<p>（第一财经）1 月 23 日——人工智能在医疗保健领域的下一个重大飞跃不再是在实验室，而是在临床试验中——药物开发的成功与否就在于此。</p>
<p>多年来，关于医疗保健中人工智能的讨论主要集中在管道的 “前端”：药物发现。业界庆祝算法预测蛋白质结构和识别新分子的能力。然而，正如上周在旧金山举行的第 44 届摩根大通医疗保健会议（JPM 2026）所明确指出的，关注点终于转向许多人视为 “最后未触及瓶颈” 的临床试验。</p>
<p>随着行业进入 2026 年及以后，它正面临一场 “两个指数的故事”，这将帮助决定人类健康的未来。</p>
<p><strong>利用摩尔定律应对厄尔姆定律</strong></p>
<p>科技行业的力量很大程度上源于摩尔定律——这一持续数十年的趋势是计算能力以指数级增长，同时每两年左右降低成本。今天的计算机比十年前的计算机强大约 1000 倍，比 20 年前的计算机强大近百万倍。这一惊人的增长使得软件能够 “吞噬世界”。</p>
<p>相比之下，药物设计和医疗服务则遵循厄尔姆定律——摩尔定律的反向。这些领域经历了数十年的成本上升，现在已达到极端水平，医疗支出接近美国国内生产总值的四分之一。由于劳动力、行政和临床试验费用的上升，治疗药物正沿着错误的曲线发展。</p>
<p>开发新药的通货膨胀调整成本现在大约每九年翻一番。为了扭转这一趋势，行业必须通过将人力驱动的服务转变为计算，利用技术将复杂的临床服务商品化，从而从厄尔姆定律转向摩尔定律。</p>
<p><strong>肿瘤学：人工智能的试验场</strong></p>
<p>肿瘤学仍然是这一转型最清晰的前沿，占据了顶级企业中三分之一的制药人工智能商业关系。大量高质量数据和癌症生物学的固有复杂性使肿瘤学成为人工智能应用的理想环境。</p>
<p>在 JPM 2026 上，这一势头超越了理论，进入了工业规模的基础设施。一个标志性的信号是 Nvidia 和 Eli Lilly 宣布的 10 亿美元共同创新实验室。该合作旨在创建一个 “持续学习系统”，全天候连接自主的湿实验室与计算干实验室。</p>
<p>这紧随 2025 年一波重大投资，包括：</p>
<ul>
<li>阿斯利康与 BenevolentAI 的超过 10 亿美元的合作，专注于人工智能主导的免疫疗法。</li>
<li>百时美施贵宝与 Owkin 的超过 8000 万美元的合作，旨在识别新的免疫肿瘤靶点。</li>
<li>罗氏/基因泰克与 Recursion Pharmaceuticals 的超过 1.5 亿美元的交易，以加速抗体发现。</li>
</ul>
<p><strong>破解临床开发瓶颈</strong></p>
<p>制药行业面临约 90% 的临床试验药物候选者失败率。由于项目终止，研发费用占总成本的 70%，这一阶段已成为人工智能驱动改进的主要目标。</p>
<p>进入 2026 年，最具变革性的进展是自主人工智能的采用。出现了一种新的 “人工智能代理的摩尔定律”：人工智能系统能够自主完成的任务长度每七个月翻一番。尽管早期模型只能管理持续几秒的任务，但 2026 年的代理现在能够处理持续数小时的专业项目。</p>
<p>创新型企业正在部署专业工具来应对这一 “混乱中间” 开发阶段：</p>
<ul>
<li><strong>人工智能代理的崛起：</strong> 像 Medable 的 “TMF 代理” 这样的工具正在自动化劳动密集型的试验主文件流程。</li>
<li><strong>专业的人工智能团队：</strong> 包括 HopeAI 在内的公司正在展示 “人工智能临床医生” 和 “人工智能统计学家” 如何通过生物统计建模优化试验设计并提高监管成功率。</li>
<li><strong>高保真证据：</strong> 像 Pure Evidence 这样的平台提供人工策划的高质量临床数据库，以确保数据的准确性和及时性。</li>
<li><strong>运营效率：</strong> 赛诺菲正在将人工智能应用于试验招募，而默克和辉瑞则利用生成性人工智能来简化临床记录和监管文档。</li>
</ul>
<p><strong>协作生态系统与全球桥梁</strong></p>
<p>成功越来越依赖于生物制药公司、专业技术公司和医院系统（如麻省总医院布莱根）的深度合作。仅限内部的人工智能开发受到有限和孤立数据的制约，而先进算法在更广泛、更具多样性的数据集上训练时表现最佳。</p>
<p>在这个全球市场中，人工智能也在加强 “中美全球” 桥梁。中国本土创新者如 RemeGen——最近与 AbbVie 签署了 56 亿美元的许可协议——正在将强大的本地临床管道与符合全球标准的人工智能驱动证据平台相结合。</p>
<p><strong>未来趋势：2026 年及以后</strong></p>
<p>“人工智能幻灭期” 即将结束，行业正在将合适的工具应用于合适的问题。影响已经在关键指标中显现：</p>
<ul>
<li><strong>成功率：</strong> 人工智能发现的药物在 I 期的成功率达到 80% 至 90%，几乎是传统基准的两倍。</li>
<li><strong>管道量：</strong> 目前有超过 3000 种人工智能辅助药物正在开发中。</li>
<li><strong>未来批准：</strong> 预计到 2030 年将有超过 200 种人工智能支持的药物获得批准。</li>
</ul>
<p>为了在这一环境中取得成功，组织必须加强数据治理，并培养将人工智能视为主要加速器的劳动力。目标是实现一个从实验室到患者的路径不再是瓶颈，而是由智能、基于证据的系统驱动的高效通道。</p>
<p><em>(张小麦是 HopeAI 的首席营销官。坦娅·奥布拉多维奇是 Arc Nouvel 的执行医学顾问，同时也是 HopeAI 的肿瘤医学战略顾问。)</em></p>

<p>这篇文章讨论了人工智能在药物开发中的变革性作用，特别是在临床试验中的应用，这一点在第 44 届摩根大通医疗会议上得到了强调。文章对比了推动技术进步的摩尔定律与反映药物开发成本上升的 Eroom 定律。重点关注肿瘤学作为人工智能应用的关键领域，主要制药公司在此领域进行了大量投资。预计代理型人工智能的采用将提高临床试验的成功率和运营效率，并预测到 2030 年将有超过 200 个人工智能驱动的药物获得批准</p>

<p>(Yicai) Jan. 23 -- The next big leap for artificial intelligence in healthcare is no longer in the lab, but in clinical trials -- where drug development succeeds or fails.</p>
<div class="lb-trans"><p>（第一财经）1 月 23 日——人工智能在医疗保健领域的下一个重大飞跃不再是在实验室，而是在临床试验中——药物开发的成功与否就在于此。</p>
