量子计算+生物制药产业与技术发展研究报告（上）

活动小助手 · 发表于 1763488550

本帖最后由活动小助手于 2025-11-20 00:58 编辑

人工智能在生物制药领域取得了巨大突破，特别是人工智能药物发现 (AIDD) 成为了发展最快、成果最显著的方向。但作为经典计算框架下的巅峰之作，其能力高度依赖于训练数据的质量与广度，并受限于经典物理的描述范畴。近年来，以量子信息科学为代表的量子科技迅猛发展，掀起了第二次量子革命的兴起。量子计算基于量子力学的叠加原理展开了全新的计算模式，它提供了一种从根本上实现并行计算的思路，具备极大超越经典计算能力的潜力，有望解决 AIDD 的理论瓶颈，为生物制药的研发瓶颈注入变革性力量。

当前形势下，国内外均在积极布局量子计算战略，联合国宣布 2025 年为 “国际量子科学与技术年”，同时 2025 年也成为药物研发模式的一个分水岭，行业正在从高度依赖经验的传统路径，全面转向由人工智能 (AI) 驱动、量子计算增强的智能化新范式。在此背景下，联盟组织研究编写了《量子计算 + 生物制药产业与技术发展研究报告》，针对量子计算 + 生物制药的产业发展、药物发现计算发展的变革、量子计算赋能药物发现的技术路线、应用场景案例等进行跟踪研判，同时对量子计算 + 生物制药发展趋势前景进行展望，供业界参考。

编制单位：中国电子信息产业发展研究院网络安全研究所、量子科技长三角产业创新中心、粤港澳大湾区量子科技与产业创新联盟、中山大学药学院、北京玻色量子科技有限公司、中国移动云能力中心

研究报告编写组成员：温晓君、周旭、杨云祥、傅宇龙、何雨宸、郑留帅、王维、熊枫、金晱、陈伟、李苏川、胡文浩、郭磊、李哲、文凯、马寅、汤俊杰、杜雪虹、钱岭、黄智国

一、时代浪潮下生物医药产业迎来历史性机遇

1.1 全球医药市场发展态势与创新药研发的挑战

生物医药产业是一个关乎人类健康和生命科学前沿的产业，其发展状况与全球经济及科技进步紧密相连。当前，生物医药产业的全球发展现状显示出几个显著的特点和趋势。

首先，全球生物医药产业的竞争格局呈现出美国和欧洲国家的主导地位，但中国等新兴经济体的企业竞争力正在逐步增强。2025 年 6 月全球知名行业媒体 Pharmaceutical Executive 公布了一年一度的全球制药企业 50 强榜单 (2025 Pharm Exec Top 50 Companies)，其中有 6 家中国制药企业上榜，数量创历史新高，这反映出中国的创新药领域全球化征程已起航，其在全球生物医药产业中的影响力日益增强。其次，生物技术的迅猛发展正推动生物医药产业向微观纵深方向加速发展。2024 年以来，基因编辑、人工智能、量子计算等新技术的持续突破提升了新药产业化效率，小分子化药、抗体药、细胞治疗药、核酸药物等新药赛道齐相发力驱动新药开发向 “高能级” 方向发展，创新模式也呈现出网络化和全球化的特点。根据 Citeline 旗下 Pharmaprojects 最新发布的《2025 年医药研发年度回顾》报告，全球在研药物数量再创历史新高，达到 23875 个，较 2024 年增长 4.60%。其中美国依然占据全球医药创新的中心地位，研发占比 48%，中国则持续保持追赶态势，研发项目占比 29.5%。同时，全球生物医药产业的市场规模持续增长，特别是生物药的增速较快。根据最新统计数据，全球生物医药市场规模预计将突破 1.5 万亿美元，其中中国占比超过 20%，市场规模达 3.2 万亿元人民币，2020-2025 年复合增长率高达 17.6%，展现出强劲的发展势头。从产业结构来看，化学药、生物药和中药三大板块呈现差异化发展态势，其中生物药以 28% 的占比成为增长最快的细分领域，2024 年市场规模已达 4913 亿元，预计 2025 年将突破 8000 亿元大关。

