计算机辅助药物发现市场 (2026 - 2035)

计算机辅助药物发现市场研究报告,按应用(靶点识别、先导化合物优化、临床前测试、临床试验、不良反应预测)、按类型(软件、服务、数据库)、按药物类型(小分子、生物制剂、抗体)、按最终用户(制药公司、生物技术公司、研究机构、学术机构)和按地区(北美、欧洲、南美、亚太、中东和非洲) - 预测到2035年
ID: MRFR/Pharma/35161-HCR 128 Pages Satyendra Maurya, Rahul Gotadki Last Updated: November 13, 2026
In Silico Drug Discovery Market
Market Size
Forecast Period2026-2035
CAGR (2026-2035)10.30%
2025 Market SizeUSD 4.15 Billion
2035 Market SizeUSD 11.02 Billion
Key Players
Schrödinger, Inc.
Dassault Systèmes
Certara, Inc.
Cadence Design Systems
Chemical Computing Group
Simulations Plus, Inc.
Opportunities
  • Quantum-Enhanced Molecular Simulation
  • Emerging-Market Biotech Expansion
  • Federated Data Networks and Data Monetization

计算机辅助药物发现市场 市场概要

计算机辅助药物发现市场在2025年的估值为41.5亿美元。预计到2026年将达到45.6亿美元,到2035年将达到110.2亿美元,2026年至2035年的年均增长率为10.3%。两个政策催化剂尤为突出。美国FDA在2025年1月发布的关于人工智能在监管决策中的草案指导,提出了一个基于风险的计算模型可信度框架。FDA现代化法案2.0取消了人类试验前动物测试的法定要求 [3]。这两者共同为赞助商提供了更清晰的提交模型衍生证据的路径。

发现团队正在淘汰孤立的本地对接工具和手动高通量筛选。取而代之的是,他们正在采用结合物理模拟、机器学习和生成化学的云原生平台,将计算药物设计从专业功能转变为常规的第一步。经济因素强烈推动这一方向:将一种新药推向市场的成本估计为26亿美元 [1],并使大型制药公司的研发回报在2024年仅为5.9%。结构预测消除了另一个瓶颈,AlphaFold蛋白质结构数据库现在拥有超过2亿个预测结构。

北美以40.2%的市场份额领先,得益于密集的制药研发集群和深厚的风险投资。亚太地区是增长最快的地区,年均增长率为9.5%,中国和印度正在扩大生物技术能力。欧洲排名第二,依靠联合数据计划和明确的EMA关于人工智能的指导。在未来十年,计算机辅助药物发现市场的竞争优势将取决于经过验证的模型、专有数据和集成的设计-制造-测试循环。

报告关键要点

• 按组件划分

  • 软件在2025年占计算机辅助药物发现市场的58.9%份额,因为订阅平台统一了对接、化学信息学和人工智能模块。
  • 预计服务在2035年前将以7.4%的年均增长率增长,因为生物技术公司将模型构建和验证外包。

• 按药物发现阶段划分

  • 靶点识别与验证占2025年收入的50.1%。
  • 命中识别预计将以7.9%的年均增长率增长,得益于生成化学和超大虚拟库。

• 按治疗领域划分

  • 肿瘤学在2025年占计算机辅助药物发现市场的39.2%份额。
  • 神经学预计将以9.4%的年均增长率扩展,受神经退行性疾病项目的推动。

• 按最终用户划分

  • 制药和生物技术公司控制了2025年61.7%的支出。
  • 合同研究组织 (CROs) 预计将以8.9%的年均增长率增长。

• 按部署方式划分

  • 云部署在2025年占71.9%的市场份额。
  • 本地安装在2025年产生了11.7亿美元的收入,集中在具有严格数据驻留政策的大型制药公司。

• 按地区划分

  • 北美在2025年保持40.2%的市场份额。
  • 欧洲在2025年产生了11.4亿美元的收入。
  • 亚太地区是增长最快的地区,年均增长率为9.5%。

市场规模和预测(2021–2035)

