【文/王力 编辑/吕栋】

近日，西湖大学、西湖实验室、西湖制药联合研发的1类创新药盐酸伊司特韦片（商品名“艾普司韦”）获国家药监局附条件批准，用于治疗成人轻型、中型新冠病毒感染。

此后，“国内首款AI辅助研发的原创新药正式获批上市”的词条迅速刷屏。

西湖方面称，这是国内首款凭借AI辅助研发获批上市的原创药，也是全球首款基于DNA编码化合物库（DEL）技术发现并最终获批上市的创新药。从发现候选分子到完成临床试验，艾普司韦用时仅三年半。

“三年半”之所以引发关注，在于传统创新药研发往往需要十年甚至更长时间。AI似乎正在把新药研发的时间表往前拨动。

但时间缩短，并不意味着研发链条可以被简单省略。尤其是艾普司韦最终面对的，并不是一片空白的市场，而是已经有辉瑞Paxlovid等药物在内的成熟竞争格局。

艾普司韦

490亿个分子里找9个

艾普司韦并不是用ChatGPT这类通用大模型“生成”出来的。此次西湖团队使用的是面向药物研发的专用AI模型，并在研发过程中搭建了WAND（Westlake AI for Novel Drug）人工智能新药研发平台。它更像一个“药物研发专科AI”，处理的是分子结构、蛋白质、化合物活性和实验数据。

研发初期，团队面对庞大的“候选池”，建立了一个包含约490亿种化合物的DNA编码化合物库（DEL）。DEL可以简单理解成给每一个化合物贴上独特的DNA“条形码”，从而一次筛选海量分子。问题在于，分子越多，噪声也越大。如果靠传统方式逐个合成、逐个验证，时间和成本都很难承受。

AI就在这里介入。

团队先利用AI模型确定筛选条件，从490亿个分子中找到100多个候选；随后模型进一步预测，只挑出9个分子进行合成验证，结果其中6个表现出较强抑制活性，最终锁定候选分子WLU6937。从克隆出3CLpro蛋白到确定候选分子，仅用了6个月。

6937

这也揭示了AI制药最重要的价值：AI不是“发明”了一颗药，而是帮科学家减少了大量无效试错。

后续两年，团队持续将实验数据反馈给模型，WAND平台不断吸收真实实验数据提升预测能力，参与候选分子的后续优化，涵盖提升活性、改善成药性、降低毒性等方向。

所以，“三年半”真正压缩的，主要是早期药物发现和优化环节。靶点怎么选、分子能不能合成、动物实验是否安全、进入人体后有没有疗效，这些工作并没有因为AI出现而消失。最终这款药仍然要经过完整的临床试验和药监审批。

新冠药那么多，艾普司韦有优势吗？

从作用方式看，艾普司韦并不是另辟蹊径，它和目前知名度较高的辉瑞的Paxlovid一样，都是盯住新冠病毒复制过程中一个关键的“零件”——3CL蛋白酶。

这个蛋白可以简单理解成病毒复制时的一把“剪刀”，病毒要把制造自身所需的蛋白质加工好，离不开它。如果把这把“剪刀”卡住，病毒就很难继续大量复制。艾普司韦和Paxlovid，瞄准的就是这把“剪刀”。

不过两款药抑制病毒的原理和用法不一样：Paxlovid的核心成分奈玛特韦，会和新冠病毒必需的3CL蛋白酶牢牢结合让它无法工作，吃这款药必须同时搭配利托那韦，这个成分主要是帮奈玛特韦减慢代谢，让它在我们体内能一直保持有效浓度。但利托那韦本身也会干扰其他药物的代谢，所以如果患者本身同时在吃多种其他药物，一定要格外注意不同药物之间的相互影响。

艾普司韦走的是不一样的路线：它同样瞄准3CL蛋白酶，但只是普通结合，用了完全不同的分子结构，而且可以单独吃，不需要搭配利托那韦，这就是它和Paxlovid最核心的区别。如果后续临床试验能证明，它的抗病毒效果和Paxlovid差不多，还更少产生药物相互作用，那本身需要同时吃其他药的患者，就多了一个用药选择。

艾普司韦药物分子与3CLpro结合模式

但“机制不同”并不等于“效果一定更好”。对于消费者而言，一款新冠药真正有没有竞争力，最终还是要看三件事：吃了到底有没有效、用起来安不安全、价格贵不贵。

目前艾普司韦已经完成III期临床并获附条件批准上市，但其完整的关键临床数据以及最终终端价格仍需要更多公开信息来验证。

一款药跑得快，能代表AI制药跑通了吗？

艾普司韦最大的意义，不是证明AI可以把所有新药都从十年缩短到三年半，而是第一次把“AI辅助制药”从实验室概念推进到了上市环节。

过去几年，AI制药最大的故事是“提高研发效率”。但行业真正的难题，从来不只是找到候选分子。

新药研发最昂贵、失败率最高的阶段之一，是临床。

AI可以在电脑里筛掉大量“不值得实验”的分子，却不能保证进入人体后一定有效。尤其是肿瘤、神经退行性疾病、自身免疫病等复杂疾病，疾病机制、患者差异和临床终点都比新冠病毒靶点复杂得多。

因此，艾普司韦更像是一次成功的技术验证：AI能够明显压缩早期研发中的搜索和试错成本，但它还没有证明自己能够解决整个新药研发最难的临床失败问题。

这也是为什么目前行业里既有兴奋，也有分歧。

另一方面，AI制药企业自身仍需要面对高研发投入、临床周期长以及商业化不确定性。算法越强，并不意味着实验室就可以消失。AI筛出更多候选分子，反而意味着更多合成、药理、毒理、临床试验和生产需求。所以，AI与传统医药产业更可能是“加法”，而不是“替代”。

艾普司韦就是这套路径的成果，证明AI确实能提升药物发现效率。但它目前只是个漂亮个案，行业仍在等待更多AI药物能从实验室走向临床上市。