Quantum computing (QC) in the pharmaceutical sector is transitioning from academic research to a specialist, pre-utility phase, with annual investments potentially reaching approximately $25 million for some pharmaceutical sponsors in the next five years.
The first applications of QC in pharmaceutical companies (PharmaCos) will likely be in discovery (including drug design and synthesis), clinical development and operations, the supply chain, and manufacturing; the near-term greatest advances are expected to be in hybrid workflows that integrate QC, artificial intelligence and classical computing.
The learning curve for QC is steep and talent is scarce, requiring organizations to build diverse teams for competitive advantage; both PharmaCos and QC companies must invest in innovative ecosystems to rapidly train and recruit qualified professionals.
There are five key questions PharmaCo executives should ask themselves to ensure they are ready to capture the value of QC in their organization.
随着临床门槛日益提高、对复杂药物形式的需求增加、研发周期延长，新分子实体（New Molecular Entity, NME）的开发愈发困难。从药物发现到上市，每个NME的总研发投入约为15亿至35亿美元¹；自2010年以来，前15大制药公司的年研发支出增长了约1.5倍，预计到2030年将达到180亿美元²。更为严峻的是，《通胀削减法案》（Inflation Reduction Act）带来的产品生命周期压缩，以及2030年前共计超过2000亿美元营收的产品面临专利保护到期风险³，也迫使生物制药企业加速创新。
那么，人工智能（Artificial Intelligence, AI）或量子计算（Quantum Computing, QC）的技术进展，能否帮助应对生物制药在效率与成本上的双重压力？过去五年，AI迅猛发展，量子计算也紧随其后，相关学术文献数量迅速上升（见图1）。量子计算基于量子力学原理，相比传统计算方式的信息处理能力具有指数级的提升。AI与QC有望通过前所未有的计算能力和问题求解能力，推动生物制药行业的深层变革。
Figure 1
迄今为止，AI技术相对成熟、应用门槛较低且市场准备度较高，使其获得更大的投资规模。然而，这并不意味着QC处于劣势。实际上，QC与AI是互补的：QC能够加速AI系统的训练与推理，并可进行传统计算无法处理的数据操作，从而拓展新的计算边界。
全球范围内，QC领域的投资持续增长。截至2024年，该市场的累计投资规模已达到：美国约80亿美元，中国约150亿美元，英国、法国和德国合计约143亿美元⁴，这些资金来自政府部门和私营机构的共同推动。尽管由于资金紧缩与利率上升，2023年私营机构对量子技术的投资（约13亿美元）低于2022年的23亿美元⁵，但过去十年中量子知识产权（IP）的增长仍非常显著。
除投资与IP的增长外，量子计算机的算力（以量子比特 qubits 为基本单元）也出现了飞跃式扩展。IBM从2016年的5-qubit处理器发展到2022年的433-qubit，并计划在2025年实现超过1000个qubit⁶。其他公司如Google、IonQ、QuEra也在计算能力上取得显著进展⁷。
量子计算有潜力重塑生物制药价值链，突破传统计算在处理复杂数据集和模拟中的瓶颈（见图2）。其最具影响力的应用领域预计集中在药物发现和早期研究。由于分子本身遵循量子规律，行为涉及指数级庞大的状态空间，传统系统只能以高昂成本进行近似计算，而QC正可直接处理这些问题。量子增强的生成模型还可加速化学空间的探索，发现传统方法难以触及的新药物结构，从而缩短研发周期、降低成本、提升成功率。
