<p>（第一財經）1 月 23 日——人工智能在醫療保健領域的下一個重大飛躍不再是在實驗室，而是在臨牀試驗中——藥物開發的成功與否就在於此。</p>
<p>多年來，關於醫療保健中人工智能的討論主要集中在管道的 “前端”：藥物發現。業界慶祝算法預測蛋白質結構和識別新分子的能力。然而，正如上週在舊金山舉行的第 44 屆摩根大通醫療保健會議（JPM 2026）所明確指出的，關注點終於轉向許多人視為 “最後未觸及瓶頸” 的臨牀試驗。</p>
<p>隨着行業進入 2026 年及以後，它正面臨一場 “兩個指數的故事”，這將幫助決定人類健康的未來。</p>
<p><strong>利用摩爾定律應對厄爾姆定律</strong></p>
<p>科技行業的力量很大程度上源於摩爾定律——這一持續數十年的趨勢是計算能力以指數級增長，同時每兩年左右降低成本。今天的計算機比十年前的計算機強大約 1000 倍，比 20 年前的計算機強大近百萬倍。這一驚人的增長使得軟件能夠 “吞噬世界”。</p>
<p>相比之下，藥物設計和醫療服務則遵循厄爾姆定律——摩爾定律的反向。這些領域經歷了數十年的成本上升，現在已達到極端水平，醫療支出接近美國國內生產總值的四分之一。由於勞動力、行政和臨牀試驗費用的上升，治療藥物正沿着錯誤的曲線發展。</p>
<p>開發新藥的通貨膨脹調整成本現在大約每九年翻一番。為了扭轉這一趨勢，行業必須通過將人力驅動的服務轉變為計算，利用技術將複雜的臨牀服務商品化，從而從厄爾姆定律轉向摩爾定律。</p>
<p><strong>腫瘤學：人工智能的試驗場</strong></p>
<p>腫瘤學仍然是這一轉型最清晰的前沿，佔據了頂級企業中三分之一的製藥人工智能商業關係。大量高質量數據和癌症生物學的固有複雜性使腫瘤學成為人工智能應用的理想環境。</p>
<p>在 JPM 2026 上，這一勢頭超越了理論，進入了工業規模的基礎設施。一個標誌性的信號是 Nvidia 和 Eli Lilly 宣佈的 10 億美元共同創新實驗室。該合作旨在創建一個 “持續學習系統”，全天候連接自主的濕實驗室與計算幹實驗室。</p>
<p>這緊隨 2025 年一波重大投資，包括：</p>
<ul>
<li>阿斯利康與 BenevolentAI 的超過 10 億美元的合作，專注於人工智能主導的免疫療法。</li>
<li>百時美施貴寶與 Owkin 的超過 8000 萬美元的合作，旨在識別新的免疫腫瘤靶點。</li>
<li>羅氏/基因泰克與 Recursion Pharmaceuticals 的超過 1.5 億美元的交易，以加速抗體發現。</li>
</ul>
<p><strong>破解臨牀開發瓶頸</strong></p>
<p>製藥行業面臨約 90% 的臨牀試驗藥物候選者失敗率。由於項目終止，研發費用佔總成本的 70%，這一階段已成為人工智能驅動改進的主要目標。</p>
<p>進入 2026 年，最具變革性的進展是自主人工智能的採用。出現了一種新的 “人工智能代理的摩爾定律”：人工智能系統能夠自主完成的任務長度每七個月翻一番。儘管早期模型只能管理持續幾秒的任務，但 2026 年的代理現在能夠處理持續數小時的專業項目。</p>
<p>創新型企業正在部署專業工具來應對這一 “混亂中間” 開發階段：</p>
<ul>
<li><strong>人工智能代理的崛起：</strong> 像 Medable 的 “TMF 代理” 這樣的工具正在自動化勞動密集型的試驗主文件流程。</li>
<li><strong>專業的人工智能團隊：</strong> 包括 HopeAI 在內的公司正在展示 “人工智能臨牀醫生” 和 “人工智能統計學家” 如何通過生物統計建模優化試驗設計並提高監管成功率。</li>
<li><strong>高保真證據：</strong> 像 Pure Evidence 這樣的平台提供人工策劃的高質量臨牀數據庫，以確保數據的準確性和及時性。</li>
<li><strong>運營效率：</strong> 賽諾菲正在將人工智能應用於試驗招募，而默克和輝瑞則利用生成性人工智能來簡化臨牀記錄和監管文檔。</li>
</ul>
<p><strong>協作生態系統與全球橋樑</strong></p>
<p>成功越來越依賴於生物製藥公司、專業技術公司和醫院系統（如麻省總醫院布萊根）的深度合作。僅限內部的人工智能開發受到有限和孤立數據的制約，而先進算法在更廣泛、更具多樣性的數據集上訓練時表現最佳。</p>
<p>在這個全球市場中，人工智能也在加強 “中美全球” 橋樑。中國本土創新者如 RemeGen——最近與 AbbVie 簽署了 56 億美元的許可協議——正在將強大的本地臨牀管道與符合全球標準的人工智能驅動證據平台相結合。</p>
<p><strong>未來趨勢：2026 年及以後</strong></p>
<p>“人工智能幻滅期” 即將結束，行業正在將合適的工具應用於合適的問題。影響已經在關鍵指標中顯現：</p>
<ul>
<li><strong>成功率：</strong> 人工智能發現的藥物在 I 期的成功率達到 80% 至 90%，幾乎是傳統基準的兩倍。</li>
