AI正在从根本上改变药物发现的效率与成功率。东方证券发布的《AI赋能生物医药，技术&政策助阵》行业周专题报告指出，AI药物在I期临床试验中成功率高达80%-90%，远超40%-65%的历史行业平均水平；II期临床试验成功率达40%，处于历史区间上限。随着AI技术从药物早期发现向临床开发全流程渗透，新药研发的“Deepseek”时刻正在临近。本报告深入拆解AI制药的临床成功率数据、管线进展及优质数据壁垒。
AI药物临床成功率显著超越历史均值
据波士顿咨询统计，截至2023年底，AI发现的药物分子在I期临床试验中成功率高达80%-90%，而历史行业平均水平仅为40%-65%，AI将早期临床成功率提升了约一倍。在II期临床试验中，AI药物成功率达40%，处于历史区间上限（30%-40%）。AI在药物早期发现阶段的靶点识别、分子生成和ADMET预测等环节的效率优势，正在转化为实实在在的临床推进成果。药物研发传统上面临高成本（单药约26亿美元）、长周期（12-15年）和低成功率（不足10%）的三重挑战，AI处理海量数据的能力为克服这些障碍提供了全新路径。
全球AI药物管线向后期临床延伸
据智药局统计，截至2024年初，全球临床1-3期AI药物管线分别为56个、41个和5个。截至2025年2月，已有剂泰医药MTS004（神经系统假性延髓情绪）、埃格林医药EG-007（子宫内膜癌）、Erasca Naporafenib（黑色素瘤）、BioXcel BXC1501（神经性疾病）、Pharmext PXT3003（罕见病）等多款AI药物进入3期临床。AI制药正从早期的靶点发现和分子生成阶段，向候选化合物成药性优化、药理毒理评价乃至临床试验阶段全面延伸。虽然目前尚无AI药物完成3期临床并获批上市，但管线向后期推进的趋势明确。
AI赋能药物早期研发降本增效
AI在药物早期研发中的优势尤为突出。AI计算可大幅降低临床前湿试验的成本与周期，在药物靶点发现/确证、蛋白结构预测、核心分子生成、苗头化合物生成/优化和ADMET预测等环节均展现出显著效率提升。ChatGPT、Deepseek等通用大语言模型及Sora等生成式AI的涌现，使AI处理海量数据的能力实现跨越式提升，有望加速克服传统药物研发中的多重障碍。据Drug Discovery Today数据，创新药行业遵循反摩尔定律，每9年药物研发成本翻倍，AI的介入正在扭转这一趋势。
优质数据是AI制药的核心壁垒
从TMDD（传统药物发现）到AIDD（AI驱动药物发现），真实试验数据和药学专家的经验直觉等“隐性知识”依然是新药研发成功的基础。AI制药面临的核心挑战在于：数据量少、体系和标准不统一带来的数据准确性问题，以及研发数据作为药企核心资产通常不公开、阴性数据大量缺失等问题。可以预见，未来AI制药的竞争更多在于数据壁垒。CXO和传统药企在经验和数据上具备先发优势，新兴AI制药企业更熟悉算法和平台，二者联合将成为行业大势所趋。
AI药物临床成功率对比
AI药物与历史行业平均临床成功率对比| 临床阶段 | AI药物成功率 | 历史行业平均成功率 | 提升幅度 |
|---|
| I期临床试验 | 80%-90% | 40%-65% | 约翻倍 |
| II期临床试验 | 40% | 30%-40%（区间上限） | 达历史上限 |