新药研发的加速与创新药物的出现是当前全球生物医药产业的一个重要趋势。随着科技的快速发展，特别是在生物技术和化学技术领域，新药的开发周期正在缩短，新药物的研发速度明显加快。新药研发的加速主要得益于高通量筛选技术、基因编辑技术、组合化学技术等现代生物技术的应用。然而药物研发长期面临高风险、长周期和高成本的三大问题，量子前哨发布的《2025 版量子计算 + 生物制药白皮书》统计传统药物从发现到上市平均需 10-15 年，耗资数十亿美元，而临床试验成功率仅为 12.9%。挑战的核心在于经典计算在生物分子模拟中的精度和效率存在双重局限。精度缺陷体现在现有模型难以刻画生物系统的多尺度非线性特征，效率瓶颈则源于生物数据的爆炸式增长。随着量子计算的崛起，凭借其强大的并行计算能力，为药物研发提供了全新的视角。

1.2 中国医药产业正处于转型的关键时期

“十四五” 时期，我国生物医药产业迎来了从实验室到临床转化的 “加速期”，一批靶向药物、细胞治疗、基因编辑等前沿技术加速从实验室走向患者，转化速度实现与国际水平同步，部分品种在疗效数据上甚至实现 “弯道超车”。同时随着《“十四五” 医药工业发展规划》、《医药工业高质量发展行动计划 (2023-2025 年)》、《制造业数字化转型行动方案》、《关于全面深化药品医疗器械监管改革促进医药产业高质量发展的意见》等系列文件先后出台，进一步加速推进数字化、智能化技术在医药工业领域的推广应用。在相关政策支持和产业持续创新的共同推动下，我国医药工业自动化、信息化、数字化发展的基础更加坚实，以人工智能为代表的新一代信息技术与医药研发融合日益深入，为我国医药工业进一步实现数智化转型带来新机遇。

与此同时，医药工业在数智化发展过程中仍面临顶层设计和协调引导不够完整、企业主动转型能力不足、支撑服务体系有待完善等问题。2025 年 4 月，工业和信息化部等 7 部联合印发了《医药工业数智化转型实施方案 (2025-2030 年)》(以下简称《实施方案》)，该《实施方案》深入推进人工智能赋能新型工业化，推动新一代信息技术与医药产业链深度融合，加快推进医药工业数智化转型，进一步提高企业核心竞争力，提升药品质量安全水平，增强供应保障能力，培育和发展新质生产力，促进医药工业高质量发展。

1.3 “AI + 量子” 策略成为制药创新核心引擎

当前，AI 和大数据技术、量子算法的融合，以及新型计算工具和基础设施解决方案，如数据库、云服务等，都在重新定义新药开发的模式。越来越多的量子计算企业将医药作为重要应用场景，其中 IBM、谷歌、英特尔、亚马逊、微软等企业都在开发量子计算云平台的同时，不约而同地布局医药应用；同时，一批量子计算的初创企业也积极与量子计算机开发企业合作或利用量子云平台，将量子计算与医药开发知识相结合，开发用于药物发现等方面的工具，以加速应用开发。人工智能驱动药物开发的重要性也越来越突出，人工智能驱动的新药设计与开发主要分为三大类：从头药物设计、现有数据库虚拟筛选和药物再利用。从头药物设计主要由深度生成 AI 模型实现，包括英矽智能的 Chemistry42 软件、Iktos 公司的 Makya 和 Ro5 公司的 DeNovo。现有数据库虚拟筛选方面，应用 AI 赋能的超大规模虚拟筛选，可从数十亿分子中筛选出成功的苗头化合物。许多公司使用再利用策略进行人工智能药物发现，这一类的公司包括 Healx、Benevolent AI、BioXcel Therapeutics，主要使用自然语言处理模型和机器学习，通过分析大量的非结构化文本数据，研究文章和专利、电子健康记录以及其他数据类型来建立和搜索 “知识图谱”。与传统计算机辅助药物研发相比，AI 具有数据量大、精度高、新颖性强等优势。越来越多的企业布局 AI 赋能药物开发业务，根据 Deep Pharma Intelligence 发布的数据，截至 2024 年，全球约有 800 家 AI 公司辅助药物研发。

