30秒看懂
- 它是谁：英矽智能，一家2014年成立、2025年底在香港上市的AI制药公司，在上海设有重要研发团队和自动化实验设施
- 最近的大新闻：2026年9月7日，《自然·生物技术》发表一项后续分析，研究人员用6个已发表的蛋白组衰老时钟复查42名肺纤维化患者的血液样本，各用药组的预测值整体向更年轻的方向变化
- 为什么重要：AI参与找靶点和设计分子后，候选药已经完成二期，公司也已登记三期；同一批人体样本还能用于研究新的问题
- 最关键的反转：这项分析来自一场肺病临床试验，并未专门验证抗衰老作用。研究无法分清指标变年轻，究竟来自衰老过程变化，还是肺病改善后的连带反应
- 这篇回答一个问题：英矽智能怎样把AI变成药、再把药变成收入，这套模式最值得学和最该警惕的地方分别是什么
开始之前，先解释几个关键名词，后面看不懂了随时翻回来查：
| 名词 | 一句话解释 |
|---|---|
| 靶点 | 药物准备干预的生物开关，先找对开关，才谈得上设计药 |
| 候选药 | 已经选出来准备做系统测试的分子，离获批出售还很远 |
| 药物管线 | 一项候选药从发现到申请获批的开发项目 |
| 特发性肺纤维化 | 一种原因不明、会让肺部逐渐变硬结疤的疾病，英文简称IPF |
| 二期临床 | 在患者身上初步看安全性和疗效信号，样本通常还不够回答最终问题 |
| 三期临床 | 用更多患者、更长时间确认药到底有没有用，也是申请上市前的关键一关 |
| 蛋白组衰老时钟 | 读取血液里一组蛋白质的变化，再估算身体状态更像多大年龄的统计模型 |
| 里程碑付款 | 合作项目走到约定节点后才支付的钱，项目没走到就收不到 |
2026年9月7日，研究人员发表了一项对肺病临床试验样本的后续分析。论文只说蛋白组衰老时钟出现变化，一些新闻标题却写成了「逆转年龄」。后一个说法远远超过了现有证据。
英矽智能先用AI在论文和生物数据里找疾病靶点，再让生成模型设计分子，然后把分子送进真实实验和临床试验。AI只能缩小搜索范围，实验结果和人体试验决定项目能不能继续。
下面我们来从头介绍这家公司。先看清42人的数据，再回到英矽智能怎么起步、怎么做药、怎么赚钱。这样才能分清「AI候选药」和「抗衰老药」之间还差多少证据。
42名患者的血样测出衰老线索
新论文测的是什么？
研究人员没有另招健康人服药，而是复查Rentosertib二期试验留下的血样。原试验有71名肺纤维化患者，55人完成治疗，最后有42人的样本可用于这次分析，平均年龄67.1岁。研究人员测了2841种蛋白质，再用6个已发表的衰老时钟估算变化，其中2个属于同一个模型家族。
这42人来自安慰剂组和3个用药组。研究人员比较服药前和第2、4、12周的预测值，各用药组整体向更年轻的方向变化，安慰剂组变化较小或略有上升。
| 读数 | 结果 | 边界 |
|---|---|---|
| 样本 | 42名患有肺纤维化的亚洲患者 | 规模小，不能推到健康人 |
| 工具 | 6个已发表的蛋白组时钟，其中2个同属一个模型家族 | 多个模型方向相同，但不能当成6套完全独立的证据 |
| 比较 | 54次探索性比较中有21次达到作者设定的统计门槛 | 门槛较宽，只能当早期线索 |
「年轻了」到底是什么意思？
它指模型根据血液蛋白质组合估算出的年龄降低了，不等于人的实际年龄倒退，也不等于寿命已经延长。它像体检里的综合评分，可以提供线索，却不能单独证明药物有效。
肺纤维化本身就会改变炎症、组织修复和结疤相关的蛋白质。药物若改善肺病，时钟的预测值也可能随之下降，所以这项分析分不清疾病好转和普遍衰老变化。
研究团队还把这些蛋白质变化同英国生物样本库5万多名较年长参与者的数据比较。每日2次、每次30毫克组的变化方向与正常衰老相反，这只提供了间接支持，仍不能证明药物改变了衰老过程。
原来的肺病试验怎么样？
原二期试验持续12周，主要看安全性。研究人员用统计方法补上缺失数据后，最高剂量组一次尽力呼气能吹出的空气量平均增加98.4毫升，安慰剂组平均减少20.3毫升。但71人中有22人缺少第12周肺功能数据，16人提前停药，这项辅助指标只能算值得继续验证的信号。
所以，9月7日没有诞生抗衰老药。这项研究真正展示的是，同一批疾病试验样本还能用于观察衰老相关指标。只有更多独立研究重复出结果，它才可能成为更通用的试验方法。
可英矽智能为什么会从肺病一路走到衰老？答案要从创始人早期的衰老研究说起。
从衰老研究做到上海实验室
创始人是谁？
Alex Zhavoronkov是一名拥有数学、物理和生物技术交叉背景的研究者。他很早就把衰老当成可以量化和干预的问题，也参与过用血液指标和深度学习预测实际年龄、寻找衰老标志物的研究。2014年，他创办英矽智能时，生成式AI还没有成为大众词汇，公司最初盯上的就是衰老数据和药物发现。
这条起点很重要。英矽智能后来选择特发性肺纤维化，并非做出一颗药后才临时贴上「长寿」标签。老年人更常见这种肺病，细胞衰老、慢性炎症和组织结疤之间也有明确研究联系。公司先从衰老相关数据里筛靶点，再挑一个能按药品监管路径验证的具体疾病。
