来源：环球网

【环球网报道 记者 姚倩】当前，AI制药行业正在进入一个新的发展阶段。过去，行业需要回答的是“AI能不能设计出药物”。如今，随着生成式AI、结构预测等技术不断成熟，分子生成已经不再是最核心的瓶颈。AI可以快速产生大量候选分子，并同步积累实验数据，但新的问题也随之浮现，AI设计出来的分子，能否真正进入生命系统，并在人体内产生预期效果。这意味着，AI制药的竞争正在从“发现效率”进一步走向“临床转化效率”，从单点技术能力走向贯穿药物研发全流程的闭环能力。

近日，被称为“AI药物递送第一股”的剂泰科技发布上市后的首份半年报。数据显示，2026年上半年，公司实现营业收入1.543亿元，同比增长13399%，半年营收规模已超过2025年全年收入的47%；经调整净亏损5110万元，同比收窄56.4%；现金储备30.25亿元，资产负债率降至9%。

营收快速增长、亏损持续收窄，剂泰科技正进入新的阶段。该公司透露，公司正同步完成一次更深层的战略跃迁，迈向“编程生命”的Biological AI。而这套系统能否真正跑通，有待时间持续验证。

AI制药的“下半场”：从生成分子走向理解生命

剂泰科技董事长兼CEO赖才达在业绩沟通会上表示，当前AI4S（AI for Science）制药赛道已经跨过“AI能不能生成分子”的初级阶段，但行业的核心难题并没有消失。

在他看来，真正的卡点正在从动物实验走向人体临床试验，即如何将AI设计出的产物放入真实生命环境中进行验证，并将人体反馈重新输入模型，形成持续迭代的数据闭环。

这意味着，未来AI制药的竞争不只是“谁能更快找到一个候选分子”，而是“谁能够更高效地完成设计、实验、临床验证和模型迭代”。

尤其是在药效之外，毒性、安全性、患者个体差异等复杂因素，都需要被纳入AI模型的反馈体系。只有打通从计算设计到生物学验证，再到临床应用的数据链路，AI才可能真正从一个提高局部研发效率的工具，升级为贯穿药物研发全流程的基础设施。

mRNA技术的发展提供了一个具有代表性的参照。

近期，Moderna个性化mRNA肿瘤疫苗Intismeran取得临床突破。从测序、新抗原预测，到mRNA序列设计和生产，AI已经开始介入个性化疗法的多个环节。

赖才达认为，其意义并不局限于mRNA技术本身，更重要的是，它展示了一种新的可能：当AI能够连接患者数据、靶点识别、分子设计、序列优化、递送系统和临床给药时，药物研发有望从标准化产品走向更加个体化的“一人一药”。

但与此同时，这条路径也意味着更高的系统性要求。如何实现精准患者入组，如何保证序列和递送系统的稳定性，如何完成临床验证，以及如何控制生产和商业化成本，仍然是从技术突破走向产业落地必须解决的问题。

因此，AI制药下一阶段真正值得关注的，并不是AI还能生成多少候选分子，而是数字世界中的设计能力，能否与真实世界中的生物学验证真正贯通。这也是Biological AI可能实现突破的关键所在。

从“递送药物”到“编程生命”

过去，该公司主要解决的是“药物如何被递送至靶点”的问题。如今，其探索进一步延伸至药物进入细胞之后如何调控细胞功能，即从解决“药物到哪里去”，进一步走向“药物进入细胞后做什么”。

赖才达将这一战略变化概括为从“理解生命”走向“设计生命”，乃至进一步探索“编程生命”。

如果说药物递送解决的是药物与生命系统之间的“连接问题”，那么下一阶段的探索，则是希望通过AI理解并设计细胞内部更加复杂的生物过程。

但对于一家已经上市的企业而言，宏大的技术叙事最终仍需要经营结果来验证。

赖才达也坦言，任何产业叙事都必须接受商业化结果的检验。

如果说过去AI制药解决的是“如何更快找到药”，那么下一阶段需要解决的则是“如何让AI真正参与生命过程的设计，并持续从真实生命系统中学习”。

一项技术是否具备真正壁垒，除了自研管线，还要看外部产业客户愿不愿意反复调用这套系统。赖才达表示，药企不会单纯为AI概念买单，只为差异化、有临床潜力的结果付费。平台能力的对外输出分为两类：一类是平台本地化部署，帮助传统药企补齐AI制剂、AI蛋白、AI核酸设计短板；另一类是技术赋能与资产共建，面向 CGT、mRNA 肿瘤疫苗、体内细胞治疗前沿赛道输出递送与分子设计能力。通过大量外部合作，一方面实现商业变现，另一方面，来自不同合作伙伴的海量真实实验数据，持续输入NanoForge平台，驱动模型迭代，进一步扩大设计空间，绕开海外巨头传统LNP材料专利的限制，构建属于自身的专利与数据壁垒。

从递送药物到编程生命，不是替代既有能力，而是向上整合。递送决定药物能不能到达，载荷决定药物表达什么，蛋白决定药物如何发挥功能。从剂泰科技的目标来看，该公司要把全部环节变成一套持续自我学习迭代的生命工程系统。而这套系统能否真正跑通，有待财务、临床管线、产业合作三大维度的持续验证。