AI赋能生物科技：2027年基准报告

执行摘要 截至2026年7月，生物技术领域的人工智能（AI）应用已从零散的试点项目转变为研发（R&D）战略的固有结构性特征，尽管该行业距离大规模成熟部署仍相去甚远。在ZS 2026年的CDIO研究中，2025年7月对115位美国制药和生物技术公司技术高管进行的哈里斯民意调查显示，仅有40%的人工智能试点项目达到规模化部署，且只有17%的受访者表示他们已经能够从[1]AI在发现（ ）环节中证明可衡量的价值。德勤的第四年度生命科学展望调查，于2025年8月至9月对280位生物制药和医疗技术高管进行，发现仅有22%的生命科学领导者表示他们已成功实现AI规模化，仅有9%的人报告称从这些努力中获得了显著回报[2]（ ）。与此同时，投资正在加速：KPMG 2026年AI季度脉搏调查www.deloitte.com显示，生命科学领导者平均预计的12个月AI支出从2025年第一季度[3]的1.14亿美元跃升至2026年第一季度的2.07亿美元，在一年内几乎翻了一番（ ）。kpmg.com 人工智能在研发中的采用是不均衡且具有用例特定性的。根据Benchling 2026年生物技术人工智能报告，该报告基于2025年11月对约100家积极在研发中应用人工智能的生物技术和制药组织的调查，发现“杀手级应用”集中在数据清晰、可验证的任务上：文献综述和知识提取（76%的采用率）、蛋白质结构和性质预测（71%）、科学报告（66%）和靶点识别[4]（58%）（）。在需要更混乱、更难验证数据的领域，采用率急剧下降：生成式分子设计（42%）、生物标志物分析（40%）以及吸收、分布、代谢和[5]排泄（ADME）预测（29%）（）。一半的采用者报告说，如今达到目标的时间更快，[6]而56%的人预计在两年内会有显著的成本降低（）。 支撑这项活动的市场规模庞大且增长迅速，尽管估计因方法不同而有所差异。Grand View Research 将全球AI在药物发现市场的价值评估为2025年230亿美元，预计到2033年将达到138亿美元，复合年均增长率（CAGR）为24.8%（）。Fortune www.grandviewresearch.com [8] Business Insights 估计2025年市场规模更高，达到44.6亿美元，预计将在2026年增长至50亿美元（），而 Alora Advisory 估计2025年市场规模为55亿美元，预计到2032年将增长至280亿美元（）。监管机构也在同步行动：美国食品药品监督管理局（FDA）aloraadvisory.com [10] 于2025年1月发布了关于在监管提交中使用AI的指南草案（），并且FDA和欧洲药品管理局（EMA）于2026年1月共同发布了关于药品生命周期中良好AI实践的十条指导原则（www.ema.europa.eu）。 现实世界的临床验证仍然有限但正在积累。Insilico Medicine的rentosertib，一种用于特发性肺纤维化的AI设计TNIK抑制剂，在Nature Medicine发表IIa期结果[11]后于2026年7月进入III期临床试验。Alphabet的AI优先药物设计子公司Isomorphic Labs，即insilico.com，在2026年5月通过B轮融资筹集了21亿美元，用于扩展其AI药物设计引擎并推进其管线[12]进入临床。然而，截至2026年初，没有完全由AI发现的药物完成了所有临床阶段并获得了FDA批准[13]，这成为对intuitionlabs.ai对技术变革潜力热情的一种冷静反制。本报告考察了AI赋能在生物技术研发、商业和监管职能中的当前状态；量化了来自十几个主要调查和市场分析中的采用、投资和成果数据；介绍了五个现实世界的部署案例；并概述了组织从试点转向规模化价值所需的操作、数据和人才先决条件。 