为什么在上海建研发和实验设施？
2019年前后，英矽智能开始在上海搭建药物研发团队。上海张江能提供药物化学、生物实验、动物实验、临床服务和监管申报所需的完整协作网络。算法团队给出分子，附近的实验团队再合成、测试、退回结果，这给本地协作和实验迭代提供了条件。
| 时间 | 公司做了什么 | 这一步解决什么问题 |
|---|---|---|
| 2014年 | 创办英矽智能，从衰老研究和AI生物学切入 | 找到一个长期问题和数据入口 |
| 2019年 | 加快在上海建设药物研发能力 | 把算法接到真实实验和产业协作上 |
| 2020年 | 推出靶点发现与分子生成平台，完成TNIK分子设计和早期实验 | 从卖工具走向自己做产品 |
| 2021年 | 公开首个抗纤维化临床前候选物，并完成大额C轮融资 | 开始用平台开发候选药，也为自研管线补充资金 |
| 2024年 | Rentosertib的靶点、分子及早期临床研究登上《自然·生物技术》 | 公开早期研发证据 |
| 2025年 | 二期结果发表，完成E轮融资，并于12月30日上市 | 同时获得临床、资本市场验证 |
| 2026年 | 登记并宣布一项计划招募320人、治疗52周的三期试验 | 准备回答更大样本下是否真有效 |
英矽智能早年主要卖分析和分子设计工具，后来开始自己找靶点、推候选药，再寻找药企合作。这种做法更花钱、更费时间：软件可以按月更新，药物试验却按年推进，一次临床失败可能让多年投入归零。软件也从商品变成了内部生产线，真实管线负责验证它有没有用。
Rentosertib也像一份产品说明书：药还在等待三期验证，研发过程已经能向客户展示平台怎样工作。接着看算法和实验怎样连接。
把算法和实验接成循环
AI在制药里做哪几步？
传统药物研发先理解疾病，再选一个值得干预的靶点，然后从巨大的化学空间里寻找可能有效的分子。每个候选分子还要检查活性、毒性、吸收、代谢和制造难度。AI最实际的价值，是把原本靠人逐层筛选的范围压小，让团队更早淘汰明显不合适的方向。
英矽智能的平台分成几段。Biology42和PandaOmics分析论文、专利及生物数据，给靶点排序；Chemistry42生成分子；Medicine42处理临床预测；Science42整理研究材料。核心就是先筛出值得验证的靶点，再筛出值得合成的分子。
| 步骤 | 从什么得到什么 |
|---|---|
| 找靶点 | 论文、疾病和生物数据→值得验证的生物开关 |
| 造分子 | 靶点结构、活性和安全要求→少量优先合成的设计 |
| 做实验 | 分子、细胞和动物模型→真实的活性与安全数据 |
| 再学习 | 每轮实验结果→更聚焦的新设计 |
| 进临床 | 候选药和试验方案→能否继续开发的证据 |
它最狠的一招是什么？
最关键的动作，是让「干实验」和「湿实验」形成循环。干实验指计算机里的预测和设计，湿实验指试管、细胞、动物和人体中的真实检验。AI生成100个分子不代表成功。实验越早排除不合适的分子，团队越能用结果改进下一轮筛选。
公司先在苏州建设Life Star 1自动化实验室，2025年迁到上海并升级。系统按统一流程收集实验数据，再用于验证和训练模型。持续积累格式统一、来源清楚的内部数据，比单独一套模型更难复制。
Rentosertib提供了一个完整样本。PandaOmics先把TNIK排到肺纤维化候选靶点前列，Chemistry42再设计分子，实验团队不断合成和筛选。公司称，从启动靶点发现到选出临床前候选物用了18个月；这个速度说明前端搜索效率提高了，却不能推出整条新药周期也按同样比例缩短。
护城河在哪里？
公司的积累有三层：可反复使用的平台、持续产生反馈的实验系统、进入人体后的专有数据。单看模型容易追赶，把算法、实验和临床接成循环后，复制成本会高得多。9月7日的论文就是把旧临床样本用于新问题。
当然，「AI药物」到底该怎样定义，业界口径至今仍不一样。靶点由AI排序、分子由AI生成、实验由人完成，三者各占多少才算AI原生药？我先把这个问题记下来，之后单独拆一篇。
平台能不能赚钱，则是下一道更现实的问题。实验闭环需要持续花钱，收入却不会像软件订阅那样每月整齐到账。
把候选药换成首付款
英矽智能卖的是什么？
它现在主要靠三种方式收费：把软件许可给药企；按合作方的问题提供研发服务；把自研候选药做到一定阶段，再授权给更大的药企继续开发。
管线授权的单笔潜在价值通常最高。药企先约定首付款，项目进入临床、获批或达到销售目标后再按节点付钱，药品上市后还可能有销售分成。英矽智能把不同管线放到不同阶段交易。
| 方式 | 钱怎么来 |
|---|---|
| 软件许可 | 客户按合同购买平台使用权 |
| 研发合作 | 项目启动、交付或达到约定节点后收费 |
| 管线授权 | 首付款、后续节点款和可能的销售分成 |
钱从哪来？
