报告概述

2024 年，全球 AI 计算机辅助综合规划 (CASP) 市场估值为 21.3 亿美元，预计到 2034 年将达到约 680.6 亿美元，预测期间复合年增长率高达 41.4%，令人印象深刻期间。这种激增反映了人工智能在化学合成中的快速集成，其中人工智能驱动的算法正在改变化学家设计、预测和优化复杂分子合成路线的方式。通过将机器学习、深度神经网络和预测分析相结合，人工智能支持的 CASP 工具正在缩短实验时间，最大限度地降低成本，并提高药物发现和材料开发的准确性。

北美在市场上占据主导地位，占全球份额的42.6％，2024 年估值为9 亿美元。在制药、生物技术和学术研究领域越来越多地采用人工智能辅助合成工具的推动下，预计将达到<8.3亿美元，复合年增长率高达39.8%。该地区强大的数字基础设施、活跃的研发生态系统以及科技公司和研究机构之间的合作不断加速创新。市场的强劲发展轨迹凸显了人工智能在彻底改变合成规划、实现更快、更智能和更可持续的化学创新方面的关键作用。

计算机辅助合成规划 (CASP) 中的人工智能 (AI) 代表了化学研究的变革性进步，使科学家能够以前所未有的速度和准确性设计和优化分子合成途径。

传统上，化学合成严重依赖手动专业知识和试错实验，但人工智能驱动CASP 系统正在重塑这一现状通过预测建模、数据驱动的逆合成和自动路线优化来景观。通过分析大量化学反应数据库并应用深度学习算法，人工智能系统可以建议有效的合成途径，预测潜在的副反应，并确定具有成本效益且可持续的化合物开发路线。

这项技术在制药、材料科学和农用化学品中变得尤为重要，在这些领域，更快的发现周期和更低的研发成本至关重要。公司和研究机构正在利用基于人工智能的 CASP 来加速药物发现、简化化学设计并提高实验室流程的可重复性。人工智能的集成还促进了化学家和计算平台之间的数字协作，缩短了新化合物的上市时间。

此外，开源反应数据的不断增加和云计算的进步正在使 AI-CASP 工具更加便捷。e 可访问且可扩展。随着各行业继续优先考虑创新和可持续发展，人工智能驱动的合成规划正在成为下一代化学研究和智能分子设计的基石。

基于云的人工智能 SaaS 解决方案的兴起加强了市场扩张，实现了计算化学和合成设计方面的全球协作。公司越来越多地采用可解释的人工智能 (XAI) 技术来满足监管要求并确保自动合成建议的透明度。

此外，2025 年的收购和合作伙伴关系的重点是将人工智能支持的合成规划与 SaaS 药物发现工具相集成，从而降低研究成本并加快分子设计。由于医药研发支出较高，北美仍然是采用 CASP 的领先地区，而由于合同研究组织 (CRO) 和人工智能初创公司。

总体而言，CASP 市场中的人工智能正在经历从实验性试点工具到工业规模自动化系统的转变，到 2025 年，超过 30% 的新药先导物是使用人工智能辅助化学工作流程发现的。凭借持续的风险投资、公共拨款和战略合作伙伴关系推动人工智能、云和机器人之间的技术融合，该行业预计将在未来十年保持两位数增长，并主导计算药物合成创新。

在财务方面，人工智能公司在 2025 年获得全球风险投资总额的51%，累计超过 2000 亿美元，其中美国占人工智能投资总额的近85%。这一提振反映了投资者对人工智能在计算化学和 CASP 中的作用的乐观态度。此外，逆合成人工智能工具市场见证了 IBM 和默克等主要参与者推出“可解释的逆合成”应用程序满足严格的监管合规性和数据透明度要求的方法。​

关键要点

• 2024 年，全球人工智能计算机辅助综合规划 (CASP) 市场价值21.3 亿美元，预计将达到到 2034 年680.6 亿，复合年增长率高达 41.4%。
• 在先进的研发基础设施和化学合成领域早期采用人工智能的推动下，北美地区占据最大份额，为 42.6%，到 2024 年市场规模将达到9.0 亿美元。
• 美国以在强大的制药和生物技术研究计划的支持下，到 2024 年，其价值将达到 8.3 亿美元，预计到 2034 年将激增至 236.7 亿美元，复合年增长率为 39.8%。
• 通过提供软件/平台业务，由于对人工智能驱动的合成建模、预测工具和自动化逆合成解决方案的需求不断增长，占据了65.8%的大部分份额。
• 从技术上看，机器学习 (ML) 和深度学习 (DL) 占据了80.3%的份额，提高了分子设计的准确性并实现了合成路线的更快优化。
• 从应用来看，药物发现和药物化学占75.2%随着制药研究人员越来越多地使用人工智能来加速化合物开发和候选药物验证，制药和生物技术公司占据了市场的70.5%份额，它们利用 AI-CASP 来降低研发成本、缩短发现时间并提高创新效率。

