人工智能在药物发现市场2026年推动精准医学发展AI in Drug Discovery Market Rise USD 133.92 Billion by 2034

人工智能在药物发现市场规模、趋势、应用及企业

全球人工智能在药物发现市场的规模在2025年估值为198.9亿美元，预计到2034年将达到约1339.2亿美元，从2024年到2034年的复合年增长率(CAGR)为23.22%。

在临床试验过程中实施AI解决方案可以消除潜在障碍，缩短临床试验周期，并提高临床试验的生产效率和准确性。因此，生命科学行业在药物发现过程中对这些先进AI解决方案的采用正在迅速增长。它促进了制药行业中新化合物的发现、治疗靶点的识别以及个性化药物的开发。人工智能药物发现平台被证明是获取药物发现见解的可行方案，有助于治疗和减轻各种慢性疾病的严重程度。

市场趋势

• 2024年4月，AI赋能的药物研发初创公司Xaira Therapeutics宣布完成首轮融资，金额超过10亿美元。ARCH Venture Partners和Foresite Labs是此轮融资的主要投资者，这两家公司正共同孵化这家生物技术初创企业。
• 2023年12月，位于班加罗尔的AI药物发现初创公司Peptris Technologies Private Limited宣布完成由Speciale Invest领投的100万美元种子前轮融资。这笔资金将支持该公司在药物研究和发现领域推广AI驱动解决方案的努力。

人工智能在药物发现行业中的应用

药物发现研究的主要目标是寻找对身体有有益作用的药物，即它们可以帮助预防或治疗特定疾病。尽管存在多种类型的药物，但许多都是小化学合成分子，能够特异性地结合到参与疾病的靶分子（通常是蛋白质）上。为了找到这些分子，研究人员通常会对分子库进行大规模筛选，以找出有潜力成为药物的分子。随后，研究人员会通过多轮测试来确定有前景的化合物。

近年来，基于结构的合理药物设计方法变得更加普遍。这些方法避免了初始筛选阶段，但仍需要化学家设计、合成和评估大量化合物，以创建潜在的新药。考虑到通常不清楚哪些化学结构既具有所需的生物效应，又具备成为有效药物所需的特性，将有前景的化合物精炼成药物候选物可能既昂贵又耗时。根据最新数据，将新药推向市场的成本现在平均为26亿美元。此外，即使新药候选物在实验室测试中看起来很有前景，仍可能在临床试验中失败。在I期临床试验后，不到10%的药物候选物能够最终上市。鉴于此，专家们现在正将目光投向AI系统无与伦比的数据处理能力，以加速并降低药物发现的成本。

关键参与者在塑造人工智能药物发现市场中的作用

人工智能在药物发现市场生态系统包含几个关键组成部分，每个部分都为药物发现过程的进步做出独特贡献。核心包括AI技术提供商、制药公司和研究机构。

像IBM Watson Health（IBM沃森健康）和Google DeepMind（谷歌DeepMind）这样的AI技术提供商提供先进的算法和机器学习模型，分析海量数据集以预测药物功效并识别潜在的药物候选物。这些技术通过处理和解释复杂的生物数据，提高了药物发现的速度和准确性。

辉瑞(Pfizer)和默克(Merck)等制药公司利用AI工具简化药物开发工作流程。他们将AI驱动的见解整合到研发阶段，从而加速新药发现并优化临床试验设计。

包括学术实验室和生物技术公司在内的研究机构与AI公司合作，完善药物发现方法。他们的贡献通常涉及通过实验研究验证AI预测，并提供有助于改进AI模型的数据。

这些组成部分共同创建了一个协同生态系统，其中AI技术加速了药物发现，使过程更加高效和经济，最终推动新治疗方案的开发。

推动人工智能药物发现行业的因素

全球慢性疾病的患病率正在迅速上升。根据疾病控制与预防中心(CDC)的数据，美国每10名成年人中有6名患有慢性疾病。此外，CDC强调，心脏病和糖尿病等慢性疾病是美国死亡的主要原因。这些数据揭示了慢性疾病发病率的增加以及减少这些疾病导致的死亡人数的必要性。人工智能药物发现平台可能被证明是获取治疗和减轻各种慢性疾病严重程度的药物发现见解的可行解决方案。因此，这些因素预计将在预测期内推动市场增长。

