AI 藥物研發砸下 20 億美元，為何至今零款 AI 原生新藥過關

AI 藥物研發最近吸引超過 20 億美元投資，業界說法是把開發時程從 4 到 5 年壓縮到 12 到 18 個月，臨床成功率也翻倍。但把時間軸拉長看，自 2019 年至今，這個領域已經累計投入約 600 億美元，175 個 AI 起源的藥物進了人體試驗，至今沒有一款拿到 FDA 核准。判讀這波熱潮該看的不是募資金額，是核准欄那個掛零的數字。

20 億美元砸在哪，想解決什麼問題

根據 GlobeNewswire 引述 BCC Research 於 2026 年 7 月 14 日發布的報告，AI 藥物研發近期吸引超過 20 億美元投資，代表性大單包括 Generate Biomedicines 與 Exscientia 各逾 5 億美元、Kailera 的 6 億美元 B 輪，美國占全球投資約六成。報告的核心宣稱是：AI 把傳統 4 到 5 年的開發時程壓縮到 12 到 18 個月，研發成本降低 3 到 4 成，臨床試驗成功率從傳統的 1 到 1.5 成提高到約 2 成。HealthCare Recruiters International 在 7 月 6 日的觀察補了一個關鍵轉折：資金正從「相信 AI 有潛力」轉向「只投能重複產出下游團隊敢拿去用的結果」的平台，光是 Isomorphic Labs 一家就拿到 21 億美元 B 輪。錢在燒，但燒錢燒向的是能不能穩定產出候選分子，不是燒向已經驗證過的療效。

175 個藥物進了人體試驗，核准欄還是掛零

把鏡頭拉遠一點看，數字更不好看。MedCity News 在 2026 年 6 月 30 日的報導指出，自 2019 年起，AI 藥物研發領域累計投入約 600 億美元，大約 175 個 AI 起源的藥物程式已經進入人體試驗，但「FDA 核准的數字是零」。這不代表產業沒有進展，報導也提到接下來兩年會有一批進度最快的 AI 設計藥物陸續讀出中後期試驗結果，2026 到 2028 是真正能判斷 AI 有沒有兌現承諾的關鍵窗口。但現在這個時間點，投入金額跟核准數字之間的落差，就是這麼大。

指標	業界宣稱（募資敘事）	實測數字（截至目前）
近期投資金額	逾 20 億美元（2026 年單一波段）	累計自 2019 年約 600 億美元
開發時程	從 4-5 年壓到 12-18 個月	壓縮的是篩選階段，臨床驗證仍要走完整個試驗週期
臨床成功率	宣稱翻倍、第一期成功率達 8-9 成	第二期以後優勢不一定守得住（見下節 Verge Genomics 案例）
FDA 核准	宣傳資料未強調此欄	175 個 AI 起源藥物進人體試驗，核准數字為零

AI 現在做到哪一步：篩選加速，不是取代臨床驗證

BioPharma Dive 在 2026 年 7 月 17 日的報導盤點了幾個進度最前面的案例，能看出 AI 目前真正兌現的價值在哪。Insilico 的 rentosertib 用於特發性肺纖維化，第二期試驗顯示肺功能改善，已經進入中國的 52 週第三期試驗；Recursion 的 REC-4881 用於家族性大腸瘜肉症，第一 b/二期試驗顯示瘜肉負擔中位數減少 43%。這些案例的共同點是：AI 幫忙從龐大的化合物庫或標靶清單裡，早一步挑出「值得往下走」的候選分子，等於把篩選階段從人力密集的試錯，換成運算密集的排序。報導也提到，AI 設計的藥物在第一期臨床的成功率確實比傳統藥物高，這是篩選階段做對了才有的紅利。

卡住的關卡：優勢過不了第二期

但篩選階段做對，不等於臨床驗證這一關會跟著變快。同一篇 BioPharma Dive 報導點名 Verge Genomics 的 AI 辨識出的漸凍症候選藥物 VRG50635，未能通過早期試驗，是這個領域最受矚目的挫敗案例之一。報導直白地寫：第一期的優勢「可能撐不到後面的試驗階段」。這裡要先踩一個剎車：AI 排序出來的候選分子，進入人體後碰到的是免疫反應、代謝路徑、劑量安全窗這些沒辦法用運算預測的變數，這一關本來就是傳統藥物研發最貴、最慢、失敗率最高的環節，AI 目前沒有讓這一關的科學時程縮短，只是讓走到這一關之前的路走得比較快。前面提到的 4-5 年壓到 12-18 個月，壓縮的多半是候選分子產出前的研發階段，不是進了人體試驗之後的驗證期。

台灣可以借的判讀框架：老藥新用碰過同一種落差

我先前拆過老藥新用（drug repurposing）用 AI 知識圖譜找二甲雙胍新用途的案例，講的是同一種結構性落差：AI 找出「訊號」的速度，永遠比把訊號變成「有足夠證據支撐的臨床建議」快，中間卡的不是模型能力，是驗證機制跟不上。AI 原生新藥碰到的是同一件事的另一個版本：AI 找出候選分子的速度，比走完臨床試驗證明安全有效的速度快得多。兩者都指向同一個判讀基準：看到 AI 加速了「訊號產出」的哪個環節，不要直接假設「驗證」也跟著加速，這兩件事的瓶頸不一樣，一個是運算能力，一個是需要真人、真時間、真安全數據的科學流程。

我自己很期待這波熱潮真的走到「AI 原生新藥拿到核准」這一步。醫療需求擺在那裡是原因之一，我更好奇的是這件事能不能當一個示範案例：AI 若能證明自己在篩選加速之外，也能幫忙把臨床驗證這種高風險、高成本、需要嚴謹流程把關的環節做得更紮實，這套方法論說不定能成為其他同樣「快速產出候選方案、但驗證成本極高」的行業借鏡，例如工程安全測試或金融風控模型的審核流程。但那要等 2026 到 2028 這一批中後期試驗讀出結果才算數，現在看到的還是募資新聞多，核准新聞少。

常見問題

現在有 AI 原生新藥拿到 FDA 核准了嗎？
還沒有。根據 MedCity News 2026 年 6 月的報導，自 2019 年以來約 175 個 AI 起源藥物程式已進入人體試驗，累計投資約 600 億美元，但 FDA 核准的數字目前是零。業界估計 2026 到 2028 年會有一批中後期試驗陸續讀出結果，是觀察這波熱潮能否兌現的關鍵期。

AI 藥物研發現在真正做到了什麼？
主要是加速候選分子篩選與優化試驗設計，不是取代臨床驗證。BioPharma Dive 的報導顯示 AI 設計的藥物在第一期臨床成功率較高，Insilico 的 rentosertib、Recursion 的 REC-4881 都已進入中後期試驗，代表篩選階段確實有加速效果。

為什麼「開發時程壓縮 70%」這種宣稱要小心看？
因為這類報告宣稱的時程壓縮多半指候選分子產出前的研發階段，不包含進入人體試驗之後的驗證期。臨床驗證要面對免疫反應、代謝路徑、劑量安全窗這些變數，這一關的科學時程沒有因為 AI 而縮短。

AI 藥物研發碰到的困境，跟老藥新用是同一個問題嗎？
是同一種結構性落差。老藥新用用 AI 知識圖譜找新適應症，一樣是「找出訊號」比「驗證成有效建議」快得多，瓶頸都出在驗證機制跟不上訊號產出的速度，不是模型能力不夠。