7月10日，先声药业（2096.HK）宣布，已与美国计算药物发现公司薛定谔（Schrödinger, Inc.）达成全球药物发现与开发战略合作协议。

根据协议，双方将围绕未满足的临床需求开展创新药研发合作，薛定谔公司有权获得合作项目在发现、开发及商业化阶段的里程碑付款，以及基于产品净销售额的阶梯式特许权使用费。

从合作内容来看，双方覆盖了创新药研发链条中的不同环节：薛定谔聚焦药物发现阶段，通过计算技术辅助候选分子设计；先声药业则承接后续临床开发和商业化转化。

这种“前端计算设计+后端临床开发”的合作模式，试图将计算能力与药物产业化能力连接起来。

薛定谔常被简化为“AI制药公司”，但这种标签掩盖了其技术路径的独特性。

成立于1990年的薛定谔，总部位于纽约，全球15个办事处，员工约900人。其核心平台并非依赖历史数据训练模型的“大数据驱动”路径，而是基于物理学原理的分子模拟系统——通过求解薛定谔方程（量子力学中描述微观粒子运动状态的基本方程）来预测分子与靶点蛋白的相互作用。

这一技术路线与近年来部分依赖大规模数据训练的AI药物发现方法形成互补。

后者通常通过学习已有化合物结构和实验数据，预测新分子的潜在活性，在数据积累较充分的研发场景中具有优势。但对于部分数据较少、结构复杂的新靶点，仅依赖历史数据可能面临训练样本不足的问题。

此外，在传统药物发现过程中，研究人员通常需要通过高通量筛选（HTS）等实验手段，对大量候选化合物进行测试，再根据实验结果不断优化分子结构。这一过程涉及大量化合物合成、生物活性评价和迭代验证，研发周期较长。

薛定谔的计算药物发现平台则试图将部分研发决策前置，在实验开展前通过计算模拟评估分子与靶点的相互作用，辅助研究人员筛选更具潜力的候选结构。

简单而言，传统药物发现往往需要通过实验合成和筛选大量化合物，再根据结果不断调整分子结构；计算药物发现则希望在实验前利用计算方法缩小筛选范围，减少部分无效探索。

其中，自由能计算（FEP）是薛定谔的重要技术方向之一，该方法通过模拟分子结构变化对结合自由能的影响，帮助研究人员预测不同分子改造方案可能带来的结合能力变化。

相比传统构效关系分析需要合成数十甚至上百个类似物才能摸索方向，FEP可在计算阶段排除大量无效设计，将湿实验（wet lab，即实际实验室中的化学合成和生物测试）验证范围大幅缩小。

经过多年发展，薛定谔的计算平台已被全球数百家生物科技企业、制药企业及科研机构采用。同时，公司也从单纯提供计算工具，逐步参与药物发现项目开发，利用自身平台推进合作研发和自主治疗管线。

目前，薛定谔已有多个自主研发项目进入临床阶段，并与诺华（Novartis）、百时美施贵宝（Bristol Myers Squibb）、礼来（Eli Lilly）等跨国药企开展合作，探索计算技术在候选分子设计和优化中的应用。

作为国内头部创新药企，先声药业围绕神经科学、抗肿瘤、自身免疫及抗感染等领域布局研发，并建设有“神经与肿瘤药物研发全国重点实验室”。

近年来，公司逐步形成覆盖临床前研究、临床开发、注册申报及商业化运营的研发体系。截至2025年底，先声药业已有10款创新药实现商业化，同时推进超过60条研发管线，覆盖多个治疗领域。

这一研发体系也为外部技术平台参与创新药开发提供了承接基础。对于计算药物发现企业而言，算法和分子设计只是研发早期环节，候选分子最终能否成为临床资产，还需要依赖药物评价、临床开发和商业化能力。

事实上，此次与薛定谔合作并非先声药业首次探索AI辅助药物研发。近年来，公司已围绕AI分子筛选、优化及候选药物开发，与国内相关技术企业开展合作，积累了一定的项目转化经验。

2020年，先声药业与阿尔脉生物开展合作，双方围绕肿瘤、神经、自身免疫等领域靶点进行先导化合物虚拟筛选，利用AI机器学习模型建立靶点专属筛选体系。

2021年，双方合作成果ALM005抗肿瘤分子进入研发阶段，先声药业获得该分子的全球开发与商业化权益，实现了从AI辅助筛选到创新药管线转化的探索。

2025年，先声药业进一步与费米子科技合作开发镇痛领域AI小分子药物FZ002-037。该项目针对SSTR4靶点，利用AI平台进行分子优化，目前已进入临床阶段。

多次AI药物研发合作，使先声药业在AI辅助分子筛选、候选化合物优化以及后续开发环节形成了一定经验。此次与薛定谔合作，则是在已有研发体系基础上，引入更具全球化能力的计算药物发现平台，进一步探索AI技术在创新药早期研发中的应用。

先声药业与薛定谔的合作，也折射出AI药物发现行业正在从技术探索走向产业验证。

创新药研发长期面临高投入、高风险和长周期挑战。根据德勤（Deloitte）发布的《Measuring the return from pharmaceutical innovation 2025》报告，纳入研发失败沉没成本分摊后，2024年全球头部20家制药企业开发一款新药的平均研发成本达到22.3亿美元。

在这一背景下，AI和计算技术受到越来越多关注。根据MarketsandMarkets发布的《AI in Drug Discovery Market》报告，2024年全球AI药物发现市场规模约18.6亿美元，预计2024年至2029年复合增长率达到29.9%，2029年市场规模将达到68.9亿美元。

市场增长也推动大型药企加速布局AI药物发现。

2024年，礼来与Alphabet旗下Isomorphic Labs达成多靶点合作，探索利用AI技术开展小分子药物发现；诺华持续与计算药物研发企业合作，将AI分子模拟和生成化学工具应用于候选分子设计与优化；阿斯利康也通过与BenevolentAI、Absci等企业合作，探索AI在靶点发现、分子设计等环节的应用。

不过，随着AI药物发现逐步进入产业应用阶段，行业对于其价值的评价标准也正在发生变化。

未来，AI药物发现技术的价值仍需要回到临床数据中验证。对于产业参与者而言，真正值得关注的并不是模型本身，而是AI是否能够帮助企业发现更具潜力的候选分子，提高研发效率，并最终产出能够满足患者需求的创新药。