AI把分子设计压到8个月，但生命科学的瓶颈已经挪到临床

本文解读：《2026人工智能时代的战略抉择：塑造生命科学行业的未来格局-赛迪研究院》 · 共 30 页 · 原文

AI 在生命科学里已经不只是提效工具，它正在决定企业该站到价值链的哪一节。

这份报告由世界经济论坛与波士顿咨询公司联合发布，赛迪研究院工业经济研究所编译，共 30 页。 它给出的数字很具体：分子设计周期从 4 到 5 年压缩到约 8 个月，I 期试验成功率从历史平均 40% 到 65% 提升到约 85%，申报材料初稿耗时减少 60% 到 70%。

但成熟度并不高：只有 34% 的医疗技术企业和 29% 的生物制药企业达到"人工智能规模化型企业" 或"未来构建型企业"水平，其余仍在起步或停滞阶段。

AI 把发现环节的稀缺打破了，瓶颈反而挪到了开发和商业化，这才是这轮重构的真实含义。

图源：《塑造生命科学行业的未来格局》（第1页）

图源：《塑造生命科学行业的未来格局》（第2页）

一、全价值链的量化收益，已经越过试点阶段

报告的第一个判断是：生物制药与医疗技术价值链上的数字化转型，已经不再停留于试点。从研发到生产再到商业化，AI 赋能的能力在速度、成本、可靠性和可规模化上都实现了跨越， 而且每一环都有可读的数字。

研发端最亮眼：分子设计周期缩短至约 8 个月，过去是 4 到 5 年；I 期试验成功率提升至约 85%； 试验执行速度提升 10% 到 20%。监管与医学事务端，编制申报材料初稿耗时减少 60% 到 70%，申报相关工作耗时减少 63%。

生产端的账也很清楚：AI 辅助生产降低资本开支 12%，生产成本下降 14%，批次产量增加 15% 到 30%。供应链与商业化同样受益：物流成本下降 15% 到 30%，需求预测准确度提升 15 到 30 个百分点， 销售额增加 5% 到 10%，推广效率提升 30%。

这些收益的共同点是都能落到财务口径上，所以 AI 投入已经从技术预算挪进了业务预算。

图源：《塑造生命科学行业的未来格局》（第3页）

二、成熟度：医疗技术 34%、生物制药 29%

报告引用了 BCG《2025 年面向未来构建人工智能 3.0 的全球调研》的成熟度评分， 这一页的数据值得单独看。

仅有 34% 的医疗技术企业和 29% 的生物制药企业达到真正意义上的"人工智能规模化型企业" 或"未来构建型企业"成熟度，其余仍在起步阶段或停滞阶段。

放到全行业坐标里，这两类的成熟度大致处于平均水平：软件与电信最高，生物制药与医疗技术居中， 石油天然气、公共部门、化工、电力公用事业等偏低。

这就解释了一个常见错觉：单个场景的效果很好，但组织层面的规模化没有跟上， 收益停留在局部，形成不了竞争差距。

行业并不缺 AI 案例，缺的是把案例连成体系的组织能力。

图源：《塑造生命科学行业的未来格局》（第4页）

三、研发的三条路：科研引领、资产整合、开发引擎

报告认为研发领域浮现出三条战略路径，而且每条路径对应的能力、运营模式和风险完全不同。第一条是人工智能赋能型科研引领者，强化企业内部科研主导能力，靠 AI 深化生物学机理洞察， 把科研深度本身当作核心战略资产。

第二条是资产整合者，不再主要依靠内部自研，而是通过规范化引进，系统性发掘、筛选并规模化 落地外部创新成果。第三条是开发引擎，凭临床开发、证据生成和成果转化上的执行力构筑优势，把开发效率本身 做成核心竞争力。

报告也留了传统模式的对照：全球老牌企业仍普遍采用大规模一体化研发架构，资金高度倾斜内部 药物发现和多管线布局，这类模式的优势是风险分散，劣势是速度。

三条路的差别不在做什么，而在价值创造被放在哪一节、哪些能力必须自己握着。

图源：《塑造生命科学行业的未来格局》（第5页）

四、只有 5% 的蛋白质组成为了药物靶点

科研引领者这条路的逻辑，报告用一组数据讲得很清楚。"2035 靶标计划"数据显示，迄今为止仅有约 5% 的人类蛋白质组成功成为药物开发靶点。 也就是说，绝大多数靶点背后的机理研究仍不完整。

所以这条路径的核心理念是：即便 AI 扩大了可验证假设的范围，持久的竞争优势依旧建立在 深层次的生物学认知上。

AI 在这里的角色是科学推理的增效工具，不是替代品。核心目标不是获取更多资产，而是提出 更有价值的问题、设计高效实验、尽早降低研发不确定性。

人和岗位也随之变：科研人员不再以提出假设为主，转向对 AI 得出的洞察做筛选梳理、 深度研判与验证。

上面引用的数据都能在原文里找到出处，报告放在运营动脉（www.yydm.cn），搜标题即可。

遇到统计口径不一致的地方，回原文核一眼，比对两三篇二手解读要快得多。

风险同样明确。夯实深层科研需要大量资源和极高的企业文化要求，企业要在探索性基础研究 与管线纪律之间平衡，避免为短期效率削弱核心专长。

AI 能批量生产假设，但能判断哪个假设值得做，仍然是稀缺能力。

图源：《塑造生命科学行业的未来格局》（第6页）

五、药企只占 AI 医疗投资的不到 5%

资产整合者这条路径的成立前提，是创新源头已经分散。2021 至 2023 年，医疗人工智能领域近 60% 的投资来自风险投资，10% 来自大型科技企业， 而生物制药企业的投资占比不到 5%。

