先说一个数字：一个全新的小分子药，从科学家在白板上画下第一个候选分子算起，到它摆上药店的货架，平均要花 十到十五年，直接成本按行业最常被引用的估算在 十亿到二十多亿美元这个量级。这还不是最贵的部分——最贵的是，绝大多数项目根本走不到终点。
行业里有一句顺口溜：进实验室的一万个候选分子，最后只有一个能变成药。这个数字不精确，但它传达的比例感是对的。新药研发的本质不是「制造」，而是淘汰——它是一台设计得极其残酷的过滤器，每一层都要筛掉百分之八十以上的选手。
这台过滤器长什么样
把整个过程想象成一个漏斗，从上往下越来越窄：
- 发现阶段（discovery）：先找到一个值得打的「靶子」（身体里某个和疾病有关的蛋白质或基因，下一章细讲），再找出能影响这个靶子的候选分子。这一步可能有上万个分子被测试，绝大多数直接出局。
- 临床前（preclinical）：剩下的几十个分子在细胞和动物身上做毒性、代谢测试。这一步过后，通常只剩个位数。
- 临床试验（clinical trial）：在人身上做，分三期，每期规模更大。这是漏斗最陡的一段——临床失败率高到什么程度？进入一期临床的候选药，最终能上市的只有大约 十分之一。
- 审批与上市：监管机构（比如美国的 FDA，中国的国家药监局的药审中心）审查全部数据，决定给不给上市许可。
大白话：研发新药不像造一台手机——造手机是把确定的零件组装起来；研发新药更像从一万个报名者里选一个宇航员，每轮体检都刷掉大部分人，而且后面每一轮都比前面贵得多。
钱到底花在哪了
很多人以为药贵是因为药片本身贵。其实一片药的生产成本往往只有几毛钱。真正的成本在三个地方：
第一，时间。十几年里，一个几十到几百人的团队全职只做这一件事。人员的工资、实验室的设备、临床中心的费用，是按年烧的。
第二，越往后越贵。一期临床可能几十个健康志愿者，花几千万；三期临床动辄几千个病人、几十个国家、几百个医院同时做，一项三期试验烧掉几亿美元是常事。这就像拍电影的预算结构：前期筹备不贵，实拍阶段最贵——而研发偏偏是「实拍」阶段失败率最高。
第三，也是最容易被忽略的：失败也要付账。一家大药厂同时跑着几十个项目，九成会死掉。死掉的项目花的钱不会消失，全部摊进了活下来的那个药的定价里。你买一颗药时付的钱，大头其实是在替它的九千九百九十九个「阵亡兄弟」买单。
为什么非这么残酷不可
可以放宽一点吗？让筛子松一点，成本不就下来了？不能，因为这台过滤器的每一层都对应着一条真实的生物学风险：
- 分子在试管里有效，不代表能活着到达病灶——它可能被肝脏分解、被肾脏排掉、被细胞膜挡住；
- 在动物身上安全，不代表在人身上安全——物种差异坑过无数项目；
- 在三百个病人身上有效，不代表在三万个病人身上有效——罕见的副作用要到大样本才现形。
历史告诉我们，任何一层放松，代价都会以「出人命」的方式追回来。1937 年美国一款磺胺糖浆用二甘醇（一种有毒的工业溶剂）做溶剂，一百多人死亡，直接催生了现代药品审批制度。这台残酷的过滤器，是用事故一点点加固出来的。
这本书要回答的问题
了解完这台漏斗，自然会有两个问题：每一层具体在筛什么、为什么非筛不可？以及——这几年被吹得神乎其神的 AI，到底能钻进漏斗的哪一层、把哪一段缩短？
这本书先带你走完前八章：一颗药从靶点到货架的完整旅程。然后第九章开始正面回答 AI 的问题——它在哪里真的改变了游戏规则（剧透：蛋白质结构预测是一个），在哪里只是杯水车薪（剧透：临床失败率的根因不在算力）。读到最后，你应该能自己对一句常见的宣传做出判断：「AI 将让新药研发从十五年变成五年」——这句话，哪些部分可信，哪些部分是在讲故事。