Các chuyên gia AI cho rằng trong 5 đến 10 năm có thể chữa khỏi đa số bệnh tật, nhưng Bernstein nói hãy chờ đã. Ngày 26 tháng 8, Bernstein công bố báo cáo ngành dược sinh học Mỹ, tổng hợp hệ thống những tiến bộ thực tế của AI trong phát triển thuốc: khoảng 70 dự án nguồn AI đã bước vào giai đoạn lâm sàng, phần lớn vẫn ở giai đoạn đầu, và thử thách thực sự sẽ đến trong 3 đến 5 năm tới.
CEO của DeepMind, Demis Hassabis, nói rằng “có lẽ trong 10 năm tới, AI có thể chữa khỏi mọi bệnh tật”, trong khi CEO của Anthropic, Dario Amodei, còn táo tợn hơn: “trong 5 đến 10 năm, chữa khỏi đa số bệnh tật ở con người”. Bernstein cho rằng những tuyên bố này giống như một sự biện minh cho giá trị xã hội của AI, chứ không dựa trên thực tế phát triển thuốc. Từ việc phát hiện mục tiêu điều trị đến thử nghiệm lâm sàng, rồi đến khả năng hấp thụ của hệ thống y tế, mỗi giai đoạn đều là điểm nghẽn. AI có thể tăng tốc một số khâu, nhưng sinh học cuối cùng phải được xác minh trong cơ thể con người—nhịp độ này không thể bị thu hẹp bởi thuật toán.
Tỷ lệ thành công tăng lên còn có giá trị hơn là tăng tốc độ
Bernstein tính toán, việc tăng tỷ lệ thành công lên 20% mang lại lợi ích đầu tư vào nghiên cứu và phát triển lớn hơn nhiều so với việc tiết kiệm cùng mức thời gian và chi phí. Chi phí thất bại tập trung ở giai đoạn sau, nên tránh thất bại còn có giá trị hơn là tăng tốc quy trình.
Ảnh hưởng của AI đến tỷ lệ thành công phụ thuộc vào vấn đề mà nó giải quyết. Nếu AI chủ yếu được sử dụng để tối ưu phân tử cho các mục tiêu đã biết, tỷ lệ thành công có thể được nâng cao, nhưng giá trị của những “vấn đề dễ dàng” này lại hạn chế. Nếu AI được sử dụng để giải quyết những bệnh khó chữa mà hiểu biết sinh học vẫn chưa đầy đủ, ngay cả khi tỷ lệ thành công tổng thể không cao, giá trị tạo ra lại lớn hơn.
Bernstein chỉ ra một kết luận phản trực giác: càng sử dụng nhiều AI, càng có thể cần nhiều thí nghiệm ướt hơn. Những vấn đề khó nhất đang đối mặt với tình trạng thiếu dữ liệu huấn luyện, và việc tạo ra dữ liệu mới đòi hỏi đầu tư lớn vào các thí nghiệm. AI và thí nghiệm ướt là mối quan hệ bổ sung cho nhau. Chi phí để thực hiện thêm một thí nghiệm ướt thấp hơn nhiều so với chi phí của một dự án thất bại ở giai đoạn sau.
Bố cục AI của các công ty dược: Eli Lilly rộng nhất, Amgen sâu nhất, Roche nặng về năng lực tính toán nhất
Bernstein đã thống kê 183 hợp tác tìm kiếm thuốc AI từ 15 công ty dược lớn. Chiến lược của từng công ty khác nhau đáng kể.
Eli Lilly có mạng lưới hợp tác bên ngoài rộng nhất, với tổng cộng 25 giao dịch kể từ năm 2019, số tiền trả trước công khai khoảng 353 triệu USD. Các đối tác bao gồm Insilico Medicine, Profluent, Verge Genomics, Genesis Therapeutics, v.v. Eli Lilly còn sở hữu NVIDIA Co-Innovation AI Lab, kết hợp sự rộng khắp bên ngoài với năng lực tính toán nội bộ một cách cân bằng nhất.
Roche xếp thứ hai với 20 hợp tác, tập trung rõ ràng vào ung thư (8 hợp tác) và thần kinh học (4 hợp tác). Nhà máy AI kết hợp của Genentech được Bernstein gọi là “việc triển khai GPU tại chỗ lớn nhất đã công bố trong ngành”. Hợp tác trị giá 1,2 tỷ USD của Recursion là giao dịch đơn lẻ lớn nhất.
Amgen có ít hợp tác bên ngoài nhất (5 hạng mục) và có bố cục AI và năng lực tính toán nội bộ mang tính khác biệt nhất. deCODE Genetics, công ty được Amgen mua lại năm 2012, cung cấp động cơ sinh học quần thể dẫn đầu ngành, có khả năng nhận diện và xác minh các biến thể di truyền liên quan đến bệnh để ưu tiên mục tiêu điều trị. Amgen đã huấn luyện năm mô hình ngôn ngữ kháng thể độc quyền trên DGX SuperPOD tại chỗ, với hàng rào dữ liệu rõ ràng.
AstraZeneca có 19 giao dịch, trong khi kinh tế tập trung cao độ vào ba thỏa thuận của CSPC Pharmaceutical Group, chiếm phần lớn các khoản thanh toán ban đầu công khai.
Novo Nordisk có 10 hợp tác đều tập trung sau năm 2022, trong đó 7 hợp tác nhắm vào các bệnh chuyển hóa tim mạch và thận, là công ty dược lớn nhất có sự tập trung cao nhất vào lĩnh vực điều trị này.