<li><strong>管道量：</strong> 目前有超過 3000 種人工智能輔助藥物正在開發中。</li>
<li><strong>未來批准：</strong> 預計到 2030 年將有超過 200 種人工智能支持的藥物獲得批准。</li>
</ul>
<p>為了在這一環境中取得成功，組織必須加強數據治理，並培養將人工智能視為主要加速器的勞動力。目標是實現一個從實驗室到患者的路徑不再是瓶頸，而是由智能、基於證據的系統驅動的高效通道。</p>
<p><em>(張小麥是 HopeAI 的首席營銷官。坦婭·奧布拉多維奇是 Arc Nouvel 的執行醫學顧問，同時也是 HopeAI 的腫瘤醫學戰略顧問。)</em></p>

<p>這篇文章討論了人工智能在藥物開發中的變革性作用，特別是在臨牀試驗中的應用，這一點在第 44 屆摩根大通醫療會議上得到了強調。文章對比了推動技術進步的摩爾定律與反映藥物開發成本上升的 Eroom 定律。重點關注腫瘤學作為人工智能應用的關鍵領域，主要製藥公司在此領域進行了大量投資。預計代理型人工智能的採用將提高臨牀試驗的成功率和運營效率，並預測到 2030 年將有超過 200 個人工智能驅動的藥物獲得批准</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>（第一財經）1 月 23 日——人工智能在醫療保健領域的下一個重大飛躍不再是在實驗室，而是在臨牀試驗中——藥物開發的成功與否就在於此。</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>多年來，關於醫療保健中人工智能的討論主要集中在管道的 “前端”：藥物發現。業界慶祝算法預測蛋白質結構和識別新分子的能力。然而，正如上週在舊金山舉行的第 44 屆摩根大通醫療保健會議（JPM 2026）所明確指出的，關注點終於轉向許多人視為 “最後未觸及瓶頸” 的臨牀試驗。</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>隨着行業進入 2026 年及以後，它正面臨一場 “兩個指數的故事”，這將幫助決定人類健康的未來。</p>
</div><p><strong>Harnessing Moore to Combat Eroom</strong></p>
<div class="lb-trans"><p><strong>利用摩爾定律應對厄爾姆定律</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>科技行業的力量很大程度上源於摩爾定律——這一持續數十年的趨勢是計算能力以指數級增長，同時每兩年左右降低成本。今天的計算機比十年前的計算機強大約 1000 倍，比 20 年前的計算機強大近百萬倍。這一驚人的增長使得軟件能夠 “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，藥物設計和醫療服務則遵循厄爾姆定律——摩爾定律的反向。這些領域經歷了數十年的成本上升，現在已達到極端水平，醫療支出接近美國國內生產總值的四分之一。由於勞動力、行政和臨牀試驗費用的上升，治療藥物正沿着錯誤的曲線發展。</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>開發新藥的通貨膨脹調整成本現在大約每九年翻一番。為了扭轉這一趨勢，行業必須通過將人力驅動的服務轉變為計算，利用技術將複雜的臨牀服務商品化，從而從厄爾姆定律轉向摩爾定律。</p>
</div><p><strong>Oncology: The AI Testing Ground</strong></p>
<div class="lb-trans"><p><strong>腫瘤學：人工智能的試驗場</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>腫瘤學仍然是這一轉型最清晰的前沿，佔據了頂級企業中三分之一的製藥人工智能商業關係。大量高質量數據和癌症生物學的固有複雜性使腫瘤學成為人工智能應用的理想環境。</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，這一勢頭超越了理論，進入了工業規模的基礎設施。一個標誌性的信號是 Nvidia 和 Eli Lilly 宣佈的 10 億美元共同創新實驗室。該合作旨在創建一個 “持續學習系統”，全天候連接自主的濕實驗室與計算幹實驗室。</p>
</div><p>This follows a major wave of investment in 2025, including:</p>
<div class="lb-trans"><p>這緊隨 2025 年一波重大投資，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>阿斯利康與 BenevolentAI 的超過 10 億美元的合作，專注於人工智能主導的免疫療法。</li>
<li>百時美施貴寶與 Owkin 的超過 8000 萬美元的合作，旨在識別新的免疫腫瘤靶點。</li>
