新药开发通常被认为是漫长且耗资巨大的过程，普遍存在十年、十亿资金和不到10%成功率的难题。最近的一份分析指出，人工智能正在从多个方面改变这一局面，提高成功率。首先，药物研发依赖于找到蛋白质靶点，传统方法需要耗费大量时间实验，而像AlphaFold这样的模型可以快速预测蛋白质的三维结构，从而节省数年的研究时间。

其次，在明确靶点之后，生成式AI可以高效设计药物分子，省去大量试错环节。传统路径中，研究人员需合成和测试多种分子，而有了生成式模型之后，可以在虚拟环境中直接生成候选分子，提升了效率。再者，深度学习算法能够在早期筛选阶段就剔除约90%的无效分子，降低研发成本，避免资源浪费。

综合以上三方面的改进，使得新药研发的周期缩短了30%至50%，而成功率则从10%提升至14%。虽然14%的成功率看似仍低，但相较于传统轨迹，已显著改善。 千亿球友会

据分析，AI技术的应用主要集中在三个领域：提供算力与算法基础设施的公司；利用平台开发自己药物项目的生物科技企业；以及专注于高效合成和测试的CXO外包服务。这些角色的合理分工，有助于提升整个药物研发链的效率。

此外，AI还有潜力加快对衰老机制的研究，推动细胞修复技术的发展，为"活到120岁"的愿景提供可能。这一转变的关键在于，AI将试错成本大大降低，最昂贵的并非成功的那一次，而是失败的众多尝试。