共计 1113 个字符，预计需要花费 3 分钟才能阅读完成。
AI 正在加速新药发现,但药物不能停留在屏幕里 。 当模型和 Agent 能够批量提出候选分子, 产业真正要回答的问题变成: 这些分子能否被合成、验证、放大, 并最终进入合规生产体系。药明康德近期披露的经营数据, 使其在 AI 制药链条中的角色再次受到关注。
📌 AI 降低发现门槛, 后端验证更重要
过去几年,AI 制药从“颠覆研发”的热叙事, 逐步回到更现实的位置: 它是效率工具, 而不是完整替代药物研发的方案。AI 可以帮助靶点识别、虚拟筛选和分子设计, 但一个预测活性较高的结构, 并不等于一款可申报、可生产、可销售的药物。
活性、毒性、代谢、杂质谱、工艺收率和 IND 资料,都要依靠真实实验与生产体系确认。由此看,AI 让前端想法增加, 也会把更多需求推向湿实验、合成测试和工艺开发环节。
🔍 中期数据体现项目承接能力
已披露信息显示,药明康德 2026 年上半年收入为 289.0 亿元, 在手订单为 664.3 亿元。小分子业务方面, 过去 12 个月其 R 端成功合成并交付超过 44 万个新化合物; 小分子 D &M 管线中, 临床前和临床 I 期项目 3148 个, 临床 II 期 394 个, 临床 III 期 94 个, 商业化项目 95 个。
- 收入与订单:上半年收入 289.0 亿元, 在手订单 664.3 亿元。
- 项目通量:过去 12 个月交付超过 44 万个新化合物。
- 阶段覆盖:项目分布从早期研发延伸至商业化。
- 产能投入:2026 年资本开支预期上调至 75 亿至 85 亿元。
💡 从“设计出来”到“交付稳定”
AI 生成的分子结构可能更大胆,也可能更难合成、更难放大。对药企和 Biotech 而言, 关键不只是设计速度, 而是能否快速找到可行路线, 能否形成可靠数据, 能否被合作伙伴和监管机构认可。
这正是一体化 CRDMO 模式的价值所在。研发、工艺、生产、质量体系和申报支持如果分散在多家服务商之间, 沟通成本、重复验证和数据割裂都会增加。端到端平台的优势, 是把早期项目更顺畅地连接到后续开发和商业化生产。
📊 行业观察:AI 带来的是分工重估
一个值得关注的判断是,AI 并没有削弱 CXO 的存在感, 反而放大了真实世界验证能力的稀缺性。候选分子越多, 越需要能够承接高通量合成、测试、工艺优化和质量审计的平台。
药明康德披露,2026 年上半年接受了 465 次来自客户、监管机构和第三方的质量审计与检查, 以及 21 次全球客户信息安全审计, 均无严重发现项。对于新药研发产业链而言, 这类记录代表的不是短期热度, 而是长期信任成本。
🚀 总结: 制药工业底座仍是关键
AI 制药的想象空间仍在扩大,但它更像是把创新源头变得更活跃, 而不是绕过真实研发和生产流程。分子从概念走向药物, 仍要经过合成、验证、放大、审计和交付。
