EXS-21546

▍一、临床门口的这一幕，值得所有人停下来看看 先说一件刚刚发生、但很多人没注意到的事。 2026年7月7日，一家叫英矽智能（Insilico Medicine）的公司，把一款药推进了三期临床。药的名字有点拗口，叫瑞妥色替（rentosertib）。 这不是重点。重点是它的身份——业内普遍认为，这是全球第一款"靶点是AI找的、分子也是AI设计的"药，同时走到了三期临床这一步。 三期是什么概念？ 简单说，一款药从实验室走到病人手里，要过三道大关。 三期是最后、最烧钱、也最见真章的一关。能站到这里的药，行业里十个里活不了一个。 我为什么要拿这件小事开头？ 因为就在同一个赛道，另一批公司正在经历完全相反的剧情。 有的把管线砍了一半，有的裁掉了两成员工，还有的干脆合并求生。同一年，同一个行业，一边在庆功，一边在止血。 AI制药这三年，不是一条平滑上升的曲线，而是一半人掉进坑里、一半人爬上岸的分水岭。 所以今天这篇文章，想认真回答一个被问烂了、却始终没人说清楚的问题：AI制药，到底是泡沫破了，还是拐点到了？ 我不打算给你灌鸡汤，也不打算泼冷水。咱们把数据摆桌上，一个一个看。 2026.07.07 · 一件被忽略的大事 ▍二、别急着欢呼，泡沫是真的破过 先说难听的。 时间倒回2020年。当时英国一家公司Exscientia，联合日本住友，把一款代号DSP-1181的分子送进了临床。宣传铺天盖地——"史上第一款AI设计的药进入临床"。那会儿的口号你现在听着都眼熟：AI能把新药研发从五年压到一年，从几十亿美元压到几千万。 结局呢？DSP-1181后来悄悄停了，几乎没什么水花。 这还只是开始。 2023年4月，另一家明星公司BenevolentAI，它的核心管线BEN-2293——一款治特应性皮炎的药——二期临床主要终点没达到。翻译成人话：药没起到该起的效果。 紧接着，公司在当年5月裁了约180人，靠这一刀省下大约5600万美元。一家曾在阿姆斯特丹交易所风光上市的公司，市值一路往下掉。 同样是2023年，Exscientia那款被寄予厚望的EXS-21546也停了，官方给的理由是"药物在治疗窗口内对靶点的覆盖不足"。 术语小框 · 靶点（Target）你可以把疾病想象成一台出故障的机器，靶点就是那个坏掉的零件——通常是一个蛋白或基因。药物的任务，就是精准地卡住这个零件，让它别再捣乱。找错靶点，或者卡不住，药就白做了。 AI能在几周内画出一个漂亮的分子，但它没法替你保证，这个分子进了人体之后，身体会不会买账。 后面的故事更能说明问题。 2024年8月，Exscientia干脆和美国的Recursion合并，两家一度估值极高的AI制药公司，抱团取暖。 到了2025年6月10日，合并后的Recursion宣布裁员约20%，差不多160人，同时砍掉了三条管线——REC-2282、REC-994、REC-3964。公司自己说，这是为了把现金烧到2027年第四季度，撑得更久一点。 这一连串事，发生在短短两三年里。 你说这是不是泡沫？某种程度上，是的。 资本市场把"AI+医药"这两个最性感的词凑在一起，估值一度冲上天，然后被临床数据一巴掌拍回地面。 为什么会这样？我琢磨了很久，觉得根子上是一场"预期错配"。 2020到2021年那波热潮里，几乎所有人都默认了一个前提：药之所以难做，是因为人脑算不过来那么多分子组合；只要AI能把这道数学题解开，新药就会像流水线上的零件一样源源不断地冒出来。听上去无懈可击，对吧？ 问题是，做药从来不只是一道数学题。它更像是在一片没画过的地图上找路。 分子设计确实是可以被AI加速的那一段——这段路，AI跑得又快又稳。可"这个靶点到底和疾病有没有真关系""药进了人体会不会引发一连串没人预料到的反应"，这些问题的答案不在任何一个现成的数据库里，得靠一次次真金白银的临床去试、去撞。AI再聪明，也变不出它从没见过的知识。 于是就出现了一个特别拧巴的局面： 技术方面，AI确实兑现了承诺——分子设计从几年缩到几个月，一点没吹牛； 但商业和临床方面，那些被抬得过高的估值和期待，迟迟等不来能治好病的药来兑现。 一边是真实的技术进步，一边是虚高的市场泡沫，两者被强行绑在一起，泡沫破的时候，连带着把不少扎实做事的公司也拖下了水。