AI药物研发企业有三种主流的商业模式，分别是AI SaaS、AI CRO和AI biotech。AI SaaS服务指为客户提供AI辅助药物开发平台；AI CRO指初创公司通过人工智能的辅助，为客户更好地交付先导化合物或者PCC，再由药企进行后续的开发，或者合作推进药物管线；AI biotech则是以推进自研管线为主，较少进行外部合作的公司。国内多数AI药物研发企业都会在SaaS服务商、AI CRO和AI biotech的商业模式中兼容两种或者三种。

从投融资情况来看，2022年全球AI+药物研发相关融资总事件达144起，总金额为62.02亿美元（约人民币426.66亿元）。相较于2021年的整体共计73起，总金额共计42亿美元的融资情况呈现双双上涨的态势。其中美国的AI药物研发融资事件为71起，中国43起，其他国家和地区为30起，投融资活动仍然主要活跃在中国、美国和欧洲。中国的投融资活动则主要集中于珠三角、京津冀以及长三角等医药产业较为发达的地区。

AI制药行业企业布局

从行业参与企业类型来看，目前AI制药市场主要参与者有大型药企、互联网头部企业以及AI制药初创企业。其中，大型药企以外资企业为主，进入市场主要方式为自建研发团队、外部投资并购、与互联网企业或初创企业合作；互联网头部企业凭借技术领域优势，通过投资制药企业、研发建立相关平台、合作开发项目等途径进入市场；AI制药初创企业通过利用自身技术优势，切入制药环节，与外部机构合作提供AI技术服务或转型为创新药企来进入市场。

从行业企业数量来看，截至2023年11月，中国AI制药公司已经超过90家。国内暂时没有上市企业，最高轮次为晶泰科技和英矽智能申请IPO。英矽智能是国内最早一批AI制药公司之一，也是国内第一家申请IPO的企业，于2023年申请IPO。另一家晶泰科技也在2023年提交IPO申请。

英矽智能

英矽智能是一家由生成式人工智能驱动的生物医药科技公司，通过下一代人工智能系统连接生物学、化学和临床试验分析，利用深度生成模型、强化学习、转换模型等现代机器学习技术，构建强大高效的人工智能药物研发平台，识别全新靶点并生成具有特定属性分子结构的候选药物。英矽智能聚焦癌症、纤维化、免疫、中枢神经系统疾病、衰老相关疾病等未被满足医疗需求领域，推进并加速创新药物研发。

目前，英矽智能已构建三款人工智能药物研发平台，贯穿新药研发的三个阶段，包括靶点发现平台PandaOmics，化合物设计和生成平台Chemistry42以及临床试验预测平台InClinico。英矽智能有16条管线，包括涵盖纤维化、肿瘤学、免疫学等适应症的潜在药物。其中特发性肺纤维化药物进入临床2期。

晶泰科技

晶泰科技是一家世界前沿的以人工智能（AI）和机器人驱动创新的科技公司。2015年创立于美国麻省理工学院（MIT），致力于实现生命科学和新材料领域的数字化和智能化革新。公司基于量子物理、人工智能、云计算及大规模实验机器人集群等前沿技术与能力，为全球生物医药、化工、新能源、新材料等产业提供创新技术、服务及产品。目前晶泰科技有13条管线，其中小分子XBD-101抗肿瘤药物已获得美国FDA临床批件，国内IND申报中。

冰洲石生物

冰洲石生物于2015年在美国成立，是一家临床阶段的生物技术公司。冰洲石生物公司通过人工智能和高性能计算技术提高筛选药物的准确性，打造算法平台，加速新一代药物开发。目前，公司已经自主研发了端到端逆合成系统ChemiRise、对接平台Orbital、ADME特性预测平台Chemi-Net等在内的数个模块。目前，冰洲石生物共拥有8条管线，其中4条（乳腺癌、前列腺癌和血液肿瘤学适应症）进入临床阶段。

深势科技

深势科技是一家以运用高算力AI驱动的分子模拟算法为亮点的平台技术公司。公司拥有的药物设计平台融合了人工智能、物理建模和高性能计算，为临床前药物研发提供一站式计算解决方案：包括蛋白结构预测、药靶结合模式预测、苗头化合物筛选、先导化合物优化等核心功能模块。

锐格医药

锐格医药是一家临床阶段的生物医药公司，专注于通过自主研发的 rCARD™（计算机加速新药研发）平台来发现和开发临床差异化的创新药物。公司聚焦肿瘤、免疫和代谢疾病等三大治疗领域。锐格医药已经成功组建了世界一流的科研和开发团队，通过rCARD™平台与结构生物学、计算化学、计算生物学、生物学、药物化学和临床开发的高度融合，建立起高效的新药创新引擎，实现具有自主知识产权的全球创新和最佳同类的分子发现和开发。

AI制药行业发展前景

1.药物创新需求增加

由于AI能够在较短时间内处理大量复杂数据，并针对以前无法治疗的靶点生成新分子，其在小分子药物发现及开发中的应用日益增加。随着深度学习、神经网络及GANs的进步，AI现在可以进行预测蛋白质结构及药理特性以及生成新靶点及小分子等复杂任务。在虚拟空间（即计算机）进行该等任务节约时间及资源，减少了对湿实验室实验及其他资源密集型方法的需求。随着对小分子市场药物创新的需求不断加速，AIDD在药物创新中发挥其力量的应用有望继续增长。

2.AI制药技术快速发展

从设计新分子到预测临床试验结果，AI可以融入药物发现过程的各个阶段。使用ML、DL及生成式AI及其他AI技术，制药公司可以减少药物发现及开发所需的时间和资源，同时提高临床试验的成功率。具体而言，生成式AI有可能通过使科学家能够为以前无成药性的靶点生成新分子，从而彻底改变药物发现，这可能为药物开发提供新途径。

3.AIDD平台日趋成熟

量子计算及机器学习架构等先进技术有潜力提高AIDD平台的实力。例如，量子计算可提供更大的计算能力以模拟更大更复杂的分子，从而得出更准确的预测。此外，通过改进机器学习架构（如transformers），可使其预测最可能对特定疾病有效的化合物，从而大幅提高AIDD平台的小分子药物设计能力，从而更有效及高效地发现药物。

4.传统医药行业的投入不断增加

传统制药公司对AIDD的兴趣日益浓厚，推动了AIDD行业的投资及合作。传统制药公司正在深化与领先AIDD公司的合作伙伴关系，将AI技术整合到其小分子药物发现及开发过程中，并通过投资AI研发以建立内部能力。随着AI集成的裨益趋于明显，预期对AIDD解决方案的需求将继续增长。