市场研究未来根据软件许可证、订阅和计算服务的供应商收入自下而上构建了计算机辅助药物发现市场的估计。这些数据通过全球制药研发支出和分配给计算发现的份额进行了自上而下的交叉检查 [22]。上市供应商的公开文件 [17][18][19][20] 确定了基准年,制药公司、生物技术公司和CRO的发现负责人进行的主要访谈进一步细化了细分市场。2021年至2024年的历史数据反映了调整货币效应后的报告收入。

计算机辅助药物发现市场规模和预测
Our Impact

Enabled $4.3B Revenue Impact for Fortune 500 and Leading Multinationals

Partnering with 2000+ Global Organizations Each Year

30K+ Citations by Top-Tier Firms in the Industry

驱动因素影响分析

驱动因素 ~% 对CAGR的影响 地理相关性 影响时间线 参考
研发成本上升和人员流失压力 ~+2.1% 全球;在北美和欧洲最强 长期(≥4年) [1]
生成性人工智能在药物化学中的应用 ~+1.9% 北美,欧洲,中国 中期(2–4年)
云原生高性能计算访问 ~+1.4% 全球;生物技术集群 短期(≤2年) [13][17]
监管机构对计算证据的认可 ~+1.3% 美国,欧盟 中期(2–4年) [3]
开放的结构生物学资源 ~+1.0% 全球 长期(≥4年) [15]
战略性制药–人工智能合作伙伴关系和资本流入 ~+0.9% 北美,英国 短期(≤2年) [11][12]

研发成本上升和人员流失压力

大约90%的候选药物进入临床试验后从未到达患者,估计将一款新药物批准的成本,包括失败,约为26亿美元[1]。根据2024年对主要生物制药公司的研究,每个资产的平均成本约为22.3亿美元,预计回报率为5.9%。由于每个在计算机中被排除的分子都能消除数月的合成和检测工作,赞助商将计算机筛选视为减少早期阶段费用的少数杠杆之一。

生成性人工智能在药物化学中的应用

如今,生成模型能够预测合成能力,建议新的骨架,并同时优化多个特征。根据估计,生成性人工智能有潜力为制药和医疗产品每年解锁600亿到1100亿美元的价值,发现是最大的池之一。出现了临床证明点:在2025年,Insilico Medicine发布了rentosertib的IIa期数据,这是一种TNIK抑制剂,其化学结构和靶点均是通过人工智能发现的。这类结果将生成化学从实验预算转变为核心运营。

云原生高性能计算访问

云弹性使得一个五人团队的生物技术公司能够在一个周末进行十亿化合物的虚拟筛选,并仅为其使用的计算付费。供应商围绕这一模型进行了重组,Schrödinger的申请文件将托管访问描述为核心交付渠道[17]。GPU投资也在上升,NVIDIA在2023年对Recursion的5000万美元投资加速了基础模型的训练[13]。因此,进入计算发现所需的资本大幅下降。

监管机构对计算证据的认可

监管机构正在建立模型衍生证据的正式路径。FDA在2025年1月发布的草案指南引入了一个七步风险基础的可信度框架,用于药物和生物制品提交中的人工智能模型,该框架基于自2016年以来超过500个包含人工智能组件的提交。FDA现代化法案2.0在2022年取消了动物测试的强制要求[3],该机构的模型指导药物开发配对会议程序为赞助商提供了对建模计划的直接反馈。更清晰的规则降低了依赖计算输出的感知风险。

开放的结构生物学资源

免费的高质量结构数据消除了靶点评估中的长期瓶颈。由EMBL-EBI维护的AlphaFold蛋白质结构数据库涵盖了超过2亿个预测的蛋白质结构,AlphaFold 3将预测扩展到与配体、DNA和RNA的复合物。2024年诺贝尔化学奖授予蛋白质结构预测和计算蛋白质设计,确认了科学界对这些方法的信心[15]。团队现在可以在从未有过晶体结构的靶点上启动基于结构的项目。

