目錄導航

• 引言：從GTC大會看見藥物研發的轉折點
• 「智慧協奏」平台是什麼？多模態協作如何運作？
• AI如何把28億美元的研發成本砍到剩3億？
• 從燒錢機器變印鈔機：商業模式的根本翻轉
• 2026-2027產業鏈重組：誰會被淘汰，誰會崛起？
• 常見問題解答

引言：從GTC大會看見藥物研發的轉折點

今年的NVIDIA GTC大會上，一個不太起眼的名字在BioPharma圈子裡炸開了——華安醫學與其全資子公司源華智醫，憑著「智慧協奏」AI研發平台，成為BioPharma領域唯一被選中的研究團隊。說實話，這事兒比表面上看起來要震撼得多。

為什麼？因為藥物研發這行當，長期以來都被貼上「燒錢無利」的標籤。想想看，開發一顆新藥平均要砸22-28億美元，耗時10到15年，結果臨床試驗失敗率還高達90%。這根本是個無底洞，大藥廠靠著幾個明星藥品撐場面，小公司則在燒完創投的錢後默默消失。但華安的董事長說了一句很有意思的話：「AI賦能新藥研發改寫商業模式，將被貼上『燒錢無利』的標籤轉為『會賺錢的平台』。」

這不是場面話。我們觀察到的是，整個產業正站在一個臨界點上——AI不再只是輔助工具，而是要重新定義「怎麼做藥」這件事。華安的平台以NVIDIA BioNeMo框架為基礎，融合結構資料、基因表現、知識圖譜與臨床資料，實現了多模態資訊的協作分析。聽起來很炫，但這背後的邏輯其實很簡單：如果你能用電腦模擬把幾千種老藥掃一遍，找出可能有新適應症的那些，再精準送進實驗室驗證，那整個研發流程不就縮短一大半了嗎？

問題是，這套邏輯說起來簡單，做起來卻牽涉到資料品質、演算法能力、算力資源，以及最重要的——能不能真的過臨床試驗這一關。華安憑什麼能脫穎而出？這個平台又能為產業帶來什麼實質改變？我們往下看。

「智慧協奏」平台是什麼？多模態協作如何運作？

要理解「智慧協奏」平台的創新之處，我們得先拆解一下藥物再定位（Drug Repositioning）這件事。傳統做法是怎樣的？基本上就是「試誤法」——科學家根據經驗和文獻，猜某個老藥可能對另一種疾病有效，然後做實驗驗證。問題是，人腦能處理的資訊量有限，文獻查再多也會有盲點，更別提那些藏在專利資料庫、臨床試驗記錄裡的蛛絲馬跡。

華安的平台做的是把這個「猜」的過程自動化、系統化。它整合了四種不同來源的資料：

• 結構資料：藥物分子的3D結構、蛋白質摺疊形態，這些決定了藥物能不能「卡進」目標蛋白質。
• 基因表現：藥物作用後，細胞內哪些基因被活化或抑制，這提供了藥物作用機制的線索。
• 知識圖譜：把數以萬計的文獻、專利、臨床報告轉化成可被機器理解的關聯網路。
• 臨床資料：真實世界的不良反應、療效數據，這些是模型能不能落地應用的關鍵。

這四種資料各有各的格式、各有各的雜訊，傳統方法很難整合。但NVIDIA BioNeMo框架提供了基礎建設——它本身就有十幾個針對藥物開發優化的生成式AI模型，涵蓋分子生成、蛋白質結構預測、DNA序列分析等任務。華安的工作是把这些模型「協奏」起來，讓它們互相餵資料、互相校正。

這套架構的威力在於「高效能運算與跨領域交叉分析」。傳統實驗室一次只能測幾十個候選藥物，但AI可以在幾天內掃過數千個已上市藥物，找出潛在的新適應症組合。更重要的是，它不是隨機亂試，而是有根據地推測——每個推薦背後都有結構相似性、基因表現模式、文獻證據支撐。

AI如何把28億美元的研發成本砍到剩3億？

來聊聊錢。傳統新藥開發的成本結構大概是這樣的：早期發現階段佔5-10%，臨床前研究佔10-15%，三期臨床試驗佔60-70%。德勤2024年的報告指出，大藥企平均單一資產開發成本已經來到22.3億美元，如果把失敗專案的成本也算進去，有些估計甚至達到28億美元。

為什麼這麼貴？因為「失敗」的代價極高。一個進入三期臨床試驗的藥物，這時候已經砸了幾億美元，結果發現療效不如預期或有嚴重副作用，這筆錢就全泡湯了。而失敗率是多少？從一期臨床到最終上市，成功率不到10%。

藥物再定位的好處是，它跳過了最花錢的幾個階段。已經上市的藥物，安全性數據完備、劑型確定、供應鏈穩定。你只需要驗證它在新適應症上的療效，這讓開發成本降到平均3億美元，時間縮短至3-12年。根據Frontiers期刊的研究，藥物再定位的成功率比傳統新藥開發高出3-4倍。

但問題來了：怎麼知道哪個老藥能治哪個新病？傳統做法靠運氣或偶然發現（威而鋼本來是心臟病藥，這故事聽爛了）。而華安的「智慧協奏」平台把這個「運氣」變成了可預測、可篩選的流程。

我們要強調的是，AI並不是萬能藥。它不能保證每個候選都會成功，但能大幅提高「命中率」。如果傳統篩選的命中率是1%（測100個找出1個有潛力的），AI輔助可能提升到10-15%。這意味著同樣的預算，你能驗證的項目數量翻倍，找到成功藥物的機率也跟著翻倍。