同时，前 20 大制药企业约 45% 的药物研发管线源自外部实验室，原生人工智能小型研发团队和 外部产业生态的分量越来越重。

这条路的差异化优势在下游：能否打通药监审批通道、争取有利的医保报销与定价空间、 实现稳定规模化生产、统筹全球上市推广。

报告给的案例是古沙替尼。Formation Bio 于 2022 年从 Asana BioSciences 收购这款口服型 JAK/SYK 双靶点抑制剂，推进到 III 期后，2025 年 6 月授权给赛诺菲，总金额最高可达 5.45 亿欧元， 另加特许权使用费。

启示也很明确：这是一套分步式的资产整合模式，靠发掘优质资产、降低风险创造价值，后续的 全球研发与商业化交给大企业完成。

药企把自己的投资比例压到 5% 以下，等于把发现环节外包给了整个生态。

图源：《塑造生命科学行业的未来格局》（第7页）

六、I 期到上市只有 10%，瓶颈在开发

开发引擎这条路径，基于一个被反复验证的行业事实。从历史数据看，进入 I 期临床试验的候选药物中，仅有约 10% 最终获得上市批准。 即便 AI 已经优化了研发体系的多个环节，核心难题依旧集中在开发速度、成功率和早期证据的可信度。

而且瓶颈是被上游推过来的。报告明确指出，AI 能获得的科研假设、药物靶点和候选分子规模， 已经超出各类机构与产业生态实际承接的上限，转变并未破除研发束缚，只是把核心瓶颈向下游转移。

所以开发引擎型企业要重点深耕临床运营、生物统计学、监管科学、临床药理学和医学事务， 而不是继续堆早期发现。

研发模式本身也在变：逐步脱离割裂式的临床阶段划分，转向全周期持续学习体系， 打通临床试验数据、真实世界证据与患者长期预后数据。

医疗技术领域的规律类似，区别不在分子转化，而在临床疗效验证：能不能在各类医疗场景下 证实安全性、临床效用、可用性和医保报销可行性。

发现通量上去以后，决定成败的是把资产推进到上市的那套执行系统。

图源：《塑造生命科学行业的未来格局》（第8页）

七、商业化三条路：医院偏好、直达患者、颠覆分销

报告的第二组战略路径在市场准入与分销端，同样是三条。第一条是优化医疗机构偏好，前提是医护仍是诊疗方案、医保报销和治疗决策的核心把关人。 做法是放弃零散营销，转为嵌入式配套服务。

具体包括就诊前数据汇总、嵌入电子健康档案的风险分层功能、联动医保指标的实时疗效追踪， 以及简化临床工作流程的工具。产品不再作为独立诊疗手段，而是综合解决方案的一部分。

第二条是搭建直达患者的商业平台。2026 年 ChatGPT Health 上线，亚马逊与 Anthropic 也推出多款 医疗方向项目，全天候数字化医疗平台应运而生。报告的数据是：超过 80% 的 Z 世代更倾向相信 AI 而非医生诊断；79% 的人认为生成式 AI 可靠且具备共情能力。

第三条是颠覆传统分销渠道。美国零售药店超过 40% 的支出流向分销中间商，2020 年亚马逊药房 上线，仿制药最高 8 折、原研药最高优惠 40%。

分销从后台执行变成战略议题，争夺的是曝光度、经济效益和议价权。

图源：《塑造生命科学行业的未来格局》（第9页）

八、三种路径不能平均用力

报告对三大路径的判断很直接：每一种都对应专属的核心能力、运营模式、人才架构和盈利逻辑。大型企业可以同时布局，但若投入同等资源，容易造成战略方向分散、引发内部业务冲突。

所以领导层的核心要务不是预判单一战略结局，而是审慎选定自身的竞争领域，并回答两个问题： 哪些核心能力必须自主搭建，哪些依托外部合作更高效。

报告在结论部分把要务归为两条。一是弥合碎片化数字项目与贯穿产品全生命周期的一体化能力 之间的差距，搭建完备的数据底层架构。

二是清晰选定在药物研发、分销领域的竞争方向与落地路径，因为 AI 压低研发成本后， 价值创造的风口正转向药物开发、成果临床转化和真实世界证据研究。

报告也提醒，这些路径可能只是长期重构中的过渡阶段。医疗行业监管严、安全要求高，很难像 其他行业那样直接把 AI 叠加到传统架构上。

真正的分水岭不是有没有 AI，而是价值创造放在哪一节、能力自建还是外采。

图源：《塑造生命科学行业的未来格局》（第10页）

九、亚洲与公私合作：制度决定落地区域

报告用一页数据讲了亚洲的分量，这页对国内读者最值得细看。2024 年在中国获批的新药数量 90 多项，而 2015 年只有 11 项；2024 年由中国企业发起的临床试验 约占全球总量 30%，2010 年占比还不足 5%。

中国从药物发现到人体临床试验启动所需时间，仅为全球行业平均水平的一半； 仅上海一地规划建设的生命科学地产建筑面积就达 7.8 万平方米以上。印度则有 3000 家生产工厂， 其中 650 家符合美国 FDA 标准。

第三部分是公私合作的启示。对企业来说，推进会受公共制度框架约束，必须清楚新兴模式规模化 需要满足的监管要求与报销条件。

对决策者来说，影响是双向的：监管体系现代化、证据标准、报销机制设计与数据治理，不仅影响 创新的安全性与可及性，还会决定创新研发的落地区域和能力集聚走向。

报告的最后一句判断是，生命科学行业不能止步于优化现有模式，而需要对行业模式重新定义。三十页原文连同全部图表，都放在运营动脉（www.yydm.cn）上，搜标题即可打开。