战略性制药–人工智能合作伙伴关系和资本流入

大型制药公司越来越多地通过里程碑重重的合作伙伴关系购买人工智能平台的访问权限,而不是在内部构建所有内容。Isomorphic Labs在2024年1月与Eli Lilly和Novartis签署了协议,潜在总价值接近30亿美元[12]。整合遵循相同的逻辑:Recursion与Exscientia的合并于2024年11月完成,将两个基于人工智能的临床管道与一个大型专有表型数据集结合在一起[11]。此类交易为平台开发提供资金并验证商业需求。

约束影响分析

约束 ~% 对CAGR的影响 地理相关性 影响时间线 参考
分散的低质量训练数据 ~−1.2% 全球 长期(≥4年) [16]
计算化学和人工智能人才短缺 ~−0.9% 全球;在新兴市场尤为严重 中期(2–4年) [22]
模型可信度和验证要求 ~−0.8% 美国,欧盟 中期(2–4年) [8]
高许可和集成成本 ~−0.6% 全球;小型生物技术公司 短期(≤2年) [19]
数据安全、知识产权和人工智能法规合规 ~−0.5% 欧盟,北美 中期(2–4年) [9]

分散的低质量训练数据

大多数制药数据存储在不同格式的部门和旧系统中,机器学习模型的效果取决于其所依赖的检测数据。由于公共数据集往往偏向成功药物,模型对不利结果视而不见。十家制药公司之间的联邦学习可以在不披露原始数据的情况下提高预测性能,正如欧盟资助的MELLODDY项目所示 [16]。这样的合作关系仍然不常见,分发仍因劣质数据基础而受到阻碍。

计算化学和人工智能人才短缺

在结构生物学、药物化学和机器学习方面,具备专业知识的科学家仍然很少,科技公司正在以更好的薪酬争夺这些人才。小型生物技术公司通常依赖单一的计算化学家,面临最大的挑战。根据IQVIA的数据显示,全球研发管道的大部分来自年轻的生物制药企业;因此,该领域的人才短缺立即限制了在计算机辅助药物发现市场的采用。

模型可信度和验证要求

监管机构期望赞助商证明模型适合其特定的使用背景,这需要文档、前瞻性验证和生命周期监测。欧洲药品管理局(EMA)2024年的反思文件同样呼吁采取基于风险的方法,并在人工智能影响监管决策时进行早期对话 [8]。满足这些期望增加了成本和时间。一些赞助商仍然进行平行的湿实验以确认预测,这稀释了效率提升。

高许可和集成成本

基于物理的模拟套件的企业许可证每年可达数十万美元,还不包括云计算、数据工程和培训成本。供应商的文件,包括Simulations Plus的文件,指出生物技术融资条件是一个需求风险 [19]。当2023年风险投资收紧时,许多早期公司推迟了软件购买,显示出这项支出与资本可用性之间的紧密关系。

数据安全、知识产权和人工智能法规合规

化学结构和靶点假设是制药公司的最有价值资产之一,将其上传到共享云平台会引发保密性问题。关于人工智能生成分子的专利性存在开放性问题,增加了法律不确定性。在欧洲,自2024年8月起生效的人工智能法案对通用人工智能模型的提供者施加了透明度义务 [9],增加了将大型语言模型嵌入发现工具的供应商的合规工作。

计算机辅助药物发现市场 机遇

量子增强分子模拟

经典计算机对电子行为的近似限制了金属酶、共价结合剂和其他化学复杂目标的准确性。混合量子-经典算法承诺提供更精确的能量计算,几家制药公司已经与量子硬件供应商进行试点。将量子就绪模块集成到现有工作流程中的供应商,现在可以在容错硬件到达后获得高价。早期采用者在计算机辅助药物发现市场中可以在准确性而非仅仅速度上竞争。

新兴市场生物技术扩展

亚太地区和海湾国家正在从低计算基础上建立生物技术能力,这为云交付平台留下了空间。印度的BioE3政策于2024年8月获得批准,优先考虑生物工厂和先进的生物制造,而中国的生物经济计划则针对药物研发的创新[24]。沙特阿拉伯和阿联酋正在资助基因组学项目,以生成靶点发现的数据。区域数据中心、本地支持和适合小预算的定价将决定哪些供应商在这里获胜。

