《AI制药行业深度：发展历程、驱动因素、商业模式、产业链及相关公司深度梳理-250224（21页）.pdf》由会员分享，可在线阅读，更多相关《AI制药行业深度：发展历程、驱动因素、商业模式、产业链及相关公司深度梳理-250224（21页）.pdf（21页珍藏版）》请在三个皮匠报告上搜索。

1、 1/21 2025 年年 2 月月 24 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 AI制药制药行业行业深度：深度：发展历程发展历程、驱动因素驱动因素、商商业模式业模式、产业链、产业链及相关公司深度梳理及相关公司深度梳理 AI 制药是将机器学习（Machine Learning）、自然语言处理（Natural Language Processing）及大数据等人工智能技术应用到制药领域各个环节，进而优化新药研发的效率和质量，降低临床失败概率及研发成本。围绕 AI 制药，下面我们从当前药物研发的痛点开始分析，新药研发亟待变革性新模式，AI 制药应运而生，与传统新药

2、研制方式相比，AI 制药存在诸多优势，接下来我们通过了解 AI 制药发展历程、竞争格局、当前发展现状等方面，分析其市场规模、商业模式等方面，并对产业链及相关公司进行梳理，希望能够帮助大家更好了解 AI 制药。目录目录 一、AI 制药概述.1 二、AI 制药驱动因素及市场规模.8 三、AI 制药商业模式及发展方向.9 四、AI 制药竞争格局.12 五、AI 制药产业链梳理.13 六、AI 制药相关公司.15 七、参考研报.20 一、一、AI 制药概述制药概述 1.药物开发的痛点药物开发的痛点（1）创新属性强带来的高风险是药物开发的痛点之一创新属性强带来的高风险是药物开发的痛点之一 尽管科学家们对

3、药物作用的靶点和机制有了更深入的理解，药物从实验室到市场的转化过程依然充满挑战，药物获得批准的成功率仍然相对较低。1）按研发阶段看：药物发现阶段的全球整体成功率为 51.0%，临床阶段的成功率为 12.9%。2）按药物种类看：基因疗法、细胞疗法、RNA 干扰技术等创新治疗方法的药物研发成功率在 5.2%-17.3%之间。2/21 2025 年年 2 月月 24 日日 行业行业|深度深度|研究报告研究报告 （2）长周期、高成本是药物开发的痛点之二长周期、高成本是药物开发的痛点之二 药物发现过程通常耗时 7 至 10 年，并且涉及高达 6 亿至 8 亿美元的投资；临床试验阶段通常需要 6 至12

4、年的时间，并且可能涉及数十亿美元支出。成功通过临床试验的化合物随后将进入审批和生产阶段并进行商业化生产，商业化过程通常需要 1 至 2 年的时间，并且涉及大约 5 千万美元的投资。成本与收益之间的不匹配对致力于创新药物研发的医药企业构成了较大的财务压力，成为新药研发的痛点，亟待引入新的生产力来加以改变。2.AI 制药制药 上面已经提及，新药研发周期长、投入高、风险高。因此新药研发亟待变革性新模式，AI+新药研发应运而生。计算机辅助药物设计自 1960s 被提出，以计算化学/计算机科学/生物学等为基础，对靶标与配体结合过程进行计算模拟与预测，评估药物分子结构与其生物活性、毒性和代谢等性质的相互关

5、系，进行药物分子的发现与优化。高通量技术发展和应用产生丰富的药物、疾病、基因和蛋白质等数据，使 AI+药物发hYnZqRsQpMrMpR8OaO6MsQmMtRnQkPqQtRiNnPrMbRpPxOMYqQtNNZqRtP 3/21 2025 年年 2 月月 24 日日 行业行业|深度深度|研究报告研究报告 现成为可能。近年来以 Google 公司 AlphaFold 为代表的人工智能系统在生命科学领域取得重要突破，推动了 AI 在药物研发上的应用。AI 赋能新药开发，是指在规模化医药数据基础上，运用机器学习、深度学习、自然语言处理等技术参赋能新药开发，是指在规模化医药数据基础上，运用机器学

6、习、深度学习、自然语言处理等技术参与药物开发各个环节，包括靶点发现、化合物合成、化合物筛选到患者招募、与药物开发各个环节，包括靶点发现、化合物合成、化合物筛选到患者招募、临床试验设计等，通过临床试验设计等，通过AI 技术的运用有效解决传统新药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。技术的运用有效解决传统新药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。根据DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新药研发负担。4/21 2025 年年 2 月月