AI赋能创新药研发在效率、成本和成功率方面的实际成效如何？-发现报告

从目前已落地的产业实践和公开数据来看，AI赋能创新药的实际成效已经覆盖研发全链条，从效率、成本到核心临床成功率都带来了实打实的提升：

1. 全研发周期大幅压缩

AI技术可以渗透到新药研发的各个环节，在药物发现、临床前研究、临床研究阶段分别节省70%-90%、50%-80%、50%-60%的时间，极大缩短整体研发周期【1】。比如英矽智能的Pharma.AI平台，把传统早期药物发现需要的2.5-4年时间压缩到12-18个月，其研发的Rentosertib从立项推进到临床前候选化合物阶段仅用了18个月，也是全球首个进入III期临床的AI研发药物，标志着AI制药已经脱离概念阶段进入核心临床开发环节【2】。

2. 研发成本显著降低

AI可以在早期阶段快速筛选出更优质的候选药物，大幅减少不必要的合成、测试环节的资源浪费：Absci管理层披露在早期发现至临床前阶段，AI平均可节约约60%的研发成本【3】；英矽智能的项目从立项到临床前候选化合物阶段，仅需合成并测试60-200个分子，远低于传统模式的投入，其中Rentosertib整个早期阶段合成测试的分子数量还不足80个【2】。从全行业维度测算，AI赋能下的药物发现阶段、临床研究阶段，分别能为全球制药行业节省260亿美元、280亿美元的成本【7】。

3. 核心临床成功率大幅提升

AI的价值已经不局限于效率优化，直接触及了新药研发成功率低的核心痛点：传统方法发现的候选药物I期临床成功率通常在40%-65%，AI驱动的候选药物同阶段成功率可达80%-90%；整体临床成功概率有望从传统的5%-10%提升至9%-18% 【3】。后续临床阶段的数据也验证了这一趋势：临床1期到2期的成功率从传统的52%提升至80%，全流程临床阶段总成功率从7.9%提升至17.7% 【7】。

4. 产业端落地验证闭环跑通

不少药企已经把AI工具深度嵌入研发核心环节，形成了“AI辅助预测+实验验证”的完整闭环：有药企借助第三方AI计算工具，完成环肽分子的活性、ADMET预测与成药性评估，快速筛选出高亲和力的候选二硫环肽分子，相关技术还成功拿到了发明专利，实实在在缩短了候选化合物发现周期，降低了早期研发的试错成本【5】。整个行业也已经逐步从“AI辅助赋能”的阶段，向“AI原生”的全新研发架构演进【3】。