多个权威报告指出，2025 年已成为药物研发模式的一个分水岭 —— 行业正在从高度依赖经验的传统路径，全面转向由人工智能 (AI) 驱动、量子计算增强的智能化新范式。这一年生成式 AI、量子计算、机器学习深度融合、协同发力，共同构成了一个更强大、更智能的药物研发系统。这不仅是一次技术升级，更是一次研发范式的根本性转变。2025 年之所以被称为 “转折点”，正是因为这些技术的成熟度与实践价值已通过多项验证，使得 “AI + 量子” 这一混合策略，演进为全球药物研发体系中不可或缺的核心支柱。

二、全球竞速：生物医药与量子计算的战略布局

2.1 国际发展态势图景

2024 年，联合国宣布 2025 年为 “国际量子科学与技术年”，这一举措旨在提升公众对量子科学及应用重要性的认识。量子技术目前尚未完全实现大规模商业化，但研发和商业化步伐正在加快。2025 年 9 月 23 日，美国白宫管理与预算办公室 (OMB) 与科技政策办公室 (OSTP) 联合向各联邦部门与机构发布《2027 财年政府研发预算优先事项及跨领域行动》备忘录，将人工智能与量子信息科学与技术置于 2027 年研发预算优先级首位。白宫备忘录指出，量子科技正处于从实验室走向产业化应用的关键拐点。

当前，量子计算快速发展，在医药领域展示出广阔的应用前景。2023 年全球医药领域量子计算的市场价值为 8500 万美元，预计到 2028 年将超过 5 亿美元，复合年增长率高达 42.5%，美国、日本、丹麦等国已加速相关部署。在此形势下，英国国家量子计算中心于 2025 年 3 月发布《医疗制药与量子计算的融合：医学新前沿》洞察报告，认为量子计算有望加速医疗保健和制药领域的进步，解决药物发现、诊断、个性化医疗和医疗保健服务方面的一些最复杂的挑战，量子计算在未来数十年内对医药领域可能带来的变革性影响。

2.2 我国政策规划体系与 “十五五” 新规前瞻

2024 年《政府工作报告》将量子科技纳入未来产业规划，以 “开辟新赛道” 为导向完成顶层设计。一年后，政策重点已转向 “建立投入增长机制” 与 “培育未来产业”，实现从宏观布局到机制构建、从赛道开辟到产业培育的关键转变。这一战略深化既依托于关键领域的技术突破，也凸显国家将量子科技作为新质生产力核心引擎的战略定位，为 “十五五” 时期的突破发展奠定坚实基础。

2025 年政府工作报告明确提出 “建立未来产业投入增长机制” 和 “培育量子科技等未来产业”，覆盖基础研究到产业化的全链条支持。一是突破芯片、测控等核心器件与设备底层技术；二是构建 “量子 +” 生态，通过揭榜挂帅推动产学研融合，加速金融、医疗等场景落地。这一政策框架为产业链上下游企业提供了较为清晰的研发和市场拓展路径，标志着国家战略进一步聚焦量子技术产业化。

在 “十五五” 规划纲要中，量子科技首次被提升至国家战略支柱产业的高度，标志着中国正式将量子科技作为未来产业升级的核心引擎。量子科技在 “十五五” 规划中的定位超越了单一技术范畴，成为连接多领域创新的战略支点。量子计算与人工智能的融合被视为下一代计算革命的重要方向。人工智能在处理高维数据、复杂优化问题时，常面临计算复杂度指数级增长的瓶颈，而量子计算凭借叠加态与纠缠态特性，在并行计算、全局优化等任务中具备天然优势。

聚焦广东政策与战略布局，2025 年 2 月，《广东省建设现代化产业体系 2025 年行动计划》正式印发，广东省在顶层设计中将量子科技确立为未来产业的核心方向，同年 1 月，广东省人民政府办公厅关于印发《广东省加快建设生物制造产业创新高地》，明确提出深入推进生物科技关键共性技术、前沿引领技术、现代工程技术、颠覆性技术创新，推动生物技术 (BT) 与信息技术 (IT) 的深度融合，抢占生物制造科技创新战略制高点。量子计算作为下一代信息技术的颠覆性力量，是推动 BT-IT 深度融合的关键方向与未来演进的重点。

