药盒已经摆上药架了。

盐酸伊司特韦片，商品名艾普司韦，国家药监局附条件批准上市，用于成人轻型、中型新冠感染。盒子上没印“AI造”，但业内都清楚：国内首款AI辅助研发的1类创新药，真从实验室走到了药房。

喊了多年的AI制药，第一盒药落地了。不是PPT，是药盒。

490亿里找1个，比在全人类里找指纹还难

艾普司韦靶点是新冠病毒3CL蛋白酶，病毒复制时的一把“剪刀”。卡住它，病毒就没法繁殖。

传统研发靠化学家在已知骨架上修补，反复试错。行业“双十定律”：十年、十亿美元，成功率不到10%。

西湖大学团队走了另一条路：DEL技术，DNA编码化合物库，装了490亿种化合物。每个分子挂着DNA标签，像商品条码。

490亿是什么概念？全球人口80亿，化合物数量是全球人口6倍。从里面找一个能精准结合的分子，比在全人类里找特定指纹还难。

DEL先捞出一百多个“潜力股”。但逐一合成验证，人力物力天量。

AI上场。

团队先用少量数据训练“弱模型”，摸清3CL蛋白识别规律。再把一百多个候选分子扔给模型，几天内缩小到9个。

合成测试：9个里6个有强抑制活性。命中率高得离谱。

再经毒性、代谢等评估，最终锁定WLU6937。6937这个编号，说明竞争多激烈。

从克隆蛋白到选定候选分子，只用了6个月。加上优化和临床，从源头发现到完成临床试验，总共三年半。

“双十定律”被砍掉一大半。

AI不是凭空造药，是超强导航仪

很多人以为AI自己设计出了药。其实不是。

艾普司韦研发里，AI更像超强导航仪加高效筛选器。团队平台叫WAND，“魔杖”。但魔杖不是一挥就变出药。

它的工作是闭环：计算预测、实验验证、数据反馈、模型再优化。

AI先猜哪个分子可能有效，实验室验证，数据喂回AI，AI修正，下一轮再猜。反复迭代，越猜越准。

黄晶教授说，他们做的是“DEL×AI”，不是“DEL+AI”。乘法意味着干湿实验深度绑定、数据和模型双向配合，不是先DEL筛选再丢给AI跑一遍。

一开始模型是“弱模型”，只靠几十组数据。随着DEL海量真实数据回灌，越练越强，长成“强模型”。

弱模型起步，靠真实数据迭代进化。这跟“拿超级大模型直接搞定一切”完全不一样。

AI参与也不止一步：靶点发现、化合物筛选、分子优化、毒性预测、临床设计，都有参与。不是单点工具，是贯穿全程的决策辅助。

但实验验证、临床数据、药监审批，还得靠人、靠实验室、靠医院。AI没替代谁，只是把原本几年、几千个分子的活，压缩到几个月、几十个分子。

第一盒药的分量

艾普司韦获批，不只是多一款新冠药。

这是国内AI制药第一次拿出“真家伙”。之前融资一轮接一轮，管线一条接一条，总有人问：药呢？真能治病吗？

现在药盒上架。这回答比任何PPT都有分量。

全球也赶在关键节点。截至今年，全球AI驱动新药临床管线170多个，9个推进到Ⅲ期。2026年被业内视为“AI制药临床验证元年”，这批药集中到交答卷的时候。

半个月前，Moderna与默沙东个性化mRNA癌症疫苗Ⅲ期临床成功，AI深度参与靶点设计。英矽智能那款全链条AI主导的特发性肺纤维化药，也已启动Ⅲ期。

这些管线成不成，决定AI制药是真风口还是伪命题。艾普司韦先获批，相当于给行业打了个样。

冷水还是要泼一盆

一盒药上市，不等于AI制药成熟。

艾普司韦是附条件批准，上市后还要做确证性研究，不达标可能被撤。AI参与程度，公开口径是“辅助”，不是“AI独立设计”。

行业现实问题更突出。

高质量数据不够。模型好不好，全靠数据质量。但药物研发高质量实验数据稀缺、昂贵、各家捂着不放。

湿实验速度跟不上。AI筛选快，几天顶传统几个月，但合成、验证、动物实验、临床，该花多久还是多久。

算法可解释性弱。AI说分子有效，为什么有效，很多时候说不清。制药最讲机制、最讲可追溯。

最扎心的是：AI设计的药，临床一期成功率确实更高。但到二期看疗效，跟传统药物差不多。到三期，通过率基本持平。

AI最大优势仍在早期发现。越往临床后期，存在感越弱。决定药能否上市的临床关口，AI还没证明能改变什么。

未来真正有竞争力的，不是只有大模型的公司，也不是只会做实验的公司。得是高质量数据、先进算法、实验验证、临床转化四块捏在一起的完整体系。

艾普司韦上架，是个里程碑。但里程碑的意思是，你刚跑过一个标记点，前面的路还长。

你觉得，AI制药什么时候能真正改变我们吃药的方式？