AI

人工智能 (AI) 在计算机辅助合成中发挥着变革性作用计划 (CASP)，重塑化学家设计、预测和执行化学反应的方式。传统上，合成规划在很大程度上依赖于人类直觉和手动实验。

人工智能现在可以对大量化学反应数据库进行自动分析，从而可以准确预测合成路线并优化分子结构。通过机器学习和深度学习算法，人工智能识别反应模式、预测产量并提出高效的多步骤合成途径，从而显着减少研究时间和实验成本。

人工智能还通过建议替代路线、识别试剂以及通过绿色化学方法最大限度地减少对环境的影响来增强逆合成分析。在药物研发中，人工智能驱动的 CASP 通过快速生成候选分子的可行合成计划来加速药物发现。这些系统与实验室自动化平台无缝集成，实现闭环实验人工智能不断从新数据中学习和完善合成策略。

除了制药之外，材料科学和农用化学品等行业也正在利用 AI-CASP 来设计高精度的新型化合物。随着计算能力和化学数据可访问性的提高，人工智能的作用预计将进一步扩大，使合成规划更加智能、高效和可持续，从而弥合计算化学和实际实验室应用之间的差距。

分析师的观点

涵盖新兴技术市场的分析师看待人工智能平台的增长轨迹- 包括计算机辅助综合规划 (CASP) 等领域 - 相当乐观。他们指出，先进机器学习、大型反应数据库可用性以及对更快研发工作流程日益增长的需求的融合是该行业的关键推动因素。

Much l与围绕人工智能投资的更广泛评论一样，许多分析师认为，结构性基本面（例如，成本节约、生产率提高、上市时间缩短）支持利基市场 40% 以上的复合年增长率。此外，这一特定用例的相对不成熟为其提供了进一步的发展空间：制药、材料和农用化学品领域的早期采用者仍在增加，为未来的规模化留下了空间。

尽管如此，分析师仍然对潜在的瓶颈持谨慎态度。一些人指出了人工智能承诺与全面工业部署之间的差距：反应数据质量、与实验室自动化的互操作性以及人工智能生成的合成路线的监管验证等问题需要不断成熟。

他们警告说，存在“能力实现”风险，即市场价值飙升超过实际性能和集成结果。因此，他们的观点是，虽然长期上行空间强劲，但利益相关者必须监控执行情况——供应商、采用者、和投资者一样 - 确保巨大的标题数字（例如，到 2034 年达到 680 亿美元）转化为实验室和市场的实现价值。

人工智能行业采用

计算机辅助综合规划 (CASP) 领域内人工智能的采用正在增加制药、化学和材料研究领域的强劲势头。先进的机器学习 (ML) 和深度学习 (DL) 模型越来越多地用于预测反应结果、设计合成路线和优化工艺条件，从而显着缩短实验时间和资源支出。

例如，一项研究表明人工智能可以准确预测反应结果并控制选择性，从而简化有机化合物的合成计划。
化学公司，特别是北美和欧洲的化学公司，正在集成由人工智能驱动的逆合成平台，例如 Molecule。一是简化工作流程，提升吞吐量，并增强计算和实验室团队之间的协作。

除了核心研发自动化之外，人工智能的采用还受到其处理非结构化文献、反应数据提取和快速构思新分子的能力的推动。最近的代理框架使用大语言模型 (LLM) 架构来挖掘化学文献并推荐反应条件，展示了人工智能如何增强人类专家工作流程。

尽管采用率很高，但采用率仍然因组织规模、垂直行业和地区而异：大型制药公司在部署完整 CASP 平台方面领先于中小企业，而监管、数据质量和集成挑战仍然是更广泛采用的障碍。总之，CASP 领域正在迅速从试点转向生产，标志着人工智能综合规划正在成为主流功能而不是实验边缘的转变。

新兴趋势

生成式人工智能和深度学习模型与 CASP 系统的集成正在加速。这些模型现在能够提出多步合成路线，预测反应条件和持续时间，并按可行性对路线进行排名，从而从人类主导的逆合成转向半自主路线设计。

对可持续和绿色化学的日益重视正在推动 CASP 的采用。人工智能工具越来越多地用于识别毒性较小的试剂、减少步骤数、优化产量并最大限度地减少浪费，从而符合化学和制药行业的监管和环境要求。

