引言：过去一年，AI制药的BD合作频频， 合作内容早就突破了传统的AI擅长的“小分子药物发现”外的范围。

从合作的合同金额来看，AI制药相关交易开始“干到”九位数现金、股权投资，及数十亿刀的里程碑和销售分成。

交易的对价，涵盖了创新发现平台，数据授权协议及联合开发合作等各种形式；但截至目前，由AI制药筛选的进入临床阶段的资产还暂时未见到。

总体来看，AI制药的领域有四大明显趋势：

  • BD合同的首付款金额增加；

  • 涉足到新疗法类型（如生物药而非小分子药物）；

  • 专业的、细分的AI数据提供者，成为单独的公司或平台；

  • 大药企、中型Biotech紧随早期创新团队角度，积极参与布局。

生物医药行业的小伙伴可能普遍都在接受这样的事实，把机器学习（ML）整合到新药研发流程可加速靶点发现（ID）和先导化合物优化。

但是，虽AI和ML的在研发端的应用愈发成熟，但由AI直接筛选出的候选化合物，到目前为止，还很是能在临床阶段得到充分验证。

1、大药企的AI 已经进入Next level

大药企都对“早期BD+内部后期开发”模式情有独钟，尤其是在创新技术领域。

尽管药企逐步的在进行内部AI的建设，但对AI“解决方案”的需求依然强烈，尤其是那些能整合多模态数据集（如基因组学、转录组学、蛋白质组学以及患者临床数据）的“解决方案”。

这可以成为药物靶点发现的助推器，也是促进高效小分子结合剂开发的工具，节省人力、资源和时间，整体加快药物发现与临床前开发的进程。

（1）AbbVie，依靠AI制药，切入CNS新领域

2024年，Gilgamesh Pharmaceuticals与艾伯维（AbbVie）达成合作。这项合作利用了Gilgamesh的“神经可塑因子（neuroplastogen）”平台——该平台是一项先进的分子建模技术，用于设计类似ibogaine分子的衍生物。

这项合作使得艾伯维以较低风险方式切入快速增长的中枢神经（CNS）领域，获得了有关抑郁症、创伤后应激障碍（PTSD）和焦虑症的临床候选药物的权利。

交易对价包括6500万美元首付款，最高累计19.5亿美元的里程碑付款，以及未来药物全球销售额的逐步递增的销售分成。

（2）德国默克合作AI公司开发ADC——AI+ADC

继BigHat Biosciences、Generate:Biomedicines、Absci和Nabla Bio等行业先行者之后，Biolojic Design于2024年6月与默克达成合作，共同开发多特异性抗体和抗体-药物偶联物（ADC）。

Biolojic的AI驱动抗体工程平台利用深度学习技术，同时预测复杂的结合界面和连接体设计，将候选分子的筛选时间缩短了50%。

默克支付了低八位数欧元的预付款，以及高达3.46亿欧元的里程碑付款。

（3）GSK合作AI公司——买高质量数据

与单纯的新药发现合作不同，Ochre Bio于2024年6月与GSK达成协议，主要是合作其“专有的人体数据集”。

Ochre提供的人肝脏单细胞转录组和器官灌注数据为肝脏病学AI模型提供了关键训练材料。

该数据授权协议的对价为为三年3750万美元，GSK将获得用于AI模型开发的原始及处理后数据访问权，并由GSK提供专业注释支持。这体现药企越来越愿为无法在学术界或公共数据库中获得的高质量真实世界数据买单。

（4）诺华不止合作，还要入股——AI蛋白设计平台

Generate Biomedicines于2024年9月与诺华达成合作。这家AI生物技术公司拥有生成式蛋白设计平台，该平台融合了基于transformer的语言模型和图神经网络。

作为Flagship Pioneering旗下公司，Generate声称能基于预设结构和功能限制，从头生成小分子药物。

诺华为此次合作支付了6500万美元的预付款（其中1500万美元为股权投资），潜在里程碑付款总额超10亿美元。

（5）礼来合作AI公司，设计寡酸药物

Creyon Bio在2025年4月与礼来达成合作。Creyon的平台将机器学习优化的化学方法与预测性药代动力学建模相结合，旨在设计出更具稳定性和靶向组织能力的寡核苷酸。

礼来为此支付了1300万美元的预付款（包括现金和股权），并设有总额超过10亿美元的里程碑付款。

每一笔这样的重磅交易都反映出大药企研发对AI的重视，以及通过外部获取资源的模式。

2、AI制药，走出小分子领域

尽管AI制药的大多数活动仍集中在小分子药物上，但AI平台正向其他治疗模式的进行多元化的发展。

下表包括几项交易，突出了围绕新药物形式（如核酸、多肽和抗体）的合作。通过将量身定制的解决方案集中在单一模式上，这些AI制药平台可以提供非常有吸引力的专业知识。

无论是哪种药物形式或者技术平台，能被大药企看上眼，说白了还是行业一致认为“AI可以降低技术风险并加快研发速度 ”，这一点对哪家药企都是非常诱人的存在。

在这个前提下，对AI的“迷信”早就超越了早期的小分子药物筛选。除了药物形式突破外， 在药物发现的全流程，都出现了各种形式的AI技术平台。从早期发现，到临床试验管理，再到工业生产的优化等。

3、“专有”数据AI平台，炙手可热！

随着公共数据资源趋于饱和，药企纷纷转向私有、精细化数据库，并通过与“数据经纪人”如Tempus等公司合作，获取大规模、去标识化的临床和基因组数据。

高质量数据与知识产权同等重要，为AI模型训练和创新提供基础，也为药物发现提供理论和实际的支持。

数据已成为药物研发领域最宝贵的“货币”！

典型案例如阿斯利康与Pathos AI、Ochre Bio与GSK的合作，不仅推动了定制化基础模型的开发，也让数据许可成为AI平台的重要收入来源。

随着AI平台在药物发现和临床前验证中的作用日益凸显，预计未来相关交易将持续增长，AI与多类型生物医学数据的深度融合将加速行业创新，AI驱动的药物研发已成为不可逆转的趋势。