2025年，英矽智能收入5623.9万美元。2026年上半年收入升到1.063亿美元，其中约97%来自药物发现合作和管线开发，软件只占约2.5%。公司还没有上市药品，目前收入来自合作和授权。
2026年上半年公司录得3553.7万美元利润，2025年全年则亏损约3.52亿美元。2025年的亏损大部分来自负债重估造成的账面损失，并没有造成同额现金流出。一笔大合作的首付款能让半年报迅速变好，缺少大交易时，收入和利润也会明显波动。
礼来合作最能说明这套账。2026年3月，协议约定英矽智能有资格获得1.15亿美元首付款，双方合作的潜在总额最高27.5亿美元。前一个数字接近英矽智能2025年全年收入的2倍，公开文件却没有证明这笔款已经全额到账；后一个数字还要等多个候选物走过研发、审批和销售节点后才可能逐步出现。
施维雅合作最高8.88亿美元，首付款和近期研发付款上限却只有3200万美元；武田合作的潜在总额约6亿美元，协议约定英矽智能可获得约6000万美元的项目启动费、近期付款和里程碑付款。标题里的最高金额并非公司现在能花的钱。
这套模式按合同约定的节点付款。多个项目可以分散单个项目失败的影响；若三期和上市阶段迟迟没有成功案例，药企也会降低出价。
所以，英矽智能的商业模式已经证明「有人愿意付钱」，还没有证明「AI能稳定做出获批新药」。前者说明客户愿意买单，后者还要等获批药物来证明。两件事不能混成一句。
三期试验前先看四盆冷水
先用一张表把风险摆全，再逐条看。
| 风险 | 现在知道什么 | 接下来盯什么 |
|---|---|---|
| 抗衰老标题超过证据 | 42名肺病患者的二次分析，只看到预测指标变化 | 健康人群、事先写清的研究目标和身体功能结果 |
| 二期样本小、时间短 | 71人随机入组并计划治疗12周，55人完成，试验主要看安全性 | 计划招募320人、治疗52周的三期能否重复疗效信号 |
| 安全性仍要观察 | 治疗相关不良事件的比例随剂量提高，部分患者因肝功能问题或腹泻停药 | 更大样本中的剂量选择和长期副作用 |
| 收入由项目推动 | 2026年上半年受大额首付款拉动 | 后续节点是否持续、客户是否分散 |
| 研究与公司利益相连 | 最新论文多名作者来自英矽智能，候选药也归公司开发 | 独立团队能否复现，监管机构如何评价 |
第一盆冷水：时钟不能代替寿命。
蛋白组衰老时钟读的是统计关系。它能告诉研究者，一组蛋白质整体更像年轻人还是老年人，却不能直接证明器官功能改善、疾病减少或寿命延长。预测年龄下降多少，都不能直接换算成多活多少年。
最新论文的价值在于提出一种试验设计方法，不在于给普通人提供抗衰老处方。Rentosertib仍是一颗处于临床阶段的肺病候选药，没有获准作为抗衰老产品使用，也没有在健康人群里验证这项作用。看到新闻后自行寻找同类通路或药物，既没有证据，也可能遇到这项二期试验已经观察到的肝功能异常和腹泻等安全性信号。
第二盆冷水：好信号经不起随意放大。
42人分成4组后，每组只有9至11人。多个模型、剂量和时间点会产生大量比较，偶然命中的机会也会增加；论文虽用统计方法减少偶然命中，结果仍只能算探索性线索。原二期试验里，最高剂量组的肺功能方向较好，但6分钟步行等指标没有同样清楚的改善。计划中的320人、52周三期，才会继续检验肺功能和患者状态是否真的改善。
第三盆冷水：AI加速的是前半程。
模型能更快排靶点、生成分子、预测性质，也能帮团队少走一些明显的弯路。它不能在电脑里完整模拟一名67岁患者的免疫系统、肝脏代谢、合并用药和长期疾病变化。进入人体后，AI设计的药要走的安全、有效和监管标准，同其他新药完全一样。
一颗候选药用18个月完成早期发现很快，后面的临床仍按年推进。AI的价值主要在前端筛选。它不能缩短所有临床试验和审批步骤。
第四盆冷水：大合同不等于大现金。
最高27.5亿美元听起来像一笔已经完成的生意，合同中确定性相对更高的是1.15亿美元首付款，公开文件仍未证明它已经全额到账。后面的钱要靠实验、临床、审批和销售一个节点一个节点换来。任何管线中途停止，剩余金额都可能留在合同里。
公司手上的资金还能支持研发，合作也分散了单条管线失败的风险。但项目收入波动很大，后续要看节点款能否持续，以及三期要花多少钱。
泼完这四盆冷水，问题反而更清楚了。英矽智能没有完成「AI让人年轻」的证明，却完成了从算法到人体数据、再从人体数据到新研究问题的一次循环。普通人和做AI产品的团队都能从中学到东西。
它到底做对了什么
普通人能学到什么？
先学会拆标题。看到「逆转衰老」，先问研究对象是谁、测了什么、持续多久、研究一开始准备验证什么。这里研究的是患病人群，测的是预测指标，观察了12周，而且这是一项后续分析。所以现阶段只能说「值得继续研究」，不能说「已经有效」。
再看AI参与哪一步。找靶点、设计分子和优化试验的含义不同，证据要依次经过实验、人体安全、二期信号、三期确认和监管批准。新闻越热，越要往证据链后面看。
如果你在医药之外工作，这套方法同样有用。别让AI直接替你宣布答案，让它先缩小搜索范围、生成候选方案、找出值得验证的部分。最后用真实用户、真实交易或真实实验做判断。AI适合帮人更快筛掉不合适的方案，最终判断和责任仍由人承担。
