2026年8月，旧金山。全球估值最高的AI公司之一安特罗匹克把一篇技术报告挂上官网，配了张示意图：一个通用大语言模型，坐在既有蛋白设计工具的“驾驶位”上，自主完成靶点选择、骨架挑选和多轮优化。

这场持续24至48小时的自主设计战役结果令人侧目：针对16个蛋白靶点共生成1440个从头设计的结合剂，最终1320个设计由两家独立CRO盲测验证，其中354个被确认结合目标，整体命中率约27%，是行业典型基线（10%–15%）的两倍以上。

同一月，地球另一端的中国。英矽智能交出上市后首份中报：上半年收入超1亿美元，同比增长287%，首次实现半年度盈利；其核心管线、由AI发现靶点并设计分子的肺纤维化药物，已于今年7月在中国启动三期临床。

公司管理层在财报会上表示，AI制药真正的拐点，要等第一款AI设计的药物在三期里跑赢；若进展顺利，2029年可读出关键数据。一边是“造分子”的效率以肉眼可见的速度翻倍，一边是“成药”的最后一公里依旧卡在临床试验。这恰恰是2026年AI制药最真实的剖面：前半程的竞赛接近尘埃落定，后半程的竞赛刚刚发枪。

如果把过去五年的第一代AI制药比作一场淘金热，绝大多数玩家手里拿的，是一把越来越快的“铲子”。化学模型解决的是效率问题，要在已知靶点上，更快地挖出可专利的分子。但行业逐渐意识到，这条路径本身需要进化，底层原因在于，人类已研究的基因超过两万，但目前已经获批药物所针对的靶点，全球不过600多个。实践中积累的洞见推动行业从“化学模型” 到“生物学模型”的认知发生跃迁。

通俗而言，前者帮人挖得快，后者告诉人该在哪儿挖，它要求AI回到疾病本身，去理解肿瘤微环境、免疫耐受、靶点背后的因果，而不是把人类的已知先验用机器再算一遍。

这意味着，AI制药的破局点，正从“效率竞争”转向“疾病认知革命”。这场认知革命，正在全球同步发生，但打法截然不同。美国握着底层算力和基础模型的牌。安特罗匹克公司的实验之所以震撼，不在于它造出了某个药，而在于它证明了一个“通用推理模型+既有工具链”的智能体架构，可以端到端地跑完蛋白设计全流程：算力、算法、自动化，第一次被压进了一个可复制的智能体里。

中国目前则把优势压在“工程化交付”和“临床资源”上。

数据显示，2025年中国AI制药融资32笔、67.54亿元，同比增长130.5%。位于杭州的德睿智药，将一款口服GLP-1从PCC推进至III期仅用4.5年，公开报道显示累计研发投入控制在2300万美元；德适科技的医学影像大模型，在2026年5月拿到全球首张大模型三类医疗器械注册证。

从“多快好省”的CRO-CDMO产业链，到海量的临床队列与真实世界数据，中国正在用交付能力补齐原始创新的短板。但殊途同归，AI制药的未来趋势将是从"拼单点算法"转向"拼生态闭环"。算力、算法、高质量数据、自动化实验与临床验证的协同密度，将成为决定谁能跑通"AI 制药 2.0"的底层变量，而能把这些要素拧成一股绳的城市或平台，就有机会成为下一代AI制药产业的入口。