联合数据网络和数据货币化

制药公司拥有数十年的专有检测数据,这些数据很少离开内部服务器。通过MELLODDY [16]大规模验证的联合学习,让公司在保持数据私密的同时训练共享模型,为基于联盟的数据产品开辟了道路。供应商可以对基于汇集数据构建的预训练模型收取访问费,或与贡献公司分享收入。数据策展服务,例如标准化遗留的药代动力学和毒性结果,为合同研究组织提供了一个平行的收入来源。

基于里程碑和AI即服务的商业模型

基于座位的许可证正在让位于结合订阅费、里程碑和基于成果药物的版税的混合模型。Isomorphic Labs与礼来和诺华的交易展示了这种结构,将适度的预付款与大型基于成功的里程碑相结合[12]。对于供应商而言,这些模型将收入与管道价值挂钩;对于买家而言,它们转移了风险。按分子计费的设计服务也适合无法证明年度企业许可证合理性的生物技术公司。

新方法论取代动物研究

FDA在2025年4月的路线图旨在减少并最终取代动物测试,从单克隆抗体开始,计算毒理学模型被列为可接受的新方法论。结合FDA现代化法案2.0 [3],这为经过验证的计算毒性、免疫原性和药代动力学预测创造了需求。拥有符合监管标准的毒理学模块和文档验证集的供应商将在赞助商重新设计临床前包时受益。

计算机辅助药物发现市场 未来展望

生成设计与自主实验室

到2030年代初,领先的发现团队可能会运行闭环系统,其中生成模型设计分子,机器人实验室合成并测试它们,结果在几天内重新训练模型。每年为制药行业带来600亿至1100亿美元的生成AI价值的估计,表明有多少预算可能转向这些系统。计算机辅助药物发现市场将从销售独立工具转向销售连接设计、合成和检测数据的协调层。

量子计算从试点到工作流程的转变

IBM的公开路线图目标是在2029年前实现大规模、容错的量子计算机,其他硬件制造商也设定了类似的时间表。混合工作流程将首先将量子例程应用于狭窄问题,例如金属酶的结合能和共价药物的反应路径。随着硬件的稳定,广泛的分子建模模拟预计将在2030年代初跟进。已经提供量子就绪接口的供应商将在将试点转化为付费部署方面处于最佳位置。

平台整合与综合经济学

整合正在重塑供应商格局。Recursion与Exscientia的结合以及Certara在2023年收购Applied BioMath表明,现有企业和AI原生公司正在购买能力而不是构建能力。预计将会有更多交易将基于物理的模拟、AI设计和药物计量学结合在一个平台上。买家将受益于更少的集成麻烦,但面临更大的供应商锁定,这可能会推动一些人朝向开放标准和可互操作的数据格式。

监管可信框架与模型治理

预计在2025年草案之后,FDA关于AI可信度的最终指导将设定模型支持提交的文档规范。EMA的反思文件和欧盟AI法案在欧洲增加了平行要求。赞助商将需要模型注册、版本控制和审计跟踪,这些与临床数据使用的相当。提供内置治理工具的供应商将在受监管的后期发现和临床前工作中占据优势。

区域市场份额分析

地区 指标(2025份额 / 2025价值 / 2026–2035年复合年增长率) 主要投资主题
北美 40.2%份额 AI原生生物技术融资,制药-技术合作,FDA建模路径
欧洲 11.4亿美元 联合数据联盟,EMA AI指导,公共研究资金
亚太地区 9.5%年复合增长率 中国和印度生物技术扩张,云计算采用,CRO外包
中东和非洲 2.0亿美元 国家基因组计划,医疗保健多样化战略
南美洲 5.6%份额 学术研究网络,临床试验外包
总计 41.5亿美元 —

区域需求在计算机辅助药物发现市场中遵循制药研发预算、风险投资和计算人才的位置。北美和欧洲共同占据约三分之二的收入,而亚太地区随着中国和印度生物技术的扩张而逐渐崛起。

北美

国家 指标(地区份额 / 2025价值 / 2026–2035年复合年增长率) 关键驱动因素
美国 86.4%地区份额 AI原生供应商和制药研发总部的集中
加拿大 9.2%年复合增长率 多伦多和蒙特利尔的AI研究集群
墨西哥 0.8亿美元 CRO活动和学术合作

