AI制药的竞争，正从分子发现环节向制剂创新环节延伸。8月3日，剂泰科技（7666.HK）宣布，公司自主研发的AiTEM人工智能制剂创新平台将在恒瑞医药进行本地化部署，加速药物制剂配方开发效率。此次合作标志着由NanoForge驱动的AiTEM平台持续实现外部商业化闭环，AI4S在药物递送领域的产业化进程再进一步。
制剂创新长期是制药行业的隐性壁垒。一款新药能否成药，不仅取决于活性成分本身，还取决于如何把它稳定、安全、高效地递送到人体靶点。传统制剂研发高度依赖经验试错，一个处方往往要经过数十次甚至上百次实验才能定型。剂泰科技切入的正是这一环节，用AI重新定义药物制剂的开发方式，而恒瑞医药作为国内创新药龙头，选择部署AiTEM，本身就是一个强烈的行业信号。
AiTEM的技术底座是剂泰科技自研的NanoForge，一个号称全球首个的AI纳米递送平台。NanoForge拥有全球首创的AI for Nano脂质从头生成算法、脂质语言基础模型、METiS智能体和高通量干湿实验闭环迭代平台，已经成为决定药物递送的AI for Science关键基础设施。截至2026年5月，NanoForge已积累超过1000万种脂质结构和10万个实验数据点，赋能剂泰科技研发团队推进超过10条业内首创或业内最佳管线，并在8个重要人体器官和组织靶向递送取得突破性进展。
在具体技术路径上，AiTEM通过专有算法进行药物制剂设计与优化。平台借助量子化学和分子动力学模拟，预测药物与辅料间的相互作用，生成各种剂型的优化方案，以提高药物溶解度、渗透性和生物利用度，实现理想药代动力学特征。与传统制剂研发相比，AiTEM把大量依赖实验的配方探索工作搬到了计算机里，先用模型筛选候选方案，再通过实验验证，大幅压缩试错成本。
剂泰科技在递送领域的布局并不止于平台。公司此前发布的脂质纳米颗粒递送技术，已在基因药物、mRNA疫苗等前沿领域积累大量专利。将纳米递送能力与AI制剂优化结合，剂泰科技构建了从分子设计到递送系统的一体化能力，这正是其能够吸引恒瑞这类头部药企合作的核心竞争力。
AiTEM的商业价值，在中国首个完成III期临床的AI赋能制剂新药MTS-004项目中得到充分验证。在这一里程碑项目中，AiTEM承担了剂型开发的建模与预测分析，将临床前制剂优化周期从行业平均的1到2年，缩短至3个月内完成。MTS-004从立项至完成III期临床试验仅耗时38个月，相比行业平均水平大幅提升了药物研发效率。
这一数据背后的意义需要放在行业背景下理解。传统新药研发平均成本高达26亿美元、耗时10到15年，其中很大一部分资源消耗在制剂和工艺开发环节的反复试错上。AiTEM把制剂优化周期压缩近八成，意味着整个新药研发链条的时间成本被显著缩短，企业能够更快地把候选药物推进到临床乃至上市阶段，抢占市场窗口期。
从合作模式看，恒瑞医药选择的是本地化部署，而非简单的API调用。这种模式意味着AiTEM将深度嵌入恒瑞的研发体系，与恒瑞的内部数据和流程对接，形成定制化的制剂开发能力。对于剂泰科技而言，本地化部署带来的不仅是收入，更重要的是头部药企真实研发数据的反哺，这些数据将进一步训练和优化NanoForge模型，形成数据飞轮效应。
剂泰科技与恒瑞医药的合作，折射出AI4S产业化的一个新趋势：AI正在从辅助发现分子，走向参与药物生产的全流程。过去两年，AI制药的热点集中在分子生成和靶点发现，但业界逐渐认识到，制剂、递送、工艺这些后端环节同样决定药物成败，而AI在这些环节的渗透率还很低。剂泰科技卡位的正是这一蓝海市场。
从资本市场看，AI4S制剂方向正获得越来越多的关注。剂泰科技作为港股上市企业，其平台化战略让投资者看到了不同于单管线公司的成长路径。与晶泰科技、英矽智能等聚焦分子发现的同行不同，剂泰科技以纳米递送和制剂优化为核心，形成了差异化竞争壁垒。此次与恒瑞的合作，进一步验证了其平台在真实工业场景中的价值。
展望未来，随着NanoForge积累的脂质数据和实验数据持续增长，AiTEM有望在更多复杂制剂场景中发挥作用，包括口服、吸入、透皮、长效注射等多种剂型。当AI4S不再只是实验室里的论文成果，而是进入头部药企的日常研发流程，药物递送产业的格局将被真正重塑，而这正是剂泰科技正在书写的故事。
剂泰科技能够把制剂优化周期压缩近八成，核心秘密在于干湿实验的闭环迭代。所谓干实验，是指在计算机里用模型完成分子模拟、配方筛选和性质预测；所谓湿实验，是指在真实实验室里验证候选方案的实际表现。大多数AI制药公司只擅长干实验，模型给出的预测结果缺乏实验验证，难以直接用于生产；而剂泰科技把两者深度耦合，模型预测的结果会进入自动化实验环节验证，验证数据又反哺模型训练，形成持续优化的闭环。
这种闭环的价值在于时间与数据的双重积累。NanoForge积累的1000万种脂质结构和10万个实验数据点，不是一夜之间生成的，而是通过数百个真实研发项目逐步沉淀的。竞争者在短期内可以采购模型、调用算力，却很难复制这套真实实验数据的积累，因为每一条数据背后都对应真实的试错过程。这正是业内常说的数据飞轮效应：平台服务越多客户，积累越多数据，模型越准，客户黏性越强。
从商业模式看，AiTEM的本地化部署模式也为AI4S企业提供了新的变现思路。相比按API调用次数收费，本地化部署意味着更深的客户绑定和更高的单客户价值，客户的数据在本地处理也规避了数据合规风险。恒瑞医药作为国内创新药龙头选择部署AiTEM，某种程度上是在为行业树立标杆，未来可能有更多药企跟进这一模式。当AI4S平台从卖工具转向建生态，其商业想象空间将远超单点工具时代。