这是这轮回调里最让人惋惜的部分。 三年五记耳光 · 泡沫破裂时间轴 ▍三、可那扇门，真的有人把它推开了 如果故事到这里就结束，那这篇文章的标题该改成《泡沫破了》，句号。 但它没结束。 我们回到开头那款药，瑞妥色替。 它治的是一种叫特发性肺纤维化（IPF）的病。 这个病有多凶？患者的肺会像结疤一样一点点变硬，呼吸越来越费劲，确诊之后中位生存期往往只有三到五年。现有的两款药只能延缓，救不了根，副作用还大。这是一块医学界啃了很多年、依然没啃下来的硬骨头。 英矽智能干的事，是用生成式AI从"衰老生物学"里挖出了一个全新的靶点——TNIK，再用AI设计出能卡住它的分子。 术语小框 · TNIK 与 FVCTNIK是一种和纤维化、炎症都有关系的激酶。此前没人拿它当肺纤维化的正经靶点，是AI"猜"出来它可能有用。FVC则是"用力肺活量"，衡量你一口气能呼出多少空气——对肺纤维化患者来说，这个数字每年往下掉多少，直接关系到还能活多久。药有没有用，就看它能不能让FVC别再往下掉。 关键在数据。 2025年6月，二期临床结果发在了顶级期刊《自然·医学》上。71名患者，分了几个剂量组。最亮眼的那组——60毫克每天一次——治疗12周后，患者的FVC平均涨了98.4毫升；而吃安慰剂的那组，同期跌了20.3毫升。一涨一跌，差了将近120毫升。对这个病来说，肺功能不降反升，是实打实的好信号。 当一款药能让本该恶化的肺功能停下来、甚至往回走，你就很难再说它只是PPT上的概念。 更让人坐不住的是速度。 按官方说法，从锁定靶点到提名临床前候选药物，他们只花了大约18个月；从启动靶点发现到走完临床0/1期，不到30个月。传统路径这一段，通常要四五年起步，烧掉的钱按亿美元计。 当然，我得说句公道话：这药也不是完美的。 二期里有患者因为肝毒性退出，尤其是同时吃另一款老药的病人，肝脏出了些状况。药还在三期，最终能不能成，没人敢打包票。 但它至少证明了一件事——AI不是只会做"me-too"的仿制思路，它真的有本事挖出人类没想到的新靶点、新分子。 为什么这件事这么重要，我再多解释一句。 过去几十年，绝大多数所谓的"创新药"，其实是在别人验证过的老靶点上做优化——同一个锁，换一把更好用的钥匙。这条路稳，但天花板也就在那儿。而肺纤维化这种病，难就难在没人知道该拿哪个"锁"下手，几代科学家试了一堆靶点都没成。 英矽用AI从衰老这个大方向里，硬是筛出了TNIK这个此前没人认真当回事的目标，然后一路把它送进了三期——这等于是在一张空白地图上，自己画出了一条新路。 药最终成不成是一回事，但"AI能帮人类找到全新的路"这件事，第一次有了一个走到临床晚期的实证。这比任何一句口号都有说服力。 产品图 · 瑞妥色替（rentosertib / ISM001-055） ▍四、数字不会骗人，但它特别会误导人 好，现在到了最关键、也最容易被人带节奏的地方——成功率。 你可能刷到过一个很唬人的说法：AI发现的药，临床一期成功率高达80%到90%，而行业老规矩才50%左右。听起来AI简直是开了挂。 这个数据是真的。它来自波士顿咨询（BCG）几位研究者2024年6月发在《Drug Discovery Today》上的一篇分析。他们扒了大约300家AI原生药企、67款进入临床的AI药，得出的结论确实是：一期成功率能到80%~90%，远高于历史平均。 但——请把这个"但"字放大——同一篇研究还说了下半句：这些AI药到了二期，成功率只有40%，和传统药几乎没差别。 术语小框 · 临床成功率与"死亡之谷"一期主要看"安不安全"，二期开始看"到底有没有用"。行业里有个说法叫"二期死亡之谷"，因为绝大多数药都是在这一关证明不了疗效，倒下的。一期漂亮不算本事，二期能过，才是真功夫。 这半句，才是理解整个AI制药最要命的一把钥匙。 一期成功率高，说明AI确实擅长它擅长的事：快速设计出安全性过关、成药性不错的分子。这活儿它干得比人快、比人省。 可一旦进入二期，问题就变了——药到底能不能治病，靠的是对疾病生物学的深刻理解，是对靶点是否"真的管用"的判断。而这恰恰是AI目前最虚的地方。 AI能帮你把车造得又快又漂亮，但它还没法替你保证，这条路通向的是不是正确的方向。 