AI药物研发的临床验证瓶颈与产业化路径

AI药物研发的临床验证瓶颈与产业化路径研究深度调研报告研究时间：2026年10月21日

目录打开Word后按Ctrl+A再按F9更新域即可生成目录AI药物研发的临床验证瓶颈与产业化路径研究 2026-10-21PAGE1研究对象：AI驱动的药物发现与开发（AIdrugdiscovery/AI-nativebiotech）目标读者：希望快速理解行业现状并作出投资、合作或研发决策的专业读者方法：多源检索+来源账本+交叉验证（一手公告、同行评议论文、监管文件、交易数据库与媒体报道）执行摘要AI药物研发已经跨过"能否做出来"的门槛，但还没有跨过"能否证明更有效"的门槛。截至2026年10月，全球尚无一款完全由AI发现或设计的药物获得监管批准；英矽智能的rentosertib于2026年9月进入III期，是首个走到late-stage的AI端到端发现分子，但其IIa期研究规模仅71人、主要终点是安全性，疗效信号仍属探索性。[S2][S3][S8]产业侧的证据却明显更乐观。英矽智能2026年上半年营收1.063亿美元、同比增长287.2%，净利润3554万美元，上市后首个半年报即实现盈利；IsomorphicLabs在2026年5月完成21亿美元B轮；ChaiDiscovery在7月以38亿美元估值完成4亿美元C轮，并已与礼来、辉瑞、诺华、argenx建立付费合作。[S1][S4][S17]这说明"卖能力"的商业模式已经先于"卖药物"的临床验证跑通。真正的瓶颈集中在二期临床及靶点生物学，而不是分子设计。多项汇总分析显示，AI来源分子的I期成功率约80%–90%，高于行业历史均值50%–60%；但II期成功率约40%，与行业平均水平无显著差异。[S6][S25]换言之，AI目前主要降低了"分子能不能成药"的不确定性，尚未降低"这个靶点是否真的驱动疾病"的不确定性。监管框架正在补位，但仍是原则性、非强制性的。FDA2025年1月的草案以"使用场景（COU）+风险分级"为核心建立七步可信度评估；2026年1月FDA与EMA联合发布十项良好AI实践原则，覆盖全生命周期，但不构成审批通道。[S12][S13]中国方面，北京、上海、浦东在2025–2026年密集出台"人工智能+医药健康"专项行动，目标直指临床转化数量与产业集聚。[S19][S20][S21]综合判断：行业已进入"证据兑现期"而非"叙事扩张期"。未来24个月的核心分水岭不是再融多少钱，而是rentosertibIII期、Isomorphic首个临床数据、以及一批AI原生管线能否在随机对照中给出可归因的疗效证据。在此之前，对"AI将研发成功率翻倍"类叙事应保持审慎。关键发现首个AI端到端发现药物进入III期，但证据强度有限。rentosertib（原ISM001-055）为生成式AI发现的TNIK抑制剂，IIa期71例、12周，60mg组FVC平均变化+98.4mL（95%CI10.9–185.9），安慰剂组−20.3mL；主要终点为不良事件发生率，并非疗效。[S3]III期于2026年9月完成首例给药，计划入组320例、52周主要终点，全部在中国开展。[S2]尚无AI发现药物获批，I期强、II期弱的格局已被数据固化。截至2026年10月无FDA批准的先例；AI原生项目的I期成功率约80%–90%，II期约40%，与行业历史均值持平，说明价值主要产生于药物性质（drug-likeness）而非疾病生物学。[S8][S25]第一代AI制药公司经历了集体证伪。BenevolentAI的BEN-2293在特应性皮炎IIa期未跑赢安慰剂并大幅裁员；Exscientia的EXS-21546终止、并被Recursion吸收合并；三家早期公司累计亏损超过15亿美元。[S7][S8]头部公司商业化已跑通，但收入结构高度依赖BD而非产品销售。英矽智能2026H1营收1.063亿美元（+287.2%），其中药物发现与管线开发收入1.031亿美元（+300%），毛利率90.3%，净利润3554万美元；收入来自首付款与近期里程碑，而非上市药品分成。[S1]交易结构呈现"高总额、低首付"特征。2026年上半年AI/ML研发合作公告总额459亿美元，但首付款合计仅约19亿美元；英矽智能与礼来交易首付1.15亿美元、总额约27.5亿美元，是当期最大单。[S15]里程碑条款把临床风险大量留在AI公司一侧。资本仍在加速涌入，但统计口径严重冲突。PitchBook对2025年全球AI药物发现融资的两种口径分别为38亿美元与114亿美元（后者为前者的三倍），足以说明"市场规模"类数字不可直接用于决策。