Insilico Medicine 将 AI 药物交易转化为利润，科技新闻迎来更严峻的考验

Insilico Medicine 将大型授权交易转化为首个盈利的半年度业绩，为科技新闻提供了一组罕见且具体的 AI 药物发现数据。2026 年上半年，其营收达到 1.063 亿美元，较上年同期增长 287.2%。但这一结果也揭示了一个核心矛盾：交易付款能够验证市场需求，却不能证明 AI 设计的药物有效。

公司报告净利润为 3,554 万美元，经调整净利润为 5,123 万美元。毛利率从 83.8% 升至 90.3%。这些数字使 Insilico 区别于仍在努力将有前景的模型转化为可观营收的 AI 生物科技公司。

不过，增长势头主要来自商业开发协议，即 BD 交易。这类安排结合了授权、研究合作、首付款和附条件的里程碑付款。XtalPi、Metis TechBio 和 Schrödinger 展现了同一商业模式的不同版本。

眼下真正的对手并非另一家公司，而是已确认的交易收入与可持续药物价值之间的差距。合同带来现金和外部验证，而临床试验则决定基础资产能否成为药物。

Insilico Medicine 的交易改变了业绩叙事

Insilico Medicine 已将 AI 药物讨论从模型能力推进到已确认收入，但合作伙伴关系贡献了绝大部分增长。

公司在 8 月最后一周发布了截至 2026 年 6 月 30 日止六个月的中期业绩。该期间的特点是，公司与多个市场中的成熟制药企业达成了一系列协议。

药物发现和管线开发业务营收达到 1.031 亿美元。这项业务贡献了总营收的逾 96%，同比增长超过 300%。软件解决方案贡献了 270 万美元。

Insilico 表示，增长主要来自新合作项目的首付款以及现有项目的里程碑付款。因此，其中期业绩记录了市场对其平台所创制资产的商业需求。

上半年规模最大的协议，是与 Eli Lilly 达成的全球授权及研究合作。该协议的潜在价值达到 27.5 亿美元，其中包括 1.15 亿美元首付款。

这笔交易的重要性在于，Lilly 的角色不止于购买软件。Insilico 表示，双方关系已从平台使用扩展至投资和药物研究合作。双方目前正共同推进与潜在治疗资产相关的开发流程。

Insilico 还在 1 月与 Servier 达成肿瘤学合作。该协议的潜在价值为 8.88 亿美元，其中包括 3,200 万美元的首付款和近期付款。

区域合作扩大了客户基础。公司在该半年期间宣布了与 Hygtia Therapeutics、Qilu Pharmaceutical、China Medical System 和 Tenacia Biotechnology 的协议。

6 月，Insilico 披露了与 SK Biopharmaceuticals 围绕神经免疫疾病展开的合作。该合同潜在价值达到 25 亿美元。随后于 7 月宣布的 Takeda 协议，使 Insilico 2026 年已披露交易的价值达到约 73 亿美元。

合同总价值不应与已收取营收混为一谈。大多数大型生物科技协议都包含与研发、监管和商业里程碑挂钩的或有付款。其中部分付款可能永远不会到期。

这种差异并不意味着这些协议没有意义。首付款表明，客户愿意在产品上市前投入资本。它们也将一部分开发风险从平台公司转移出去。

收入确认的时点仍可能让某一报告期显得异常强劲。少数几笔大额付款就可能造成季度或年度之间的显著变化。因此，投资者和客户需要区分可重复的业务活动与个别会计事件。

截至 6 月 30 日，Insilico 的现金和投资组合为 5.848 亿美元。公司还报告了正向经营现金流，增强了其在无需立即依赖新一轮融资的情况下支持开发的能力。

这些结果构成了 8 月 31 日报道背后的事件。故事并不只是 AI 药物发现又吸引了一项合作，而是其中最受瞩目的公司之一因制药合作伙伴为获取其资产支付费用，而实现了一个盈利报告期。

这一变化引出了下一个问题。如果交易撮合能够在产品获批前创造利润，那么制药公司究竟在购买什么？

为何 AI 药物发现进入主流科技新闻

制药公司购买的是一系列可测试的选择权组合，而不是孤立的算法。

AI 药物发现平台利用计算模型识别靶点、设计分子、预测性质并确定实验优先级。当这些预测产生的资产被合作伙伴认为值得投入实验室和临床资源时，其商业价值便会显现。

这一模式不同于传统软件授权。客户可能为使用平台付费，但更大的财务机会通常存在于共同开发的候选药物中。首付款补偿早期工作，里程碑付款则奖励后续进展。

这一结构解释了为何合同总额可达数十亿美元，而当前营收仍小得多。每笔交易都包含多个潜在项目和若干开发阶段。付款取决于获提名候选物能否推进通过这些阶段。

对大型制药公司而言，这种安排创造了外部研发能力。它们无需收购整家公司，便可获得新的靶点、分子、数据和开发团队。它们也可以终止未能通过预定测试的项目。

对 AI 生物科技公司而言，交易带来现金和可信度信号。有经验的药物开发者会在签约前审查基础科学。他们的参与表明，这些资产经历了比内部基准测试或会议展示更严格的审视。