在实施路径上，广东一方面依托粤港澳大湾区量子科学中心、广州实验室等重大平台汇聚跨领域创新资源，另一方面通过探索 “实验室经济” 等新型创新生态，鼓励 “楼上创新、楼下创业”，为量子计算与生物医药等前沿技术的交叉验证与成果转化提供了机制保障。此外，通过广东省量子科学战略专项及生物医药领域的企业联合基金等多元化投入机制，广东持续支持包括交叉领域在内的基础研究与核心技术攻关，为 “十五五” 未来产业的前瞻布局埋下了关键伏笔。

2.3 产业资本与创新生态发展趋势

量子领域

根据《2024 年量子计算产业发展展望》统计，2018 至 2023 年间，全球共有 19 个国家的 98 家量子计算企业 (包括 59 家硬件企业和 39 家软件企业) 完成 230 笔融资。从融资规模来看，美国以 5.794 亿美元遥遥领先，中国虽在亚洲地区位居前列，融资总额为 6060 万美元，但仍与美国存在数量级差距。行业预测指出，2027 年末至 2028 年初将是关键时间节点，届时专用量子计算机有望在组合优化、量子化学、机器学习等领域实现突破，进而推动材料设计与药物开发等实际应用落地。

作为粤港澳大湾区量子科技创新的核心引擎，广州已构建起完整的量子科技研发生态体系。在基础研究维度，琶洲实验室量子计算中心、中山大学量子研究院和华南理工大学量子实验室三大科研重镇协同发力，重点突破光量子芯片设计、超导量子计算等关键核心技术，成功研制出具有国际先进水平的 72 比特量子计算原型机，为量子计算产业化奠定坚实基础。在技术转化维度，粤港澳大湾区量子科学中心作为区域协同创新平台，整合广深港澳优质科研资源；量子信息共享中试平台提供专业的器件制备与测试服务；规划建设的量子科技产业园将打造完整的产业生态，形成从基础研发到产品测试再到产业化的全链条转化体系。在应用落地维度，广州积极推动产学研深度融合，与华为共建的量子计算实验室专注于量子 - 经典混合计算系统的研发，与腾讯合作的量子算法项目已在金融风控领域取得实质性应用突破，同时建成的粤港澳大湾区量子通信网络广州节点，标志着量子通信技术向实用化迈出关键一步。

AIDD 领域

《2023 年中国 AI 新药研发 (AIDD) 行业全景图谱》指出我国 AIDD 产业已初步形成区域集聚与链条分工的发展格局。从地域分布来看，AIDD 企业高度集中于北京 (占比 29.2%)、广东 (20.8%) 和上海 (20.8%)，江苏与浙江等地也具备一定基础。从产业链结构来看，上游由华为云、腾讯云、天数智芯、英特尔等技术平台企业主导，提供算力与底层技术支持；中游则以深势科技、英矽智能 (Insilico Medicine)、分子之心、华深智药等为代表，专注于 AI 药物建模、靶点发现、分子生成等核心环节，构建起本土 AIDD 研发的关键力量。

从区域发展来看，广东省凭借其在政策引导、产业集群与资本活力等方面的综合优势，正成为全国 AIDD 产业的重要高地。作为粤港澳大湾区的核心引擎，广东不仅在全省层面将生物医药与健康产业列为战略性支柱产业集群，更在《广州市战略性新兴产业发展 “十四五” 规划》中明确支持 AI 与生物医药的交叉融合，为 AIDD 发展提供了坚实的政策土壤。在产业生态方面，广东依托广州国际生物岛、深圳坪山国家生物产业基地等载体，形成了涵盖药物发现、临床前研究、临床试验的全链条服务体系。此外，本土科技巨头如华为云、腾讯云为 AIDD 提供强大的算力与平台支撑，而深圳未知君、晶泰科技等创新企业也在 AI 药物设计、干湿实验闭环等方向展现出技术独特性，进一步强化了广东在融合人工智能与生命科学前沿领域的创新活力。