中国公司和AI团队能学到什么？
第一，选一个足够窄、结果能验证的问题。英矽智能没有从「改变人类寿命」开始卖药，而是选择肺纤维化这种具体疾病，沿着药品开发规则推进。大愿景可以指方向，第一件产品必须能进实验、进合同、进临床。
第二，把模型接到反馈最快的现场。光有模型还不够，持续获得的专有数据更难复制。做客服要看问题是否解决和客户是否复购，做制造要看合格率和停机时间，做医药要看实验和临床结果。团队把这些结果用于模型，下一轮筛选才有依据。
第三，提前设计钱怎么回来。软件许可提供入口，自研管线保留更高价值，合作研发分摊风险。三条路组合能降低单条管线失败的冲击，代价是组织更重、收入更波动。
| 值得学的 | 该躲开的 |
|---|---|
| 用具体疾病和事先写清的试验目标承接长期愿景 | 把一个预测指标写成最终疗效 |
| 让算法、实验和用户数据更快互相验证 | 只展示模型分数，不接真实结果 |
| 用多条管线和合作伙伴分散一个项目失败的影响 | 把潜在合同总额当作已收收入 |
| 对外公开论文、部分数据和分析代码 | 用「AI原生」标签代替可复现证据 |
| 前端追求速度，后端接受严格验证 | 以为前端快就能跳过临床和监管 |
我真正关心的是，计划中的320人三期能不能重复二期的肺功能信号。6个衰老时钟的预测变化只能排在后面，它还要等独立团队、健康人群和事先写清的研究目标继续验证。
对患者来说，快一点找到候选药当然是好事；对创业团队来说，更早排除错误方向同样省钱。把AI用来减少无效搜索，把最昂贵、最关键的判断留给真实世界，这比任何宏大口号都更接近可复制的方法。
截至2026年9月8日，ClinicalTrials.gov仍把这项三期登记标为「尚未招募」，所以眼下还不能确认已有患者入组或给药。最后留下一个真问题：三期能不能重复二期的肺功能结果，蛋白组时钟的预测值会不会继续朝同一方向变化？我会一直盯着。
参考资料
- Integration of proteomic aging clocks in a phase 2a clinical trial supports simultaneous geroprotective assessment｜Nature Biotechnology｜2026-09-07｜https://www.nature.com/articles/s41587-026-03286-y
- Early Data Indicates an A.I.-Generated Drug Could Slow Aging｜The New York Times｜2026-09-07｜https://www.nytimes.com/2026/09/07/science/ai-generated-drug-longevity.html
- AI-Discovered Drug Reverses Aging Markers in Study, Biotech Says｜Bloomberg Law｜2026-09-07｜https://news.bloomberglaw.com/pharma-and-life-sciences/ai-discovered-drug-reverses-aging-markers-in-study-biotech-says
- Insilico says its AI-designed lung drug lowered biological age markers in a 42-patient trial｜TNW｜2026-09-07｜https://thenextweb.com/news/insilico-rentosertib-proteomic-aging-clocks
- Rentosertib Shows Potential for Biological Age Reversal｜Insilico Medicine｜2026-09-07｜https://insilico.com/news/rnt0709261-rentosertib-proteomic-aging-clocks
- A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial｜Nature Medicine｜2025-06-03｜https://www.nature.com/articles/s41591-025-03743-2
- GENESIS-IPF Phase 2a Study Protocol｜ClinicalTrials.gov｜2024-04-24｜https://cdn.clinicaltrials.gov/large-docs/20/NCT05938920/Prot_000.pdf
- NCT05938920 Study Record｜ClinicalTrials.gov｜2025｜https://clinicaltrials.gov/study/NCT05938920