这里值得多说两句，为什么二期这么难过。 你想，一期招的往往是健康志愿者或者少量患者，主要就看吃了这药会不会出大问题，剂量能不能扛得住——这是AI的主场，因为它设计分子时，本来就把"别太毒""吸收要好"这些成药性指标算进去了。 可到了二期，对手换成了疾病本身。药要在真正的病人身上，证明它能实打实地改善病情。这时候比的不再是分子画得漂不漂亮，而是当初挑的那个靶点，究竟是不是这个病的"病根"。 一旦靶点选错——哪怕分子完美地卡住了它——药也照样没用。这就好比你请了全世界最好的锁匠，打了一把工艺无可挑剔的钥匙，可如果这把钥匙对应的压根不是大门的锁，那它再精致也打不开门。 选靶点这件事，靠的是对人体、对疾病几十年积累下来的生物学理解，而这恰恰是当下AI最薄弱的一环。它读过海量论文，却没真正"理解"过一个细胞是怎么活、怎么病、怎么死的。 那篇研究算了一笔总账：把AI在各期的表现叠起来，一款药最终走通全程的概率，大概能从传统的5%~10%，提到9%~18%。注意，是"提高"，不是"颠覆"。差不多翻一倍——这已经很了不起了，但离"AI三年造神药"的口号，差着十万八千里。 还有个容易被忽略的细节：在全球六千多款在研药物里，真正由AI发现全新靶点的，那篇分析当时只数出来个位数。也就是说，绝大多数所谓"AI药"，AI干的还是辅助、加速的活儿，真正从0到1开创新靶点的，凤毛麟角。瑞妥色替之所以被反复提起，正因为它是那"凤毛麟角"里的一个。 一期很美，二期见真章 · 成功率对比 ▍五、牌桌上还剩谁，钱又往哪儿流 看清了泡沫和真章，我们再抬头看看牌桌。 一边是止血的。 前面说的Recursion，砍管线、裁员、省钱续命，这是行业里相当一部分公司的现状——故事讲不动了，就得回到"活下去"这个最朴素的命题。 另一边，是加注的。 2026年5月12日，谷歌母公司Alphabet旗下的Isomorphic Labs，一口气融了21亿美元的B轮，领投方是明星机构Thrive Capital。 这家公司什么来头？创始人是Demis Hassabis——对，就是那个搞出AlphaFold、拿了诺贝尔化学奖的人。他放的话很大：要"解决所有疾病"。 这家公司此前已经和诺华、礼来签了合计最高约30亿美元的合作。按计划，它第一批完全由AI设计的药，将在2026年底走进临床（这个时间点，其实已经从原定的2025年底往后推了）。 当一批公司在为活下去精打细算时，另一批公司正拿着几十亿美元，赌下一个十年——这本身就说明，这局远没到收摊的时候。 你看，同一张牌桌，冷热两极。热钱没有离场，只是变聪明了。它不再为一句"AI颠覆制药"的口号买单，而是盯着两样东西： 一，你有没有真的走进临床、拿出人体数据； 二，你烧钱的效率，是不是真比传统药企高。 这里有个信号很微妙，值得单独拎出来说。 三年前，一家AI药企只要在发布会上放出漂亮的分子结构图、讲清楚算法多先进，就能拿到高估值。 今天不行了。投资人学乖了，他们开始追问一句最朴素的话：药呢？病人数据呢？你烧了这么多钱，到底把哪款药往前推了几步？ 这种从"看模型"到"看药"的转变，表面上是资本变冷了，实质上是这个行业终于开始按医药的规矩办事——而医药的规矩，从来就是拿人体数据说话，慢，但硬。 顺便提一句市场的整体温度。 多家第三方机构的测算口径不太一样，但方向一致：全球AI药物发现市场规模，目前大致在十几亿到几十亿美元区间，多数预测认为到2030年代中期会涨到一百六十亿美元上下，年复合增速普遍在17%以上。钱还在往里涌，只不过涌得比三年前克制多了，也精明多了。 冷热两极 · 玩家格局 ▍六、所以，泡沫还是拐点？我给三个判断信号 绕了一大圈，回到最初那个问题。 我的答案是：泡沫确实破过一轮，但那不是终点，而是行业从"讲故事"切换到"交作业"的分水岭。真正的拐点，不是某一天突然到来的，它藏在几个具体信号里。 第一个信号，看临床，别看融资。 一家AI药企值不值得信，早就不看它PPT画得多好、融了多少钱，而是看它有没有药真的走进临床、二期数据硬不硬。瑞妥色替的三期、Isomorphic年底的首次临床，就是接下来一两年最该盯的两块试金石。 第二个信号，看它敢不敢碰新靶点。 