人工智慧正大幅加速藥物開發，一項獨家調查顯示，這股趨勢正推動更廣泛的自動化浪潮，改變早期製藥研究的軌跡。
重要性在於：TD Cowen 對 80 位生技製藥業領袖及內部人士的調查發現，AI 能將藥物開發的臨床前成本與時程壓縮高達 70%。
這股力量正推動對尖端軟體、定序工具和電腦模型的需求，預計未來五年內將有更多實驗性療法問世。
宏觀來看：AI 無法取代科學家的直覺。然而，它能簡化在人體試驗開始前艱鉅的研發過程，使得電腦螢幕在藥物設計中的重要性，不亞於傳統實驗室。
TD Cowen 生命科學股票研究總監 Brendan Smith 表示，希望藉此「創造更多成功的機會」，並產生大量數據來訓練 AI 模型，以提高臨床成功的機率。
這對「濕實驗室」（wet labs）產生了顯著的下游影響，科學家仍將在這些實驗室評估化合物的安全性和有效性。
言外之意：這種持續研究循環的理念，與 AI 驅動的顛覆和美國白領階層的失業潮形成對比，儘管製藥業的某些環節仍可能受到影響。
川普政府推動減少生物醫學研究中的動物試驗，可能會將更多工作轉向計算工具、3D 人體組織模型及其他可預測化合物毒性的替代方案。
調查發現，到 2028 年，能夠模擬生物過程、預測兩種藥物如何相互干擾，或為新生兒和孕婦調整劑量的進階軟體，將迎來最強勁的成長。
各公司已投入大量資金於預測和建模工具，例如「in silico」（電腦模擬）平台，讓科學家能在數秒內執行數千次虛擬實驗，模擬藥物的毒性或穩定性。
從數據來看：這項獨家調查數據顯示，新的藥物開發計畫在三到五年內可能成長超過 10%。
這股技術採購熱潮，加上實驗室支出的增加，可能額外帶來 10 億美元的增量支出。
現實檢視：AI 尚未發現任何獲得美國食品藥物管理局（FDA）批准的藥物。一些投資者也質疑它對患者產生重大影響的能力。
一個擔憂是，在化合物進入臨床試驗之前，所有的工程和優化可能未能充分考慮人類反應，以及不同個體之間的差異。
懷疑論者認為，如果缺乏這方面的考量，新藥的失敗率可能仍維持在 90% 左右。
我們正在關注：中國的生技產業持續發展，以更低的勞動力成本和更快的周轉時間，威脅著美國的研究工作，這已吸引了數十億美元的新投資。
TD Cowen 指出，政府在 AI 政策上「不斷改變目標」，試圖在不干預的監管方式與對安全和隱私問題的更多監督之間取得平衡。