</div><p>For years, the conversation around AI in healthcare has been dominated by the “front end” of the pipeline: drug discovery. The industry celebrated algorithms’ ability to predict protein structures and identify novel molecules. However, as the 44th Annual J.P. Morgan Healthcare Conference (JPM 2026) made clear in San Francisco last week, attention is finally shifting toward what many see as the “last untouched bottleneck” -- clinical trials.</p>
<div class="lb-trans"><p>多年来，关于医疗保健中人工智能的讨论主要集中在管道的 “前端”：药物发现。业界庆祝算法预测蛋白质结构和识别新分子的能力。然而，正如上周在旧金山举行的第 44 届摩根大通医疗保健会议（JPM 2026）所明确指出的，关注点终于转向许多人视为 “最后未触及瓶颈” 的临床试验。</p>
</div><p>As the industry moves into 2026 and beyond, it is confronting a “Tale of Two Exponentials” that will help determine the future of human health.</p>
<div class="lb-trans"><p>随着行业进入 2026 年及以后，它正面临一场 “两个指数的故事”，这将帮助决定人类健康的未来。</p>
</div><p><strong>Harnessing Moore to Combat Eroom</strong></p>
<div class="lb-trans"><p><strong>利用摩尔定律应对厄尔姆定律</strong></p>
</div><p>The technology industry derives much of its power from Moore’s Law -- the decades-long trend of exponentially increasing computing capability while reducing costs roughly every two years. Today’s computers are about 1,000 times more powerful than those a decade ago and nearly a million times more powerful than those from 20 years ago. This dramatic growth is what allowed software to “eat the world.”</p>
<div class="lb-trans"><p>科技行业的力量很大程度上源于摩尔定律——这一持续数十年的趋势是计算能力以指数级增长，同时每两年左右降低成本。今天的计算机比十年前的计算机强大约 1000 倍，比 20 年前的计算机强大近百万倍。这一惊人的增长使得软件能够 “吞噬世界”。</p>
</div><p>By contrast, drug design and healthcare delivery operate under Eroom’s Law -- Moore spelled backward. These sectors have experienced decades of rising costs, now reaching extreme levels, with healthcare spending approaching a quarter of US gross domestic product. Driven by rising labor, administrative, and clinical trial expenses, therapeutics are following the wrong curve.</p>
<div class="lb-trans"><p>相比之下，药物设计和医疗服务则遵循厄尔姆定律——摩尔定律的反向。这些领域经历了数十年的成本上升，现在已达到极端水平，医疗支出接近美国国内生产总值的四分之一。由于劳动力、行政和临床试验费用的上升，治疗药物正沿着错误的曲线发展。</p>
</div><p>The inflation-adjusted cost of developing a new drug now doubles roughly every nine years. To reverse this trend, the industry must shift from Eroom’s Law to Moore’s Law by turning human-driven services into compute -- commoditizing complex clinical services through technology.</p>
<div class="lb-trans"><p>开发新药的通货膨胀调整成本现在大约每九年翻一番。为了扭转这一趋势，行业必须通过将人力驱动的服务转变为计算，利用技术将复杂的临床服务商品化，从而从厄尔姆定律转向摩尔定律。</p>
</div><p><strong>Oncology: The AI Testing Ground</strong></p>
<div class="lb-trans"><p><strong>肿瘤学：人工智能的试验场</strong></p>
</div><p>Oncology remains the clearest frontier for this transformation, accounting for one in three pharmaceutical AI business relationships among top-tier players. The sheer volume of high-quality data and the inherent complexity of cancer biology make oncology an ideal environment for AI applications.</p>
<div class="lb-trans"><p>肿瘤学仍然是这一转型最清晰的前沿，占据了顶级企业中三分之一的制药人工智能商业关系。大量高质量数据和癌症生物学的固有复杂性使肿瘤学成为人工智能应用的理想环境。</p>
</div><p>At JPM 2026, this momentum moved beyond theory into industrial-scale infrastructure. A landmark signal was the USD1 billion co-innovation lab announced by Nvidia and Eli Lilly. The partnership aims to create a “continuous learning system” that connects agentic wet labs with computational dry labs around the clock.</p>
