Pakar AI mengatakan bahawa 5 hingga 10 tahun akan menyembuhkan kebanyakan penyakit, tetapi Bernstein berkata, "Tunggu sebentar." Pada 26 Ogos, Bernstein menerbitkan laporan industri biofarmaseutikal Amerika, yang merangkum secara sistematik kemajuan sebenar AI dalam pembangunan ubat: sebanyak 70 projek sumber AI telah memasuki saluran klinikal, kebanyakannya masih berada pada peringkat awal, dan ujian sebenar akan datang dalam 3 hingga 5 tahun ke depan.
CEO DeepMind, Demis Hassabis, mengatakan "mungkin dalam 10 tahun AI boleh menyembuhkan semua penyakit", manakala CEO Anthropic, Dario Amodei, lebih agresif: "5 hingga 10 tahun untuk menyembuhkan kebanyakan penyakit manusia". Bernstein berpendapat bahawa pernyataan ini lebih merupakan pembelaan terhadap nilai sosial AI, tanpa berdasarkan realiti pembangunan ubat. Dari penemuan target hingga ujian klinikal, hingga kapasiti sistem perubatan untuk menyerapnya, setiap peringkat merupakan halangan. AI mungkin mempercepatkan beberapa peringkat, tetapi biologi akhirnya perlu diuji dalam tubuh manusia, dan ritme ini tidak boleh dipadatkan oleh algoritma.
Kejayaan yang meningkat lebih berharga daripada peningkatan kelajuan
Bernstein mengira, pulangan研发 yang dihasilkan daripada peningkatan kejayaan sebanyak 20% jauh melebihi penghematan masa dan kos yang sama besarnya. Kos kegagalan terkonsentrasi pada peringkat akhir, dan mengelakkan kegagalan lebih berharga daripada mempercepat proses.
Kesan AI terhadap kejayaan bergantung pada masalah yang ia selesaikan. Jika AI terutama digunakan untuk mengoptimumkan molekul pada sasaran yang sudah diketahui, kejayaan mungkin meningkat, tetapi nilai masalah "mudah" ini terhad. Jika AI digunakan untuk menangani penyakit sukar yang pemahaman biologi masih tidak mencukupi, walaupun kadar kejayaan keseluruhan rendah, nilai yang dicipta justru lebih besar.
Bernstein menunjukkan kesimpulan yang bertentangan dengan intuisi: semakin banyak AI digunakan, semakin banyak eksperimen basah yang mungkin diperlukan. Masalah paling sukar sedang menghadapi kesukaran data latihan yang paling jarang, dan menghasilkan data baru memerlukan pengeluaran eksperimen yang besar. AI dan eksperimen basah adalah hubungan saling melengkapi. Kos melakukan satu eksperimen basah tambahan jauh lebih rendah daripada kegagalan projek di peringkat akhir.
Penempatan AI oleh perusahaan farmasi: Eli Lilly paling luas, Amgen paling mendalam, Roche paling berat dalam hal kekuatan komputasi
Bernstein mengumpulkan 183 kerjasama penemuan ubat AI daripada 15 syarikat farmaseutikal besar. Strategi setiap syarikat berbeza secara ketara.
Eli Lilly memiliki rangkaian kerjasama luar terluas, dengan sebanyak 25 transaksi sejak 2019, dengan bayaran awal terbuka sekitar US$353 juta. Pihak kerjasama termasuk Insilico Medicine, Profluent, Verge Genomics, dan Genesis Therapeutics. Eli Lilly juga memiliki NVIDIA Co-Innovation AI Lab, yang menggabungkan kekuatan luar dan dalam secara paling seimbang.
Roche berada di kedua dengan 20 kerjasama, dengan fokus jelas pada onkologi (8) dan ilmu saraf (4). Pabrik AI Genentech disebut Bernstein sebagai "penyebaran GPU tempatan terbesar yang diumumkan dalam industri". Kerjasama Recursion sebanyak $1.2 bilion merupakan transaksi tunggal terbesar.
Amgen memiliki kerjasama luaran paling sedikit (5), dengan penempatan AI dan kuasa pengiraan dalaman yang paling berbeza. deCODE Genetics, yang diakuisisi pada 2012, menyediakan enjin genomik populasi terkemuka industri yang mampu mengenal pasti dan mengesahkan varian genetik yang berkaitan dengan penyakit untuk memprioritaskan sasaran. Amgen telah melatih lima model bahasa antibodi miliknya sendiri di atas DGX SuperPOD tempatan, dengan keunggulan data yang jelas.
Jumlah transaksi AstraZeneca ialah 19, dengan ekonomi yang sangat berkonsentrasi pada tiga perjanjian CSPC Pharmaceutical Group, yang mewakili sebahagian besar bayaran awal yang diumumkan.
Novo Nordisk memiliki 10 kerjasama yang semuanya berfokus setelah 2022, dengan 7 di antaranya menargetkan penyakit kardiovaskular, metabolisme, dan ginjal, menjadikannya perusahaan farmasi terbesar dengan fokus paling jelas pada bidang terapi ini.