美国在区域和计算机辅助药物发现市场中都占据着重要地位。它拥有Schrödinger、Recursion、Certara和Simulations Plus等公司,以及大多数大型制药公司的研发总部。FDA的AI指导草案及其模型信息药物开发计划为美国赞助商提供了早期的监管清晰度。加拿大受益于深厚的学术AI人才和国家AI战略下的联邦支持,而墨西哥的需求主要来自CRO项目和大学合作。

欧洲

国家 指标(地区份额 / 2025价值 / 2026–2035年复合年增长率) 关键驱动因素
德国 22.8%地区份额 大型制药研发基础和化学专业知识
英国 0.24亿美元 AI药物发现集群位于伦敦、牛津和剑桥
法国 15.6%地区份额 主要仿真软件供应商的本土市场
意大利 8.1%年复合增长率 不断增长的学术-产业建模合作
西班牙 0.07亿美元 生物技术初创企业活动的扩展
北欧国家 7.9%地区份额 强大的公共卫生数据注册
俄罗斯 4.2%年复合增长率 国内替代进口软件
欧洲其他地区 13.2%地区份额 瑞士和贝尔哈克斯制药研究中心

德国通过成熟制药和化工集团的研究中心引领欧洲需求。英国拥有全球最密集的AI药物发现集群之一,包括伦敦的Isomorphic Labs [12]。监管信号支持但要求严格:EMA的2024年反思文件概述了对药物生命周期中AI的期望 [8],而AI法案增加了透明度义务 [9]。MELLODDY联盟表明,欧洲制药公司可以在不共享原始数据的情况下合作建立联合模型 [16]。

亚太地区

国家 指标(地区份额 / 2025价值 / 2026–2035年复合年增长率) 关键驱动因素
中国 36.5%地区份额 国家生物经济优先事项和AI原生生物技术
印度 11.2%年复合增长率 BioE3政策和CRO能力扩展
日本 0.22亿美元 大型制药的采用和国家超级计算资源
韩国 9.8%地区份额 政府支持的AI药物发现项目
东盟 10.4%年复合增长率 新加坡生物医学研究中心
亚太其他地区 8.1%地区份额 澳大利亚学术研究网络

中国是亚太地区最大的国家,也是计算机辅助药物发现市场中快速增长的贡献者,其生物经济发展计划明确针对药物研发中的创新 [24]。印度以BioE3政策为渠道,将资金投入生物工厂和研究基础设施,而其CRO则将计算化学纳入服务组合。日本的大型制药公司已经采用仿真工具数十年。韩国和新加坡资助的针对性AI药物发现项目吸引了国际供应商。

中东和非洲

国家 指标(地区份额 / 2025价值 / 2026–2035年复合年增长率) 关键驱动因素
沙特阿拉伯 26.4%地区份额 国家基因组计划和研究投资
阿联酋 10.1%年复合增长率 人口基因组学和生命科学自由区
南非 0.03亿美元 传染病研究能力
埃及 9.2%地区份额 不断增长的制药制造基础
中东和非洲其他地区 23.5%地区份额 卡塔尔和以色列的研究机构

海湾国家正在大力投资基因组学,作为经济多元化计划的一部分,建立国家数据集以支持目标识别。沙特阿拉伯和阿联酋正在设立研究自由区,以吸引国际生物技术合作伙伴。南非在传染病(如结核病和艾滋病毒)方面具有强大的学术能力,计算筛选有助于延伸有限的研究预算。大多数地区需求仍通过云订阅和国际合同研究组织(CRO)满足,而不是本地软件供应商。

南美洲

国家 指标(地区份额 / 2025年价值 / 2026–2035年复合年增长率) 关键驱动因素
巴西 58.3%地区份额 公共研究机构和国家研究资金
阿根廷 7.6%复合年增长率 学术计算生物学专业知识
南美洲其他地区 5亿美元 智利和哥伦比亚的临床试验外包

