本日报作者不通中文。这些译文由人工智能自动生成，作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本，希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处，恳请告知 — 我们将虚心接受并改进。
L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.
— 《进步者日报》编辑部 / La rédaction
rentosertib是一款针对特发性肺纤维化的候选药物，约18个月内达到临床前候选阶段。相比之下，Insilico公布的数据显示传统路径走到同一阶段需要4.5到6年——但该来源并未确立600万美元或1.5亿美元这两个成本数字。这一提速有据可查，它改变了工业生物学中某些根本的东西。但成本压缩的受益者并不是人们想象中的那些人：算力成本、专有数据和专利，已经在重建AI刚刚降低的门槛。
要点
据Axis Intelligence，2026年共分析了173个临床项目，逾200款AI药物正在开发中。GPU算力成本对学术实验室构成显著的准入壁垒，这种结构性障碍并未因AI的出现而消失。我们查阅到的数据不显示五到十家参与者拿走了大部分收益，但学术实验室和低收入国家在算力成本、专有数据和知识产权方面仍面临显著的获取障碍。到2030—2035年，专利改革和公共资金对GPU基础设施的持续投入，有可能重新分配其中相当一部分收益。
rentosertib：概念验证
rentosertib在Insilico Medicine的Pharma.AI平台支持下发现并开发，靶向特发性肺纤维化。研发使用了机器学习模型；Insilico表示该项目合成并测试了78个分子。从启动到临床前候选阶段历时约18个月；来源并未确立任何经审计的600万美元成本。
越来越多用AI工具开发的药物正在进入临床试验。据Grand View Research，全球AI辅助药物发现市场预计在2033年达到约138亿美元。
反复出现的名字有几个：Recursion、Insilico Medicine、Exscientia，以及阿斯利康、辉瑞、罗氏的AI部门。开放科学的承诺撞上了结构性壁垒：算力成本、专有数据和知识产权的集中。
成本压缩之后，进入壁垒依然存在
逻辑看似简单：某些研发阶段变便宜了，有能力开展这些阶段的主体就应该更多。实际情况是，结构性壁垒依然存在。
训练药物基础模型所需的GPU算力成本，对没有专项经费的学术实验室而言是一道显著的门槛。对辉瑞或阿斯利康来说则微不足道——它们可以把这笔开销摊到数百个候选分子的管线上。成本压缩首先惠及的，是本就掌握大量算力和信息资源的参与者。
数据问题紧随其后。AI模型在庞大的生物学数据库上训练：临床试验结果、基因组序列、蛋白质结构。相当数量的高质量生物学数据库是专有的，由大型药企持有。学术实验室只能用公开数据——PubChem、UniProt、ChEMBL，数据量很大，但对最新分子的精度较低。信息优势先于算力优势。
专利是第三层障碍。竞争者若使用落入某项专利权利要求范围内的方法，就可能面临侵权诉讼——这正是一家资源有限的初创公司承受不起的风险。
五家参与者，两百款药物
处于临床试验阶段的AI发现药物，由多家主要参与者开发。Recursion是其中之一；Insilico Medicine开发的候选药物包括rentosertib，靶向特发性肺纤维化。2024年被Recursion收购的Exscientia，带来了自己的肿瘤学候选药物。
大型药企把外部合作与内部能力建设结合起来，包括自建AI模型。阿斯利康与Tempus和Pathos达成协议；Recursion与Tempus另有单独协议；辉瑞在2020年与Insilico Medicine建立研究合作；默克则在内部发展自身能力。这些合作关系塑造了通向药物发现管线的通道。
这一动向与其他行业观察到的技术集中如出一辙。关于AI在曾承诺去中心化的行业里造成集中的分析，可参阅本刊此前发表的非洲的AI与电力锁：壁垒重建的机制在那里相似，尽管行业不同。药物的问题格外紧迫，因为它不同于机器人或翻译模型——药物直接决定人的生死。
低收入国家面对寡头化的管线
一款发现成本降低25倍的药物，买起来并不会便宜25倍。上游省下的钱不会自动变成下游的低价。
对中低收入国家的医疗体系来说，这一动态造成具体问题。被忽视疾病药物研发倡议（DNDi）及类似组织曾在2000—2010年代承担再平衡的角色。它们将不得不适应一个知识产权更加碎片化的环境。
