AI制药的发展概括为三个阶段。

首先，是“预测工具”。代表能力包括虚拟筛选、结构预测、性质计算，AI主要是科研人员的效率插件。

其次，是“生成平台”。模型开始从头生成分子和蛋白，商业模式从软件订阅升级到按项目交付、管线授权和联合研发。

最后，是“实验闭环+临床验证”。模型与自动化实验室连接、连续产生高质量数据，自动试错迭代；候选物接受II、III期临床检验。平台还要证明复购、里程碑和持续交付能力。

当前AIDD正处于2.0向3.0切换的早期。技术可用性与商业合作已经得到验证，Rentosertib进入III期是重要节点，但“AIDD能否系统性提高中后期临床成功率”仍没有准确答案。把阶段说得太成熟，会高估短期利润；把AI只当概念，又会低估研发范式的变化。

AI可以在远超人工枚举能力的化学与蛋白空间中寻找新结构，并同时处理多个成药性目标。

把失败前置，实现反向筛选。分子动力学、自由能计算、ADMET预测和表型模型，能在合成、动物和临床之前排除一部分低质量候选物。英矽智能公开研究显示，Rentosertib从靶点发现到临床前候选物提名约18个月；2025年发表的IIa期研究中，最高剂量组12周肺活量指标出现积极趋势，但样本量有限，仍需更大规模试验验证。

让研发从“线性接力”变成“高频循环”。机器人实验室连续完成合成、纯化、检测和数据回传，科研智能体据此提出下一轮方案。真正的效率提升，是每轮迭代之间少等待、少丢数据。