2026年英矽智能公司研究报告：生成式AI赋能药物研发，定义AI制药“工业化”新范式

英矽智能：全球 AI 制药领军者

1.1 AI 驱动药物发现，英矽智能引领新药研发“加速时代”

英矽智能成立于 2014 年，是一家全球领先的、由人工智能驱动的生物技术公司。公司 通过其专有的 Pharma.AI 平台和尖端的自动化实验室，横跨生物、化学、临床开发和科学 领域，加速药物发现，推动生命科学研究的创新。公司自有生成式 AI 平台赋能高创新性的 自研候选药物高效研发。根据公司招股书披露，Pharma.AI 平台可显著提升研发效率，与 传统药物研发平均耗时 4.5 年相比，公司借助 Pharma.AI 平台，将靶点发现到临床前候选 药物确认的周期大幅缩短至 12-18 个月。

1.2 股权架构：顶级机构背书+核心大脑持股

英矽智能构建了高度多元且均衡的股权架构，体现了典型的国际化治理特征。在公司股 东阵营中，集结了华平投资（Warburg Pincus）、淡马锡（Temasek）、启明创投、礼来亚 洲基金（LAV）及药明康德等全球顶尖的医疗与科技投资机构，为公司提供了深厚的行业资 源背书与资金保障。与此同时，公司通过持股平台实现了创始人 Alex Zhavoronkov 博士（直 接及通过 Mesolite Gem Investments 间接持有公司共 15.96%的股份）、联席 CEO 任峰博 士等核心研发团队与公司长期价值的深度绑定。这种“顶级机构背书+核心大脑持股”的利 益共同体模式，既确保了公司治理的开放性与灵活性，又极大程度上激发了底层 AI 技术迭 代与创新管线研发的内生动力，为其在 AI 制药赛道的持续领先奠定了坚实的组织基础。

1.3 “AI+制药”双核心领导体系

公司构建了极具行业竞争力的“AI+制药”双核心领导体系，实现了跨学科底层逻辑的 深度耦合。首席执行官 Alex Zhavoronkov 博士作为人工智能领域的先行者，深耕生成式 AI 与生物信息学多年，负责驱动底层 Pharma.AI 平台的持续进化与算法迭代；而联席 CEO 任 峰博士则是资深的药物研发专家，曾任葛兰素史克（GSK）等跨国药企研发负责人，拥有丰 富的全流程管线开发经验，负责将数字化发现高效转化为具临床价值的候选药物。这种双 高管结构构成了其在 AI 制药赛道维持领先地位的核心组织壁垒。

1.4 公司当前主要收入来源为药物发现及管线开发

公司目前暂未实现盈利，主要收入来源为药物发现及管线开发。公司采用项目制业务模 式运营，当前主要收入来源为药物发现及管线开发，包括对外授权及合作安排。根据公司公 告，2025 年，公司实现收入 5624 万美元，其中药物发现及管线开发实现收入 4884 万美 元，占比 87%。

根据公司官网信息，2021 年至 2026 年 3 月，公司共产生 10+项资产对外授权及合作 研发项目，合约总价值＞46 亿美元，截止 2025 年已累计确认收入超过 2 亿美金。透过 Pharma.AI 产生逾 30 项管线资产，包括一款由公司自主开发、全球临床进展最快的 AI 药 物发现及开发（AIDD）候选药物 ISM001-055（TNIK 抑制剂）。

PHARMA.AI平台——成熟的端到端生成式AI驱 动平台，旨在整合生物学、化学及临床开发

2.1 AI 药物发现及开发（AIDD）正加速渗透制药全流程

AI 药物发现及开发（AIDD）正加速渗透制药全流程，成为推动产业效率与创新能力提 升的重要趋势。随着算法能力、算力与生物数据积累的同步提升，AI 技术已从早期探索逐 步走向规模化应用，覆盖药物发现、临床前研究、临床开发及精准医疗等关键环节，迅速重塑整个制药价值链，为制药行业带来系统性效率改善。人工智能在制药行业中正日益发挥 推动创新的重要作用。

在药物发现早期阶段，AI 通过整合多组学数据与疾病表型信息，支持高通量靶点发现。 借助模式识别与生物网络分析，AI 能够识别传统研究方法难以捕捉的新型生物靶点。在靶 点确认后，AI 进一步应用于先导化合物筛选与分子设计，通过预测分子与靶点的结合能力 及潜在安全性，大幅减少对大规模人工筛选的依赖，使研发资源能够优先集中于更具开发 潜力的候选分子。 进入临床前阶段后，AI 持续发挥作用，通过预测药物动力学和毒理学特征（如吸收、 分布、代谢、排泄和毒性，ADMET），帮助研究人员在早期识别潜在风险，优化药物管线 结构，降低后期研发失败概率。同时，AI 亦逐步融入临床开发流程，在受试者筛选、实时 数据监测及自适应试验设计等方面提升试验效率。在部分情境下，AI 可基于历史数据构建 合成控制组，减少对传统安慰剂组的依赖，使临床试验在效率与伦理层面均得到改善。 此外，AI 还可以与专家经验深度融合，进一步放大了药物研发各阶段的协同效应。AI 驱动的生成式算法能够设计新型候选分子，配合智能实验室平台实现快速合成与测试，形 成高度迭代的“设计—验证—优化”闭环。在此过程中，模型持续从实验结果中学习，不断 提升预测准确性，加快药物发现与优化节奏，并通过优化实验设计减少人为误差和不必要 的试验成本。

