海外AI制药全景：四类药物模态与传统药企布局深度梳理

小分子药物研发成熟度最高，平台与管线闭环验证商业价值

小分子药物作为现代制药工业中最成熟的类型，其研发流程相对标准化，历史数据丰富，因此是计算方法和机器学习较早进入的领域。AI在小分子研发中的核心价值在于帮助研发团队在巨大的化学空间中更快找到值得实验验证的候选分子，并提高先导优化阶段的决策效率。目前，该领域的头部公司已形成“计算平台+自动化实验+临床管线”的完整闭环，商业化路径最为清晰。

Schrödinger通过物理学与机器学习结合的计算平台，建立了稳定的软件商业模式，并加速小分子药物和新材料设计。其核心管线SGR-1505处于临床阶段，展现了良好的安全性和初步疗效。Recursion则依托超50PB专有数据和自动化实验推进难治适应症管线，其平台合作潜在里程碑金额巨大，是当前AI平台商业化价值最直接的证据之一。Relay Therapeutics以蛋白质动态构象为核心机制，开发肿瘤和遗传性疾病创新小分子药物，其核心管线已获得FDA突破性疗法认定。Nimbus Therapeutics利用计算技术与机器学习针对难成药靶点设计高选择性小分子，其TYK2项目的高额授权交易进一步验证了该模式的价值。

此外，Eikon Therapeutics整合活细胞超分辨率显微镜与AI技术，Iambic Therapeutics以物理+生成式AI架构驱动差异化小分子靶向疗法，Enveda Biosciences通过AI解码天然产物化学结构，Terray Therapeutics通过超高通量实验与生成式AI整合改变发现成本，DeepCure利用强化学习加速免疫与炎症领域小分子发现，Valo Health通过整合大规模人类真实世界数据加速药物发现，Numerion Labs通过机器学习算法聚焦免疫与炎症疾病。这些公司展示了小分子领域从结构预测、虚拟筛选到先导优化的多元化技术路径。

抗体与蛋白药物进入生成式AI设计阶段，临床验证逐步展开

抗体与蛋白类药物具有较高靶向性和机制选择性，但研发难度体现在结构复杂性、可开发性要求高以及免疫原性风险等方面。AI在该领域的价值是将部分候选设计和排序工作前移到计算环节，减少低质量候选物进入昂贵实验流程的比例。随着AlphaFold等结构预测工具的进步，以及生成式AI模型的应用，抗体设计正从传统的筛选模式向从头设计模式转变。

Generate:Biomedicines的GB-0895成为首个由生成式AI设计并进入III期临床的蛋白药物，标志着该技术路线的重要里程碑。Absci将生成式AI与可扩展湿实验室结合，其Origin-1生成式AI模型专门用于全长单克隆抗体的从头设计，并通过Lab-in-the-Loop机制实现快速迭代。Nabla Bio将生成式AI与高通量湿实验室深度融合，实现原子级精度抗体药物从头设计，已在膜蛋白靶点抗体设计中展现出高成功率。BigHat Biosciences整合高速自动化湿实验室与机器学习，开发下一代抗体疗法。A-Alpha Bio结合合成生物学与机器学习大规模测量蛋白质相互作用，Diagonal Therapeutics开发疾病修饰性聚集抗体，Noetik利用自监督机器学习和海量人类空间多组学数据构建肿瘤免疫基础模型。尽管多数管线仍处于早期阶段，但大型药企的大额合作表明行业对这一方向的高度关注。

核酸药物与细胞基因疗法尚处早期，AI作用于序列设计与递送优化

核酸药物与细胞和基因疗法整体尚处早期赛道，面临体内稳定性不足、递送瓶颈、脱靶风险及生产制造复杂等挑战。AI在这些领域的作用更多体现为研发和生产流程支持，主要集中在序列设计、递送系统开发和构建体优化等方面。

在核酸药物领域，CAMP4 Therapeutics开发靶向调控RNA的反义寡核苷酸疗法，Atomic AI融合机器学习和结构生物学驱动RNA药物发现，Inceptive构建端到端生命基础模型将RNA视为可编程序列进行AI设计。Strand Therapeutics将合成生物学与mRNA技术深度融合，开发可编程长效精准mRNA基因疗法。ADARx Pharmaceuticals利用专有RNA靶向平台开发下一代RNA疗法，Kernal Biologics通过mRNA 2.0平台实现体内细胞重编程，Therna Biosciences将RNA生物学与生成式AI基础模型结合，Raina Biosciences通过生成式AI平台GEMORNA加速mRNA药物发现，Creyon Bio利用AI和机器学习构建寡核苷酸工程引擎。上述方向技术差异化已经形成，但距离规模化商业兑现仍有距离。

在细胞与基因疗法领域，Metagenomi Therapeutics利用AI驱动的宏基因组工具包挖掘下一代基因编辑系统，Dyno Therapeutics利用AI和机器学习设计优化AAV载体解决递送难题，Shape Therapeutics融合AI与可编程RNA编辑技术开发AAV递送的RNA编辑基因疗法，Scribe Therapeutics通过CRISPR by Design平台从头设计CRISPR分子，Arbor Biotechnologies通过AI与宏基因组发现引擎挖掘新型CRISPR核酸酶，Profluent利用深度生成式AI从头设计功能性蛋白与基因编辑工具，Outpace Bio利用AI驱动蛋白质设计重新编程免疫细胞。这些公司致力于解决载体靶向性、编辑效率及安全性等核心痛点。

跨模态平台与传统药企布局，行业竞争转向体系能力

跨模态平台公司的价值在于把疾病机制判断、靶点因果验证与药物模态选择整合为统一能力。Generate:Biomedicines通过AI从头生成具有特定功能的蛋白质，Twist Bioscience以硅基DNA合成平台构建AI药物发现的湿实验基础设施，Insitro构建Virtual Human物理AI因果引擎，Pathos AI以肿瘤多模态数据和基础模型驱动AI临床开发，Chai Discovery依托多模态生物分子基础模型实现蛋白质结构预测与从头分子生成，Xaira Therapeutics提供端到端AI药物发现与开发平台，Alloy Therapeutics通过开放共享技术平台服务全球药物发现，Manifold Bio通过高通量体内实验与AI闭环优化开发生物药物，Tahoe Therapeutics构建大规模单细胞数据生成平台，Relation Therapeutics以Lab-in-the-Loop平台和细胞生物学基础模型切入药物发现。

传统药企已形成财务投资、管线授权、平台合作与内部能力建设四类布局。强生、罗氏、礼来、默沙东、辉瑞、艾伯维、阿斯利康、诺华、赛诺菲、百时美施贵宝等Top 10药企均通过与Isomorphic Labs、Recursion、Absci、BigHat等AI公司合作，或自建平台如礼来的TuneLab，将AI能力纳入研发体系。英伟达、Google/Alphabet、AMD、Anthropic等科技巨头从算力与基础模型两端介入，行业竞争正从单点工具转向体系能力。监管层面，FDA发布相关草案指南，强调AI模型可信度评估与数据治理，推动AI应用进入受监管研发流程。