- A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models｜Nature Biotechnology｜2024-03-08｜https://www.nature.com/articles/s41587-024-02143-0
- NCT07687459 Phase III Study Record｜ClinicalTrials.gov｜2026-07｜https://clinicaltrials.gov/study/NCT07687459
- Global Offering Prospectus｜HKEX｜2025-12-18｜https://ir.insilico.com/media/rgwjwpqu/global-offering-en.pdf
- 2026 Interim Report｜HKEX｜2026-08-26｜https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0826/2026082600542.pdf
- 2025 Annual Report｜HKEX｜2026-04-28｜https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0428/2026042803625.pdf
- Insilico and Lilly Announce Global Pipeline Licensing and AI Drug Discovery Collaboration｜HKEX｜2026-03-29｜https://www1.hkexnews.hk/listedco/listconews/sehk/2026/0329/2026032900717.pdf
- Insilico and Servier Announce US$888 Million Collaboration｜HKEX｜2026-01-05｜https://www.hkexnews.hk/listedco/listconews/sehk/2026/0105/2026010500029.pdf
- Insilico and Takeda Achieve Strategic Collaboration Worth Up to US$600 Million｜Insilico Medicine｜2026-07｜https://insilico.com/news/4ifuiaal01-insilico-medicine-announces-collaboratio
- Insilico and Qilu Reach Near US$120 Million Drug Development Collaboration｜Insilico Medicine｜2026-02｜https://insilico.com/news/ckvxca1tu1-insilico-medicine-and-qilu-pharmaceutica
- AI drug discovery platform Insilico Medicine announces $255 million in Series C funding｜TechCrunch｜2021-06-22｜https://techcrunch.com/2021/06/22/a-i-drug-discovery-platform-insilico-medicine-announces-255-million-in-series-c-funding/
- Axios Pro Rata: Insilico Medicine raised $110m in Series E｜Axios｜2025-03-13｜https://www.axios.com/newsletters/axios-pro-rata-56d68775-31b4-459c-84f0-1a23633256ee
- Artificial intelligence in drug discovery: what it is, where we stand and the path forward｜Nature Reviews Drug Discovery｜2026-08｜https://www.nature.com/articles/s41573-026-01496-2
- AI Executives Promise Cancer Cures. Here’s the Reality｜The Atlantic｜2025-04｜https://www.theatlantic.com/technology/archive/2025/04/how-ai-will-actually-contribute-cancer-cure/682607/