但商业兴趣并不等同于临床验证。合作伙伴可以看重成功的可能性，却不意味着认定成功必然发生。制药产品组合中通常包含许多永远无法获批的项目。

Insilico 的管线为合同之外的检验提供了重要依据。公司表示，2026 年提名了九个临床前候选物，并取得八项临床进展。

临床前候选物，即 PCC，是指在人体试验前被选定进入正式开发阶段的分子。这一认定说明项目通过了内部筛选，但并不能证明其对患者的安全性或疗效。

Insilico 的领先项目 rentosertib 已在中国进入针对特发性肺纤维化的 III 期试验。III 期研究在更大规模的患者群体中测试候选药物，通常为监管审评提供所需证据。

Rentosertib 对该行业具有不同寻常的重要性。Insilico 表示，AI 协助识别了其靶点并设计了该分子。这使该项目比许多仍处于发现阶段的 AI 生成候选物更接近决定性的临床检验。

该试验评估 52 周治疗效果。Insilico 联席 CEO 兼首席科学官任峰向中国财经媒体表示，若开发按计划推进，预计将在 2029 年获得顶线数据。他称，批准可能在 2030 年随后到来。

这些日期表明，当前业绩结果无法终结科学争论。药物开发的速度远慢于软件部署。一个盈利的半年度业绩，可能在关键临床结论出现前数年就已到来。

与此同时，实验室验证仍不可或缺。计算模型能够生成并排序假设，但研究人员仍需合成化合物并测试其行为。生物系统带来的不确定性无法被训练数据完全捕捉。

GenScript 展示了这一过程创造的下游需求。该公司表示，2026 年上半年其 AI 赋能药物发现业务同比翻倍。

其上半年业绩将这一增长归因于蛋白质工程、生物制剂发现和实验验证。这些服务有助于将计算候选物转化为实验室证据。

这一需求支持了对 AI 药物市场更广泛的解读。价值不仅积累在模型开发商内部，也积累在生成生物数据并验证预测候选物的公司中。

这一转变给传统制药研发机构带来压力。它们必须决定哪些能力应内部开发、哪些平台应通过授权获得，以及哪些资产应通过合作收购。

这种压力是战略性的，而非即时的。忽视 AI 生成管线的公司可能错失有价值的候选物；过于激进采用这些管线的公司，则可能在计算优势无法经受临床测试的项目上投入大量资金。

AI 药物交易带来收入，但尚非产品验证

商业上的逆转是真实的：AI 药物公司可在获批前实现商业化，而科学验证仍落后于利润表数年。

在该行业历史的大部分时期，AI 药物发现公司销售的是加速研发的承诺。它们强调更短的设计周期、更广泛的化学搜索和更少的实验次数。财务业绩往往仍由亏损和研发支出主导。

Insilico 上半年的表现改变了这一叙事。制药合作伙伴提供了足够的首付款和里程碑收入，使公司实现盈利。该公司已不再完全属于一个无限期等待商业化的平台类别。

然而，这一结果也说明合同结构为何重要。几乎所有已报告收入都来自药物发现和管线开发，而非经常性软件订阅。这使该业务更像生物技术授权，而非传统软件。

生物技术授权收入天生不均衡。一场成功谈判可改变整个半年业绩，而延迟的里程碑付款则可能削弱下一报告期。因此，头条增长率可能夸大基础业务的稳定性。

XtalPi 的 2026 年业绩提供了清晰的对比。公司报告上半年总营收为 3.936 亿元人民币，低于上年同期的 5.171 亿元人民币。

这一下降不一定意味着运营走弱。XtalPi 表示，上年同期包含一个大型管线授权项目的 5,100 万美元首付款。这一异常高基数扭曲了比较结果。

剔除这一影响后，XtalPi 表示营收同比增长 73.8%。其名为 AI4S 的 AI for Science 部门营收为 1.935 亿元人民币，同比增长 136.4%。