2.2 基于 AI 的药物研发优势明显，AIDD 市场持续扩张

基于 AI 的药物研发较传统研发成本更低、速度更快、成功率更高。与传统方法相比， 基于 AI 的药物发现具备多项主要优势：AI 可在研究过程初期迅速分析大量数据并生成见 解，从而大幅缩短药物发现的时间周期。其预测药物特性及成功率的能力，亦有助研究人员 筛选出更良好的候选药物，从而能够减少资源浪费并降低失败风险。在药物发现中应用 AI， 可在临床前及临床阶段使时间与成本大幅下降。这使 AI 成为制药公司提升效率及实现更高 投资回报的重要工具。

AIDD 的市场规模正在持续扩张。根据沙利文数据，全球 AIDD 市场规模由 2019 年的 54 亿美元增长至 2023 年的 119 亿美元，并将在 2032 年进一步增长至 746 亿美元。其中， 2019-2023 复合年增长率达 22.0%，2023-2032E 复合年增长率达 22.6%。AIDD 市场规模 的持续扩张显示 AI 已从辅助工具逐步演进为制药创新体系中的核心驱动力。

2.3 公司 Pharma.AI 是端到端药物发现与开发平台

Pharma.AI 是一个以生成式 AI 为核心的端到端药物发现与开发平台，覆盖从新靶点 识别、分子设计到临床结果预测的完整研发流程。平台由 Biology42、Chemistry42、 Medicine42 及 Science42 组成，可支持针对新型及既定靶点的小分子从头设计，并优化候 选药物的临床开发路径。Pharma.AI 的核心优势在于 AI 平台与内部生物团队的深度融合。 平台与真实研发管线和战略合作项目形成实时反馈闭环，持续获取管线开发进度及战略合 作的数据输入，构建自我强化的“数据—模型—验证”飞轮，从而不断提升端到端研发能 力。同时，Pharma.AI 具备高度开放性，可与外部工具和前沿技术整合，为不同客户提供定 制化解决方案。

1）Biology42：聚焦新靶点发现与优先排序，由 PandaOmics、Generative Biologics、 Life Star 2 及 Precious 系列应用构成。PandaOmics 是靶点发现引擎，可实现跨多个数据 类型，如多组学及文本数据的系统生物学研究，以促进发现新靶点或优先某疾病的既定靶 点；Generative Biologics 使用生成模型来设计及评估蛋白质、预测蛋白质相互作用及分析 生成的肽；Life Star 2 将实验室能力与生成式 AI 框架相结合，以分析、识别和验证新靶点、 生物标志物和化合物；Precious 系列模型则通过多组学与多模态数据，加深对生命模型的 理解。 2）Chemistry42：专注于新型小分子生成与优化，由 Generative Chemistry、ADMET Profiling、Retrosynthesis 等多项应用组成。平台利用生成式 AI 从头设计小分子，并通过 奖励机制评估分子活性、理化性质及成药性；同时预测 ADMET 特性、分析脱靶风险并提 供可行合成路径，加速从虚拟发现到实际合成的转化。Chemistry42 的核心基础模型 Nach01 还可支持小分子与蛋白质的 2D/3D 预测与生成。Chemistry42 已应用于多项内部 及对外合作项目。 3）Medicine42：聚焦临床试验结果预测，由 inClinico 应用程序构成。inClinico 通过 分析靶点、分子结构、疾病特征及临床试验设计等多源数据，预测候选药物成功推进至下一 临床阶段的概率，重点评估 II 期临床的成功可能性，并辅助识别试验设计中的潜在弱点。 4）Science42：是 AI 驱动的研究助手，其核心为多智能体生成式研究助手 DORA。 DORA 通过利用 AI 代理协助文献综述、假设产生和数据诠释来增强研究能力，最终加快科 学发现的步伐。此外，该系统整合了特定领域的知识，使研究人员能够模拟实验条件并提出 优化的实验室测试方法。通过将预测分析与专家知识相结合，DORA 加快了假设验证并缩 短药物开发的发现时间。 在 AI 制药领域，相比 Schrödinger 和 Relay 侧重于高精度物理模拟与蛋白质动力学分 析、Recursion 聚焦于高通量细胞表型组学图像识别、以及 AbCellera 和晶泰科技分别在抗 体筛选与自动化实验室闭环上的深耕，英矽智能的独特逻辑在于构建了以“生成式 AI （Generative AI）”为核心的端到端集成平台 Pharma.AI。该平台实现了从全新靶点发现、 分子从头设计到临床试验成功率预测的全流程纵向整合，打破了各研发环节间的数据断层。

其核心优势在于极高的研发转化效率与 FIC（同类首创）潜力，通过“按需造药”而非“盲 目筛选”，显著缩短了从底层生物学发现到高质量临床资产的转化周期。