[S16][S17]2026年已出现21亿美元（IsomorphicB轮）与38亿美元估值（ChaiC轮）等标志性交易。[S4][S17]市场规模的公开预测区间大到失去参考价值。五家研究机构对2026年市场规模的估计从29亿美元到245.1亿美元不等，CAGR从12.2%到30.5%。[S15]差异源于是否计入软件、服务、CRO收入与里程碑。监管已给出"可信度"框架，但未给出"AI药物"专门通道。FDA草案以七步流程要求申办方按COU证明模型可信度，且明确不覆盖早期发现环节；2026年1月FDA-EMA十项原则进一步要求数据治理、生命周期管理与风险分级绩效评估。[S12][S13][S14]中国的政策重心从"技术攻关"转向"临床转化与产业集聚"。北京计划到2027年推动不少于20个创新药械进入临床、落地30个以上核心技术产品；上海、浦东分别出台医学AI与"AI+生物医药"集聚区方案。[S19][S20][S21]权威综述给出了谨慎结论。2026年8月《NatureReviewsDrugDiscovery》综述指出，AI在药物发现中的"临床相关影响证据至今令人失望地有限"；同期BJCReports评论强调rentosertib只是可行性验证，而非方法学验证。[S9][S11]可信度总览结论可信度主要来源说明截至2026年10月无AI发现药物获批高S8,S9,S11多方独立表述一致；属"未发生"类事实，难以被单篇报道推翻rentosertib已进入III期，IIa期为71例安全性研究高S2,S3公司公告+NatureMedicine同行评议论文AI分子I期成功率80%–90%、II期约40%中S25,S6基于有限样本的汇总估计，非头对头RCT；不同统计口径有差异英矽智能2026H1盈利、营收+287.2%高S1上市公司中报，可审计2025年AI药物发现融资额低（冲突）S16,S1738亿vs114亿美元，口径冲突未解决2026年市场规模29–245亿美元低S15,S18供应商预测，方法不透明，仅作区间参考FDA/EMA已发布AI监管框架高S12,S13,S14监管原文可查第一代AI制药公司临床受挫高S7,S8多家媒体与公司披露相互印证"AI将临床成功率翻倍"低（未证实）—无III期随机对照证据支持，属外推判断详细分析1.背景与定义：先分清三种"AI制药"讨论AI药物研发时，最容易发生的混淆是把三类完全不同的活动装进同一个标签：第一类是AI辅助发现（AI-assisteddiscovery）。在已知靶点上用模型做分子生成、性质预测、合成路线设计。这类应用的可归因性最强、周期最短，也是当前绝大多数"AI制药"收入的来源。ChaiDiscovery向礼来、辉瑞、诺华出售的正是这一类能力，其Chai-2在抗体设计中报告的命中率约20%，明显高于传统方法，但仍是"设计成功率"而非"临床成功率"。[S17]第二类是AI原生发现（AI-nativediscovery）。靶点识别、分子设计、成药性优化由模型端到端驱动。英矽智能的rentosertib是唯一进入III期的公开案例：TNIK靶点由PandaOmics从多组学数据中提名，分子由Chemistry42生成。[S2][S3]第三类是AI赋能开发（AI-enableddevelopment）。用于临床试验设计、患者分层、真实世界证据、生产质量控制。FDA的监管框架主要覆盖这一段的"证据生成"部分，并明确把早期发现排除在适用范围之外。[S12]这一区分之所以关键，是因为三者的风险来源完全不同：第一类赌的是模型精度，第二类赌的是靶点生物学，第三类赌的是数据治理。当前资本与叙事集中在第二类，而收入与监管成熟度集中在第一、第三类，错配由此产生。2.发展脉络与当前状态阶段时间标志性事件行业含义算法验证期2012–2019AlphaFold前夜、Exscientia/BenevolentAI成立、首个小分子进入临床证明"AI能设计分子"上市与首轮临床期2020–2024Recursion、Exscientia、BenevolentAI上市；BEN-2293失败；rentosertibIIa启动资本定价先于临床证据首次证伪期2024–2025Exscientia被Recursion合并；BenevolentAI裁员；rentosertibIIa结果发表于NatureMedicineI期可行、II期存疑成为共识证据兑现期2025–2026英矽智能港股上市并盈利；Isomorphic21亿美元B轮；rentosertib进入III期；FDA-EMA联合原则从"讲故事"转向"交数据"2026年的行业状态可以用一句话概括：商业化先于临床验证成功，资本先于商业化成功。