XtalPi 业绩显示，一家公司可以在运营活动扩张的同时，报告较低的合并营收。交易时点能够压倒经常性或服务型业务的增长趋势。

XtalPi还从其与DoveTree的合作中获得了第二笔1,900万美元付款。双方持续研究分子胶等高难度靶点；这类技术可将细胞机制重新导向选定蛋白质。

其AI4S业务涵盖机器人实验室、科学服务和虚拟化合物库。这些服务将计算设计与实体实验连接起来。公司称，其VAST化合物库已获得覆盖逾20,000种分子的订单。

机器人实验室之所以重要，是因为AI模型依赖可靠的实验反馈。自动化合成与测试能够产出标准化数据，进而为下一轮预测提供依据。

这种设计、测试与更新的循环，可能构成持久优势的来源之一。随着方法扩散，单靠模型会更容易被复制；专有实验数据与一体化实验室运营则更难效仿。

Metis TechBio代表了另一条商业化路径。该公司专注于AI赋能的药物递送，包括旨在改善药物抵达生物靶点方式的技术。

Metis报告上半年营收为人民币1.543亿元，较去年同期的人民币114万元增长。由此带来13,399%的增幅，但基数极低。

其经调整净亏损收窄56.4%，至人民币5,110万元。研发支出增长48.1%，至人民币1.724亿元。

相关中期披露文件还显示，截至期末，该公司持有人民币30.3亿元现金、存款及金融资产。尽管仍处于亏损状态，这一余额为其持续推进研发提供了空间。

Metis首席执行官赖才达对行业的商业化检验提出了一个颇有价值的观点。他表示，制药公司并不会仅仅因为AI而为一家AI企业付费；它们付费购买的是体现在真实药物资产中的成果。

这一观察点出了本篇报道中的主要对手。市场不再仅以模型架构或预测速度来比较AI制药企业，而是开始比较商业合同，以及由此产生资产的质量和推进进展。

这三家公司如今呈现出不同的财务信号。Insilico通过大型合作实现盈利；XtalPi在艰难的营收对比基数下扩大了AI4S服务；Metis则在仍然亏损的同时实现了营收快速增长。

这些信号都不能单独决定哪个平台能产出最优药物。它们揭示的是：在漫长的开发周期中，哪些商业模式能够吸引客户并确认收入。

这仍是一项重要变化。AI药物发现已获得多种变现路径，而不再仅依赖未来版税。授权、科研服务、实验室自动化、软件以及联合开发都可以支撑运营。

更难的问题在于，这些路径究竟会强化科学研究，还是会使其偏离重点。平台可能为了签署交易而优化，却未必选择最佳临床项目；反过来，外部合作也可能带来改善开发决策的专业能力。

这种取舍将塑造投资者如何解读未来盈利。收入质量将取决于客户集中度、重复合作、里程碑推进情况，以及预付款与经常性付款之间的平衡。

这些数字仍无法证明什么

盈利期验证的是融资与合作模式，而非AI设计的药物已在患者中得到验证。

第一项不确定性在于临床结果。大多数由AI筛选的候选药物仍处于临床前或早期临床开发阶段。安全性失败、疗效不足、给药问题和试验设计缺陷，都可能抹去发现阶段取得的优势。

Rentosertib是Insilico产品组合中最受关注的检验对象。其III期试验让行业更接近获得大型患者数据集，但预计要到2029年才会公布顶线结果。

在此之前，关于端到端AI药物发现闭环的说法仍属暂定结论。根据Insilico的说法，该平台帮助生成了这一项目。只有对照试验能够判定该治疗是否使患者受益。

第二项不确定性在于归因。药物发现结合了算法、药物化学、生物实验、临床运营和人类判断。成功的候选药物很少是单一模型独立作用的结果。

公司常将分子描述为AI设计或AI发现。这些标签可能涵盖不同程度的计算参与。读者应审视系统影响了哪些决策，以及哪些工作仍需依赖传统研究。

第三项不确定性是收入集中度。少数几笔预付款即可主导报告中的增长。当前业绩并不能证明每个半年期都会出现可比规模的协议。

Insilico称，其收入来自多家合作伙伴，而非单一客户。这种多元化降低了一项风险，但并未消除对交易时点的更广泛依赖。

第四项不确定性涉及合同的头条金额。数十亿美元规模的协议通常包含遥远的监管与商业里程碑。头条数字代表最高可能金额，而非保证对价。

预付款现金能更清晰地衡量即时承诺。随着项目推进，研发里程碑可提供更有力的证据。监管里程碑的分量更重，因为它们反映正式的开发进展。

因此，一套有用的报道层级应从已收取现金和已确认收入开始，继而考察候选项目提名、临床阶段转换、试验结果、获批情况，以及最终的产品销售。

Schrödinger表明，里程碑驱动的波动并不限于中国企业。这家美国计算药物发现公司报告第二季度药物发现收入为2,300万美元，高于去年同期的1,390万美元。