Pfizer có nhiều hợp tác dạng nền tảng nhất (9 hợp tác trên toàn bộ danh mục sản phẩm), mối quan hệ với mô hình nền tảng AI có thể truy ngược về năm 2016 với IBM Watson, không phát hiện hợp tác về năng lực tính toán chuyên dụng.
Bernstein nhấn mạnh rằng tất cả những điều này đều là những phán đoán từ góc độ bên ngoài, và việc tích hợp thực sự về chất lượng cùng chuyển đổi văn hóa nội bộ rất khó để định lượng.
AI sinh học: Tài sản lâm sàng là thước đo thực sự
Khoảng 70 dự án nguồn AI chủ yếu tập trung vào các công ty đại chúng, với định nghĩa khác biệt lớn, từ tái định vị thuốc AI đến phát hiện mục tiêu AI cộng với thiết kế phân tử AI, phạm vi rất rộng.
Rentosertib của Insilico là một ví dụ đại diện về thuốc được phát triển toàn bộ bằng AI. Nền tảng AI PandaOmics xác định TNIK là mục tiêu điều trị xơ phổi idiopathic, trong khi Chemistry42 sử dụng AI tạo sinh để thiết kế phân tử, từ giả thuyết mục tiêu đến ứng cử viên tiền lâm sàng chỉ mất khoảng 18 tháng. Thuốc hiện đã bước vào giai đoạn III, dự kiến sẽ công bố kết quả điểm chính vào tháng 10 năm 2029, đây là một trong những điểm dữ liệu quan trọng nhất trong ngành thuốc do AI phát triển.
Recursion thông qua hình ảnh tế bào và phát hiện mục tiêu được thúc đẩy bởi đa omics, đã hợp tác với Roche, Bayer và Sanofi.
Generate Biomedicines thiết kế thuốc protein, GB-0895 (kháng thể TSLP) đã bước vào giai đoạn III để xác minh liệu protein được thiết kế bởi AI có thể chuyển hóa thành các phương án dùng thuốc khác biệt hay không.
Relay Therapeutics thiết kế thuốc thông qua mô hình hóa chuyển động protein, zoogalalisib (chất ức chế PI3Kα) đã bước vào giai đoạn III để kiểm tra khả năng cải thiện cửa điều trị thông qua tính chọn lọc cấu hình.
Schrödinger áp dụng chiến lược ưu tiên tính toán vật lý, Zasocitinib (chất ức chế TYK2) đã được nộp hồ sơ xin lưu hành. Mục tiêu này đã được xác minh lâm sàng bởi deucravacitinib của BMS, do đó nên được xem là một trường hợp thành công trong tối ưu hóa hỗ trợ tính toán; sự đột phá của AI trong việc phát hiện mục tiêu mới chưa được thể hiện ở đây. Thời gian từ lựa chọn mục tiêu đến thử nghiệm lâm sàng kéo dài 8 đến 10 năm, chưa rút ngắn thời gian chuẩn của ngành.
Dữ liệu phê duyệt của FDA chưa thể hiện ảnh hưởng của AI
Trong năm năm qua, FDA trung bình phê duyệt 48,5 loại thuốc mới mỗi năm, cao hơn khoảng 43% so với mức trung bình 33,8 loại mỗi năm từ năm 1985 đến năm 2025. Bernstein cho rằng điều này chủ yếu phản ánh hiện đại hóa quy định giám sát, sự trỗi dậy của các liệu pháp sinh học và hiệu ứng tích lũy từ các khoản đầu tư nghiên cứu và phát triển trước đó, trong khi AI vẫn chưa tạo ra tác động rõ rệt đến dữ liệu phê duyệt. Với quy mô nguồn AI vẫn còn nhỏ và cần thời gian để xác minh lâm sàng, tình hình này sẽ không thay đổi trong ngắn hạn.
Kết luận của Bernstein thực tế. AI đã đóng vai trò trong thiết kế phân tử, sàng lọc ảo và phát hiện mục tiêu, với một số dự án giai đoạn đầu đã bước vào giai đoạn lâm sàng cuối. Việc “chữa khỏi mọi bệnh” cần vượt qua nhiều rào cản về hiểu biết sinh học, thử nghiệm lâm sàng, phê duyệt quy định và năng lực hệ thống y tế — đây không phải là vấn đề có thể giải quyết bằng cách lặp lại thuật toán. Giá trị của AI trong dược phẩm có thể nằm ở việc giúp ngành đưa ra quyết định tốt hơn, chứ không phải tăng tốc quy trình. Câu trả lời thực sự vẫn cần chờ thêm 3 đến 5 năm.
Disclaimer
Bài viết này là tổng hợp và giải thích của Chao Xiang Research đối với báo cáo nghiên cứu của công ty chứng khoán bên thứ ba (Bernstein, ngày 26 tháng 8 năm 2026), kết hợp với thông tin thị trường công khai. Các xếp hạng, mục tiêu giá, dự báo lợi nhuận và các phán đoán được trích dẫn trong bài viết đều là quan điểm của các nhà phân tích của công ty chứng khoán này, thể hiện lập trường của tổ chức họ, không đại diện cho quan điểm của Chao Xiang Research và cũng không cấu thành bất kỳ lời khuyên đầu tư nào.
Thị trường có rủi ro, quyết định cần độc lập. Bài viết này không nên được sử dụng làm cơ sở để mua bán bất kỳ chứng khoán nào.
Bài viết: Rita