商业化侧，英矽智能2026年上半年总营收1.063亿美元，同比增长287.2%，毛利率90.3%，净利润3554万美元，经调整净利润5123万美元，经营现金流转正，期末现金及投资组合5.848亿美元；研发开支4930万美元，同比增长38.7%。[S1]收入主要来自施维雅（总额8.88亿美元、首付及近期里程碑3200万美元）、SK生物制药（25亿美元）、武田（约6亿美元）等BD交易，以及Pharma.AI软件订阅。[S1]资本侧，IsomorphicLabs于2026年5月完成21亿美元B轮，由ThriveCapital领投，Alphabet、GV、MGX、Temasek、CapitalG与英国主权AI基金参与；公司称资金用于扩展IsoDDE引擎并将管线推向临床。[S4][S5]但其首个临床试验时间已从2025年推迟至"2026年底"（Hassabis在2026年1月世界经济论坛上的表述），说明"AI设计"并不能压缩监管与CMC准备时间。[S6]临床侧，rentosertib的III期（GENESIS-IPF-3）于2026年9月9–10日完成首例给药，计划入组320例、47家中心、52周主要终点为年化FVC下降率。[S2]这是目前唯一可查的AI端到端发现药物III期，其成败将直接决定行业叙事的下一步走向。3.关键问题分析3.1临床验证：I期优势真实，II期优势缺失把AI药物的临床数据按分期拆开看，会发现一个稳定的模式：I期：AI来源分子的成功率约80%–90%，高于行业历史均值50%–60%。合理解释是模型在分子设计阶段就优化了选择性、代谢稳定性与脱靶风险，使"能否安全给人用"这一步更容易通过。[S25]II期：成功率约40%，与行业均值无显著差异。[S25]原因不在分子，而在靶点——II期失败的主因是"机制不成立"，而机制判断依赖人类生物学，不依赖分子优化。这解释了一个看似矛盾的现象：AI让分子更快到达临床，却没有让临床更快成功。Endpoints的统计也印证了这一点：第一代三家AI制药公司累计亏损超过15亿美元，失败集中在II期与管线降级，而非I期安全性。[S7]3.2归因难题：谁才是"AI发现的药""AI发现"目前没有公认定义。一个分子可能由AI提名靶点、由AI生成骨架、再由人类化学家完成优化；也可能只是用AI做了性质预测。两种情况下都被市场称为"AI药物"，但证据价值相差一个数量级。这种模糊性带来三个后果：第一，投资标的难以横向比较；第二，监管无法据此设定差异化要求；第三，失败时责任无法归属。BJCReports的评论因此明确把rentosertib定位为"可行性演示"而非"方法学验证"，并强调需要机制层面的独立验证。[S11]对读者而言，看到"AI设计"时应追问三个问题：AI参与了哪一步？该步是否有对照？结果是否经过同行评议？3.3商业模式：三种路径，三种风险敞口模式代表收入逻辑主要风险平台/软件授权ChaiDiscovery、Schrödinger类订阅+首付+里程碑，不承担临床风险客户自研替代、模型商品化管线自持（Biotech）英矽智能、Recursion首付+里程碑+未来销售分成临床失败、现金消耗混合（平台+管线）英矽智能、晶泰科技平台收入养管线，管线反哺平台信誉收入质量被质疑、关联交易基础设施/自动化晶泰科技实验与算力服务重资产、产能利用率Chai的选择值得单独讨论：它明确不出自研管线，只做"中立的设计工具"，从而避免与客户竞争。其CEO层面的逻辑是，药企不愿把核心项目交给一个潜在竞争对手。[S17]这一策略在2026年被验证——7个月内签下礼来、辉瑞、诺华、argenx四家付费客户，估值从13亿美元升至38亿美元。英矽智能则走了相反的路：既卖平台，也做管线。其2026H1的高增长证明这条路在财务上可行，但也意味着收入高度依赖少数BD交易，且里程碑兑现取决于合作伙伴的临床进度。[S1]3.4资本与市场：数字繁荣与口径混乱2026年的资本数据呈现出典型的"繁荣但不可比"：2026年上半年AI/ML研发合作公告总额459亿美元，首付款合计约19亿美元，首付占比约4%。[S15]2025年共114笔AI/ML药物发现合作（2024年为84笔），公告潜在总额434亿美元；99笔并购、总额123亿美元；348笔风险融资、110亿美元；5起IPO、13亿美元。[S15]PitchBook对2025年AI药物发现融资给出38亿美元与114亿美元两个数字，前者为"AIdrugdiscoverystartups"，后者口径更宽。[S16][S17]2026年市场规模预测从29亿到245.1亿美元不等。