巴西通过公共研究机构、州级研究基金会和相当规模的国内制药部门主导了地区需求。被忽视的热带疾病,如登革热和恰加斯病,仍然是研究优先事项,计算筛选提供了一条经济实惠的新候选者途径。阿根廷在结构生物学方面有强大的学术基础。在整个地区,预算受限使得开源工具和按需付费的云服务比企业许可证更受欢迎。

按地区划分的计算药物发现市场,2025-2035

计算机辅助药物发现市场 市场细分

 

按组成部分

细分 指标(2025年份额 / 2025年价值 / 2026–2035年复合年增长率) 主要需求驱动因素
软件 58.9%份额 结合物理基础模拟和机器学习的统一平台
服务 7.4%复合年增长率 外包模型构建、验证和定制设计活动

 

在计算机辅助药物发现市场中,软件占据主导地位,因为订阅平台现在将对接、自由能计算、化学信息学和生成设计整合到一个工作空间中。Schrödinger和Chemical Computing Group继续嵌入量子力学方法,提高预测准确性[17]。服务增长最快,因为没有内部AI团队的生物技术公司将模型开发、验证和完整设计活动外包给专业提供商。托管交付模糊了界限,因为许多软件合同现在包括科学支持小时。

按药物发现阶段

细分 指标(2025年份额 / 2025年价值 / 2026–2035年复合年增长率) 主要需求驱动因素
靶点识别与验证 50.1%份额 多组学挖掘和AI驱动的靶点优先级排序
命中识别 7.9%复合年增长率 生成化学和超大虚拟库
先导优化 7.6亿美元 自由能扰动和多参数优化
候选验证 9.5%份额 生理基础药代动力学建模和计算毒理学

 

在计算机辅助药物发现市场中,靶点识别与验证占据主导地位,因为AI可以挖掘基因组、蛋白质组和临床数据集,以揭示不明显的疾病靶点。命中识别增长最快,因为生成模型和十亿化合物的虚拟库取代了物理筛选平台。先导优化引起战略关注,因为溶解度或非靶向结合的小变化决定了临床可行性。候选验证受益于监管机构对计算毒理学的关注。

按治疗领域

细分 指标(2025年份额 / 2025年价值 / 2026–2035年复合年增长率) 主要需求驱动因素
肿瘤学 39.2%份额 适合多组学AI分析的基因组复杂性
神经学 9.4%复合年增长率 蛋白质错误折叠和神经信号建模
心血管 14.6%份额 虚拟双胞胎血流动力学和剂量个性化
传染病 5亿美元 快速靶点选择和耐药性预测
代谢疾病 10.1%份额 具有大表型数据集的肥胖和糖尿病项目
其他治疗领域 7.8%份额 罕见疾病和免疫学项目

 

肿瘤学在计算机辅助药物发现市场中按治疗领域领先,因为肿瘤异质性和丰富的基因组数据适合AI驱动的靶点和生物标志物发现。神经学增长最快,因为深度学习模型模拟阿尔茨海默病和帕金森病中的蛋白质错误折叠,这些领域的历史失败率较高。心血管研究使用虚拟患者模型来个性化剂量。传染病和代谢疾病保持稳定需求,后者受到肥胖治疗领域激烈竞争的推动。

按最终用户

细分 指标(2025年份额 / 2025年价值 / 2026–2035年复合年增长率) 主要需求驱动因素
制药和生物技术公司 61.7%份额 内部平台和定制AI模块
合同研究组织(CROs) 8.9%复合年增长率 灵活的能力和针对赞助商的专业算法
学术和研究机构 5.6亿美元 资助研究和开源模型开发

 

制药和生物技术公司在计算机辅助药物发现市场中占据主导地位,运行内部平台并为优先项目购买定制AI模块。合同研究组织(CROs)增长最快,因为赞助商希望在不雇佣稀缺人才的情况下获得灵活的计算能力。学术和研究机构的收入位置较小,但提供基准、开源模型和训练有素的科学家,提高了整个行业的创新基准。