在临床试验设计和运营中，量子计算可分析复杂的基因组、生物标志物、真实世界数据，优化患者分层和试验布局。量子机器学习能够识别个体化医疗的最佳患者亚群，减少试验失败，提升预测的准确性。量子优化也可改进临床试验中心的选择和自适应设计，提升效率，控制成本。
在研发之外，量子计算还能够推动价值链其他环节的效率提升，优化生产制造和供应链流程、改进商业职能中的预测分析能力，并提升运营效率，以实现更高的可持续性。
尽管仍在发展中，量子计算在解决生物制药中最具计算挑战的问题上，可能带来突破性的效率提升和变革性进展。
Figure 2
Six areas of biopharma capabilities for quantum technology use cases
L.E.K. 咨询公司对大约 300 名来自美国和欧洲的生物制药相关方的调研结果显示：超过 90% 的受访者知晓 QC 及其潜力，此外，约 50% 的受访者（来自于 110 家生物制药公司）显示出对于量子计算关键概念的理解，且曾接触或研究过量子计算的应用（见图3）。随着这些高价值的量子计算应用场景的出现，这一结果并不令人意外。
Figure 3
Biopharma familiarity with QC
生物制药从业者认为，量子计算正在取得显著的早期进展，正从学术研究过渡到更专业的前实用阶段8。在这一阶段，行业重点是开发可落地的算法和应用，为推动商业价值实现奠定基础。
约 44% 的受访者属于“早期大众”，他们倾向于在获得实际验证后才推动应用；而 30% 的受访者是创新者或早期采用者，已在积极推动创新。
行业对量子计算的投资也在增长，未来五年内，50% 的制药公司预计每年将投入 200 万至 1000 万美元，另有 20% 的公司计划年投入达到 1100 万至 2500 万美元。这反映出行业对量子计算价值的日益认可（见图4）。
Figure 4
制药公司正沿着价值链的各个环节尝试量子计算的应用，最先聚焦的是药物发现与临床试验。（见图5）
在可持续发展、商业运营、生产制造及产品开发等方面，量子计算也有望拓展能力。然而，具体的影响路径及各应用场景下最适合的量子计算模式仍在探索过程中。
随着行业热度与投资加码，量子计算生态系统迅速演化，技术进展显著。2024 年，大型科技企业在该领域取得以下里程碑式进展：
Figure 5
QC benefits across the value chain
专注于量子计算的企业也正持续进步：
随着这些技术进展，两类主要的角色逐步浮现：一是量子处理单元的提供商，二是帮助企业接入量子计算的赋能方。这些角色为量子计算的发展注入动力与资金。正如企业与 AI 技术提供商的合作一样，生物制药公司也应该联动这些量子计算的合作方，充分施展技术潜能，在不断演化的领域中保持竞争力（见图6）。
Figure 6
Growing number of new stakeholders in the evolving QC ecosystem
量子计算生态日益复杂，想要顺利集成技术流程，必须通过战略合作构建核心能力。当前典型合作包括：
这些合作凸显了制药行业将量子计算融入制药流程的坚定决心，同时也表明，要攻克技术难题，实现实际应用，必须依靠全行业的协同努力（见图7）。未来，公司不仅需要建设内部人才能力，也应加快外部合作，以快速发展关键技术。率先行动的企业将在这一新兴赛道上赢得先发优势，建立行业领先地位。
Figure 7
Major pharma companies have established relationships with QC organizations
当前最具前景的突破是将量子计算、人工智能与传统计算融合形成混合工作流。这种组合可结合三者优势，实现更高精度的复杂系统模拟、更强大的机器学习模型、更大规模数据集的高效处理。超过 70% 的生物制药从业者预计，量子计算将增强传统计算与人工智能能力，特别是在药物发现与开发的突破性环节中，提供更精确高效的解决方案。
例如Qubit Pharmaceuticals 利用 QC 进行高级靶点表征和小分子药物发现中的分子动力学研究，同时使用 AI 驱动的生成建模、虚拟筛选和预测分析。此外，该公司还与 Pasqal 合作，结合传统计算与量子计算，对蛋白质、新分子实体（NME）和水分子进行高精度建模。
IonQ 与AstraZeneca 的合作包括在 AstraZeneca 的 BioVentureHub 内创建应用开发中心，推动量子计算在药物发现与开发中的应用。同时，IonQ 还与NVIDIA、AstraZeneca 和 AWS展开合作，利用计算工具推进药物开发，分子模拟效率相比 AWS 过往的方案提升 20 倍，为量子加速生物制药与材料科学的发展奠定基础。
进一步的进展包括在量子计算机上运行 AI，这些前景令人兴奋，但预计需要较长时间才能广泛实现。