只会用AI做"更快的仿制"，天花板很低；敢像英矽那样去挖一个人类没验证过的全新靶点，虽然风险高得多，但那才是AI真正改写游戏规则的地方。 第三个信号，看烧钱的效率账。 18个月、不到30个月这样的时间线，如果能被更多公司、更多疾病反复复现，那才是拐点坐实的标志。孤例是运气，规律才是趋势。 术语小框 · 拐点（Inflection Point）数学上，拐点是曲线改变弯曲方向的那个点。放到产业里，它指的不是最高点，而是趋势由虚转实、由乱到定的转折。拐点往往在事后才被看清，但身处其中的人，能从信号里提前嗅到它。 AI不会在三年内造出神药，但它正在让"造神药"这件事，第一次变得可被验证、可被复制、可被算账。 说到底，这三年最大的价值，可能不是造出了哪款药，而是挤掉了那层最厚的泡沫，让所有人看清：AI制药不是魔法，它是一套能实打实提高研发胜率的新工具。工具没那么性感，但工具能改变世界。 回头看，蒸汽机刚出来时也没人相信它能取代马车，真正改变世界的技术，往往都要先熬过一段"被高估、再被低估"的尴尬期，才慢慢长成它该有的样子。AI制药，此刻大概就走在这段路上。 泡沫破了，是因为期待被吹得太高；拐点到了，是因为有人真的把第一批药，送到了临床的门口，还推开了那扇门。 至于门后面是什么，值不值得这么多钱和人往里冲——那是接下来五年、十年的故事了。而我们，刚好站在能看清它的位置上。 拐点到了吗 · 三个判断信号 The End ▍数据来源（均为境外公开信源，标注发布时间） [1] 英矽智能瑞妥色替（rentosertib / ISM001-055）二期临床结果，Nature Medicine，2025年6月（DOI: 10.1038/s41591-025-03743-2）。71名患者，60mg每日一次组12周FVC较基线 +98.4mL，安慰剂组 −20.3mL。 [2] 英矽智能三期临床启动公告，PR Newswire，2026年7月7日。320名受试者，中国47家中心，52周FVC年下降率为主要终点。 [3] Jayatunga M.K.P. 等，《How successful are AI-discovered drugs in clinical trials? A first analysis and emerging lessons》，Drug Discovery Today，2024年6月（29卷6期，104009）。分析约300家AI原生药企、67款AI药：一期成功率80%~90%，二期约40%；整体成功概率由5%~10%升至约9%~18%。 [4] Isomorphic Labs 21亿美元B轮融资，Tech Startups 等报道，2026年5月12日。Thrive Capital领投，Alphabet等跟投；与诺华、礼来合作合计最高约30亿美元；首批AI设计药物预计2026年底进入临床。[5] Recursion（并购Exscientia后）裁员约20%（约160人）并砍掉 REC-2282、REC-994、REC-3964 三条管线，BioSpace 报道，2025年6月10日；现金预计支撑至2027年第四季度。[6] BenevolentAI BEN-2293 二期特应性皮炎试验主要终点未达标，2023年4月；同年5月裁员约180人、节省约5600万美元。Exscientia EXS-21546 于2023年终止；两公司于2024年8月合并。[7] 全球AI药物发现市场规模测算，Grand View Research / GM Insights / BioSpace 等第三方报告，2024—2025年：现阶段约十几亿至数十亿美元，多数预测2034年前后达约165亿美元，年复合增速约17%~30%（不同机构口径存在差异）。 ⚠️ 免责声明 本文为科普与行业分析内容，所有数据均来自上述境外公开信源，仅供参考。 文中涉及的药物均处于研究或临床阶段，其安全性与有效性以监管机构最终审批结论为准，本文不构成任何医疗建议、用药指导或投资建议。 疾病诊疗请遵从执业医师意见，投资决策请自行判断并承担相应风险。 ✍️ 原创声明 本文为原创内容，未经授权谢绝转载、摘编或洗稿。 如需转载或商务合作，请后台留言联系授权， 转载须完整保留作者署名、来源与本声明。 如果觉得内容还不错，别忘了点 分享、 收藏、 在看、 点赞 哦！