<div class="lb-trans"><p>在 JPM 2026 上，这一势头超越了理论，进入了工业规模的基础设施。一个标志性的信号是 Nvidia 和 Eli Lilly 宣布的 10 亿美元共同创新实验室。该合作旨在创建一个 “持续学习系统”，全天候连接自主的湿实验室与计算干实验室。</p>
</div><p>This follows a major wave of investment in 2025, including:</p>
<div class="lb-trans"><p>这紧随 2025 年一波重大投资，包括：</p>
</div><ul>
<li>AstraZeneca’s USD1 billion-plus partnership with BenevolentAI for AI-led immunotherapy.</li>
<li>Bristol Myers Squibb’s USD80 million-plus collaboration with Owkin to identify novel immuno-oncology targets.</li>
<li>Roche/Genentech’s USD150 million-plus deal with Recursion Pharmaceuticals to accelerate antibody discovery.</li>
</ul>
<div class="lb-trans"><ul>
<li>阿斯利康与 BenevolentAI 的超过 10 亿美元的合作，专注于人工智能主导的免疫疗法。</li>
<li>百时美施贵宝与 Owkin 的超过 8000 万美元的合作，旨在识别新的免疫肿瘤靶点。</li>
<li>罗氏/基因泰克与 Recursion Pharmaceuticals 的超过 1.5 亿美元的交易，以加速抗体发现。</li>
</ul>
</div><p><strong>Cracking the Clinical Development Bottleneck</strong></p>
<div class="lb-trans"><p><strong>破解临床开发瓶颈</strong></p>
</div><p>The pharmaceutical industry faces a roughly 90 percent failure rate for drug candidates entering clinical trials. Since research and development expenses account for as much as 70 percent of total costs due to project termination, this stage has become the primary target for AI-driven improvement.</p>
<div class="lb-trans"><p>制药行业面临约 90% 的临床试验药物候选者失败率。由于项目终止，研发费用占总成本的 70%，这一阶段已成为人工智能驱动改进的主要目标。</p>
</div><p>The most transformative development heading into 2026 is the adoption of agentic AI. A new “Moore’s Law for AI agents” has emerged: the length of tasks that AI systems can autonomously complete is doubling every seven months. While early models could manage tasks lasting seconds, 2026-era agents are now capable of handling multi-hour professional projects.</p>
<div class="lb-trans"><p>进入 2026 年，最具变革性的进展是自主人工智能的采用。出现了一种新的 “人工智能代理的摩尔定律”：人工智能系统能够自主完成的任务长度每七个月翻一番。尽管早期模型只能管理持续几秒的任务，但 2026 年的代理现在能够处理持续数小时的专业项目。</p>
</div><p>Innovative players are deploying specialized tools to address this “messy middle” of development:</p>
<div class="lb-trans"><p>创新型企业正在部署专业工具来应对这一 “混乱中间” 开发阶段：</p>
</div><ul>
<li><strong>The rise of the AI agent:</strong> Tools such as Medable’s “TMF Agent” are automating labor-intensive Trial Master File processes.</li>
<li><strong>Specialized AI teammates:</strong> Companies including HopeAI are demonstrating how “AI clinicians” and “AI statisticians” can optimize trial design and improve regulatory success through biostatistics modeling.</li>
<li><strong>High-fidelity evidence:</strong> Platforms such as Pure Evidence provide human-curated, high-quality clinical databases to ensure data accuracy and timeliness.</li>
<li><strong>Operational efficiency:</strong> Sanofi is applying AI to trial recruitment, while Merck and Pfizer are using generative AI to streamline clinical records and regulatory authoring.</li>
</ul>
<div class="lb-trans"><ul>
<li><strong>人工智能代理的崛起：</strong> 像 Medable 的 “TMF 代理” 这样的工具正在自动化劳动密集型的试验主文件流程。</li>