三、当代药物发现的计算革命：从 CADD 到 AIDD

3.1 “偶然发现” 到 “数据驱动” 的演进

新药研发是守护人类健康的基石，但其过程漫长、成本高昂且失败率惊人。为攻克这一难题，计算科学与生物制药的融合，催生了一场深刻的范式革命。这条演进之路，清晰地展现了从依赖经验与偶然的传统药物发现，到基于物理模型的计算机辅助药物设计 (CADD)，再到由数据与算法驱动的人工智能药物发现 (AIDD) 的跨越式发展。

早期的药物发现，更像是一场 “大海捞针” 式的探索，高度依赖于对天然产物的筛选和偶然的实验发现，其过程缺乏方向性，效率低下且难以复制。随后，随着计算机科学和结构生物学的进步，CADD 应运而生，将药物研发带入了 “理性设计” 时代。通过分子建模、分子对接等技术，研究人员得以在计算机上模拟药物分子与生物靶点的相互作用，从而进行有指导性的筛选和优化，这标志着计算力量在制药领域的首次规模化应用。进入 21 世纪，以机器学习和深度学习为核心的 AIDD 技术，伴随着生物数据爆炸式增长登上了历史舞台。如果说 CADD 是 “结构驱动”，那么 AIDD 的核心则是 “数据驱动”。它不仅能从海量数据中挖掘出复杂的生物学规律，还能创造性地生成全新的候选药物分子，将药物研发推向了前所未有的智能化高度。

3.2 经典计算面临的根本性瓶颈

从 CADD 到 AIDD 的每一次跃迁虽是巨大进步，但其经典计算的内核正面临双重瓶颈。其一，AIDD 对海量数据的依赖，与充满噪声和批次效应的生物学数据现状形成尖锐矛盾；其二，在面对生命系统内在的 “量子效应” 与 “组合爆炸” 等根本性难题时，经典计算的 “天花板” 也已清晰可见。这些挑战共同预示着，一场更深层次的计算革命势在必行。

图 3-1 药物发现的范式演进

四、AIDD 的辉煌与理论上限

4.1 AlphaFold2 引领的 AIDD 浪潮

人工智能在生物制药领域取得的巨大突破，以 AlphaFold2 的问世为标志。它以前所未有的速度和精度解决了困扰生物学界半个世纪的 “蛋白质折叠问题”—— 其预测结果的 GDT 中位数 (衡量蛋白质结构相似度的指标) 为 92.4 分 (满分 100 分)，达到了与实验方法相媲美的水平。这一颠覆性成就不仅极大地加速了药物靶点的发现与理解，更直接催生并引爆了 “AI for Science” 这一激动人心的新赛道，吸引了数十亿美元的风险投资涌入，其中，人工智能药物发现 (AIDD) 成为了发展最快、成果最显著的方向。在 AIDD 浪潮的推动下，从靶点发现、虚拟筛选、分子生成到合成路线规划，AI 技术几乎渗透了新药研发的每一个环节，显著提升了研发效率，并已成功推动多个 AI 设计的候选药物进入临床试验阶段。

4.2 精度瓶颈:“量子物理” 的天花板

然而，尽管取得了革命性的成就，但作为经典计算框架下的巅峰之作，AIDD 的理论上限也逐渐清晰。其核心在于，当前的 AI 模型本质上是强大的模式识别与数据插值工具，其能力高度依赖于训练数据的质量与广度，并受限于经典物理的描述范畴。首先，在精度层面，AIDD 面临 “量子物理” 的天花板。药物分子与靶蛋白的相互作用，其本质是电子层面的量子力学行为。精准预测药物的结合亲和力，是衡量其活性的关键，而这要求计算精度达到所谓的 “化学精度”(约 1kcal/mol)。计算中 1.4 kcal/mol 的误差，就可能导致对药物活性近十倍的错误预判。AI 模型可以从实验数据中学习这种相互作用的结果，却无法从第一性原理出发精确模拟其过程 (从最基本的物理学理论出发，推导出系统的物理性质)，因此在预测结合自由能、催化反应能垒等关键参数时，始终存在一道难以逾越的精度鸿沟。