未来医学将从“捡棍子瞎试”变成数字编程。通过合成医药技术，可以像写代码一样修改人体，绝大多数疾病都能被治愈！ 未来医学的范式革命：从“经验试错”到“数字编程” 随着基因编辑、人工智能、纳米技术等领域的突破，医学正在经历从“被动治疗”到“主动编程”的深刻变革。合成医药技术的核心逻辑，是将人体视为可精准调控的“生物代码系统”，通过重写基因程序、设计智能细胞、构建纳米级诊疗网络，实现疾病的根本性治愈。以下从技术突破、应用场景与未来展望三方面解析这一趋势： 一、核心技术突破：让医学进入“数字时代” 1. 基因编辑：生命密码的“编译器” - 精准性升级：CRISPR-Cas9、碱基编辑、引导编辑等技术已能实现单碱基修改、复杂序列替换，甚至跨物种基因调控（如猪器官移植到人体）。 - 案例：中国团队开发的YOLT-101疗法通过关闭PCSK9基因，可长期降低“坏胆固醇”；美国团队用CRISPR技术使镰刀型贫血患者无需输血。 2. AI驱动的药物设计 - 效率革命：AlphaFold解析蛋白质结构速度提升百万倍，AI设计药物从靶点筛选到临床前试验仅需12个月（传统需4.5年）。 - 个性化治疗：AI分析患者基因组、代谢数据等，定制专属药物组合（如抗纤维化药物EXS-21546）。 3. 细胞编程：微型计算机的生物化 - 自主决策系统：以色列团队将人类细胞编程为“生物计算机”，通过RNA反式剪接实现多信号并行处理，可精准激活抗癌免疫细胞。 - 安全机制：系统内置“警示信号”，避免细胞代谢过载或医疗差错。 4. 纳米技术：分子级诊疗网络 - 靶向递送：纳米颗粒载药系统可精准定位肿瘤微环境，效率提升80%；磁性纳米机器人30分钟内溶解脑血栓。 - 实时监测：可吞咽纳米传感器计划2027年实现500种生物标志物连续监测，误差率<3%。 二、疾病治愈的“数字路径” 1. 癌症：从“对抗”到“重编程” - 免疫细胞升级：编辑CAR-T细胞PD-1基因，实体瘤缓解率从18%提升至52%；通用型免疫细胞可识别90%癌细胞抗原。 - 癌细胞“返祖”：AI设计调控模块使癌细胞重编程为脂肪细胞（转化率68.9%），或强制恢复程序性凋亡能力。 2. 慢性病：根源性干预 - 基因层面调控：通过基因编辑关闭高血压、糖尿病相关基因，实现“一次治疗，长期有效”。 - 代谢重编程：纳米共生系统持续释放胰岛素，糖尿病患者有望告别注射。 3. 器官再生：按需制造 - 3D生物打印：用基因编辑猪肝细胞打印兼容肝脏，存活超6个月；人工设计胶原蛋白使心脏瓣膜成本降至1/20。 - 血管化突破：AI设计的VEGF调控模块帮助干细胞自发形成分级脉管系统，加速器官培育。 4. 衰老逆转：生物时钟的“调试” - 细胞重编程：小鼠实验显示寿命延长30%，人类临床试验计划2025年启动。 - 端粒修复：基因疗法使老年小鼠寿命延长35%，未来或延缓人类衰老进程。 三、未来展望：技术整合与挑战 1. 技术融合趋势 - AI+基因编辑：AI预测基因调控网络，指导精准编辑（如西班牙团队用ExoCode模型设计非编码区序列）。 - 纳米机器人+合成生物学：构建“体内药房”，实时响应疾病信号并释放药物。 2. 关键挑战 - 安全性验证：需解决脱靶效应、长期副作用等问题（如基因编辑可能引发免疫排斥）。 - 伦理与公平：技术普及可能加剧医疗资源不均，需建立全球协作的监管框架。 3. 时间表预测 - 短期（3-5年）：癌症治疗进入“精准编程”阶段，AI设计药物占新药研发50%以上。 - 中期（5-10年）：器官再生技术成熟，纳米监测网络覆盖常见慢性病。 - 长期（10-20年）：衰老相关疾病可控，医学从“治已病”转向“治未病”。 结语：医学的终极形态 未来医学将彻底打破“疾病不可逆”的认知边界。通过合成医药技术，人类不仅能像“写代码”一样修改基因、调控细胞，更能构建智能化的健康管理系统。正如AlphaFold的设计者所言：“蛋白质结构的解析，是打开生命奥秘的钥匙；而AI与基因编辑的结合，正在让这把钥匙变成万能工具。”当技术突破与伦理创新同步推进，“绝大多数疾病可治愈”的愿景或将比想象中更早实现。