Pfizer memiliki kerjasama platform paling banyak (9 inisiatif dalam lingkup seluruh saluran), hubungan model dasar AI dapat ditelusuri kembali ke IBM Watson pada 2016, tanpa mengenal pasti kerjasama komputasi khusus.
Bernstein menekankan bahawa semua ini adalah penilaian dari perspektif luar, dan integrasi sebenar terhadap kualiti serta transformasi budaya dalaman sukar diukur.
AI bioteknologi: Aset klinikal adalah batu ujian sejati
Kira-kira 70 projek sumber AI terutama berfokus pada syarikat yang disenaraikan, dengan definisi yang sangat berbeza, dari repositioning ubat AI hingga penemuan target AI ditambah reka bentuk molekul AI, dengan julat yang sangat luas.
Rentosertib daripada Insilico adalah kes representative penggunaan AI secara end-to-end dalam pembuatan ubat. Platform AI PandaOmics mengenal pasti TNIK sebagai sasaran untuk fibrosis pulmonar idiopatik, sementara Chemistry42 menggunakan AI generatif untuk merekabentuk molekul, dari hipotesis sasaran hingga kandidat pra-klinikal dalam tempoh sekitar 18 bulan. Ubat ini telah memasuki peringkat III, dengan jangkaan keputusan titik utama pada Oktober 2029, yang merupakan salah satu titik data paling penting dalam industri ubat AI.
Recursion bekerjasama dengan Roche, Bayer, dan Sanofi melalui penemuan sasaran yang didorong oleh pencitraan sel dan multi-omik.
Generate Biomedicines merekabentuk ubat protein, GB-0895 (antibodi TSLP) telah memasuki peringkat III untuk mengesahkan sama ada protein yang direka oleh AI boleh ditukar kepada skema pemberian yang berbeza.
Relay Therapeutics merancang ubat melalui pemodelan pergerakan protein, dan zoogalalisib (penghambat PI3Kα) telah memasuki peringkat III, menguji sama ada ia boleh meningkatkan jendela rawatan melalui pemilihan konformasi.
Schrödinger menggunakan strategi komputasi fizikal terlebih dahulu, Zasocitinib (penghambat TYK2) telah menghantar permohonan pemasaran. Target ini telah disahkan secara klinikal oleh deucravacitinib dari BMS, dan lebih tepat dianggap sebagai kes berjaya pengoptimuman yang dibantu komputasi; terobosan AI dalam penemuan target baharu belum ditunjukkan di sini. Masa yang diambil dari pemilihan target hingga ujian klinikal ialah 8 hingga 10 tahun, tanpa memendekkan garis masa piawai industri.
Data persetujuan FDA belum menunjukkan kesan AI
FDA dalam lima tahun terakhir secara purata menyetujui 48.5 ubat baru, meningkat sekitar 43% berbanding purata 33.8 setiap tahun dari 1985 hingga 2025. Bernstein berpendapat bahawa ini lebih mencerminkan modernisasi peraturan, kebangkitan ubat biologi, dan kesan akumulasi pelaburan penyelidikan sebelumnya, sementara AI belum memberikan dorongan yang kelihatan kepada data persetujuan. Mengingat skala sumber AI masih kecil dan pengesahan klinikal masih memerlukan masa, situasi ini tidak akan berubah dalam jangka pendek.
Kesimpulan Bernstein praktikal. AI telah berperan dalam rekabentuk molekul, penapisan maya, dan penemuan sasaran, dengan beberapa projek awal memasuki peringkat klinikal akhir. "Menyembuhkan semua penyakit" memerlukan melintasi pelbagai halangan dalam pemahaman biologi, ujian klinikal, persetujuan pengawal, dan kapasiti sistem kesihatan—ini bukan masalah yang boleh diselesaikan hanya dengan pengulangan algoritma. Nilai AI dalam perubatan mungkin terletak pada membantu industri membuat keputusan yang lebih baik, bukan pada mempercepatkan proses. Jawapan sebenar masih perlu menunggu 3 hingga 5 tahun.
Penafian
Artikel ini merupakan penghimpunan dan tafsiran oleh Chaoxiang Research terhadap laporan penyelidikan pihak ketiga (Bernstein, 26 Ogos 2026), disertai penghimpunan maklumat pasaran awam. Penilaian, harga sasaran, ramalan keuntungan, dan pertimbangan berkaitan yang dikutip dalam artikel ini adalah pandangan analis券商 tersebut dan semata-mata mewakili立场 institusi mereka, bukan pandangan Chaoxiang Research, dan tidak membentuk sebarang cadangan pelaburan.
Pasar mempunyai risiko, keputusan perlu diambil secara berdikari. Artikel ini tidak seharusnya dijadikan asas untuk membeli atau menjual sebarang sekuriti.
Ditulis oleh Rita