertib 用於治療特發性肺纖維化（IPF），2026 年初公佈的 IIa 期數據顯示其安全性和初步療效信號均為正面，關鍵 III 期臨床預計在未來 12 個月內生成頂級數據。

Merck-Protillion：AI 抗體發現的邊界突破

2026 年 6 月 16 日，Merck 與 Protillion Biosciences 簽署了一項最高 5.1 億美元的 AI 抗體發現合作協議。Protillion 的核心技術平台 Prot-MaP（Protillion Massively Parallel）融合了三個技術層面：

超高通量實驗：Prot-MaP 平台可以在單次實驗中篩選超過 10 億個抗體變體序列，是傳統噬菌體展示技術通量的 1,000 倍以上。這一能力使研究人員能夠探索抗體序列空間中此前無法觸及的區域。

AI 序列-功能預測：基於大量篩選數據訓練的深度學習模型能夠在進行實驗之前預測抗體變體的結合親和力、特異性和可開發性（developability）。這大幅減少了需要在濕實驗室中驗證的候選分子數量。

迭代設計閉環：AI 預測 → 實驗驗證 → 數據回饋 → 模型更新 → 新一代設計——這一閉環使 Protillion 可以在一周內完成傳統方法需要數月的抗體優化迭代。

Earendil Labs：7.87 億美元的 AI 生物製劑賭注

2026 年 3 月，Earendil Labs 在成立初期即從頂級風險投資機構募得 7.87 億美元，成為 AI 生物製劑領域最大規模的種子/早期融資。公司的核心主張是：目前的 AI 藥物發現過於專注於小分子藥物——而生物製劑（抗體、融合蛋白、基因治療載體）市場遠比小分子更大，且其序列空間的搜索難度比化學空間更高，更需要 AI 的介入。

Earendil 的平台專注於大分子藥物的從頭設計，利用深度生成模型從零開始設計具有特定功能屬性的蛋白質序列——而非簡單地篩選自然界存在的蛋白質變體。公司的創始技術來自於史丹福大學和華盛頓大學的蛋白質設計實驗室，其模型在初步測試中展示了設計抗體樣蛋白的能力，其穩定性和可表達性與天然抗體相當。

臨床驗證：AI 設計藥物從理論走向現實

2026 年對 AI 藥物發現而言最重要的事件是非財務性的——它來自臨床數據。

Insilico Medicine 的 rentosertib：全球首個完全由 AI 發現和設計的藥物進入 IIa 期並取得陽性臨床結果。雖然 IPF 的 III 期臨床尚在進行中，rentosertib 的 IIa 期數據已經為 AI 藥物發現提供了最強有力的概念驗證——如果一個由計算機從頭設計的分子能在人體內展現預期的藥理活性，那麼整個產業的「先篩選再設計」範式將被顛覆為「先設計再驗證」。

Chai Discovery 的分子：這家 AI-first 生物技術公司報告的 AI 生成分子在實驗中獲得了遠高於歷史平均水平的成功率。其實驗平台將 AI 模型與自動化高通量實驗室整合，形成預測-驗證-強化的循環，將候選分子從發現到先導優化的時間從行業平均的 2-3 年縮短至 4-6 個月。

AI 臨床管線規模：截至 2026 年中，全球已有超過 200 個 AI 設計的藥物項目進入臨床開發階段，涵蓋腫瘤學、免疫學、代謝疾病、纖維化疾病和罕見病等多個治療領域。其中約 35 個處於 II 期或更高階段，預計 2027-2028 年將迎來首批 AI 藥物的上市高峰。

結構性轉變：從 AI 服務到 AI 原生

當前 AI 藥物發現產業正在經歷一個重要的結構性轉變。在 2022-2024 年期間，AI 藥物發現公司主要以「服務提供商」的身份存在——收費為大型製藥公司提供計算篩選服務。這種商業模式可持續性有限，因為藥廠可以將這些能力內部化。

2025-2026 年的新趨勢是 AI-native 生物技術公司的崛起——這些公司擁有自己的專有技術平台和自主管線，不僅僅提供服務，而是開發自己的藥物產品。Insilico Medicine、Recursion、Isomorphic Labs、Earendil Labs 和 Chai Discovery 代表了這一新範式。這些公司中的大部分都建立了自己的臨床管線，其中 Insilico 和 Recursion 已經擁有進入臨床階段的候選藥物。

與此同時，大型製藥公司的內部能力也在快速增長。Eli Lilly 的 NVIDIA 合作本質上是建設內部 AI 基礎設施，而非外包。輝瑞、諾華和 Roche 都在內部組建了 AI 團隊，同時通過外部合作補充特定能力。最終格局可能是：每個大型製藥公司都有內部 AI 能力，但專業平台公司仍將在特定技術領域保持優勢。

Observatory 分析：交易浪潮背後的結構性變革

2026 年的 AI 藥物發現交易浪潮不僅僅是資金的湧入——它代表了製藥業研發運作模式的根本性轉變。

從試錯到預測的範式遷移：傳統藥物發現的本質是大規模試錯——篩選數百萬個分子，希望找到一個可行的候選物。AI 正在將這一過程從「篩選」重構為「設計」。當一個 AI 模型可以預測分子與靶點的結合模式、ADMET 特性和可合成性時，藥物化學家的工作從「為了解釋結果而設計實驗」轉變為「為了解釋預測而設計實驗」。這一定位轉變的深遠影響不亞於基因組學對生物學的衝擊。

交易結構的變化信號：2026 年的交易中，首付金額顯著上升。Lilly-Insilico 合作的首付 1.15 億美元僅次於傳統藥物授權交易的規模。這表明 AI 平台提供的數據和預測已經被製藥公司視為具有真實價值的資產——而非「漂亮但不可靠」的理論推測。

AI 藥物發現的真正的瓶頸不是模型，而是數據：所有主要的 AI 藥物發現平台——無論是 Insilico 的 Pharma.AI、Protillion 的 Prot-MaP 還是 Chai Discovery 的實驗平台——都是在某種程度上解決數據生成和標準化的問題。藥物發現的獨特挑戰在於，高品質的生物學數據極難獲取且成本極高。能夠以低成本、高通量生產高品質生物學數據的公司，將在下一階段競爭中獲得最大的結構性優勢。

免責聲明：本文所載資料僅供參考，不構成任何投資建議或商業決策依據。數據及時間資訊以發布當日為準，可能隨後續發展而有所變動。作者及POC.HK不對因使用本文資訊而導致的任何損失承擔責任。