本月中旬，AI公司insitro宣布，其与阿斯利康达成了一项全球独家研究合作协议，针对代谢功能障碍相关脂肪性肝炎（MASH）与心肌病开展新靶点和创新疗法的发现工作。

根据协议，insitro将获得4000万美元首付款，并有资格获得最高约 14.6亿美元的发现、开发及商业化里程碑付款。此外，insitro 还可基于产品未来全球销售收入，获得个位数比例的特许权使用费。

这是阿斯利康今年规模最大的一笔AI制药交易，也是其在海外地第一笔AI制药交易。

insitro是谁？阿斯利康又看中了什么？

阿斯利康，正在专注AI+制药

在今年的“AI热潮”中，阿斯利康显得冷静而审慎。

今年截至目前，阿斯利康在AI制药领域达成了3笔合作：

1月，阿斯利康与石药“再续前缘”，签订了战略研发合作与授权协议，以利用其专有的缓释给药技术平台及多肽药物AI发现平台，开发创新长效多肽药物。

这也是石药首次亮相这一AI发现平台，其透露这一平台可以针对药物靶点快速设计及筛选候选分子，并可在药效、选择性与信号偏向性等维度进行系统优化。

随后，今年3月，阿斯利康从源头创新切入，与清华大学正式签署校级科研合作协议，并宣布成立“清华大学（智能产业研究院）- 阿斯利康人工智能药物研发联合研究中心”。

这一合作中，双方将重点围绕疾病机制研究、多组学分析与数据科学、生物标志物发现、转化医学、临床开发策略、人工智能应用等领域开展合作，旨在通过整合学术界与产业界的优势，加速创新药物的发现与开发。

而此番与insitro的合作，是今年阿斯利康首次正式与AI制药企业达成合作，其中的战略考量值得细究。

具体来说，双方选择聚焦MASH与心肌病，首先是因为这两种疾病有着类似的流行病学特征和治疗难题：高发、漏诊率高，异质性强，核心问题是在同一种疾病诊断下，患者的底层生物学机制存在巨大差异。

而这种综合特征也决定了，AI技术能在其中释放最大价值——基于人类数据的机器学习，有助于科学家厘清这类复杂疾病的生物学机制和驱动因子，从而开发精准疗法。

正如insitro创始人兼首席执行官Daphne Koller博士所说：“在这类疾病领域，高内涵数据蕴藏着挖掘疾病驱动因子的巨大潜力。借助人工智能解析这些复杂数据集，我们能释放更强的靶点发现能力，挖掘全新的遗传学洞见。”

在双方的分工中，insitro将运用其Virtual Human™（虚拟人类）平台，挖掘上述两种适应症的因果疾病生物学机制（causal disease biology)，并推进阿斯利康提名的靶点，直至产出候选药物。阿斯利康将接力负责全部临床开发、注册申报及商业化相关工作。

从中也可以看出，在AI时代，药物研发企业最为核心的竞争力之一，就是对药物背后疾病生物学的理解，集中体现为对于靶点的选择。

阿斯利康生物制药研发负责人、执行副总裁Sharon Barr就一阵见血地指出：“我们深知疾病生物学机制极为复杂，研发过程中最关键的决策之一就是选对靶点。本次战略合作彰显了我们致力于充分利用前沿人工智能技术，直击疾病根源的决心。”

Insitro的创立源于创始人Daphne Koller对药物研发现状的洞察。Daphne Koller是斯坦福大学计算机科学教授，曾任在线教育平台Coursera的联合创始人及谷歌旗下长寿科学公司Calico的首席计算官。她发现，尽管人工智能在多个领域取得了突破，但在药物研发中，行业往往过于关注“如何更快制造分子”，而忽视了“如何发现正确的疾病机制”。

为了解决这一根本性问题，科勒于2018年创立了Insitro，旨在利用机器学习和大规模数据来解码复杂的人类生物学，从而发现变革性的新药。将in silico（计算模拟）与in vitro（体外细胞实验）深度咬合，insitro这个名字，正是对这一核心理念的浓缩表达。

创业之初，资本快速向这套全新叙事倾斜。种子轮便集结ARCH、a16z、Third Rock、GV等全球顶级生命科学投资机构；2021年由加拿大养老金CPP领投完成4亿美元C轮融资，累计股权融资规模超过7.5亿美元，叠加来自BMS、礼来、吉利德等药企合作带来的收入，让这家初创公司有充足资本搭建自研自动化实验室、生成PB级别的多模态人体细胞与临床遗传数据，而不是仅仅作为AI算法外包商存在。

