2026年公布的《医药工业发展“十五五”规划》提出加快人工智能等技术赋能药物研发，并围绕药物发现、临床研究等环节打造AI制药应用场景，同时支持医药工业企业与医药研发服务机构等共建高质量数据集。政策提供了方向；对具体项目而言，计算提出的假设仍需通过合适的实验生成证据。

9月29日，国家药监局药审中心发布新方法（NAMs）研究和应用“先锋计划”，推动类器官、器官芯片等方法的研究与验证。它提示我们关注评价方法的适用范围和证据质量，不能把试点理解为相关方法已被普遍认可。

10月21日发布的《关于推动科技创新和产业创新深度融合的意见》强调企业需求、研用一体和场景驱动。对药物发现项目，我们把这一方向转化为两个具体问题：计算设计怎样形成可执行的实验方案？实测数据怎样帮助研究人员决定下一轮的设计与优化？这是我们的研发场景解读。

国际同行也在探索计算、实验与研发组织的连接。礼来与英伟达宣布共建AI创新实验室，拟连接计算研究与自动化湿实验；Anthropic介绍了以模型辅助提出生物学假设、再由科学家开展实验的研究团队；OpenAI收购Orchestra Bio，着眼于药物研发流程的协同。近期，国内互联网巨擘字节跳动，分拆成立AI药物研发公司新生探途（Anew Labs）。AI让药物发现更快，下一步如何走得更稳？

AI在药物发现中的效率价值，正逐渐获得更多公开研发项目的支持。麦肯锡2026年9月发布的研究指出，在其选取的公开披露样本中，部分AI赋能药物研发项目的早期发现周期，相较大型制药企业的相应基准缩短约15%—80%。不过，这些项目在分子类型、研发起点和终点等方面存在差异，样本也可能受到公开披露选择性的影响，不能将其理解为整个行业的平均提速幅度。

更值得关注的是，研发早期的效率改善，并不直接等同于药物临床开发成功率的提升。计算方法可以辅助靶点识别、设计分子和虚拟筛选，但这些提供的AI解决方案，是否具有预期的生物学活性、成药性和进一步开发价值，仍需要相应的实验研究提供证据。

对于新药研发服务企业而言，这意味着AI的应用价值不能仅停留在计算端。如何将计算设计与合成制备、生物学评价和药代动力学等研究衔接起来，使实验结果支持下一轮设计与研发决策，同样值得关注。

从这一视角出发，睿智医药的Dry Lab与Wet Lab双路径，可以分别回应传统药企与AI型药企的不同研发需求。客户项目的起点不同，我们的工作也应从不同问题展开。对于已有研发项目，可按需把CADD/AIDD等计算方法融入药物发现工作，帮助团队缩小候选范围、安排后续实验；对于以AI设计为起点的项目，可结合合成制备、生物学评价及DMPK等实验服务，检验设计假设。面向客户的 first-in-class（同类首创）与 best-in-class（同类最优）研发目标，团队既可为新作用机制与差异化假设提供验证路径，也可围绕活性、选择性和成药性等维度开展多参数优化，为研发判断提供可检验的依据。

路径一 在已有项目中引入计算方法

已有靶点信息或苗头化合物的项目，可以按需要引入计算方法，辅助下一轮实验选择。睿智医药CADD/AIDD与药物化学团队依据可获得的结构、化合物和项目数据，进行结构分析、分子对接、虚拟筛选或优化实验方案，再评估可合成性与待验证风险。我们始终强调并坚持：计算结果是设计依据之一，仍须经过制备与测试。

XDrug.AI作为睿智医药AI药物发现平台，涉及靶点信息和分子设计等模块。公司也会因应具体项目情况，使用其他计算化学和AIDD方法。以小分子先导优化为例，团队可结合预测、合成可行性与实测数据决定下一批目标分子，不由模型排序单独决定。目前，公司内部也在运用成熟的化合物成药性评价平台，对候选结构进行多参数预测与优先级筛选，尽早识别潜在成药性风险、减少低价值合成与重复实验，旨在大幅降低早期试错成本。

路径二 用实验数据检验 AI 设计

如果合作伙伴已提出靶点假设或候选分子设计，睿智医药可以根据分子类型和项目问题组织后续实验。以小分子为例，合成制备后可选择生化、细胞评价和适用的体外ADME、DMPK研究，观察活性、选择性、溶解度、渗透性或代谢稳定性等指标。

抗体项目需要不同的验证路径。AI辅助设计提出的候选方案，可结合表达纯化、结合与功能评价、成药性研究加以检验。睿智医药已建立了“AI辅助计算机模拟＋实验评估”的抗体亲和力成熟改造及双特异性抗体药物成药性评估体系。

ASO、siRNA等寡核苷酸项目还涉及不同的化学修饰、合成纯化与分析任务。与此同时，我们坚持具体评价路径应由分子类型、递送方式及项目目标决定，不能套用小分子或抗体流程。

实验结果有时支持原先的预测，有时提示研究人员改变结构、评价方法或研究假设。数据是否用于后续模型优化，以及如何使用，应依据具体项目约定与数据权限安排。

让每一轮实验回答一个清楚的问题

在已有项目中，计算方法可以为实验优先级提供参考；在AI设计项目中，实验数据帮助团队比较候选方案。睿智医药按具体研发问题组合适用的工作模块，并与合作伙伴一起判断下一步。

一轮研究可以从待验证靶点、先导结构或AI生成的候选名单开始。我们与合作伙伴先明确要回答的问题，再选择适用的计算设计、合成制备、生物学评价或DMPK工作，将实测结果返回研发判断，为下一轮设计和实验提供依据。

Dry Lab帮助研究人员提出和筛选假设，Wet Lab提供可以检验这些假设的实验数据。睿智医药希望让设计、制备、测试和分析围绕项目问题衔接，使每一步判断都有相应依据。在项目约定的数据使用范围内，Dry Lab的预测引导实验设计，Wet Lab的结果再校正研究假设与下一轮设计，形成动态迭代的良性循环。

2006—2026年 CADD/AIDD 发展时间轴

睿智医药 Dry Lab × Wet Lab