<li><strong>专业的人工智能团队：</strong> 包括 HopeAI 在内的公司正在展示 “人工智能临床医生” 和 “人工智能统计学家” 如何通过生物统计建模优化试验设计并提高监管成功率。</li>
<li><strong>高保真证据：</strong> 像 Pure Evidence 这样的平台提供人工策划的高质量临床数据库，以确保数据的准确性和及时性。</li>
<li><strong>运营效率：</strong> 赛诺菲正在将人工智能应用于试验招募，而默克和辉瑞则利用生成性人工智能来简化临床记录和监管文档。</li>
</ul>
</div><p><strong>The Collaborative Ecosystem and the Global Bridge</strong></p>
<div class="lb-trans"><p><strong>协作生态系统与全球桥梁</strong></p>
</div><p>Success increasingly depends on deep collaboration among biopharma companies, specialized technology firms, and hospital systems such as Mass General Brigham. Internal-only AI development is constrained by limited and siloed data, while advanced algorithms perform best when trained across broader, more diverse datasets.</p>
<div class="lb-trans"><p>成功越来越依赖于生物制药公司、专业技术公司和医院系统（如麻省总医院布莱根）的深度合作。仅限内部的人工智能开发受到有限和孤立数据的制约，而先进算法在更广泛、更具多样性的数据集上训练时表现最佳。</p>
</div><p>In this global market, AI is also reinforcing the “China-global” bridge. China-based innovators such as RemeGen -- which recently signed a USD5.6 billion licensing agreement with AbbVie -- are combining robust local clinical pipelines with AI-powered evidence platforms that meet global standards.</p>
<div class="lb-trans"><p>在这个全球市场中，人工智能也在加强 “中美全球” 桥梁。中国本土创新者如 RemeGen——最近与 AbbVie 签署了 56 亿美元的许可协议——正在将强大的本地临床管道与符合全球标准的人工智能驱动证据平台相结合。</p>
</div><p><strong>Future Trends: 2026 and Beyond</strong></p>
<div class="lb-trans"><p><strong>未来趋势：2026 年及以后</strong></p>
</div><p>The period of “AI disillusionment” is drawing to a close as the industry applies the right tools to the right problems. The impact is already visible in key metrics:</p>
<div class="lb-trans"><p>“人工智能幻灭期” 即将结束，行业正在将合适的工具应用于合适的问题。影响已经在关键指标中显现：</p>
</div><ul>
<li><strong>Success rates:</strong> AI-discovered drugs are achieving Phase I success rates of 80 to 90 percent, nearly double traditional benchmarks.</li>
<li><strong>Pipeline volume:</strong> More than 3,000 AI-assisted drugs are currently in development.</li>
<li><strong>Future approvals:</strong> Over 200 AI-enabled drug approvals are expected by 2030.</li>
</ul>
<div class="lb-trans"><ul>
<li><strong>成功率：</strong> 人工智能发现的药物在 I 期的成功率达到 80% 至 90%，几乎是传统基准的两倍。</li>
<li><strong>管道量：</strong> 目前有超过 3000 种人工智能辅助药物正在开发中。</li>
<li><strong>未来批准：</strong> 预计到 2030 年将有超过 200 种人工智能支持的药物获得批准。</li>
</ul>
</div><p>To succeed in this environment, organizations must strengthen data governance and cultivate a workforce that treats AI as a primary accelerator. The objective is a future in which the path from the laboratory to the patient is no longer a bottleneck, but a streamlined highway driven by intelligent, evidence-based systems.</p>
<div class="lb-trans"><p>为了在这一环境中取得成功，组织必须加强数据治理，并培养将人工智能视为主要加速器的劳动力。目标是实现一个从实验室到患者的路径不再是瓶颈，而是由智能、基于证据的系统驱动的高效通道。</p>
</div><p><em>(Xiaomai Zhang is the Chief Marketing Officer of HopeAI. Tanja Obradovic is the Executive Medical Consultant at Arc Nouvel and an Oncology Medical Strategy Advisor to HopeAI.)</em></p>
<div class="lb-trans"><p><em>(张小麦是 HopeAI 的首席营销官。坦娅·奥布拉多维奇是 Arc Nouvel 的执行医学顾问，同时也是 HopeAI 的肿瘤医学战略顾问。)</em></p>
</div>

【观点】2026 年：人工智能驱动药物开发的黎明