Insitro采用“物理AI”（Physical AI）策略，将大规模的人类遗传学数据、临床数据与高通量自动化细胞实验相结合，构建了Virtual Human™（虚拟人类）的因果生物学平台。

Virtual Human™是整套管线的起点，一个以人类遗传信息为锚点的因果AI引擎。它整合超过20PB的自动化细胞实验数据、UK Biobank等大规模人群基因组、医学影像、临床表型多模态数据集，不再依靠小鼠等异源动物模型推测人类疾病机制。

该平台能够把人群中观测到的遗传变异、影像指标、临床终点，映射到iPSC诱导多能干细胞构建的人体疾病细胞模型上，通过POSH（Pooled Optical Screening）光学混合筛选技术，在病人来源细胞中大规模开展基因扰动，区分哪些基因变化仅仅和疾病伴随发生，哪些才是真正驱动疾病发生、进展的因果靶点。例如，在代谢功能障碍相关脂肪性肝炎（MASH）的研究中，该平台成功识别出了IRS1这一关键遗传调控因子。

当Virtual Human™完成靶点验证之后，任务移交至TherML™治疗机器学习平台。2026年初，insitro收购CombinAbleAI，补齐蛋白分子设计能力，完成TherML全模态布局。

这是一个不限分子类型的药物设计引擎，同时支持小分子、寡核苷酸、多特异性抗体等多种药物模态，根据靶点生物学特征自动匹配最优药物形式，而不是固定只做某一类分子。

其中ChemML模块负责小分子，依托定量自适应文库QAL，一次性生成上亿条结合、选择性数据，在设计-合成-测试循环中，提前预测ADMET与体内药代性质，降低后期淘汰概率；新增的CombinAbleAI模块则依托数十万分子动力学预训练模型，对复杂蛋白、双抗、T细胞衔接器做结构与柔性预测；寡核苷酸模块则专注siRNA序列与组织递送优化。每一轮合成与动物实验产生的数据，都会回流训练模型，持续提升预测精度，形成算法与实体实验互相喂养的闭环，这正是物理AI的核心：算法不只做离线预测，而是持续与物理世界的生物实验交互学习。

截至2026年10月，Insitro已构建起包含9个创新药物项目的研发管线，重点布局代谢疾病、神经退行性疾病和眼科疾病等领域。

代谢赛道的核心资产CTRO-1013，是insitro自研MASH（代谢相关脂肪性肝炎）siRNA项目，也是公司推进最快、最具标志性的临床前资产。

传统MASH候选药物大多聚焦减少肝脏脂肪堆积，而insitro的数据证明，抑制IRS1可以独立于减脂通路，直接产生抗纤维化效应。在临床前模型中，单次给药即可显著下调肝脏IRS1表达，降低肝脏甘油三酯。

目前CTRO-1013正在开展IND申报研究，计划2026年内推进至首次人体试验，这将是insitro平台产出的第一个进入临床的候选药物，也是验证整套物理AI从靶点发现到分子设计全链条可行性的关键里程碑。同代谢管线内，CTRO-1029、CTRO-1035处于不同临床前阶段，覆盖脂肪堆积、纤维化不同机制，同时布局肥胖方向。

神经领域管线方面，Virtual Human识别出ALS-1、ALS-2、ALS-3多个全新靶点。insitro保留ALS-1寡核苷酸项目的自身开发权，小分子版本交由BMS推进。除此之外，管线内还包含其他神经方向早期发现项目，持续依托平台输出新靶点进入药物设计阶段。

从商业节奏上看，insitro采用“平台BD变现+自有管线推进临床”双轨模式。对外，通过和BMS、礼来、吉利德，以及最新的阿斯利康合作，收取预付款、里程碑与分层销售特许权使用费，用合作收入支撑平台建设；对内保留核心资产权益，等待CTRO-1013等自研分子进入临床，兑现更大的商业化价值。这种模式平衡了AI biotech的现金流压力，同时持续积累平台数据资产。

当行业里多数AI药物公司还停留在单点模块优化，或是单纯出售算法服务时，insitro已经走完从理论、平台搭建、靶点验证、分子设计，直到候选药物走向临床的完整链路。它的创业故事，本质是一场漫长的验证：能不能通过因果AI与工业化细胞实验，系统性提高源头靶点的成功率，把新药研发的巨额沉没成本，压缩在更早的发现阶段。而这也是制药行业在等待的答案之一。

文章内容来自医药魔方，流程工业整理编辑，责任编辑:邵丽竹，审核人:何发

版权声明:本文由“制药工艺与装备”平台整理发布，版权归原作者所有，如有侵权请联系删除。邮箱:cuifangfei@vogel.com.cn。