- Better drugs through AI? Insitro CEO on what machine learning can teach Big Pharma｜Associated Press｜2024-12-02｜https://apnews.com/article/004c0ce0442b72c37bfec6e032796808
- AI in drug discovery: assessing the first AI-designed drug candidates to go into human clinical trials｜CAS｜2024｜https://www.cas.org/resources/cas-insights/ai-drug-discovery-assessing-the-first-ai-designed-drug-candidates-to-go-into-human-clinical-trials
- AI is dreaming up drugs that no one has ever seen. Now we’ve got to see if they work｜Wired｜2023｜https://www.wired.com/story/artificial-intelligence-drug-discovery/
- Is Generative AI in Drug Discovery Overhyped?｜GEN｜2024-09｜https://www.genengnews.com/topics/artificial-intelligence/is-generative-ai-in-drug-discovery-overhyped/
- Artificial Intelligence in Drug Discovery: Recent Advances and Future Perspectives｜Annual Review of Pharmacology and Toxicology｜2024｜https://doi.org/10.1146/annurev-pharmtox-040323-040828
- Generative Chemistry: Drug Discovery with Deep Learning Generative Models｜arXiv｜2021-01｜https://arxiv.org/abs/2101.09050
- Artificial Intelligence for Drug Discovery: Are We There Yet?｜arXiv｜2023-07｜https://arxiv.org/abs/2307.06521
- Hallmarks of aging-based dual-purpose disease and age-associated targets predicted using PandaOmics｜Aging｜2022｜https://doi.org/10.18632/aging.203960
- Next-generation target discovery: integrating multi-omics, aging biology and AI｜Nature Aging｜2024｜https://doi.org/10.1038/s43587-024-00615-1
- AI制药新范式破解传统研发三大瓶颈｜中国证券报｜2026-09-07｜https://epaper.cs.com.cn/zgzqb/html/2026-09/07/nw.D110000zgzqb_20260907_2-A04.htm
- 英矽智能与墨卓生物签署战略合作协议｜观点网｜2026-09-07｜https://www.guandian.cn/article/20260907/597827.html
- 专访英矽智能创始人：罕见病与人类衰老，AI能否开辟制药新路径？｜界面新闻｜2026-06-27｜https://www.jiemian.com/video/AGUCMQhgB2EBOFVr.html
- Alex Zhavoronkov：对「AI+新药」企业关键能力的思考｜启明创投｜2022｜https://www.qimingvc.com/en/node/5844
- Alex Zhavoronkov：AI制药应把重点放在应用研究上｜启明创投｜2024｜https://www.qimingvc.com/en/node/6889
- AI药物研发首获临床疗效验证，任峰：讲故事的时代过去了｜每日经济新闻｜2024-10-01｜https://www.nbd.com.cn/articles/2024-10-01/3577889.html
- 上市后首份半年报扭亏为盈，管理层回应商业化可持续性｜每日经济新闻｜2026-08-28｜https://www.nbd.com.cn/articles/2026-08-28/4562883.html
