2026年9月，Anthropic首席执行官Dario Amodei在社交平台X公开发文，提出了一个在行业内引发巨大震动的判断，称在5至10年内治愈大多数人类疾病实际上是可能的，尽管这一目标听起来十分疯狂。这一激进的时间线表述很快在全球制药行业引发连锁反应，多位深耕新药研发数十年的头部药企高管先后公开表态，对这一判断提出直接反驳，一场横跨科技圈与医药产业的公开争论就此展开。

　　这场争论的背后，是硅谷资本近年来对AI药物发现赛道的持续加码，大量真金白银的投入正在支撑着“技术奇点临近”的估值叙事。科技巨头们的布局早已从口头表态转向实质性的产业动作，Anthropic今年先后收购了一家处于隐身模式的生物技术公司和一家几乎完全依靠AI运营的单人生物技术公司，OpenAI也在上月正式宣布收购一家专注于AI药物发现的初创企业。

　　跨国药企与AI巨头的合作也在同步快速落地，礼来与英伟达在今年1月宣布，双方将在五年内投入最高10亿美元，共同探索AI在药物发现和生产机器人领域的应用，百时美施贵宝、诺和诺德、赛诺菲等全球头部药企也都先后公布了与OpenAI或Anthropic的合作协议。麦肯锡的统计数据显示，仅2025年一年，全球风险资本和私募股权机构在AI药物发现领域的投资总额就达到84亿美元，这一数字较两年前的约40亿美元直接翻了一番，整个赛道的热度持续攀升。

来自制药业的实测反驳

　　面对硅谷抛出的激进时间表，手握数十年新药研发经验的传统制药业高管们，拿出了基于大量真实临床数据和内部测试结果的不同判断。Vertex Pharmaceuticals执行董事长Jeff Leiden的表态最为直接，据华尔街日报报道，他明确表示相关激进时间表的说法完全不符合行业实际情况。Leiden透露，Vertex曾邀请约50家AI公司，共同梳理公司内部包含1万种药物化合物的庞大数据集，最终没有一家AI公司成功产出一款符合要求的有效药物。

　　“AI单独运作根本行不通，任何声称可以仅凭AI独立产出有效药物的公司，至少在我们考察过的绝大多数案例中，都没有实现这一目标。”Leiden的这一表述，点出了当前行业普遍存在的一个核心现实：迄今为止，全球范围内还没有任何一款完全由AI独立设计的药物，获得美国食品药品监督管理局（FDA）的批准上市。根据医曜的统计数据，截至目前，仅有英矽智能和Generate Biomedicines等少数几家AI原生生物技术公司，将自主研发的药物推进到了后期患者测试阶段，但没有任何一款药物最终跨越监管上市的终点线。

　　阿斯利康首席执行官Pascal Soriot的表述则更为克制，他表示在制药行业从业时间足够久的从业者，都会对疾病和生物学的复杂性保持足够的谦逊，直接断言AI将在短时间内治愈癌症这类复杂疾病，显然是过于跳跃的判断。拥有超过1000项专利的再生元首席科学官George Yancopoulos也提出，AI不会以奇迹般的方式直接给出所有疾病的解决方案，也不可能把原本平均15年的药物开发周期直接压缩到5年，这类预期完全不符合当前产业的实际进展。

AI当前的真实定位与技术瓶颈

　　尽管双方在AI的终极能力上存在巨大分歧，但整个行业已经形成了普遍共识：AI在药物研发的多个具体环节，已经产生了可验证的效率增益，它更像是科研人员身边的“副驾驶”，而非能够完全替代人类的主导者。拜耳首席运营官Sebastian Guth分享了一个具体的应用案例，拜耳的基因治疗团队借助AI技术，仅用数天时间就完成了对1亿份患者记录的梳理工作，通过对基因标记和患者病史的交叉分析，快速筛选出了最适配其基因编辑技术的五个疾病方向，这样的工作效率在传统人工模式下需要耗费数月甚至数年时间才能完成。

　　麦肯锡高级合伙人Alex Devereson进一步点出了当前AI技术在药物研发领域的真实边界，他表示AI确实能够比以往更快地设计出新的实验药物，但设计速度的大幅提升，并不等同于能够直接产出符合成药标准的有效分子。当前药物研发的结构性风险和整体失败率，并没有因为AI技术的引入而发生根本性改变，真正的瓶颈集中在湿实验验证和复杂生物学预测等环节，这些恰恰是现阶段AI模型难以覆盖的能力盲区。

　　Alex Devereson给出了一组明确的行业数据，约四分之一的中后期临床失败，都可以追溯到“脱靶效应”问题，也就是药物进入人体后，在非预期的靶点位置发生作用，引发不良甚至有害的副作用，而现有的AI模型，对这类复杂的体内生物学反应的预测能力依然十分有限。他同时观察到一个值得关注的行业现象，当前大量涌入AI制药赛道的投资，正在集中流向最容易解决的技术问题，而非那些对治愈疾病最重要、最核心的复杂难题。

争论背后的叙事权博弈与未来验证路径

　　这场横跨科技圈与医药产业的公开争论，本质上是双方对AI制药赛道估值叙事权的争夺。硅谷资本需要这套激进的时间线叙事，来拉高整个赛道的估值天花板，如果AI真的能在10年内重塑一个十万亿美元级别的医疗市场，那么当下每一分算力投入、每一次大模型迭代，都将拥有远超当前阶段的想象空间，原本被视作成本项的算力投资，也会被重新评估为通往万亿级市场的核心门票，时间线越激进，对应的估值想象空间也就越大。

　　而传统制药业则需要相对保守的行业预期，来管理自身的管线风险和资本成本。药企的估值体系建立在对研发管线风险和漫长研发周期的审慎管理之上，如果市场普遍接受“AI能将15年研发周期压缩到5年”的激进叙事，整个行业的资本成本预期都会被快速推高，市场也会对药企自身的管线价值产生错误定价，最终直接影响到药企对股东的研发承诺兑现。双方看似针锋相对的表态，本质上都是基于自身产业逻辑和利益诉求的理性选择。

　　当前行业内也在普遍关注几个后续可以用来验证双方判断的关键路径，这些节点的进展将逐步厘清AI在药物研发领域的真实能力边界。第一个关键节点是首款完全由AI设计的药物拿到监管机构的上市批准，这将是AI制药行业第一个真正意义上的商业化里程碑；第二个关键节点是AI在脱靶效应预测技术上取得实质性突破，大幅降低中后期临床试验的安全失败率；第三个关键节点则是传统药企与AI公司的合作结构，逐步转向以实际研发成果为导向的里程碑对赌模式，用实际产出替代单纯的概念性合作。

　　在这些关键节点逐一落地之前，行业内仍有不少待解的开放性问题：AI当前的能力边界到底能延伸到哪一步？哪些复杂疾病的研发场景，AI依然会持续出现判断错误？AI制药的综合成本能否降到传统研发模式之下？长期从事药物研发的科研人员，是否会因为AI工具的普及而面临岗位调整？这些问题目前都没有统一的答案，整个行业仍在漫长的试错过程中寻找真正的落地路径。

(编辑：付健)