按部署方式

细分 指标(2025年份额 / 2025年价值 / 2026–2035年复合年增长率) 主要需求驱动因素
本地部署 11.7亿美元 数据驻留规则和保护专有化学
基于云的 71.9%份额 弹性计算和生物技术公司的较低进入成本

 

基于云的部署是计算机辅助药物发现市场中最大和增长最快的选项。弹性GPU能力使公司能够在不进行资本支出的情况下将虚拟筛选从数千个化合物扩展到数十亿个化合物,供应商现在优先向云用户发布新功能。本地安装在大型制药公司和拥有严格数据驻留和知识产权政策的政府实验室中仍然存在,尽管许多公司正在转向保持敏感数据本地的混合架构。

竞争基准测试

计算机辅助药物发现市场显示出中等集中度。市场研究未来估计前五大供应商的收入占比约为33-40%,这意味着赫芬达尔-赫希曼指数在600-800范围内。成熟的模拟软件提供商与通过合作伙伴关系出售平台访问的人工智能本土生物技术公司竞争,而一长串初创企业和学术衍生公司则瞄准利基方法。差异化依赖于预测准确性、专有数据和平台衍生分子的临床验证。

公司 估计收入份额范围 计算机辅助药物发现的关键产品 战略定位
施罗丁格公司 ~9–12% 基于物理的平台,自由能扰动,LiveDesign 内部和合作药物管线的准确性领导者 [17]
达索系统(BIOVIA) ~8–11% Discovery Studio,Pipeline Pilot,科学信息学 跨研发的企业级整合 [20]
Certara, Inc. ~7–10% Simcyp PBPK模拟器,定量系统药理学 模型指导药物开发的领导者 [18]
Cadence Design Systems (OpenEye) ~4–6% Orion云平台,分子设计工具包 计算化学的云原生规模
Chemical Computing Group ~3–5% MOE(分子操作环境) 广泛的学术和工业安装基础
Simulations Plus, Inc. ~3–5% ADMET预测器,GastroPlus,基于AI的设计 ADMET和PBPK专家 [19]
Recursion Pharmaceuticals ~3–5% Recursion OS,表型学,精准化学 Exscientia组合后的AI本土管线 [11]
查尔斯河实验室 ~3–5% 集成计算和湿实验室发现服务 与AI合作的端到端CRO
Insilico Medicine ~2–4% Pharma.AI套件,生成化学,靶点发现 AI衍生分子的临床验证
Evotec SE ~2–4% AI驱动的发现服务和合作项目 以合作为主导的发现引擎
Optibrium ~1–2% StarDrop,多参数优化 为药物化学家提供决策支持工具
Cresset ~1–2% Flare,基于配体和结构的设计 中端市场软件和咨询

最新新闻与发展

以下发展在2023年至2025年间塑造了计算机辅助药物发现市场的竞争和监管条件。

  • NVIDIA(2023年7月):投资5000万美元于Recursion,以加速生物学和化学基础模型的训练,直接将GPU供应商与药物发现管道连接[13]。
  • Isomorphic Labs(2024年1月):与礼来和诺华签署了价值近30亿美元的研究合作,确认了大型制药公司对AI设计平台的需求[12]。
  • Google DeepMind和Isomorphic Labs(2024年5月):发布了AlphaFold 3,将结构预测扩展到与小分子、DNA和RNA的蛋白质相互作用。
  • 欧洲药品管理局(2024年9月):采纳了其关于药品生命周期中AI的反思文件,为基于风险的模型使用设定了期望[8]。
  • Recursion Pharmaceuticals(2024年11月):完成与Exscientia的合并,创建了最大的AI原生发现公司之一[11]。
  • 美国FDA(2025年1月):发布了关于支持药物和生物制品监管决策的AI可信度框架的草案指南。
  • 美国FDA(2025年4月):发布了减少临床前安全研究中动物测试的路线图,将计算模型列为接受的新方法论之一。
  • Insilico Medicine(2025年6月):发布了针对特发性肺纤维化的rentosertib的IIa期结果,这是一个AI发现的靶点和分子的领先临床案例。