人工智能有潜力通过大幅缩短研发时间表来改变药物发现，使药物研究更便宜、更快，并提高获批的可能性。人工智能还可以提高药物再利用研究的效率。此外，跨行业联盟和合作的增加推动了该行业的发展。人工智能在药物发现和开发中的重要性日益提高，以及对研发活动（包括药物研究领域的AI技术）的融资增加，预计将推动全球市场增长。因此，跨行业合作和伙伴关系的增加正在驱动市场。

多药理学被定义为开发能够治疗多种疾病的药物。人工智能的使用使临床医生能够虚拟理解物质的多药理学。在实验室进行药物创建之前，医生可以预测物质的特性及其可能的副作用。

限制人工智能药物发现行业的因素

全球医疗保健行业正面临各种挑战，如药品和治疗成本上升，社会需要在此领域进行重大改进。大量数据的可用性对AI的成功至关重要，因为这些数据用于系统后续的训练。从多个数据库提供商获取数据可能会给公司带来额外成本。临床试验长达六到七年，需要大量资金投入以在特定疾病条件下确定药物在人体中的安全性和有效性。

然而，每十个经历这些试验的分子中只有一个获得批准，导致行业遭受重大损失。这些失败可能是由于患者选择不当、技术需求不足或基础设施不足造成的。因此，不断上升的技术成本正在成为市场增长的制约因素。

人工智能整合在药物发现：2023年领先者与落后者

人工智能正在帮助药物发现过程变得更快、更便宜。影响取决于项目类型：

1. 当科学家为困难或理解不足的靶点开发全新分子时，人工智能将时间减少41%，成本降低30%。

在此情况下，工作复杂，因此节省有帮助但不是最高。

2. 当研究人员为理解良好的靶点使用现有化学系列时，人工智能提供最大效益。

它将时间和成本均减少50%，因为起点更强，人工智能可以更高效地优化。

3. 当团队将已知分子重新用于新靶点时，人工智能再次节省40%的时间并将成本降低52%。

这是因为大部分基础研究已经完成，人工智能加速了匹配过程。

市场细分展望

类型展望

临床前和临床测试部分在2021年占据了最大的市场份额，这归因于制药公司和AI供应商在临床和临床前测试方面的合作增加。临床前研究是临床试验前的测试阶段，收集迭代测试、显著合理性和药物安全性数据用于药物改进。临床前研究通常需要使用测试工具来遵守药物研究的严格逻辑标准，并识别临床试验的进一步发展可能性。

由于在从头药物设计(De Novo drug design)中增加了人工智能的使用，从头药物设计和药物优化类别预计将在预测期内以最快的速度增长。人工智能创新领域进一步细分为深度学习(deep learning)和监督学习(supervised learning)。其他人工智能创新包括辅助学习、支持学习等。2021年，深度学习占据了最大的市场份额，预计也将在预测期内以最快的复合年增长率增长。深度学习有助于信息的持续管理，节省时间，减少药物改进过程中的出错可能性，并降低终端用户的负担，这些都是推动该类别市场扩展的主要因素。

应用展望

肿瘤学部分在2021年占据了主要份额，这归因于对有效癌症治疗方法日益增长的需求。尽管疾病诊断容易出现人为错误，但使用AI系统早期检测疾病可能有益。近年来，AI在识别疾病方面变得更加准确。肺癌通常在后期阶段被检测到，此时生存率非常低；在这种情况下，借助AI系统进行早期检测可能有益。西北大学的研究人员能够成功在放射科医生无法发现任何异常的扫描中检测到肺癌。通过改进现有的AI系统（这些系统旨在扫描海量数据集并得出有意义的结论），AI可用于为患者提供个性化治疗。

扫描、基因序列和患者历史可以形成早期检测癌症并为患者量身定制药物的模式。此外，传染病部分预计将在预测期内成为增长最快的应用部分。人工智能(AI)及相关平台，如物联网(IoT)，目前正在被用于更好地理解传染病、其传播和感染机制，以及改进疫苗设计。这些平台利用由智能手机和其他医疗设备组成的连接设备网络，从这些设备收集的数据可用于了解生活方式模式和疾病研究的异常情况。鉴于当前情况，开发检测传染病和治疗它们的方法变得比以往任何时候都更加重要。

技术展望

人工智能领域代表了整个行业最大的份额，预计将在预测期内以最快的复合年增长率增长。人工智能创新领域包括深度学习、监督学习、支持学习、无监督学习和其他人工智能创新。2021年，深度学习占据了最大的份额，预计在同一时期内也将以最快的复合年增长率增长。CRO（合同研究组织）、药物和生物技术组织对人工智能创新的高利用率，以及这些创新将这些进展限制为从信息集合中分离经验，有助于药物改进过程，是推动该细分市场发展的部分因素。