<li>羅氏/基因泰克與 Recursion Pharmaceuticals 的超過 1.5 億美元的交易，以加速抗體發現。</li>
</ul>
</div><p><strong>Cracking the Clinical Development Bottleneck</strong></p>
<div class="lb-trans"><p><strong>破解臨牀開發瓶頸</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>製藥行業面臨約 90% 的臨牀試驗藥物候選者失敗率。由於項目終止，研發費用佔總成本的 70%，這一階段已成為人工智能驅動改進的主要目標。</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>進入 2026 年，最具變革性的進展是自主人工智能的採用。出現了一種新的 “人工智能代理的摩爾定律”：人工智能系統能夠自主完成的任務長度每七個月翻一番。儘管早期模型只能管理持續幾秒的任務，但 2026 年的代理現在能夠處理持續數小時的專業項目。</p>
</div><p>Innovative players are deploying specialized tools to address this “messy middle” of development:</p>
<div class="lb-trans"><p>創新型企業正在部署專業工具來應對這一 “混亂中間” 開發階段：</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” 這樣的工具正在自動化勞動密集型的試驗主文件流程。</li>
<li><strong>專業的人工智能團隊：</strong> 包括 HopeAI 在內的公司正在展示 “人工智能臨牀醫生” 和 “人工智能統計學家” 如何通過生物統計建模優化試驗設計並提高監管成功率。</li>
<li><strong>高保真證據：</strong> 像 Pure Evidence 這樣的平台提供人工策劃的高質量臨牀數據庫，以確保數據的準確性和及時性。</li>
<li><strong>運營效率：</strong> 賽諾菲正在將人工智能應用於試驗招募，而默克和輝瑞則利用生成性人工智能來簡化臨牀記錄和監管文檔。</li>
</ul>
</div><p><strong>The Collaborative Ecosystem and the Global Bridge</strong></p>
<div class="lb-trans"><p><strong>協作生態系統與全球橋樑</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>成功越來越依賴於生物製藥公司、專業技術公司和醫院系統（如麻省總醫院布萊根）的深度合作。僅限內部的人工智能開發受到有限和孤立數據的制約，而先進算法在更廣泛、更具多樣性的數據集上訓練時表現最佳。</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>在這個全球市場中，人工智能也在加強 “中美全球” 橋樑。中國本土創新者如 RemeGen——最近與 AbbVie 簽署了 56 億美元的許可協議——正在將強大的本地臨牀管道與符合全球標準的人工智能驅動證據平台相結合。</p>
</div><p><strong>Future Trends: 2026 and Beyond</strong></p>
<div class="lb-trans"><p><strong>未來趨勢：2026 年及以後</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>“人工智能幻滅期” 即將結束，行業正在將合適的工具應用於合適的問題。影響已經在關鍵指標中顯現：</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> 人工智能發現的藥物在 I 期的成功率達到 80% 至 90%，幾乎是傳統基準的兩倍。</li>
<li><strong>管道量：</strong> 目前有超過 3000 種人工智能輔助藥物正在開發中。</li>
<li><strong>未來批准：</strong> 預計到 2030 年將有超過 200 種人工智能支持的藥物獲得批准。</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>為了在這一環境中取得成功，組織必須加強數據治理，並培養將人工智能視為主要加速器的勞動力。目標是實現一個從實驗室到患者的路徑不再是瓶頸，而是由智能、基於證據的系統驅動的高效通道。</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>(張小麥是 HopeAI 的首席營銷官。坦婭·奧布拉多維奇是 Arc Nouvel 的執行醫學顧問，同時也是 HopeAI 的腫瘤醫學戰略顧問。)</em></p>
</div>

【觀點】2026 年：人工智能驅動藥物開發的黎明