图源：豆包
一款创新药仅用“三年短跑”就成功上市，带着风头正盛的“AI制药”与已然退热的“新冠药物”双重标签，闯入产业视野。
7月29日，国家药监局官网显示，附条件批准西湖制药申报的1类创新药艾普司韦（盐酸伊司特韦片）上市，用于成人轻型、中型新冠病毒感染治疗。
这是一款贴着“AI”标签的药物：药物优化用时不到一年，从IND获批到III期临床收官仅用一年，整个从源头发现到完成临床试验共计三年。它不仅是全球首例源自DEL（DNA编码化合物库）技术的原创小分子药物成功案例，也是国内首款AI辅助加速研发并获批上市的口服新冠创新药。
虽然顶着首款AI制药的光环，但恰逢AI制药行业多事之秋。
就在艾普司韦上市的同一天，谷歌DeepMind解散了AlphaFold核心研发团队，距离这支团队站上诺贝尔化学奖领奖台尚不足两年。
再往前看，港股AI制药龙头晶泰控股数日前发布盈利预警，预计2026上半年归母净亏损2.15亿元至2.75亿元，继2025年短暂扭亏后再度转亏。
一面是“三年走完十年路”的AI制药故事，一面是诺奖团队散场、龙头业绩变脸的行业寒意。
一件喜讯，一次散场，一份亏损预告。三件事叠在一块，恰好勾勒出2026年AI制药的真实坐标：技术叙事还在向前走，商业兑现却远没到位，行业内部的分歧正被放大。
从490亿个到9个
西湖制药是典型的”高校孵化型“创新药企，依托西湖大学和西湖实验室转化而来，股权结构呈现“创始团队控股+高校背书+多元资本”格局，三位联合创始人于洪涛、胡奇、黄晶合计直接持股约41.6%，西湖大学直接持股约4.6%。
早在2020年初，西湖大学生命科学学院院长于洪涛拉了一个群，讨论如何研发抗冠状病毒药物。
西湖大学生命科学学院特聘研究员胡奇曾公开回忆，“一般原创药物研发周期超过10年，也就是说，我们很可能面临一种境地，药物还没研发出来，疫情已经消失了”。
不过于洪涛很坚定地认为这件事值得做。人类与病毒之间是一场持久战，正是因为2003年SARS暴发后药物研发中断，才导致面对新冠时一度“无药可用”。
如今来看，新冠药物热度虽然一定程度上已经退去，但在快速推进研发的历程中，西湖制药验证了AI驱动新药研发的潜力。
此次获批上市的艾普司韦从临床试验获批到III期完成，仅用了一年时间。2022年9月，WPV01获批进入临床试验。2023年2月完成临床I期（102例健康受试者），5月完成临床II期（80例患者），9月完成临床III期（1350例患者）。
目前，新冠口服小分子抗病毒药物主要分为两大机制：一类是3CLpro抑制剂，另一类是RdRp抑制剂。在机制层面，艾普司韦与辉瑞奈玛特韦同属3CLpro抑制剂，但技术路径不同。
具体来看，奈玛特韦采用共价结合机制，必须与利托那韦联用以提高血药浓度；艾普司韦采用全新骨架结构的非共价结合机制，靶点亲和度高、抑制活性强，单药即可起效，降低了药物相互作用风险，适用人群更广。
这款创新药获批上市后，一个核心问题随之浮现：AI在其研发过程中究竟扮演了多深的角色？
AI在艾普司韦的研发集中介入在三个环节。
第一环是DEL筛选。
新药研发要找到具有成药潜力的分子，西湖制药团队借助AI计算为DEL（DNA编码化合物库）筛选试验确定分子对照条件。借助这项技术，仅用两个月时间，从海量的490亿个分子中筛选出了100多个“潜力股”。
第二环是AI虚拟筛选压缩成本和时间。
西湖制药发挥AI的迁移学习和预训练模型，攻克了DEL筛选的高假阳性率，虚拟筛选将目标从100个聚焦至9个。相比之下，传统的真实合成实验中，每个化合物的合成成本1万至2万元，昂贵又耗时。
第三环是AI辅助药物优化。
药物分子与靶蛋白的结合是发挥功能的核心步骤。传统药物优化平均耗时三年，西湖制药的AI WAND平台与湿实验结合，将这一环节时间压缩至不到一年。
值得一提的是，AI WAND是西湖制药的人工智能新药研发平台，通过将受物理启发的人工智能技术与结构生物学、药物化学、生物化学相结合，推动药物研发范式升级。此外，西湖制药2021年曾与英矽智能达成合作，加速冠状病毒创新药物研发。
事实上就艾普司韦而言，AI的角色更多是“辅助”，覆盖了靶点发现、分子生成和优化环节，西湖制药团队将其定位为“全球首例源自DEL技术的原创小分子药物”。
