案例一：Insilico Medicine — AI从零设计一款新药，只用了18个月

一颗药片的诞生，传统上需要多久？

你可能听过一个数字：一款新药从实验室到药房货架，平均需要12到15年，花费超过26亿美元。这不是夸张。美国塔夫茨药物开发研究中心在2023年的报告显示，考虑到失败项目的沉没成本，一款成功上市的新药，累计研发投入甚至可能逼近30亿美元。

更残酷的是失败率。进入临床一期的候选药物，最终能拿到上市批准的不到10%。也就是说，制药公司每押注10个项目，9个会打水漂。这就像一个赌场，但庄家是疾病本身——它比任何赌场都冷酷。

在这个背景下，一家总部位于香港、在纽约和苏州都有研发中心的公司——Insilico Medicine（英矽智能），做了一件在制药界堪称"离经叛道"的事：它让AI从零开始设计了一款全新药物，从发现靶点到进入临床试验，只用了不到18个月。

一个"跨界者"的直觉

故事要从创始人Alex Zhavoronkov（亚历山大·扎沃龙科夫）说起。这个名字不太好念，但他的经历很有意思。Zhavoronkov出生在拉脱维亚，在加拿大皇后大学同时拿了两个学士学位——一个偏生物医学，一个偏计算机技术。毕业后，他没有走进药企的实验室，而是去了一家GPU公司ATI Technologies（后来被AMD收购）。

做了几年半导体之后，他突然转向了一个大多数人觉得"不靠谱"的领域：衰老研究。他在2013年出版了一本书叫《不老的一代》（The Ageless Generation），核心观点是：生物医学的突破将彻底改变全球经济。这本书让他在学术圈小有名气，但真正改变他命运的，是他看到了一个别人没看到的交叉点——GPU的计算能力 + 深度学习 + 生物数据 = 药物发现的新范式。

2014年，Zhavoronkov创立了Insilico Medicine。"Insilico"这个词来自拉丁文"in silico"，意思是"在芯片上"，与传统的"in vitro"（在试管中）和"in vivo"（在活体中）相对。公司名字本身就是一个宣言：我们要在计算机里做药。

AI怎么"造药"？拆解三层技术架构

要理解Insilico的厉害之处，你得先知道传统制药的三大步骤：第一步，找靶点（这个病该打哪个分子？）；第二步，找化合物（什么东西能打中这个靶点？）；第三步，验证和优化（这个化合物安全吗？有效吗？能变成药片吗？）。每一步都极其耗时。

Insilico的做法是，用三个AI平台分别"承包"这三个步骤。

第一层：PandaOmics——"疾病侦探"

想象你是一个侦探，面前摆着几千万条线索——基因表达数据、蛋白质组数据、临床数据、文献数据——你需要从中找出"真凶"：到底是哪个蛋白质出了问题，导致了这种疾病？传统方法靠人类科学家一条条筛，一筛就是三到五年。PandaOmics就像一个装了涡轮增压器的侦探大脑，它用深度学习模型从海量多组学数据中交叉验证，几周内就能锁定最有可能的治疗靶点。

第二层：Chemistry42——"分子建筑师"

找到靶点之后，下一步是设计一个能"钥匙配锁"的分子。这里Insilico用了生成式AI——没错，和ChatGPT生成文字的原理类似，只不过Chemistry42生成的不是文字，而是分子结构。它用生成对抗网络（GAN）和强化学习，在化学空间中"想象"出全新的分子，然后用模拟器预测这些分子是否能和靶蛋白精确结合。你可以把它想象成一个AI建筑师，它不是从现有图纸库里挑设计，而是从头画一栋从没有人见过的房子，而且这栋房子必须严丝合缝地嵌入一个特定的地基。

第三层：InClinico——"临床预测师"

有了候选药物，还得预测它在人体试验中能不能成功。InClinico利用历史临床试验数据，预测一个候选药物通过各期临床试验的概率，帮团队提前规避"大概率失败"的方向。

18个月的奇迹：Rentosertib的故事

2019年，Insilico瞄准了一种叫**特发性肺纤维化（IPF）**的疾病。这是一种致命的肺部疾病，患者的肺组织会逐渐变硬、失去功能，确诊后中位生存期只有3到5年。当时市面上只有两款获批药物，效果有限，副作用明显，而且都不能逆转病程。

Insilico的AI平台做了什么？它首先通过PandaOmics锁定了一个叫TNIK（Traf2和Nck相互作用激酶）的全新靶点——这个靶点此前从未被任何制药公司针对IPF开发过。然后Chemistry42在几周内设计出了候选化合物。整个过程，从靶点发现到确定临床前候选化合物，只用了不到18个月，而传统方法通常需要4到6年。

这款药物被命名为ISM001-055，后来改名Rentosertib。2023年，它成为全球第一款完全由生成式AI设计并进入二期临床试验的药物。

真实的临床数据说了什么？

2024年底，Rentosertib的二期临床（Phase IIa）结果出炉，发表在了《自然·生物技术》和《自然·医学》上。数据显示：服用60毫克Rentosertib的患者，12周后肺功能指标FVC（用力肺活量）平均提升了98.4毫升，而安慰剂组下降了20.3毫升。这意味着AI设计的药物不仅安全，而且真的在改善患者的肺功能。

这是什么概念？目前获批的IPF药物主要作用是"减缓恶化"，而Rentosertib的数据暗示它可能有**"逆转"**的潜力。虽然二期数据还不足以下最终结论，但这个趋势已经让整个制药界兴奋。

不是一款药的故事，是一个范式的故事

到2025年底，Insilico的管线里已经有28个临床前候选药物，其中10个项目在临床试验阶段。2025年一年，公司就新增了6个临床前候选药物，推进了8个临床项目。这种速度，在传统制药公司看来是不可想象的。

另一个让人印象深刻的项目是ISM5411，一款针对炎症性肠病（IBD）的药物。它也是用Chemistry42从头设计的，目前两项一期临床试验都获得了阳性结果。

截至目前，Insilico已经累计融资超过5.3亿美元，在全球8个国家和地区设有研发中心，与多家大型药企建立了合作关系。Zhavoronkov本人则入选了Clarivate全球高被引科学家，发表了超过160篇同行评审论文。

给你的启示：AI不是替代科学家，而是给科学家装上了望远镜

Insilico的故事常常被简化为"AI造药"，但这个说法其实不太准确。AI没有替代任何一个化学家或临床医生——Rentosertib的临床试验依然需要真实的患者、真实的医生、真实的医院。AI做的事情是大幅缩小搜索空间：把"大海捞针"变成"池塘捞针"，把"试错十年"变成"试错一年"。

这里有一个可以迁移到任何行业的思维方式：**AI最大的价值不在于"做"什么，而在于"不做"什么。**它帮你排除了99%不值得尝试的方向，让你的资源集中在最有可能成功的1%上。无论你是在做产品开发、市场调研还是投资决策，这个逻辑都成立。

如果说传统制药是"用钱买概率"，那Insilico证明的是：AI可以在你下注之前，先帮你算清楚赔率。