药闻 | 英矽智能上市后首份半年报扭亏 创新药研发加速拥抱AI

新华财经上海8月31日电（记者 杜康）作为AI制药领域代表性企业之一，英矽智能（03696.HK）日前发布2026年度中期业绩报告。上半年，公司实现总营收1.063亿美元，同比增长287.2%；净利润3554万美元，经调整净利润5123万美元，经营活动现金流转正。这是英矽智能上市后发布的首份半年报，公司也由此前的亏损转为盈利。

从收入结构看，药物研发与管线开发仍是主要来源。报告期内，该项收入达到1.031亿美元，同比增长超过300%，主要来自新签BD（商务拓展）项目的首付款及既有合作项目的里程碑付款。

谈及行业发展趋势，英矽智能联合首席执行官兼首席科学官任峰表示，未来两三年，所有创新药公司都会在不同程度上成为AI制药公司。

对外授权合作推动利润转正 

截至最后可行日期，英矽智能2026年内公布的交易合约总价值约73亿美元。从合作数量、交易规模和推进深度来看，英矽智能的对外合作模式正在从单次授权向持续合作和深度共研演进。

例如今年3月，英矽智能与礼来签署总额最高27.5亿美元的对外授权与全球研发合作协议，获得首付款1.15亿美元。礼来与英矽智能的关系由软件平台用户逐步拓展至研发合作伙伴、基石投资者和深度合作方。英矽智能与国内药企的“早期技术验证+追加深入合作”的模式也在加速成形。1月，公司与齐鲁制药达成总额9.31亿港元的研发合作，合作模式由软件平台服务进一步延伸至联合研发。

任峰表示，BD是衡量AI制药企业能否实现技术落地的重要指标。

“对AI制药企业来说，落地主要看两个方面。”任峰说，一是自研管线能够推进到哪一步，“技术足够好，能够较快把管线推进到临床阶段，临床进展是一个重要衡量标准”；二是AI技术能否带来收入，包括是否有企业愿意开展战略合作、购买或授权管线，以及是否有客户愿意付费使用AI平台和模型。

“在药物还没有上市之前，技术能否带来商业化收入，是评价AI制药公司的重要标准。”任峰说。

从英矽智能与海外大型药企的沟通情况看，药企对AI制药公司的需求也在变化。任峰介绍，过去的合作需求主要针对已知靶点和生物学机制，希望AI能够设计出差异化分子，解决现有分子在毒性、选择性和活性等方面的问题。现在，越来越多药企开始要求AI制药公司针对特定疾病领域寻找新颖、可靠的靶点。

“以前主要看能不能做出更好的分子，现在也开始要求我们帮助寻找靠谱的新靶点。”任峰说，英矽智能的特点是既能进行分子生成，也能开展靶点发现和验证。

目前，英矽智能累计提名33个临床前候选化合物（PCC），涉及的靶点中有6个为潜在全球首创靶点。“这意味着新的生物学机制和新的分子。靶点发现能力在BD过程中的地位正变得越来越重要。”任峰说。

模型训练框架成第二增长曲线

对于本次扭亏能否持续，任峰认为，关键在于合作项目能否不断推进并形成更多里程碑付款。

“随着合作项目越来越多，里程碑付款也会逐步增加，首付款在收入中的占比会慢慢下降。”任峰说，公司希望收入由过去较依赖首付款，逐步转向首付款和里程碑付款共同贡献。“未来如果里程碑付款对收入的贡献能够超过首付款，就可以形成滚动、可持续的盈利模式。”

值得一提的是，除管线BD外，英矽智能上半年实现软件解决方案收入269.7万美元。公司于1月发布整合生命科学基础模型训练框架 MMAI Gym。任峰表示，MMAI Gym模型训练与评估生态正在逐渐成长为公司第二增长曲线，项目启动以来已产生数百万美元收入。今年3月，公司与Liquid AI达成首个基于MMAI Gym的AI模型共建合作，交付轻量级本地科研基础模型，以26亿参数实现了媲美百亿参数级云端模型性能。

任峰介绍，MMAI Gym业务主要面向拥有基础模型的科技公司。英矽智能提供生命科学领域的训练和评估环境，并利用真实实验数据建立约1000个评分基准，覆盖化学、生物学、衰老研究和靶点发现等任务。“现阶段一部分收入来自客户使用训练场。模型训练完成后，未来还可能与合作方共同将模型对外授权，并探索按Token收费。”

“所有创新药公司都将成为AI制药公司”

2026年以来，英矽智能宣布提名9款临床前候选化合物，并取得8项临床进展，充分发挥生成式AI在提升研发效率、缩短研发周期及降低研发成本方面的优势。

对于英矽智能来说，治疗特发性肺纤维化的Rentosertib（ISM001-055）是其代表性管线之一。Rentosertib也是全球首个由AI发现新靶点、AI设计新分子并进入临床三期的项目。如进展顺利，公司预计于2029年获得顶线数据。

“进入三期，意味着项目到了更大规模临床验证的关键阶段。”任峰说，二期临床的患者数量相对有限，如果三期能够在更大范围患者中得到验证，意味着AI制药技术形成了闭环。“一旦成功，AI制药领域可能迎来自己的破圈‘DeepSeek时刻’。”

“未来两三年，所有创新药公司都在不同程度上成为AI制药公司。”任峰判断。

具体来看，AI在制药领域的应用可分为两个方向，一是“AI for Science”，通过垂类工具解决靶点发现和分子设计等科学问题；二是“AI for Scientist”，利用大语言模型帮助科学家阅读文献、提炼信息，提高工作效率。

随着AI工具逐步普及，“AI+制药”这一赛道，最终比拼的又将是什么呢？在任峰看来，既非算力，也非单一的数据规模。

谈及数据在AI制药竞争中的作用，任峰认为，关键不只是数据规模。大型药企内部虽然积累了大量实验数据，但不同研发机构和外包机构采用的实验方法可能存在差异，数据往往较为碎片化，难以直接混合使用。

相比之下，任峰认为，临床患者数据更为关键。如果能够通过较大规模患者队列持续追踪疾病进展，并将其与转录组、基因组等组学数据联系起来，将有助于发现更加可靠的靶点。

“最后比拼的依然是在垂直领域里的应用。”任峰说，对AI制药企业而言，最终要看能否利用人工智能找到更新、更可靠的靶点，设计出差异化更好的分子，并在临床上获得成功。

编辑：李一帆

声明：新华财经（中国金融信息网）为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115