AI发现药物的获取不平等，是一个重大的监管议题。目前没有任何替代框架获得通过。
这一挑战并非没有先例。泰国和巴西曾对抗逆转录病毒药物使用或威胁使用强制许可；印度则主要使用其他灵活性条款。仿制药竞争压低了部分艾滋病治疗的价格，2001年有记录的最低报价为每年350美元。问题在于，当知识产权延伸到算法方法时，类似机制是否还能适用。
2030—2035：取决于现在做出的选择
三条路径正在显现，它们各自的可行性取决于现在已经开始做出的政治和监管决定。
第一条是发现能力的集中。合作方之间的协议把通道集中在少数参与者之间，无法据此认定存在一种普遍的通道再分配机制。Recursion、Insilico等公司是AI药物发现领域的重要参与者；Exscientia已并入Recursion。低收入国家的获取将取决于尚待确定的知识产权制度和商业条件。没有GPU基础设施的学术实验室，要开展有竞争力的发现项目面临重大障碍。这一情形延续当前趋势，不发生制度断裂。短期内它最有可能出现。
第二条路径从许可改革出发。自2024年以来，世卫组织就TRIPS协定现有灵活性开展技术合作；扩大TRIPS协定的方案目前没有文件记录。NIH主张自己在AlphaFold的科学基础中承担了关键资助角色；Wellcome Trust对AlphaFold数据库相关工作有明确申报的资助。在专利到期前授予非独占许可，可以改善中低收入国家的可及性和竞争，但具体效果取决于各协议条件。药品专利池已使相当数量的中低收入国家获得了艾滋病和丙肝药物的仿制药。要把这一机制扩展到AI药物时代，需要世卫组织谈判目前尚未产生的政治意愿。
第三条路径是共享公共基础设施。美国NIH和欧盟委员会已就资助学术实验室可用的GPU算力展开讨论，但仍处于萌芽阶段。在欧洲，EuroHPC已为科研提供高性能计算，将其明确扩展到计算生物学在技术上可行。在美国，已有多项法案提交，拟为公立大学建立受补贴的生物学基础模型访问渠道，目前一项都未通过。
如果这些举措成功，它们可能维持一支有竞争力的学术研究力量，并提供开放基础，让中等收入国家在上面建设自身能力——类似于在没有本地培训的情况下采用AI在其他行业造成的依赖效应。
这三种情形并不互相排斥。集中可以与针对某些药物的强制许可并存；部分公共基础设施可以削减但不会消除进入壁垒。值得关注的信号很具体：FDA和欧洲药品管理局批准首批完全由AI发现的药物的速度、两年内前五大AI制药参与者的市场份额，以及分配给向学术界开放的GPU基础设施的公共资金规模。
知识产权：下一场较量的关键
rentosertib是借助AI识别并设计出的候选药物，而不是AI能独立发现一款有效且获批药物的最终证明。制度上的核心问题在于这些发现所附带权利的归属，以及它们可以被复制或使用的条件。
现行专利制度奖励发明者和投资者，这在经济上有其逻辑。但它是为主要成本花在发现、化学筛选、合成、体外测试上的药物而设计的。即使某些发现成本下降，也不能直接决定专利的正当性或法定期限。一个把分子所有权与算法方法所有权区分开、并按购买国收入水平设置差别许可的框架，会更适应这种新经济。
这并非空想。2010年在UNITAID倡议下成立的药品专利池，使相当数量的中低收入国家能以与其医疗体系相称的价格获得艾滋病和丙肝药物的仿制药。参与企业在有支付能力的市场上保留了自己的权利。公共研究与共享知识产权模式在其他领域早已并存——电信标准、COVAX框架下的新冠疫苗——结果参差不齐，但不可忽视。
药理学中的AI与其他行业面临同样的张力：生产力提升与集中并行。欧洲的机器人技术展示了技术领先与基础设施获取问题如何同时出现。药物的特殊性在于人的紧迫性——漫长的可及延迟在政治上说不过去。
首批AI发现药物的获批，将既是一次科学测试，也是一次政治测试。它的价格、许可条件和在中低收入国家医疗体系中的可及性，将说明机器创造的生产力收益究竟是被分享还是被独占。
来源
- Towards Healthcare，北美AI药物发现市场：https://www.towardshealthcare.com/outlook/north-america-ai-in-drug-discovery-market
- Axis Intelligence，AI药物发现数据统计2026
- Grand View Research，AI药物发现市场2025—2033
- 经合组织，知识产权与AI报告2026
- 药品专利池，许可历史及覆盖国家：https://medicinespatentpool.org