与Ajax Therapeutics相关的一笔1,000万美元合作里程碑付款推动了其中大部分增长。季度总营收达到5,890万美元，而软件收入下降10%。

该公司的SEC业绩文件明确警告，合作收入可能在不同期间之间波动。其经验强化了这一会计问题具有全行业性质的判断。

Schrödinger还将基于物理的模拟与机器学习相结合。这种混合方法与更侧重生成式模型、专有生物数据或自动化实验室的平台竞争。

这种比较并不只是中国与美国之间的比较，也包括资产授权与软件、计算预测与一体化实验，以及内部管线与合作伙伴资助项目之间的差异。

这些策略可以在同一家公司内并存。商业层面的挑战是决定哪项活动应获得资本，以及哪项活动能够产生具有防御力的证据。

监管又增加了一层复杂性。药品监管机构评估安全性、疗效、生产制造和试验质量；它们不会因为AI系统参与了药物发现就批准一种药物。

这一标准使该行业免于陷入纯粹宣传式的成功定义。同时也意味着，这项技术的最终证明仍将通过熟悉的制药检查节点而来。

投资者应避免两个相反的错误。第一，是因为产品尚未获批就否定所有交易收入；第二，是把盈利账目视为临床风险已经消失的证明。

平衡的结论介于两者之间。合同表明成熟客户为这些平台及其资产赋予价值；临床试验将决定这一价值是否能够延伸至患者。

下一批科技新闻信号将来自试验、重复交易和收入质量

三项信号将决定，2026年究竟标志着持久商业化，还是仅仅是一轮有利的交易周期。

第一项信号是Rentosertib的III期执行情况。入组进度、受试者留存、安全性披露以及最终顶线数据，将检验Insilico故事中最重要的科学主张。

即使在最终结果公布前，一项运行良好的试验也会增强信心。延期、方案变更或安全性担忧，则会削弱“计算速度能够转化为可靠开发能力”的论点。

第二项信号是现有合作伙伴的重复业务。来自Lilly、Servier、SK Biopharmaceuticals、Takeda或区域合作伙伴的后续项目，将表明客户是否发现了足够价值，从而深化其承诺。

重复合作比首份合同更有分量。现有合作伙伴能够在追加工作前评估数据、交付能力和团队表现。

当里程碑付款源于科学进展时，其重要性也更高。它们将财务确认与项目跨越明确开发门槛联系起来。

第三项信号是不同报告期之间的收入构成。Insilico、XtalPi和Metis需要证明，增长可以在没有单笔异常巨额预付款的情况下延续。

对Insilico而言，这意味着需要关注新预付款、既有里程碑、软件收入和管线支出之间的平衡。持续的经营现金流将强化其商业化论据。

对XtalPi而言，AI4S的增长将显示实验室自动化和科学服务能否提供更稳定的基础。订单、交付能力和客户留存比单笔授权付款更值得关注。

对Metis而言，关键衡量指标是经调整亏损收窄的同时，快速营收增长能否持续。其当前的百分比增长反映了极小的去年同期基数，因此绝对进展更为重要。

行业基础设施企业提供了额外的交叉验证。GenScript的AI相关业务翻倍，表明更多计算候选项目正在进入实体验证阶段。持续需求将表明活动覆盖众多客户，而非仅来自单一平台。

竞争格局也将暴露薄弱的主张。Schrödinger、Recursion、Isomorphic Labs及其他计算药物开发商，正在采用数据、物理学、机器学习和内部项目的不同组合。

竞争应使这一类别更容易评估。可比的临床里程碑和合作续约将揭示哪些平台能够持续生成有用资产。

更大的转变已经显现。AI药物发现公司不再要求市场仅为算法估值；它们正围绕药物权利、实验基础设施和共同开发经济模式构建业务。

这一转变让该行业更容易理解，但并未变得更简单。收入可能在临床验证之前数年到来，而科学进展也可能不会带来可预测的季度收入。

对于关注科技新闻的开发者和知识工作者而言，这一教训超出了生物技术领域。当AI系统将预测与可衡量结果及可靠反馈联系起来时，便能获得持久价值。

药物发现提供了这种检验中尤为严苛的一种版本。看似有说服力的模型输出只是一项假设；实验室、试验、监管机构和患者决定它是否会成为更多。

2026年上半年提供了证据，表明AI药物平台能够吸引大型合作伙伴并产生有意义的收入。但它并未为治疗价值盖棺定论。

关注下一次临床更新、下一次重复合作，以及下一次收入拆分。这些信号合在一起，将显示交易驱动的盈利是否正在成为持久的行业模式，还是仍只是短暂的财务高点。