更重要的是，AI平台把「篩選」這件事從實驗室搬到了電腦裡。在虛擬環境中跑一次模擬的成本，跟實際合成一個化合物、做細胞實驗、跑動物試驗的成本，差了好幾個數量級。這就是為什麼華安敢說這是「會賺錢的平台」——它改變的是整個研發流程的經濟學。

從燒錢機器變印鈔機：商業模式的根本翻轉

華安董事長那句「從燒錢無利轉為會賺錢的平台」，其實點出了一個更大的趨勢：AI正在改變藥物研發的商業模式。

傳統模式下，藥廠的獲利來源很單一：開發出一顆新藥，申請專利，獨家銷售20年，賺回研發成本後開始獲利。這個模式的問題是，你的營收完全依賴「能不能做出新藥」，而這件事又不確定性極高。所以大藥廠的策略是「廣撒網」——同時開發幾十個專案，賭其中幾個能成功。這需要龐大的資本和風險承受能力。

AI時代的商業模式有幾種可能：

第一種：AI服務提供者。像華安這樣的公司，可以把自己的平台開放給其他藥廠使用，收取服務費或授權金。你不用自己做藥，只要賣「找藥的能力」就好。這是純軟體思維，風險低、現金流穩定。

第二種：共同開發夥伴。AI公司跟藥廠合作，幫藥廠篩選候選藥物，換取里程碑付款和銷售分成。這種模式下，AI公司承擔部分研發風險，但潛在報酬也更高。

第三種：自有管線開發。AI公司自己用平台找候選藥物，然後推進臨床試驗。這風險最高，但如果成功，獲利也最可觀。

華安目前看起來是走第三種路線，但它的平台本身也有潛力發展成第一種或第二種模式。這就是「會賺錢的平台」的真正含義——它不只是工具，而是一個可以多元變現的資產。

另一個值得注意的點是，AI平台的「邊際成本」很低。一旦平台建立起來，多服務一個客戶、多分析一個藥物庫，增加的成本主要是算力，而算力的成本隨著GPU效能提升和雲端服務競爭，只會越來越低。這意味著AI藥物開發公司的獲利空間，會比傳統藥廠更寬廣。

2026-2027產業鏈重組：誰會被淘汰，誰會崛起？

站在2026年的視角回頭看，我們很可能會說這幾年是藥物研發產業的「分水嶺」。AI的普及化將帶來幾個深遠影響：

傳統CRO（委託研究機構）面臨轉型壓力。過去藥廠會把臨床前研究、數據分析等工作外包給CRO，但如果AI平台能比CRO更快、更便宜地完成同樣的工作，CRO的商業模式就會受到衝擊。聰明的CRO已經開始導入AI，未來能存活下來的，會是「AI+CRO」的混合體。

中小型藥廠迎來新機會。過去，新藥研發是大藥廠的專利，因為只有他們燒得起錢。但AI降低了研發門檻，中小型藥廠也能用AI平台快速篩選候選藥物，然後跟大藥廠談授權合作。這會讓整個產業更競爭，也更有活力。

數據成為新石油。AI模型的效能取決於訓練數據的品質和數量。誰擁有最多、最好的臨床數據、基因體數據、藥物結構數據，誰就能訓練出最好的AI模型。這意味著數據庫公司、電子病歷廠商、基因檢測公司將成為AI藥物開發生態系的關鍵節點。

監管框架重新定義。FDA、EMA等監管機構正在制定AI輔助藥物開發的指導原則。未來，AI模型的「可解釋性」將成為監管審查的重點——你不能只說「AI覺得這個藥有效」，還要能解釋「為什麼」。

華安的「智慧協奏」平台，剛好站在這些趨勢的交叉點上。它有數據整合能力、有多模型協作架構、有臨床驗證經驗，這些都是2026-2027年產業鏈重組過程中的核心資產。

展望2027年，我們預測AI藥物開發市場將突破60-80億美元。屆時，像華安這樣的公司，可能已經不是「入選GTC展示」的等級，而是產業鏈中不可或缺的關鍵玩家。對投資人來說，現在正是觀察這個賽道的最佳時機；對藥廠來說，不導入AI的風險，可能比導入AI的成本更大。

常見問題解答

什麼是藥物再定位？為什麼AI能加速這個過程？

藥物再定位（Drug Repositioning或Drug Repositioning）是指為已核准的藥物找出新的適應症。傳統做法依賴人工文獻查找和實驗室試誤，耗時且成本高。AI能同時分析數以千計的藥物與疾病關聯，從結構相似性、基因表現模式、文獻證據等多維度進行預測，大幅提高篩選效率和準確度。

NVIDIA BioNeMo框架提供了什麼樣的基礎建設？

BioNeMo是NVIDIA專為藥物開發設計的生成式AI平台，包含超過十幾個預訓練模型，涵蓋分子生成、蛋白質結構預測、DNA序列分析等任務。它讓研究團隊不需要從零開發模型，而是在既有的基礎上進行客製化和整合，大幅降低技術門檻。

AI輔助藥物開發的臨床驗證風險如何降低？

AI無法完全消除臨床試驗的風險，但能透過更精準的候選篩選來提高成功率。藥物再定位本身的成功率就比新藥開發高3-4倍，因為已上市藥物的安全性已知。AI進一步提升命中率，讓進入臨床試驗的候選藥物更有潛力成功。

參考資料

• NVIDIA BioNeMo Drug Discovery Cloud Service Official Page
• NVIDIA Blog: Generative AI Opening Next Era of Drug Discovery
• Frontiers: How drug repurposing can advance drug discovery
• Global Market Insights: AI in Drug Discovery Market Size Report
• MarketsandMarkets: AI in Drug Discovery Market Growth Forecast