终端用户展望

制药和生物技术公司占据行业的主要份额，而研究中心、大学和政府机构预计将在预测期内以最快的速度增长。使整个制药发现过程更加经济高效的时间和基于AI的安排的吸引力正在推动该终端客户类别的增长。然而，研究中心、学术和政府机构预计将在预测期内以最快的速度增长。对基于AI技术以加速和降低药物开发成本的兴趣日益增长是药物和生物技术终端客户行业的重要增长因素。

区域分析

人工智能在药物发现市场规模（按地区，单位：十亿美元）

北美将引领人工智能药物发现行业

预计北美将在2021年占据全球人工智能在药物发现行业最大的份额，并在预测期内拥有最高的年均发展率。北美包括加拿大、墨西哥和美国，是人工智能在药物发现领域最大的市场。这些国家是最早将AI技术整合到药物发现和开发中的国家。大规模组织的存在、成熟完善的制药和生物技术行业、以及对研发活动的高度重视和大量投资是该市场庞大供应和快速扩张率的一些关键因素。

另一方面，由于对有效药物发现解决方案的需求增加，亚太地区预计将以更快的速度增长。几家初创公司正在开发用于药物研究的AI解决方案。其中包括Mozi、Adagene、Xbiome、Accutar、Deep Intelligent Pharma、Elucidata Corporation、CaroCure和Interprotein。随着亚洲行业积极扩张，预计AI技术将很快整合到主流药物发现方法中。

加拿大卫生部长马克·霍兰德(Mark Holland)宣布成立加拿大药物署(CDA)，作为加强该国制药系统的举措。CDA将提供所需的领导力和协调，以改善加拿大药物系统的可持续性和未来准备，并帮助加拿大人获得更好的健康成果。目前的加拿大药物和技术卫生署(CADTH)和省份及地区(PTs)将成为CDA的基础。除了目前支持CADTH的每年3420万加元政府资金外，加拿大政府还提供了8950万加元，用于在未来五年内建立CDA。

例如：

• 2023年12月，默克KGaA（总部位于德国达姆施塔特的领先科学和技术公司）的美国和加拿大生命科学部门MilliporeSigma推出了AIDDISON™，这是首个通过结合生成式AI、机器学习和计算机辅助药物设计来提高新药和疗法成功率的软件即服务(SaaS)平台。
• 2023年3月，加拿大政府宣布计划投入高达15亿美元，用于为期三年的支持，以实施加拿大首个罕见疾病药物国家战略。通过此举，政府将有助于使罕见疾病的药物更加经济实惠和易于获取，这将使加拿大各地的患者，尤其是儿童的健康受益。

例如：

• 2025年3月，谷歌首席健康官凯伦·德萨尔沃(Karen DeSalvo)在最近的波士顿医疗科技会议上宣布，谷歌将很快发布TxGemma，这是一系列开放的AI模型。据谷歌称，TxGemma能够识别普通文本和不同治疗实体（如小分子、化学品和蛋白质）的结构。研究人员可以向TxGemma提问，以预测潜在新疗法的特性。
• 2024年2月，Ginkgo Bioworks宣布收购Reverie Labs、Proof Diagnostics和Patch Biosciences三家公司。这些收购将增强Ginkgo在大规模AI基础模型、RNA可编程非Cas酶库以及机器学习模型和下游检测方面的潜力。

亚太地区

近期的技术发展、立法调整和监管改革，旨在平衡风险降低和创新，正在推动中国生命科学行业的重大转型。2023年，中国临床试验注册数量增长了26.1%，从2022年的3,410项增加到4,300项。生物制品研究增加到所有新注册的22.2%，尽管小分子药物仍然是主要重点，占所有新注册的76.0%。

例如：

• 2024年6月，中国国家药品监督管理局(NMPA)正在征求公众意见，截止日期为2024年7月24日，目标是加快对具有未满足医疗需求的国外创新药物的快速审批流程。

欧洲关键企业正在推动市场

欧洲的人工智能药物发现市场正在经历显著增长，这归因于对精准医学日益关注、生物技术行业的增长以及采用AI赋能技术加速药物发现过程。欧洲是该市场的领先地区，这得益于其强大的研究基础设施和监管框架，这些框架支持AI在药物开发中的应用。Insilico Medicine、Owkin、Iktos、Deep Genomics Inc.和Atomwise等主要企业正通过专注于特定治疗领域，在开发和实施人工智能药物发现方面发挥引领作用。