- 对话英矽智能CEO：AI制药下半场，商业模式定生死｜每日经济新闻｜2026-04-22｜https://finance.eastmoney.com/a/202604223714454821.html
- 中国医药：AI有望改变创新药研发范式｜CMB International｜2026-05-19｜https://www.cmbi.com.hk/upload/202605/20260519573315.pdf
- 英矽智能再落地重磅合作，行业从拼算法转向拼验证与数据｜中国金融信息网｜2026-04-03｜https://www.cnfin.com/qy-lb/detail/20260403/4395547_1.html
- 独家专访任峰：积极推进全球最快AI药物进入临床三期｜第一财经｜2025-10-01｜https://www.yicai.com/video/102851785.html
- AI制药产业图谱与商业模式｜第一财经研究院｜2023-07｜https://doccdn.yicai.com/doc/2023/07/57566d82ea2562014fbe038c6d464f5e.pdf
- 我国学者发现预测健康衰老的新型生物标记物｜国家自然科学基金委员会｜2025-03-14｜https://www.nsfc.gov.cn/p1/3381/2825/77623.html
- 「AI平台+研发生态」制新药，全球首个AI创新药三期临床试验将启动｜上海发布｜2026-06-22｜https://www.thepaper.cn/newsDetail_forward_33432384
- AI制药，想象照进现实｜澎湃新闻｜2021｜https://m.thepaper.cn/newsDetail_forward_14701214
- 「医药界英伟达」，花200亿买中国AI公司的减重药｜36氪｜2026-03-31｜https://www.36kr.com/p/3745377703608832
- AI制药一哥英矽智能，要做医药圈的宁德时代｜36氪｜2026-05｜https://www.36kr.com/p/3808860408979718
- 英矽智能，再度赴港IPO｜36氪｜2025｜https://www.36kr.com/p/3552236089998217
- 英矽智能IPO：AI制药没有想象中那么美｜36氪｜2023｜https://www.36kr.com/p/2323792059303298
- MNC排队下单，中国AI制药做对了什么｜36氪｜2026-07｜https://36kr.com/p/3883574363978627
- 解药：拿下AI制药大单，英矽智能详解商业图景｜财新｜2026-03-31｜https://www.caixin.com/2026-03-31/102429270.html
- 英矽智能业务整合动向｜财新｜2024-12｜https://companies.caixin.com/2024-12-05/102264575.html
- 英矽智能：授权合作驱动业绩扭亏，管线进展持续验证AI能力｜格隆汇｜2026-09-02｜https://www.gelonghui.com/news/5303902
- 英矽智能AI药物进入三期，行业商业化能否提速｜21世纪经济报道｜2026-07-09｜https://m.21jingji.com/article/20260709/herald/2c127c865b37e24c29fd0274667529e1_zaker.html
- AI制药商业模式分析：以英矽智能、晶泰科技为例｜华创证券｜2024-06-28｜https://www.fxbaogao.com/detail/4369493
- 半年斩获近65亿美元合作，盈利预告背后的现实锚点｜财联社｜2026-07｜https://www.cls.cn/detail/2421271
- 英矽智能在港交所主板挂牌上市｜证券时报｜2025-12-30｜https://www.stcn.com/article/detail/3563934.html
- 英矽智能成功牵手武田，AI制药进入验证与数据竞争｜证券时报｜2026-07｜https://www.stcn.com/article/detail/3994519.html
- 「十五五」医药健康新图景：AI制药｜证券时报｜2026-02｜https://www.stcn.com/article/detail/3625031.html
- 英矽智能联合首席执行官任峰：AI制药需要落地和产出｜中国证券报｜2024-06-05｜https://www.cs.com.cn/ssgs/gsxw/202406/t20240605_6414970.html
AI重度使用者｜每天拆一家前沿公司｜imluna.ai免费订阅｜Learn in Public