自动化和实验室数字化融合变得越来越普遍：AI-CASP 平台正在与机器人、微流体和自动化实验相集成，将计算机模拟合成计划转化为现实世界的可扩展工作流程。

人们正在向开源转变。反应数据库、协作和 cloud 访问权限，使小型公司和学术实验室能够利用以前属于大型制药公司的 CASP 工具。这种民主化提高了最终用户的采用率。

最后，化学工业和监管机构逐渐认识到 AI-CASP 是一种战略能力，不仅在发现方面，而且在制造和材料开发方面，为特种化学品、农用化学品和先进材料开辟了新的用例。

美国市场规模

到 2024 年，美国 CASP 中的人工智能市场预计将达到8.3 亿美元，使其成为更广泛的人工智能综合规划领域中的领先国家细分市场。预计到 2034 年，该市场将增长至236.7 亿美元，复合年增长率预计将达到39.8%。这一急剧增长反映了美国制药、生物技术领域投资的深化人工智能驱动的逆合成和路线优化平台的科学和材料科学公司。美国的优势来自于其高度成熟的研发生态系统、强大的计算化学能力以及丰富的机器学习数据资产基础。

一个关键驱动因素是从基于直觉的手动合成规划向人工智能增强工作流程的显着转变，从而缩短实验周期时间、降低成本并提高创新吞吐量。美国公司越来越多地部署机器学习/深度学习工具、基于云的平台和数字实验室集成，以扩大合成化学工作的规模。与此同时，监管和可持续发展的要求增加了对更高效、更绿色的合成途径的压力，进一步刺激了需求。

虽然预测增长令人印象深刻，但市场参与者必须应对数据质量、模型可解释性以及化学信息学和实验室实践之间的跨学科整合等挑战。总体而言，美国市场将仍然是 AI-CASP 在全球范围内的基础增长驱动力，以创新、资本和生态系统实力为基础。

投资和业务效益

投资理由

• 部署 AI-CASP 解决方案为以下地区的公司提供了令人信服的投资案例制药、材料和化学品，因为该技术有助于缩短上市时间、降低研发成本并提高新型化合物的产量。
• 从战略角度来看，早期投资 AI-CASP 的公司建立了可以作为长期竞争优势的内部能力和数据资产，从而在创新速度和运营效率方面区别于竞争对手。
• 投资者认为采用人工智能合成规划的公司具有更高的可扩展性和更低的成本风险，这提高了它们在融资方面的吸引力融资、并购以及合作伙伴生态系统关注下一代分子设计。
• 由于 CASP 市场预计全球复合年增长率约为 41.4%，因此通过解决方案供应商或采用者参与这一增长，为支持该生态系统的利益相关者提供了有吸引力的上升潜力。

商业利益

• 在业务方面，AI-CASP 平台使组织能够确定最佳合成路线，减少实验步骤数，减少试剂消耗，并降低失败率实验室试验——转化为化合物开发中切实的成本节约和更高的成功率。
• 增强的数据驱动的合成规划可以改善决策，使化学家能够更快地探索更广阔的化学空间，减少计算设计和实验室执行之间的瓶颈，并加快药物发现的命中时间或领先时间。
• 对于公司来说，能够通过以下方式纳入可持续性指标（更少的步骤，更环保的试剂）人工智能同样支持监管和 ESG 目标，增强声誉，并可能在可持续创新的基础上开辟新市场或合作伙伴关系。
• 总的来说，这些优势使 AI-CASP 成为价值驱动因素，不仅在运营方面，而且在寻求扩大分子创新、管理风险和利用数字化转型作为卓越研发核心组成部分的企业的战略议程中。

软件和平台领域在人工智能计算机辅助合成规划 (CASP) 市场中占据主导地位，到 2024 年约占总份额的65.8%。这种主导地位是由基于人工智能的合成规划工具的不断部署推动的，这些工具能够实现逆向合成分析、反应预测和路线优化。

这些软件解决方案利用机器学习和深度学习模型来分析大型化学数据库、预测最佳结果反应途径，并增强ACC综合设计的准确性。提供人工智能驱动的逆合成的平台正在成为制药、材料科学和化学行业现代研发运营的支柱。这些软件解决方案的可扩展性，加上与实验室信息系统和数字实验室环境集成的能力，不断增强其在寻求效率和创新的企业中的采用。

服务领域约占市场的34.2%，在实现AI-CASP平台的有效实施和运营方面发挥着至关重要的作用。它包括帮助组织采用和定制人工智能工具的咨询和集成服务、用于持续平台优化的支持和维护服务，以及根据特定研究需求定制的定制模型开发。