例如：

• 2025年1月，Owkin首席诊断官梅里姆·塞夫塔(Meriem Sefta)与Censuswide合作，指出英国病理学家和肿瘤学家在工作量增加、诊断复杂性和职业倦怠方面面临的挑战，并表示："数字病理学和人工智能即将在此背景下产生真正影响，减轻病理学家的负担，并确保患者护理的有效性。"

不同组织如何拥抱人工智能药物发现（2023年）

该表显示，以AI为核心的生物技术公司在药物发现的AI采用方面处于领先地位，所有这些公司都在实质性或广泛性地使用AI。学术界和普通行业显示出中等程度的采用，但相当一部分仍然很少或根本不使用AI。制药和生物技术公司仍然最为谨慎，报告不采用AI的比例最高。总体而言，数据突显了一个明显的差距：围绕AI建立的组织深入拥抱它，而传统行业仍在缓慢采用它。

最新发展

• 2024年10月，生物科技公司Iambic Therapeutics透露，它声称开发了一种革命性的人工智能模型，可能显著减少开发新药所需的时间和成本。
• 2024年10月，埃森哲(Accenture)通过埃森哲风险投资(Accenture Ventures)对1910 Genetics（"1910"）进行了投资，这是一家利用由实验室自动化驱动的多模态AI平台来推进小分子和大分子药物开发的生物技术公司。
• 2024年7月，Exscientia plc宣布将扩展与亚马逊网络服务(AWS)的合作，利用该云提供商的机器学习(ML)和人工智能(AI)能力，为其端到端药物发现和自动化平台提供动力。

市场顶级企业

• IBM
• Exscientia
• Insilico Medicine
• GNS Healthcare（2023年1月，该公司更名为Aitia）
• Google（DeepMind）
• BenevolentAI
• BioSymetrics, Inc.
• Berg Health（2023年1月，Berg Health被BPGbio Inc.收购）
• Atomwise Inc.
• insitro
• CYCLICA（2023年5月，CYCLICA被Recursion收购）

大型制药公司2023年AI准备度排名

该图表突显了截至2023年，主要制药公司采用和整合人工智能到其运营中的准备程度。罗氏(Roche)以77.5的最高AI准备度分数领先，表明其已在数字化转型和高级分析方面投入大量资金。拜耳(Bayer)和强生(Johnson & Johnson)紧随其后，分数分别为70.2和67.4，表明这些公司也在研究、开发和运营中优先考虑AI驱动的创新。

诺华(Novartis)、赛诺菲(Sanofi)和阿斯利康(AstraZeneca)在排名中处于中游，分数在58至61之间，反映出强大的AI采用但仍有进一步深度整合的空间。辉瑞(Pfizer)也接近这一集群，分数为57.7，显示出在现代化其数据和AI能力方面的一致进展。

葛兰素史克(GSK)、莫德纳(Moderna)和百时美施贵宝(Bristol Myers Squibb)的分数在50分左右，这意味着它们已采用AI，但可能仍在建设必要的基础设施、人才或战略，以达到更高的成熟度水平。

在榜单的下方，礼来(Eli Lilly)、默克(Merck & Co.)、诺和诺德(Novo Nordisk)和艾伯维(AbbVie)显示出相对较低的准备度，分数在36至48之间。这些分数表明，尽管它们已开始采用AI，但仍可能面临数字化转型较慢、数据整合有限或投资方法更为谨慎等挑战。

总体而言，该表格显示了早期领导者积极追求AI创新与那些仍在发展基础能力的公司之间存在明显差距。这种差异也反映了各公司如何不同程度地将AI视为竞争力、效率和科学进步的战略驱动力。

行业领导者的最新公告

• 2024年7月，肿瘤生物学和ADC药物研究副总裁何凯杰博士表示："AI正在为生物技术和制药行业提供动力。我们很荣幸与WeComput合作，利用尖端AI技术加强我们的研发能力，并加速新型药物的发现和开发。我们相信，这种合作将为我们的研究团队提供强大的技术支持，使我们能够在国际制药行业取得更重大的进展。"

市场细分

按类型

• 临床前和临床测试
• 分子筛选
• 靶点识别
• 从头药物设计和药物优化

按应用

• 神经学
• 传染病
• 肿瘤学
• 其他

按技术

• 机器学习
• 其他技术

按终端用户

• 制药和生物技术公司
• 合同研究组织
• 学术和研究

按地区

• 北美
• 亚太
• 欧洲
• 拉丁美洲
• 中东和非洲

【全文结束】