计算机辅助药物发现市场 市场报告范围

报告属性/指标 详细信息
市场范围 计算机辅助药物发现市场涵盖用于识别、设计、优化和验证药物候选者的软件和服务,按组件、药物发现阶段、治疗领域、最终用户、部署和地区进行细分
研究周期 2021-2035
基准年 2025
历史数据 2021–2024
预测周期 2026–2035
2025年市场规模 41.5亿美元
2035年市场规模 110.2亿美元
年均增长率 (2026–2035) 10.30%
增长最快的细分市场 服务(7.4% 年均增长率);命中识别(7.9% 年均增长率);神经学(9.4% 年均增长率);合同研究组织(CROs)(8.9% 年均增长率);亚太地区(9.5% 年均增长率)
覆盖地区 亚太地区(9.5% 年均增长率);北美、欧洲、亚太、南美、中东和非洲
公司简介 施罗丁格、达索系统(BIOVIA)、Certara、Cadence设计系统(OpenEye)、化学计算集团、Simulations Plus、Recursion制药、查尔斯河实验室、Insilico医学、Evotec、Optibrium、Cresset
估值货币 美元十亿
方法论 通过42个国家注册数据集的自上而下制造商收入数据和自下而上程序量估算的三角测量

常见问题

投资者应该如何评估体外药物发现市场的公司?
优先考虑专有数据和湿实验验证,而不是算法声明。已经将内部设计的分子推进临床试验的平台,如Insilico Medicine的rentosertib,提供的价值证据比软件基准更强 。
基于物理的方法和基于人工智能的方法在体外药物发现市场上有什么不同?
基于物理的方法如自由能扰动从第一原理计算结合能量,对于先导优化更为准确。人工智能模型能够更快地筛选更大的化学空间,但依赖于训练数据的质量。现在大多数领先供应商都结合了两者 [17]。
采购团队在许可发现平台之前应该检查什么?
要求提供与您自己管道相似的目标的前瞻性验证数据,而不是回顾性基准。确认API访问、数据导出权利,以及模型是否可以在不与供应商共享的情况下在专有数据上重新训练。
欧盟人工智能法案是否限制药物发现软件?
大多数发现阶段工具不属于其高风险类别,且仅用于科学研究的人工智能在很大程度上是豁免的。嵌入通用人工智能模型的供应商仍然面临透明度义务,这可能影响欧洲合同条款 [9]。
哪些新兴用例可能将体外药物发现市场扩展到小分子之外?
抗体设计、肽治疗和RNA靶向分子是最活跃的新前沿。AlphaFold 3现在模拟与核酸和配体的蛋白质相互作用,扩大了可寻址目标空间 。
公司在采用这些工具时面临哪些集成挑战?
遗留实验室笔记本和测定数据库通常使用不一致的格式,因此数据协调可能会占用实施预算的大部分。计算和药物化学团队从一开始就共同拥有时,项目成功的可能性更高。
小型生物技术公司能否利用计算方法与大型制药公司竞争?
可以。按需付费的云计算让小团队能够筛选数十亿个虚拟化合物,而无需拥有超级计算机。资金,而不是计算能力,现在是大多数初创公司的主要限制。
作者
作者 Author Profile Satyendra Maurya LinkedIn Research Analyst
An accomplished research analyst with high proficiency in market forecasting, data visualization, competitive benchmarking, and others. He holds a pronounced track record in research and consulting projects for sectors such as life sciences, medical devices, and healthcare IT. His capabilities in qualitative and quantitative analysis have resulted in positive client outcomes. Working on niche market trends, opportunities, sales, and forecasted value is part of his skill set.
共同作者 Co-Author Profile Rahul Gotadki LinkedIn Research Manager
He holds an experience of about 9+ years in Market Research and Business Consulting, working under the spectrum of Life Sciences and Healthcare domains. Rahul conceptualizes and implements a scalable business strategy and provides strategic leadership to the clients. His expertise lies in market estimation, competitive intelligence, pipeline analysis, customer assessment, etc.
下载免费样本

请填写以下表格以获取本报告的免费样本

Download PDF ×

We do not share your information with anyone. However, we may send you emails based on your report interest from time to time. You may contact us at any time to opt-out.