引言与背景 “生物技术中的AI赋能”是指将人工智能，包括机器学习（ML）、生成式AI以及日益增强的能动性AI（能够自主行动以实现目标、做出决策和执行任务的AI系统），有意识地嵌入生物技术或生物制药公司的运营模式中的组织工作。这远不止部署单一工具：它涵盖数据基础设施、治理、人才、工作流程重塑以及发现、开发、制造和商业化各环节的监管策略。这一议题变得紧迫的原因很简单：传统的药物发现和开发仍然是一个艰苦且资源密集的过程，历史上从最初发现到监管批准大约需要10到15年，每获批一种疗法成本超过10亿到20亿美元，而根据2025年发表在同行评审期刊《Pharmaceuticals》上的一项系统性综述，不到十分之一的候选药物最终能进入I期临床试验并成功上市[14]。 过去三年，该行业对人工智能的态度发生了显著变化。作为一家自2023年起每年追踪制药和生物技术领域人工智能成熟度的生命科学咨询公司ZS表示，2026年是一个转折点：“领导者不再问‘人工智能能在哪里发挥作用？’他们开始问‘人工智能将如何驱动对我们业务和我们所服务人群至关重要的增长？’”（）。同一项调查发现，90%的制药和生物技术技术高管将竞争和监管压力视为业务增长的主动威胁（），这有助于解释为何即使可衡量的回报滞后，人工智能投资仍在持续增长。Capgemini的全球生物制药研究显示，82%的高管认为人工智能将从根本上改变研发，而60%的高管认为未能扩展人工智能规模的公司将在创新和市场[18]相关性方面落后（）。www.capgemini.com 本报告基于邻域顾问的视角撰写：intuitionlabs.ai 是一家生命科学与人工智能咨询公司，同时也是 Veeva Vault CRM X-Pages 的官方合作伙伴，致力于帮助制药和生物技术[19]组织在 Veeva 等平台上实施人工智能驱动的商业与研发工具。它并非药物发现软件供应商，也不与下方所介绍的平台及本土生物技术公司竞争；其在此处的视角是作为一个系统集成商，观察赋能措施在实际应用中的表现，包括决定[20]试点项目能否在受监管的商业或研发环境中生存的数据、治理及变更管理先决条件。接下来的 intuitionlabs.ai 部分 将探讨研发用例中的采纳情况、赋能的战略与商业维度、监管环境、支撑市场与采纳数据的量化信息、五个真实世界案例研究，以及对于仍处于人工智能早期阶段组织的启示。 生物技术研发领域人工智能应用现状 将人工智能应用于生物技术研究与开发，最佳的理解方式是将其视为一组同心圆：最核心的圆圈代表成熟的应用，用于处理干净、结构化、易于验证的数据；而应用程度则向外围逐渐降低，应用于处理混乱、不完整或难以验证的数据的任务。Benchling于2025年11月对约100家在研发中积极使用人工智能的组织进行的调查发现，人工智能已成为科学家查询数据的默认界面：89%的受访者表示，在调查和综合信息时，他们首先使用协作助手或推理工具（[21]）；在相同调查中，92%的受访者表示他们使用人工智能进行非科研用途，例如文档撰写、软件工程和文献检索，相比之下，只有81%的受访者表示他们使用人工智能进行科研用途，例如生物标志物发现（[22]）（[23]）、分子设计和实验优化（）。 在发现和设计领域，尤其注重数据质量。蛋白质结构和性质预测的采用率达到71%，先导优化和筛选达到47%，hit识别达到37%。 [24] [25] 而合成生物学和通路设计达到了42%（ ）（）。相比之下，de novo 生成药物设计——据称是大众媒体中最受瞩目的AI应用案例——目前仅实现了42%的采用率，而ADME预测仅为29%，这反映了生成式输出相对于稀疏或专有湿实验数据的验证难度[26]（ ）。ZS对制药和生物技术CIO的调查从预算方面证实了这一模式：只有17%的受访者表示他们目前能够证明AI在发现阶段的投资具有可衡量的价值，尽管42%的人预计在一年内能够证明其价值，而[27]临床功能目前约有30%显示出价值，45%预计在一年内取得进展（ ）。www.zs.com 数据基础设施是进一步发展的首要制约因素。