[S15]这些数字的正确用法不是"证明市场有多大"，而是"证明分歧有多大"。首付占比仅4%说明：交易对手方对远期里程碑的定价并不高，真正的钱要等临床数据。3.5监管：框架已立，通道未开FDA2025年1月的草案建立了七步可信度评估框架：明确问题、定义使用场景（COU）、评估模型风险、制定可信度计划、执行、记录、判定充分性。风险由"模型影响力"与"决策后果"共同决定，高风险应用需要独立验证、亚组偏倚分析、失效模式分析与上市后监测。[S12][S14]两个细节值得注意：其一，草案明确不适用于早期药物发现（靶点识别、先导优化），因为那阶段不直接支撑安全性/有效性结论；其二，没有任何"AI药物"快速通道，AI设计的分子仍需走完整的IND/NDA路径。[S12]2026年1月14日，FDA与EMA联合发布《药物开发良好AI实践指导原则》，提出十项原则：以人为本、风险分级、遵循标准、明确使用场景、多学科协作、数据治理与文档、模型设计与开发、风险分级绩效评估、生命周期管理、关键信息透明。[S13]这套原则与七步框架对齐，但没有法律约束力，也不替代各自的法规。中国监管侧的进展主要体现在产业政策而非审评规则。北京《"人工智能+医药健康"创新发展行动计划（2025–2027年）》提出到2027年落地30个以上核心技术及创新产品、助力不少于20个创新药械进入临床、引育不少于100名专业人才、形成2–3个产业集聚区。[S19]上海2024年底发布《发展医学人工智能工作方案（2025–2027年）》，浦东2026年出台"AI+生物医药产业集聚区建设方案（2026–2028年）"。[S20][S21]政策供给强于监管细则，是当前中国AI制药的制度特征。3.6数据与湿实验：被低估的瓶颈行业普遍把瓶颈理解为"算法不够强"，但更真实的约束在两端：输入端是数据质量。公开的组学与化学数据存在批次效应、阴性结果缺失、标注不一致等问题。模型在基准测试上的提升，未必转化为真实项目中的决策改善。[S9]输出端是湿实验吞吐。AI可以在一天内生成上万个分子，但合成、纯化、体外筛选、动物实验的物理速度不会同步提升。晶泰科技提出的"AI作为研发新基建"正是对这一瓶颈的回应：把自动化实验室与计算闭环，让设计-合成-测试的循环周期从月级压缩到周级。[S22][S23]这两端共同决定：AI的价值上限不由模型参数量决定，而由"每单位时间能获得多少高质量实验反馈"决定。4.竞品与替代方案横向比较主体定位2026年关键进展核心优势主要不确定性英矽智能（3696.HK）AI原生Biotech+平台H1营收1.063亿美元、净利3554万美元；9个PCC、8项临床进展；rentosertibIII期端到端闭环、BD能力、已盈利III期成败、收入集中于少数交易IsomorphicLabsAI-first药物设计21亿美元B轮；IsoDDE；与礼来、诺华、强生合作AlphaFold系技术积累、资本充裕首个临床数据尚未读出、时间表已推迟ChaiDiscovery纯平台授权4亿美元C轮、38亿美元估值；礼来/辉瑞/诺华/argenx付费中立定位、抗体设计命中率客户自研、模型可替代性Recursion表型组学+AI并购Exscientia后整合；管线推进自有数据规模、实验平台临床验证不足、估值压力晶泰科技AI+自动化基础设施智能体闭环系统、生态项目IPO湿实验能力、服务收入重资产、项目制波动传统大型药企自研内部AI平台礼来同时合作Chai/Insilico/自建TuneLab/英伟达算力数据、临床、商业化网络组织惯性、ROI难量化传统CRO/化学服务外包研发承接AI设计后的合成与测试产能、合规被自动化替代一个容易被忽略的对比维度是时间。传统新药从靶点到上市平均10–15年，成本约26.7亿美元（Deloitte2026年报告，2025年口径）。[S15]AI声称把发现阶段从4–6年压缩到1–2年，但发现阶段只占全周期的20%–30%，即使完全消除，总周期也只能缩短约四分之一。这决定了AI的短期价值在"降本"而非"提速上市"。5.风险、争议与限制技术风险。模型在分布外数据上的表现不可预测；生成式模型可能产出化学上可行但生物学上无意义的分子；靶点提名依赖的知识图谱存在文献偏倚（阳性结果过度发表）。临床风险。rentosertib的IIa期仅71例、12周、单一国家，16例提前终止治疗，其中7例与肝损伤或肝功能异常相关（4例合并使用尼达尼布）。[S3]这些限制意味着III期存在实质性失败可能，而市场当前定价并未充分反映。商业风险。首付占比低、里程碑依赖合作伙伴决策；平台型公司面临客户自研与开源模型替代；Biotech型公司面临融资窗口收窄。