《AI制药行业深度：行业概况、市场空间、产业链及相关公司深度梳理-260508（27页）.pdf》由会员分享，可在线阅读，更多相关《AI制药行业深度：行业概况、市场空间、产业链及相关公司深度梳理-260508（27页）.pdf（27页珍藏版）》请在三个皮匠报告上搜索。

1、告AI制药行业深度：行业概况、市场空间、产业链及相关公司深度梳理人工智能技术与生物医药产业的深度融合正在重塑全球制药行业的创新格局。全球AI制药市场保持稳健增长态势，据艾媒咨询最新数据，市场规模从2021年的7.9亿美元增长至2024年的18.2亿美元，2025年已实现24.1亿美元，预计2026年将达到29.9亿美元；中国AI制药市场同步快速发展，2020年中国AI制药市场规模为0.8亿元，较2019年增长14.29%。2021年市场规模增速明显提升，达到100%，表明了中国AI制药市场开始进入快速发展阶段。2022年市场规模进一步增长至2.9亿元，2023年市场规模跃升至4.1亿元。202

2、4年市场规模达到5.6亿元，同比增长36.59%。2025年市场规模突破6亿元。沿着以上产业趋势，我们对AI制药行业进行分析梳理，试图从AI制药行业概况、AI赋能药物研发范式革新、具体政策环境等基础问题为切入点，进而对AI制药行业产业链情况、市场格局、商业模式、相关公司发展情况进行梳理。同时，也将在这些问题的基础上，对AI制药行业的市场空间进行分析，以期通过上述问题，对大家了解AI制药行业有所启发。1、AI药物研发概述AI制药是指将NLP、深度神经网络，生成模型等AI技术与传统制药环节相结合，提升新药研发效率，拓展药物创新空间的技术应用。AI医疗大模型基于深度学习、自然语言处理等技术，整合海量

3、生物医学数据(如蛋白质结构、基因序列、临床试验数据)，赋能药物研发全流程，包括新药发现(靶点发现、虚拟筛选、蛋白质结构预测)、新药开发(ADMET预测、晶型预测、合成路径)、临床试验优化(患者分层与剂量预测)。具体应用：基于物理化学原理的AI算法提升小分子药物研发效率；在细胞与基因治疗(CGT)领域，AI也可赋能抗原识别、载体设计、放大优化等关键环节。(divcenter)药物研发大模型(/divcenter)2、AI技术发展对制药行业的影响（1）新药研发过程漫长且花费巨大，AI有望提高效率新药研发具有技术难度大、投入资金多、研发风险大、回报率高和研发周期长等特征，随着疾病复杂程度的提升，新药

4、研发难度和成本迅速增加，全球新药研发成功率呈明显下降趋势。2019年，艾昆纬（IQVIA）发布报告指出，新药从临床试验开始到研发结束的平均开发时间在过去10年里增加了26%，2018年达到12.5年；新药开发成功率不断下降，2018年降至11.4%。人工智能（artificialintelligence，AI）的发展，为新药研发带来了新的技术手段。通过机器学习（machinelearning，ML）、深度学习（deeplearning，DL）等方式赋能药物靶点发现、化合物筛选等环节，大大提升了新药研发的效率，为降本增效提供了可能。应用AI技术，可缩短前期研发约一半时间，使新药研发的成功率从当前

5、的12%提高到14%，每年为全球节约化合物筛选和临床试验费用约550亿美元。（2）AI+新药研究算法AI技术涵盖ML和DL。ML算法在新药研发领域被广泛用于分类和回归预测等方面，常见的ML算法包括决策树、随机森林、支持向量机、mathrmk-最近邻算法、朴素贝叶斯分类器等；DL算法包括深度神经网络、卷积深度网络、循环神经网络和自编码器。DL算法适合处理大数据，模型也更为复杂。随着计算机性能的提高和数据量的积累，DL算法在新药研发中的应用越来越广。新药研发过程涉及大量的数据，包括文献资料、化合物数据、靶点数据、专利数据、临床试验数据、真实世界数据、药品审评审批数据、市场销售数据等。面对海量、多源

6、、异质性的数据，AI技术应用已逐渐跳出以靶点和分子筛选为核心的传统新药研发模式，形成以数据为核心的研发模式。3、受多因素驱动，AI制药领域持续蓬勃发展受加速药物研发的需求增加、AI应用领域的拓展、配套政策的支持等多因素驱动，AI制药领域有望蓬勃发展。药企对药物研发加速的需求日渐增加，推动AI制药持续发展。基于AI的药物研发有助于解决传统药物研发面临的效率较低、研发周期较长、失败风险较高等难题，通过革新现有研发方法，驱动AI制药快速发展。从研发效率上分析，根据Frost&Sullivan的数据，传统药物发现过程需花费4-6年时间，但在药物发现阶段使用AI相关技术可减少所需时间，满足增加药物研发效