AI 制药缩短研发周期三分之一到一半，目前是来源方的量化判断，而非已实现事实。这一结论来自泽平宏观发布于 2026-09-20 的内容，原文在末尾明确将成功率提升幅度、研发周期与经费压缩比例等列为「来源方引述或判断，属于待验证信息」。因此，这些数字应被理解为该团队基于自身分析框架给出的预期区间，而非经独立核验的行业统计结果。
来源方给出的效率量化判断
来源方（泽平宏观团队）提出的核心数字包括：AI 可使药物总研发周期平均缩短三分之一到一半，总研发经费降低 10%，总成功率由 10% 提升至 14%。作为对照，原文引述「三个十定律」描述传统模式：一款新药平均耗时 10 年、投入超 10 亿美元，临床整体成功率不足 10%。
来源方将 AI 的介入拆为三个环节：AlphaFold 等模型预测蛋白质 3D 结构（「看清锁芯」）、生成式 AI 根据靶点结构设计全新分子（「直接配钥匙」）、深度算法预测药物的吸收、分布、代谢、排泄与毒性，早期筛除约 90% 无效候选分子（「提前淘汰」）。这些机制描述同样出自来源方，其实际效率贡献幅度未在材料中给出独立验证数据。
材料如何界定这些数字的性质
材料本身对数字做了分层处理。已发生事实层面，原文提到英矽智能的 Pharma.AI 寻找临床前候选化合物耗时 18 个月，传统方法需两年半到四年；2026 年该公司累计潜在交易总额近 70 亿美元。晶泰科技有多条自研管线推进至二、三期临床。国际层面，Isomorphic Labs 完成 21 亿美元融资，礼来、诺华、百时美施贵宝等企业绑定 AI 公司及大模型厂商。
判断与推测层面，除效率量化数字外，原文关于 2035 年市场规模、人类解锁 120 岁以上长寿目标等表述，均被材料标注为来源方判断或待验证信息。来源方还提出 AI 创新药的三大机会环节——算力与算法基建、创新药 Biotech、CXO 研发外包，其中称 Biotech 为「产业链中弹性最大的环节」，这属于来源方的行业判断，材料未提供支撑该判断的量化依据。
判断依赖的证据与失效条件
来源方的效率判断建立在机制推演与个别案例之上：机制层面是结构预测、分子生成、早期筛选三条路径；案例层面是英矽智能的 18 个月临床前周期。但材料未说明这些案例的适应症范围、样本量与可比口径，也未提供成功率由 10% 升至 14% 的测算过程。
因此，该判断的失效条件至少包括：若 AI 介入主要集中在临床前环节，而临床阶段的周期与失败率未同步改善，则总研发周期的压缩幅度可能低于来源方给出的区间；若早期筛除候选分子反而遗漏了后续验证有效的分子，成功率提升的推论也需重新评估。材料本身提示「市场有风险，投资需谨慎」，并声明以上仅为研究观点、并非投资建议。
常见问题
这些效率数字是已经实现的事实吗？
不是。材料明确将成功率提升幅度、研发周期与经费压缩比例列为「来源方引述或判断，属于待验证信息，非已实现事实」。可核验的已发生事实是英矽智能 18 个月的临床前周期等个别案例，而非行业整体效率变化。
「三个十定律」是来源方的原创结论吗？
材料将其列为「文中提到的概念与机制解释」，用于描述传统研发模式：一款新药平均耗时 10 年、投入超 10 亿美元、临床整体成功率不足 10%。材料未说明该表述的原始出处。
来源方提到的三大机会环节有数据支撑吗？
材料仅记录了来源方的定性表述，如称 Biotech 为「产业链中弹性最大的环节」、CXO 龙头效率将大幅提升，未提供对应的市场规模、增速或验证数据。这些属于来源方判断，材料未给出独立核验结果。