Benchling发现，在人工智能应用程度较低的生物技术公司中，只有6%将其数据环境描述为“完全集成”，而深度集成应用程度较高的组织则实现了更高的集成度；45%的低应用程度生物技术公司将他们的数据描述为“发展中”，关键数据集虽然已连接，但标准不一致且存在差距[28]（）。 ZS的CIO调查也发现，68%的制药和生物技术领导者认为www.benchling.com[29]在早期忽视数据质量和治理是人工智能计划失败的主要原因（）。在www.zs.com的回应中，CIO们报告在未来12个月内将增加对云和基础设施（88%）、数据产品和平台[30]（86%）以及专用人工智能平台的投入（84%）。 www.zs.com 人才获取正从外部招聘转向内部培养。Benchling 的调查发现，对于生物技术公司而言，人工智能人才的顶级来源是现有科研人员的内部技能提升（67%），远超从专注于人工智能的生物技术公司（31%）、生物制药公司（32%）或科技公司（21%）招聘。这与一个更广泛的劳动力市场信号相吻合：ManpowerGroup 2026 人才短缺调查（www.benchling.com），该调查基于 2025 年 10 月对 41 个国家的 39,063 名雇主的访谈，首次发现人工智能技能超越了所有其他类别，包括传统的工程和信息科技（IT）技能，成为雇主最难填补的技能，72% 的雇主报告称招聘存在困难（www.manpowergroup.com）（）（）。 人工智能赋能的战略与商业维度 超越实验室台面，人工智能正重塑生物技术和生物制药组织在资本配置、运营模式构建以及与监管机构和商业伙伴互动方面的方式。ZS发现，制药和生物技术CIO们对人工智能投资的首要增长优先事项是加速发现（52%）、患者参与[34]（43%）、投资组合多元化（36%）、新的收入来源（33%）和生态系统合作伙伴关系（31%）。近十分之七（67%）的受访CIO警告说，在缺乏明确的目标和成功指标的情况下启动人工智能计划是一个常见的错误。 投资水平已显著提升。德勤（KPMG）的季度人工智能脉搏调查发现，生命科学领域领导者的平均预计12个月人工智能支出从2025年第一季度（Q1 2025）的1.14亿美元增长至2026年第一季度（Q1 2026）的2.07亿美元，并将这一转变描述为“投资的大幅加速、人工智能代理的快速部署以及向协作型人机工作队伍的根本性转变”（）。三分之二（67%）的领导者确认人工智能仍然是首要的、不受经济衰退影响的投资优先事项（）。同项调查还发现，人工智能代理的采用率正迅速攀升，从一年前（同比）的11%增长至54%，并融入日常业务功能和流程中[38]（），其中87%的领导者正在提升员工技能，63%要求对人工智能输出进行人工验证，[39]这体现了一种人机协同的治理姿态，而非完全自动化（）。 德勤2026年生命科学行业展望发现，近半数受访高管（48%）认为加速数字化转型将在2026年对其组织产生重大影响，这一比例较2025年有统计学上的显著增长，同时41%的人特别指出生成式AI的普及是一个有影响力的趋势。 [40] 趋势（）。值得注意的是，30%的受访者将自主AI列为有影响力的趋势，而德勤在2026年的调查中首次引入了这一类别，这表明对自主AI系统[41]的兴趣正在增长，但仍然处于萌芽阶段。ZS公司也发现，自主自动化在信息技术（IT）运营（45%的受访者计划实施自主工作流程）和研发发现（41%）方面正从概念快速转向实践，而面向客户和患者的职能则更为谨慎，倾向于采用人机协同任务[42]自动化。www.zs.com 随之，运营模式正在发生变化。ZS发现，55%的CIO已经拥有重塑其企业运营模式的权力，而86%正在测试或调整角色和团队以更有效地重新部署资源[43][44]。一些公司甚至走得更远：例如，Moderna将其技术和人力资源（HR）部门合并为一个单一职能，以支持[45]其人工智能转型[46]。这次组