这也是当下AI制药领域最大的疑问，即"AI跑通全流程"的价值何以实现，这种价值不只在于速度，更在于打开人类认知难以迅速触及的新靶点和新分子空间。
但不可否认的是，艾普司韦提供了一个优秀案例，一个关于“AI+DEL”能否真正缩短新药研发周期的案例。而对这个问题的回答，直接关系到AI制药行业的未来。
AI制药的“冰与火之歌”
艾普司韦获批的同一天，另一则新闻在科技圈刷屏——谷歌DeepMind已解散负责AlphaFold研发的核心AI for Science团队。
AlphaFold是Google DeepMind开发的一系列用于蛋白质结构预测的人工智能系统，2024年 Google DeepMind CEO哈萨比斯和科学家John Jumper曾凭借它站上诺贝尔化学奖领奖台。John Jumper是70年来诺贝尔化学奖最年轻得主。
如今，核心团队在获奖不到两年后散场。最初参与AlphaFold论文的DeepMind全职作者中，已有近四分之一离开公司，而AlphaFold 负责人 John Jumper、研究人员 Jonas Adler 和 Alexander Pritzel 均已决定加入 Anthropic——OpenAI最大的竞争对手之一。
一个由诺奖得主领衔、十数年积累的核心团队，在最巅峰时刻分崩离析。
谷歌DeepMind研究副总裁的解释是，“过去九年，我们的策略一直是专注于重大挑战……每个项目都聚焦于一个具体目标。而如今这一策略发生了变化。”
他表示，谷歌Deepmind的AI 4S团队将不再围绕蛋白质折叠这样的单一科学问题展开，而是致力于构建由Gemini驱动的全套AI科研系统。并积极入局AI智能体，来与OpenAI和Anthropic竞争。
换句话说，与其养一个专门做蛋白质结构预测的团队，不如让大模型什么都能干。
与此同时，国内AI制药龙头的业绩变脸也引发不少担忧。
7月24日，港股AI制药龙头晶泰控股发布盈利预警，预计2026年上半年归母净亏损2.15亿元至2.75亿元。
而就在2025年，晶泰刚刚实现了“惊天逆转”——从2024年巨亏15.17亿元到2025年盈利1.24亿元，成为港股AI for Science领域首家盈利的上市公司。
但“扭亏”的真相并不性感。2025年的盈利高度依赖两笔非经常性收益：一是与DoveTree合作的5100万美元首付款（约3.65亿元），二是5.14亿元的其他收益净额（主要来自所投企业估值提升）。
2026年由盈转亏的原因在于，一是去年同期的5100万美元首付款形成高基数，本期仅确认第二笔1900万美元回款；二是公司持续加码研发，上半年研发费用不低于3.4亿元，同比增幅超50%。
晶泰的业绩波动并非个案，而是AI制药行业的普遍缩影。AI制药公司普遍的商业模式是高度绑定与药企合作的首付款和里程碑款项的入账节奏。
但硬币的另一面是，全球AI制药市场规模从2021年的7.9亿美元增至2025年的24.1亿美元。波士顿咨询集团的数据也显示，截至2026年5月，全球有超过75种最初通过AI方法设计或经其大幅优化的分子正在开展人体临床试验。
再看国内，截至2025年，中国已有超百家人工智能药企，“AI高地”杭州已集聚40多家AI+生物医药融合企业。
宏大叙事与未兑现的未来并存，火热的市场与骨感的财报对冲，耀眼的诺奖与变换的风向交织——这便是2026年AI制药行业所处的真实坐标。
AlphaFold的团队散了，但它的技术正流向商业化更前沿的战场；龙头的财报在盈亏之间反复横跳，但AI设计的临床管线正在全球真实推进。泡沫与根基同时生长，淘汰与验证同步进行。
艾普司韦的获批，在这样的背景下算是一抹亮色。
它不是一个“AI制药时代已来”的宣言，更像一块试金石：检验的是“AI+DEL”这条技术路径能否在真实的监管与商业环境中跑通。AI确实帮它成为最快跑完全程的新药之一。
但与此同时，它也抛出了一个更棘手的问题：当于洪涛、胡奇、黄晶这样深耕生物学底层逻辑的顶尖科学家，开始主动将AI作为加速工具，并跑通了从靶点到上市的全链条，那么那些“AI原生”的药企，讲故事的根基还稳吗？
真正的分水岭，也许不在于谁用了AI，而在于谁在用AI的同时，手里还握着对疾病机制最深的理解。
(责任编辑：zx0600)
