AI十年治愈大多数疾病？制药业高管集体反驳，争议聚焦估值叙事权

2026年9月，Anthropic首席执行官Dario Amodei在社交平台X上写下一句看似轻描淡写的判断：“在5到10年内治愈大多数人类疾病，实际上是可能的，尽管这听起来很疯狂。”这句话当时并未激起广泛讨论。但两个月后，随着《华尔街日报》11月3日一篇深度报道将制药业高层的系统性反驳集中呈现，这场关于AI医疗前景的争论迅速升温。

争议表面是技术乐观主义与行业经验主义的碰撞，实质则指向更深层的资本叙事权争夺——硅谷押注“AI重构十万亿美元医疗市场”的长期想象，而制药业坚守“90%临床失败率”这一无法绕过的现实瓶颈。

激进时间表背后的资本逻辑

Amodei的言论并非孤例。他在公开文章中承认，AI进入物理世界面临三大延迟：数据缺失、内在复杂性与监管约束。但他仍将“治愈大多数疾病”的时间窗口锚定在5至10年。

资本已率先为这一叙事下注。麦肯锡数据显示，2025年全球风险投资与私募股权在AI药物发现领域投入达84亿美元，较2023年的约40亿美元翻倍。Anthropic今年先后收购一家隐身模式生物技术公司及一家几乎全由AI驱动的单人生物技术初创企业；OpenAI于上月宣布收购一家专注AI药物发现的公司。

大型药企亦快速跟进：礼来与英伟达1月宣布五年内最高投入10亿美元；百时美施贵宝、诺和诺德、赛诺菲均已公布与OpenAI或Anthropic的合作协议。这些动作背后，是AI估值模型对“颠覆性周期压缩”的强烈依赖——若AI真能将新药研发从10–15年缩短至5年以内，当前每一分算力投入都将获得指数级回报预期。

制药业的实证反驳：没有一款AI原生药物获批上市

面对上述叙事，制药业高管以具体案例与数据作出系统性回应。

Vertex Pharmaceuticals执行董事长Jeff Leiden直言不讳：“这完全是胡说。”他回忆一位科技界领袖曾声称AI可在七年内治愈90%的人类疾病，并补充道：Vertex曾动用约50家AI公司，对其含1万种化合物的数据集进行分析，结果无一产出有效候选药物。“它单独运作根本行不通”，Leiden强调，“任何声称可以做到的公司——至少在我们的经验中，我们考察了其中大多数——都不是真的。”

阿斯利康首席执行官Pascal Soriot措辞更委婉但立场明确：“如果我们在这个行业待得足够久，很快就会学会谦逊。疾病是复杂的，生物学是复杂的。说AI将治愈癌症，也许有点跳跃。”

Regeneron首席科学官George Yancopoulos（拥有逾1000项专利）则指出：AI“不会奇迹般地过来告诉我们该怎么做，也不会把15年的开发周期缩短到5年”。

一个关键事实横亘于所有争论之上：截至目前，尚无一款完全由AI设计的药物获得美国FDA批准上市。据医曜统计，仅有英矽智能（Insilico Medicine）与Generate Biomedicines等少数AI原生生物技术公司将其候选药物推进至后期患者临床试验阶段，但均未跨越最终监管门槛。

麦肯锡高级合伙人Alex Devereson进一步揭示技术瓶颈所在：约四分之一的中后期临床失败可归因于“脱靶效应”——即药物在非预期靶点产生作用，引发不良反应。而现有AI模型对此类复杂生理交互的预测能力依然有限。他尖锐指出：“投资正在流向最容易解决的问题，而不是最重要的问题。”

真相居中：AI是科研副驾，而非自主治愈引擎

将双方观点并置可见，争论焦点并非“AI是否有用”，而是“AI能否独立完成从假设生成到临床验证的闭环”。

制药业自身并不否认AI的价值。拜耳（Bayer）首席运营官Sebastian Guth提供了一个典型实例：其基因治疗团队利用AI在数天内分析1亿份患者记录，结合基因标记与病史，精准筛选出五种最适配其基因编辑技术的疾病类型。但他明确表示：“这是AI在治愈疾病吗？不是。魔法发生在人类科学家的才华与AI结合之时。”

类似实践已在阿斯利康落地：该公司与AI生物技术公司Insitro签署首期4000万美元协议，共同探索心脏病与减重药物研发；同时与甲骨文合作优化临床试验患者招募流程。

由此可清晰定位AI在制药价值链中的真实角色：在靶点选择、分子筛选、患者匹配、蛋白结构预测与实验设计等环节，AI已成为可验证的效率工具。但进入湿实验验证、安全性评估与大规模临床试验阶段后，人类主导的“干湿闭环”仍是不可替代的核心环节。

图示清晰划分了两个区域：左侧“AI效率区”包含靶点选择、分子筛选、患者匹配、蛋白分析与实验设计——这些环节已实现可量化增益；右侧“验证与监管区”涵盖湿实验验证、安全性验证、临床试验与监管审批——仍是当前技术瓶颈所在。AI可加速前段生成，却无法绕过后者验证。

药物研发整体临床失败率仍维持在约90%。这一结构性风险未因AI介入而显著改善。失败主因——脱靶毒性、个体生物学差异、复杂通路交互——恰恰是当前AI模型最难建模的部分。

这也解释了为何制药业高管集体泼冷水：他们每日面对的是那90%的失败案例，而硅谷描绘的是10%成功之后的远景图景。

估值叙事权之争的本质

理解上述差异，便能看清此次争论的真实内核：这不是一场关于技术可行性的学术辩论，而是一场围绕未来十年医疗产业估值体系的话语权争夺。

硅谷需要一个足够激进的时间表，以支撑其AI基础设施与大模型投资的高估值逻辑；制药业则基于数十年积累的临床数据与失败教训，坚持“验证优先”原则，拒绝将尚未兑现的承诺计入当前资产定价。

目前，二者正走向一种务实共存路径：AI作为增强型工具嵌入传统研发流程，而非取代整个管线。这种“人机协同”模式已在多个头部药企落地验证，但距离“AI自主治愈疾病”的宏大叙事，仍有漫长验证之路。

截至2026年底，行业共识趋于收敛：AI确能显著提升药物发现前期效率，但临床转化仍是最大关卡。真正的突破，将取决于AI能否在“干湿闭环”中实现从预测到验证的无缝衔接——而这，远非单纯算力堆叠所能解决。