過去十年，人工智慧（Artificial Intelligence, AI）從實驗室的研究項目，迅速躍升為全球資本市場的焦點。根據史丹佛大學人本人工智慧研究院（Stanford Institute for Human-Centered Artificial Intelligence, HAI）於 2025 年發佈的《AI Index Report》，2021 年全球 AI 投資總額達到 3,607.3 億美元，創下歷史新高。雖然 2022 年後有所調整，但 2024 年仍維持在 2,523.3 億美元的高水位，顯示出資本市場對 AI 技術的持續熱情。
其中，私人投資（Private Investment）為主要動力來源，2021 年即貢獻 1,753.6 億美元，占整體投資的近半。合併與併購（Merger/Acquisition）、少數股權投資（Minority Stake）以及公開上市（Public Offering）也扮演輔助角色，顯示 AI 不僅成為技術革命的中樞，更是資本市場的寵兒。
這波 AI 投資熱潮不僅集中於資通訊、金融與製造領域，更延伸至醫療健康與生技製藥產業。根據 Fitch Solutions 的預測，2024 年全球藥品市場規模將達 1.7 兆美元，並於 2034 年突破 3 兆美元，年均成長率（CAGR）為 6.15%。這樣的成長速度儘管溫和，但其背後潛藏的產業轉型與科技創新，卻足以重塑醫藥產業的面貌。
AI x 製藥產業：演算法、數據與藥物創新的三重奏
新藥開發被視為醫藥產業中最燒錢、耗時且高風險的項目。從目標驗證（Target Validation）、化合物篩選（Compound Screening）、先導優化（Lead Optimization）、臨床前測試（Pre-clinical Test），再到臨床一、二、三期與最終核准上市，每一步都需數年投入且面臨極高失敗率。
根據 Deep Pharma Intelligence 的資料顯示，截至 2024 年底，全球已有 121 項由 AI 技術驅動的藥物開發專案，當中超過 90% 處於臨床一期與二期階段，顯示 AI 雖尚未成為商業化主力，但已深植於研發早期核心流程中。
這些 AI 藥物以小分子（Small Molecule）為主，占比超過 75%，其次為疫苗（Vaccine）、抗體（Antibody）、基因/細胞療法（Gene/Cell Therapy）等高潛力領域。其應用方式主要分為五大類：
- 靶點發現與驗證（Target Discovery & Validation）：使用卷積神經網絡（Convolutional Neural Network, CNN）、深度神經網絡（Deep Neural Network, DNN）、圖神經網絡（Graph Neural Network, GNN）等深度學習模型，如 Transformer、BioNER。
- 藥物篩選與優化（Compound Screening & Lead Optimization）：結合虛擬篩選（Virtual Screening）、分子對接模擬（Docking Simulation）與活性預測（Activity Prediction）。
- 分子設計（Molecular Design）：利用生成對抗網絡（Generative Adversarial Network, GAN）、變分自編碼器（Variational Autoencoder, VAE）等生成式模型進行結構生成，搭配自然語言處理（Natural Language Processing, NLP）模型加速候選分子創建。
- 藥效與毒性預測（Property & Toxicity Prediction）：使用支援向量機（Support Vector Machine, SVM）、深度神經網絡（DNN）等方法進行多重性質建模。
- 藥物再利用（Drug Repurposing）：如 Pairformer 與擴散模型（Diffusion Model），以少量數據精準識別潛在新適應症。
AI 藥物開發不僅提升效率，也極大改善成本結構。根據波士頓諮詢集團（Boston Consulting Group, BCG）報告，傳統新藥開發時程約需 8–11 年，總成本介於 3,500–5,500 萬美元不等；AI 驅動的模型可將時間縮短至 3–5 年，費用減少 30–50%，成功率甚至可提升兩倍。
2024 年的 FDA 核准新藥數量亦反映此趨勢。根據美國食品藥品監督管理局（FDA）資料，當年共核准 50 件新藥，其中包括 34 件新分子實體（New Molecular Entities, NMEs）與 16 件生物製劑（Biologics License Applications, BLAs），涵蓋從毒素（Toxin）到雙特異性抗體（Bispecific Antibody）的多樣平台。FDA 對「新型態藥物（New Modality）」的包容與支持，為 AI 藥物開發打開綠燈。
不僅如此，AI 的貢獻亦獲得諾貝爾獎肯定。2024 年的諾貝爾化學獎由三位學者共同獲得，表彰其以 AI 為核心，成功預測蛋白質結構、加速新藥研發。包括 AlphaFold 系統的主要開發者 John M. Jumper 與 Demis Hassabis，以及計算性蛋白設計專家 David Baker，皆是這項突破背後的重要推手。
從全球到台灣：生技製藥 AI 生態系蓬勃成形，布局關鍵在於策略協作
全球製藥與 AI 公司之間的授權、共同開發與併購正以空前速度進行。根據 Deep Pharma Intelligence 的最新調查，全球 AI 藥物研發公司從 2021 年的 300 家增加至 2024 年的 950 家，三年內成長逾三倍。這些公司橫跨藥物設計、蛋白質結構模擬、毒理預測與臨床實驗設計等各種子領域。相對應的，投資機構也從 2021 年的 300 家倍增至超過 880 家，資金進入速度之快可謂罕見。
AI 藥物研發的生態圈也逐漸成形，整體可劃分為九大類別：
- 製藥與生技公司（Pharma/Biotech）
- 研究中心與學研機構（Academic & Research Institutes）
- 政府與監管單位（Regulatory Bodies）
- 臨床試驗執行機構（Contract Research Organizations, CROs）
- AI 軟體服務供應商（AI Software as a Service, AI SaaS Providers）
- 網路硬體供應商（Network & Hardware Vendors）
- 基礎設施供應商（Infrastructure Providers）
- 新創公司（Startups）
- 資本市場投資者（Investors）
從 AstraZeneca、Pfizer 到 Google、Microsoft，從 ETH Zurich 到 FDA，美國、歐洲與亞洲都已形成完整鏈結與跨界合作。
在台灣，AI 藥物開發雖起步稍晚，但產學研體系已開始布局。日前（5 月 23 日）在「AI 藥物開發新創投資與展望」新創投資媒合會中，生物技術開發中心（DCB）產業發展處處長劉韋博表示，DCB 主導推動的「AI in Medicine Alliance」策略包含以下四大核心：
- 技術串聯：建構 AlphaFold、數位孿生（Digital Twin）與大型語言模型（Large Language Model, LLM）整合平台，加速分子建模與模擬。
- 新創扶植：協助早期 AI 新創募資、與製藥廠協作開發概念驗證（Proof-of-Concept）。
- 國際鏈結：串聯全球研究單位與藥企，參與國際多中心臨床試驗。
- 跨域合作：建立資通訊（Information and Communications Technology, ICT）與生醫整合機制，引入算力平台與雲端資源，拓展跨產業合作可能性。
DCB 已於 2023 年建構起「核酸藥物設計平台」，並預計於 2025 年導入 AlphaFold3 與大型語言模型，整合蛋白質交互作用建模、抗體設計、藥物結合模擬等技術，實現「從數據到分子」的全鏈式研發鏈。
在這條創新之路上，台灣尚需整合現有生醫與資通訊資源，扶植一批 AI 驅動的新創企業，並持續加強法規與資料治理配套，才能真正從全球藥物供應鏈的邊緣，邁向核心。另外，如果讀者有興趣，也可以參閱 DCB 發布的專文：生技中心攜手產官學界 探討AI藥物研發新創投資契機
