9月底，罗氏（Roche）在伦敦举办年度投资者活动 Pharma Day，披露了管线与财报进展：2026年上半年制药业务销售额增长6%，III期临床试验成功率从2025年的65%提升至80%以上。预计到2030年，将有最多20个新分子实体（NME）具备上市潜力。
除财务数据外，基因泰克（Genentech）研究与早期开发部门（gRED）负责人阿维夫·雷格夫（Aviv Regev）发布的《用实验室闭环变革药物研发》报告成为焦点。其核心观点在于将AI从单一项目的提速工具，转化为嵌入研发体系、可量化考核的基础设施。
给AI“记工分”：从辅助到关键决策
罗氏开始像统计销售额一样量化AI的贡献。数据显示，2025年第四季度至2026年第二季度，罗氏40%的管线决策包含可追踪的AI或计算贡献，今年第二季度该比例升至44%。其中，41%属于实质性影响决策走向的“关键性”贡献，48%为增强信心的“支持性”贡献，10%为提供信息的“参考性”贡献。
（来源：罗氏）
这一指标背后是五年多的体系改造。目前，AI已参与基因泰克全部符合条件的大分子项目及近半数小分子项目。为进一步前置风险管控，罗氏开发了靶点评估智能体TargetNexus，从生物学、药物发现、临床与组合三个层面、11个维度审视候选靶点，目标是在今年第四季度前参与80%的研究组合决策。
配合新的立项流程，研究人员提名靶点并准备数据包后，由靶点评估组合（TAP）团队在约两周内给出建议。数据显示，在资源投入名义持平且先导化合物识别周期缩短一半的情况下，2022年至2025年，进入先导化合物识别（LI）阶段的项目数增加155%，内部产出的开发候选分子增加50%。
尽管数据亮眼，但分析指出，真正受AI“关键性”影响的决策占比约为16%（40%乘以41%）。此外，III期成功率的提升也得益于2023年底推出的“门槛”（The Bar）项目评估框架，该框架大幅提高了项目推进标准。由于药物研发周期长，当前处于III期的项目多在AI闭环大规模应用前立项，因此成功率提升中有多少归功于AI选品、多少归功于严格筛选，尚难完全拆分。
闭环从概念走向工程：构建“实验室闭环”
阿维夫提出的“实验室闭环”（Lab-in-the-Loop）体系，旨在通过实验或临床数据训练模型，预测下一批最佳实验，并将结果回灌模型，形成循环优化。在该体系中，小分子优化环节每周运行一轮，实现预测、合成测试与数据反馈的自动化衔接。
（来源：罗氏）
实际成效方面，一个针对全新靶点的生物药项目，从先导化合物识别到确定临床候选分子仅耗时18个月，速度约为过去的两倍，并已完成首例患者给药。
为实现闭环运转，罗氏采取“AI独立”策略，即算力和通用模型可外购，但核心数据和经验必须自建。具体布局如下：
- 数据：内部启动“基础数据集”计划生产训练数据；外部与Recursion合作推进AI发现的靶点。
- 算力：主要依靠合作补齐。今年3月与英伟达（NVIDIA）合作新增2,176块GPU，本地加云端GPU总数超3,500块，属制药业最大规模算力集群之一。
- 实验能力：与机器人生物实验公司Medra合作，打通内部实验室信息管理系统（LIMS）、机器学习平台与自主执行层。
在此基础上，罗氏提出“自主实验室加速器”计划，参照自动驾驶分级，将实验室自主化分为L0（全人工）至L5（全自主）六个等级。
（来源：罗氏）
资金方面，罗氏计划将2024年至2026年间研发效率提升节省的约19.6亿瑞士法郎重新分配，其中4.86亿瑞士法郎投向实验室闭环和类器官等“未来能力”。
行业对比显示，礼来（Eli Lilly）与罗氏思路相近，强调干湿实验室相互促进，并于今年1月宣布与英伟达共建AI联合创新实验室。相比之下，诺和诺德（Novo）更倾向于利用OpenAI、AWS等大厂AI能力覆盖药物发现至商业运营各环节，未披露自建自主实验室计划。
谁能掌控湿实验室？多方博弈加剧
随着闭环成为药企核心资产，AI公司也在重新定位。若仅提供模型服务，数据和经验将留存于药企；若想分享积累，则需掌握实验验证能力。
目前业界呈现三种路径：
- Isomorphic Labs（Alphabet旗下）：直接下场自研管线，掌握从预测、验证到药物本身的全流程，目标2026年底进入临床。
- Anthropic：收购生物技术初创公司Coefficient Bio搭建湿实验室进行验证，但强调不做临床试验，不与药企竞争。
- Medra等机器人公司：介于两者之间，既为药企部署自主实验系统以维持其闭环运转，又通过自建实验室积累训练数据。
各方对数据和验证能力归属的判断差异，使得合作协议中关于数据归属和模型改进成果归属的条款，成为未来博弈焦点。
谁为闭环负责？监管与伦理挑战
随着AI在研发决策中参与度加深，责任界定问题日益凸显。若TargetNexus覆盖率达到80%，当AI“关键性”参与的决策在后期临床失败时，责任应由批准科学家还是体系设计管理层承担？
罗氏的自主实验室分级表提供了初步方向：随着自动化级别提升，人的角色从操作者、助手转变为审批者、审计员，科学家工作重心转向签字放行和事后核查。
监管层面同样坚持人类把关原则。2025年12月，美国食品药品监督管理局（FDA）认定首个AI药物开发工具（AIM-NASH），要求病理学家审阅AI输出并自行决定是否采纳，对最终判读负全部责任。
尽管签字主体仍为人，但AI在决策中的权重不断增加。阿维夫表示，人们对模型可靠性的信心需随时间建立，且AI不能取代人体临床试验。目前，罗氏的实验室闭环主要压缩了从靶点到临床候选分子的时间，尚未有通过该闭环获批上市的药物。AI最终的成绩，仍需由临床数据检验。
注：封面/首图由 AI 辅助生成