监管风险。AI生成证据的可信度评估成本高；模型生命周期管理要求持续投入；跨辖区标准尚未统一，全球申报需重复论证。伦理与声誉风险。患者数据使用的知情同意与隐私；AI靶点提名的可解释性；对"AI超越人类专家"的过度宣传可能引发信任反噬。叙事风险。最值得警惕的是把"发现速度"等同于"临床价值"。前者可用公司自述数据证明，后者只能由随机对照试验证明。2026年的多篇权威综述之所以措辞谨慎，正是因为两者之间的证据链仍然缺失。[S9][S11]分歧与不确定性融资规模口径冲突未解。2025年全球AI药物发现融资，PitchBook两个口径分别为38亿与114亿美元，相差三倍。本报告保留冲突，不取均值。[S16][S17]市场规模预测不可比。2026年估计从29亿到245.1亿美元，CAGR12.2%–30.5%。差异主要来自是否计入软件订阅、CRO服务与里程碑收入。[S15][S18]"AI提高临床成功率"缺乏III期证据。I期数据支持"分子质量更好"，II期数据不支持"成功率更高"。二者并不矛盾，但常被混为一谈。[S25]Isomorphic首个临床试验时间存在口径差异。公司2025年称"准备启动"，Hassabis2026年1月称"2026年底前"，是否为延期取决于对"准备"的解读。[S6]英矽智能盈利的可持续性待观察。2026H1利润中包含里程碑付款与公允价值变动，BD交易的持续性无法用单期数据外推。[S1]中国政策的落地效果尚无量化评估。北京、上海、浦东的目标均为2027–2028年，目前只有文本，没有中期评估数据。[S19][S20][S21]"AI发现"的定义缺失。行业内无统一标准，导致管线计数、成功率统计与估值比较均存在口径漂移。建议、判断与后续观察点对不同角色的建议对药企研发负责人：把AI定位为"提高发现阶段命中率与降低合成试错成本"的工具，而不是"提高临床成功率"的杠杆。采购时要求供应商提供按项目类型分层的对照数据（而非基准测试分数），并把付款结构与"进入IND/进入II期"绑定。对投资者：用"首付款/总额"比例判断交易的真实含金量；用"AI参与环节"判断技术壁垒；用"现金跑道+下一个读数时间"判断短期风险。当前阶段应回避仅有平台叙事、无临床读数的标的。对AI制药创业者：纯平台路线需要极强的中立性与工程交付能力（Chai路径）；管线路线需要接受"单一大适应症III期"的二元风险（Insilico路径）。混合路线在财务上更稳，但会持续面临"收入质量"质疑。对监管与政策制定者：优先建设"AI生成证据的可追溯性标准"与"真实世界数据质量基线"，而非另设审批通道。中国可借鉴FDA的COU框架，在药审中明确AI证据的提交格式与可接受边界。对研究者与临床医生：关注终点选择。FVC变化等替代终点与硬终点（死亡、进展）之间的相关性，需要更长随访验证；对"AI设计"标签应保持与方法学审评同等的审慎。[S11]判断短期（12个月内）：行业叙事将由"融资与估值"转向"读数与现金流"。英矽智能的盈利能否持续、Isomorphic能否如期给药，是两个最直接的观察指标。中期（24–36个月）：rentosertibIII期结果将定义行业上限。若成功，AI靶点发现的可信度将显著提升；若失败，资本会进一步向"平台/服务"模式集中。长期（5年以上）：AI大概率成为药物研发的标准基础设施，而非独立赛道。届时"AI制药公司"的估值逻辑将回归到管线质量与商业化能力。后续观察点时间观察事项判断意义2026Q4IsomorphicLabs首个临床试验是否给药验证"AI设计→临床"的工程可行性2026年末–2027年英矽智能2026全年报与2027H1判断盈利是趋势还是单期波动2027–2028年rentosertibIII期主要终点读出决定AI靶点发现的方法学地位持续FDA草案是否定稿、EMA是否出台配套细则决定AI证据的申报成本持续中国NMPA是否发布AI药物审评要点决定国内AI制药的制度红利持续首付款/总额比例是否上升反映交易对手方对风险的重新定价引用来源ID来源等级链接/路径访问日期S1InsilicoMedicine，《2026年上半年业绩公告》，2026-08-26A/news_sc/dm9ba5tth1-20262026-10-21S2InsilicoMedicine，《RentosertibIII期GENESIS-IPF-3完成首例给药》，2026-09-10A/news_sc/isn1009262-rentosertib-genesis-ipf-32026-10-21S3NatureMedicine，《AgenerativeAI-discoveredTNIKinhibitorforIPF:Phase2a》，2025A/articles/s41591-025-03743-22026-10-21S4PRNewswire，《IsomorphicLabssecures$2.1Billion》，2026-05-12A/news-releases/isomorphic-labs-secures-2-1-billion-funding-to-scale-its-ai-drug-design-engine-302769674.html2026-10-21S5IsomorphicLabs，《BuildinganewpathtomakemedicineswithAI》，2026-09-29A/articles/building-a-new-path-to-make-medicines-with-ai2026-10-21S6IntuitionLabs，《IsomorphicLabs&AlphaFold:AIDrugDiscoveryinTrials》（引用Reuters），2026Bhttps://intuitionlabs.ai/articles/isomorphic-labs-alphafold-ai-drug-discovery-trials2026-10-21S7EndpointsNews，《Afteryearsofhype,thefirstAI-designeddrugsfallshortintheclinic》Bhttps://endpoints.news/first-ai-designed-drugs-fall-short-in-the-clinic-following-years-of-hype/2026-10-21S8IntuitionLabs，《AIDrugDiscoveryFDAApprovals:The2026RealityCheck》，2026-10Bhttps://intuitionlabs.ai/articles/ai-drug-discovery-fda-approvals2026-10-21S9Benderetal.，《Artificialintelligenceindrugdiscovery—whatitis,wherewestandandthepathforward》，NatureReviewsDrugDiscovery，2026-08A/articles/s41573-026-01496-22026-10-21S10NatureReviewsDrugDiscovery相关评论（Koller），2026B/post/ai-drug-discovery-data-quality-not-quantity/2026-10-21S11BJCReports，《PrecisiononcologyintheageofAI:lessonsfromAI-drivendrugdiscovery》，2026A/articles/s44276-026-00221-12026-10-21S12FDA，《ConsiderationsfortheUseofAItoSupportRegulatoryDecision-MakingforDrugandBiologicalProducts》（草案），2025-01A/regulatory-information/search-fda-guidance-documents/considerations-use-artificial-intelligence-support-regulatory-decision-making-drug-and-biological2026-10-21S13FDA/EMA，《GuidingPrinciplesofGoodAIPracticeinDrugDevelopment》，2026-01-14A/about-fda/artificial-intelligence-drug-development/guiding-principles-good-ai-practice-drug-development2026-10-21S14DrugDiscoveryNews，《FDA'sactionplanforAIindrugdevelopment》B/fda-s-action-plan-for-ai-in-drug-development-what-scientists-need-to-know-173672026-10-21S15CompaniesHistory（引用DealForma、Deloitte），《AIInDrugDiscove