其次，在规模与复杂度层面，AIDD 仍未摆脱 “组合爆炸” 的阴影。无论是探索广阔的化学空间 (据估计，具有类药性的小分子数量超过 10^60 种) 以从头设计新分子，还是在多维的构象空间中寻找最优解，这些问题本质上都是 NP-hard 问题 (多项式时间难以求解的问题)。例如，一个仅包含 70 个变量的组合优化问题，其可能性总数就高达 2^70 (约 1.18×10^21)，比地球上沙粒的总数还多出百倍。AI 可以通过高效的启发式搜索策略找到高质量的解，但无法保证在多项式时间内找到全局最优解。

4.3 复杂度瓶颈:“组合爆炸” 的老大难

AIDD 的理论上限，是由经典物理的近似性和经典计算的复杂性理论共同决定的。这种上限在诸如分子对接加速和超大规模相似分子筛选等场景中表现得尤为突出：AI 虽然能快速筛选，但无法保证找到能量最低的最优构象，也难以在天文数字般的化学空间中进行无遗漏的全局搜索。正是为了突破这些在精度和全局寻优能力上的根本性瓶颈，新的计算范式亟待提出。

五、量子计算赋能加速药物发现三大路径

面对 AIDD 的理论上限，量子计算并非简单地作为一种更快的计算机出现，而是提供了一套全新的计算逻辑与解决思路。基于当前的硬件成熟度和算法研究，量子计算主要通过以下三大核心路径，为生物制药的研发瓶颈注入变革性力量。

5.1 路径一：发挥组合优化天然优势

首先，也是最直接的路径，是发挥其在求解组合优化问题上的天然优势。生物制药领域含有大量的 NP 难组合优化问题。其核心科学原理在于，量子系统能够利用量子叠加性和并行性。一个包含 N 个量子比特的寄存器，可以通过叠加态同时表示 2^N 个可能的状态，这意味着量子计算机在一次操作中就能处理经典计算机需要 2^N 次才能完成的计算量。专用优化设备，如 D-Wave 通过物理系统的演化，并借助量子隧穿效应，能够 “穿越” 能量壁垒，避免像经典算法那样轻易陷入局部最优解，从而有更大几率找到问题的全局最优解。这不仅意味着 “更快”，更意味着能找到 “更好” 的解，对于寻找分子最低能量构象这类问题至关重要。这是当前量子计算最有望在近期实现商业价值、解决行业实际痛点的方向。

5.2 路径二：构建量子增强机器学习模型

其次，是构建量子增强的机器学习模型。许多先进 AI 算法的核心是高效地从复杂数据分布中采样，而量子系统是天生的 “采样器”。其科学原理在于伊辛模型的数学表达可与玻尔兹曼机网络的拓扑结构映射。一个物理量子优化器会自发地趋向其能量最低的状态，该体系的不同状态的能量分布服从玻尔兹曼分布，也反映了该状态出现的概率。经典采样算法常面临收敛慢、模式坍塌等问题，而量子采样器则能更自然、高效地探索整个概率空间。通过将量子采样器作为核心模块嵌入经典机器学习框架，有望构建出表达能力更强、训练效率更高的量子玻尔兹曼机 (QBM) 等生成式模型，从而生成经典模型难以发现的新颖、优质分子。

5.3 路径三：重构生成式 AI 模型

最后，是基于量子计算重构生成式模型加速药物发现。除了基于从已有分子库中筛选具有活性的分子，药物发现的另一个途径是从头设计和和生成分子并优化其性质，借助目前主流的生成模型 VAE、GAN、diffusion model，可以结合靶点活性口袋构成，靶向生成具有高亲和力的分子，但目前基于高斯分布先验的模型假设往往会造成模型的失真，量子计算基于能量分布可以更真实地表征化学分子的隐空间，重构当前的深度学习模型，得到泛化性能更佳的生成模型。