Nature 综述：AI 药物发现 2026 现状——$89 亿投资、零 FDA 批准的悖论
Nature Reviews Drug Discovery 发表综述「Artificial intelligence in drug discovery — what it is, where we stand and the path forward」，系统评估 AI 药物发现现状。截至 2026 年 8 月，尽管行业投资达 $89 亿，仍无 AI 发现的药物获得 FDA 完全批准。FDA 2026 年 1 月发布 10 项 AI 原则要求算法透明度和数据溯源，但多数 AI 发现平台难以满足。Insilico Medicine 的 AI 端到端设计的药物进入 Phase 2，但可重复性仍是核心挑战。
Nature 综述：AI 药物发现的现实检验
2026 年 8 月 7 日，Nature Reviews Drug Discovery 发表综述「Artificial intelligence in drug discovery — what it is, where we stand and the path forward」（Bender, Thomas, Scannell et al.），系统评估 AI 药物发现行业的现状与路径。
事件背景
AI 药物发现在过去 5 年获得 $89 亿投资，技术突破频出（AlphaFold、生成式 AI 分子设计等）。但截至 2026 年 8 月，没有一款完全由 AI 发现的药物获得 FDA 完全批准。预测首个批准时间已连续三年推迟（2025→2026→2027）。与此同时，FDA 于 2026 年 1 月发布 10 项 AI 原则，对算法透明度和数据溯源提出明确要求。
关键事实
- 投资规模: $89 亿（行业累计）
- FDA 批准: 零（截至 2026 年 8 月）
- FDA 10 项原则: 2026 年 1 月发布，要求算法透明度、数据溯源、模型性能证据
- Insilico Medicine: AI 端到端设计的药物进入 Phase 2（首个）
- BenevolentAI: BEN-2293 Phase IIa 失败（2023 年）
- 批准预测: 连续三年推迟（2025→2026→2027）
技术机制：为什么 AI 药物发现这么难
- 可重复性: 单点突破 ≠ 系统性能力。Insilico 展示了一次成功，但能否重复是关键
- Phase II 陷阱: AI 可以优化分子设计，但临床试验的生物学复杂性超出模型能力
- 数据质量: 训练数据偏差、缺乏标准化、私有数据集限制
- 监管要求: FDA 要求算法透明度和数据溯源，与多数 AI 平台的黑箱特性冲突
- 双重用途: AI 生成病毒的能力（CNN 报道 16 种新病毒）引发安全担忧
影响分析
- 投资者: 对「AI 药物发现」标签产生疲劳，需要临床证据而非技术演示
- 制药公司: 区分「AI 辅助」（已成熟）和「AI 端到端」（待验证）
- 监管: FDA 透明度要求成为分水岭，合规者获得竞争优势
- 研究方向: 可能需要从「更快发现」转向「更可重复发现」
风险边界与不确定性
- 综述基于截至 2026 年初的数据，可能未包含最新临床结果
- AI 生成病毒的双重用途风险可能限制某些研究方向
- 私有数据集和竞争保密限制了行业整体进步速度
- 首个 FDA 批准可能在 2027 年后仍延迟
后续观察信号
- Insilico Medicine Phase 2 临床结果
- FDA 对 AI 发现药物的首批审批决定
- 行业融资趋势（是否出现 AI 药物发现融资寒冬）
- 其他 AI 药物公司（Recursion、Exscientia）临床进展
AI Master 解读
核心事件
Nature 综述系统评估 AI 药物发现：巨额投资但零 FDA 批准的现实悖论。
行业影响
AI 药物发现行业面临一个核心矛盾：$89 亿投资和大量技术突破，但截至 2026 年 8 月没有一款 AI 发现的药物获得 FDA 完全批准。预测首个批准时间的目标已被连续三年悄悄推迟（从 2025 到 2026 再到 2027）。FDA 2026 年 1 月发布的 10 项 AI 原则要求算法透明度、数据溯源和模型性能证据，但多数 AI 发现平台是在黑箱中运作的，难以满足这些要求。
技术机制： AI 药物发现的核心挑战不是单点突破，而是可重复性。Insilico Medicine 展示了 AI 端到端设计药物进入 Phase 2 的能力，但「一个非凡突破能否变成可重复的系统」是更大的问题。传统药物发现需要 10+ 年和 $20 亿+，AI 理论上可以压缩时间和成本，但 Phase II 失败率仍然很高（如 BenevolentAI BEN-2293 Phase IIa 失败）。
影响分析： 投资者开始对「AI 药物发现」标签产生疲劳。行业需要从「AI 能发现药物」的叙事转向「AI 能系统性地、可重复地发现药物」的证据。FDA 的透明度要求可能成为分水岭——能满足的平台将获得竞争优势，不能的将被淘汰。
风险边界： 综述本身是评估而非突破，部分数据来自 2025 年初的文章。AI 生成病毒的能力引发双重用途风险担忧（CNN 同期报道 AI 从头创建 16 种新病毒），监管和安全讨论可能限制某些研究方向。
AI Master 建议
关注 Insilico Medicine Phase 2 临床结果和 FDA 对 AI 发现药物的审批进展。如果 2027 年仍无批准，行业可能面临融资寒冬。建议区分「AI 辅助药物发现」（已成熟）和「AI 端到端药物发现」（仍需验证）。