这些服务可确保无缝的系统功能、模型验证和法规遵从性。软件和服务组件共同构成一个整体推动人工智能化学创新的综合生态系统，同时支持合成规划中的长期数字化转型。

按技术

在计算机辅助合成规划 (CASP) 市场的人工智能“按技术”细分中，机器学习 (ML)/深度学习 (DL) 类别占据主导地位，份额约为 80.3%。这些技术构成了现代合成规划平台的核心，应用神经网络和先进算法来分析庞大的反应数据库，预测最佳合成路线并预测反应结果。它们从历史数据中学习、推断化学转化和优化多步骤工作流程的能力使它们成为药物发现、材料科学和化学合成中不可或缺的一部分。

虽然 ML/DL 占据了最大份额，但自然语言处理 (NLP) 等其他技术（例如基于规则的系统、基于图的系统）理论方法和组合算法）发挥着支持性但重要的作用。

NLP 越来越多地用于从非结构化化学文献和专利中提取见解，使模型能够获取更广泛的反应知识并增强合成建议。 “其他”类别包括传统方法和新兴混合方法，它们将符号化学规则与人工智能驱动的预测相结合，从而在一些高风险的合成用例中实现透明度和可解释性。

总之，这种技术分层说明了 ML/DL 驱动主要价值的市场，而 NLP 和基于规则的系统等补充技术则增强了覆盖范围、数据摄取和协作能力，从而实现更全面、智能和高效的合成规划

按应用

药物发现和药物化学应用领域引领市场，约占市场份额到 2024 年，将占总份额的 75.2%。这一主导地位是由制药和生物技术公司越来越依赖人工智能驱动的逆合成工具来加速候选人识别、简化路线优化并减少临床前开发的时间和成本所推动的。面对更快、更高效地将新分子推向市场的压力，将 CASP 平台集成到药物化学工作流程中已成为一种战略必要性，而不是可选的。

除了药物发现之外，其他应用也越来越受到关注——材料科学、农用化学品、学术研究和其他（例如特种化学品或石化产品）代表了不断增长的细分市场。在材料科学中，AI-CASP 用于设计新型材料、聚合物和功能化合物。农化公司正在利用合成规划工具来开发具有优化合成路线的可持续农业投入。

学术研究机构正在使用这些计划探索理论化学、教授合成规划和创新基础方法。 “其他”类别涵盖了采用人工智能驱动的 CASP 解决方案的相邻化学创新空间。虽然目前与药物发现相比规模较小，但随着技术的成熟和渗透到新的工业垂直领域，这些应用代表着巨大的扩展机会。

按最终用户

制药和生物技术公司细分市场占据最大份额，约占70.5％的市场份额，凸显了他们在采用人工智能驱动的 CASP 解决方案方面的领先地位。这些组织在药物发现工作流程和合成化学方面投入巨资，因此他们优先考虑可以优化合成路线、缩短开发时间并降低成本的先进工具。由于新分子发现的高风险以及制药行业的监管/制度压力r，AI-CASP 部署被视为保持竞争力和创新速度的战略推动者。

与此同时，学术和研究机构以及合同研究组织 (CRO) 构成了市场的其余部分。学术实验室利用 CASP 平台进行探索性化学、教学和概念验证研究，通常为更广泛的商业应用铺平道路。

另一方面，CRO 利用这些工具为制药客户提供合成规划服务，帮助简化外包研发、扩展能力并提高外部开发合作伙伴的效率。虽然与制药/生物技术公司相比，这些最终用户目前的市场份额较小，但随着 AI-CASP 解决方案变得更易于访问、协作并融入更广泛的研究生态系统，这些最终用户代表着重要的增长机会。

关键细分市场

通过提供

• 软件/平台
• 服务
  • 咨询和集成
  • 支持和维护
  • 自定义模型开发

通过技术

• 机器学习 (ML)/深度学习（DL）
• 自然语言处理（NLP）
• 其他

按应用

• 药物发现与药物化学
• 材料科学
• 农用化学品
• 学术研究
• 其他

按最终用户

• 制药和生物技术公司
• 学术和研究机构
• 合同研究组织（CRO）

区域分析

2024年，北美占占全球AI-CASP市场42.6%，规模9亿美元。仅美国就为此贡献了8.3亿美元数字。展望未来，美国市场预计将大幅增长，到 2034 年将达到236.7 亿美元，复合年增长率 (CAGR) 高达 39.8%。

多种因素促成了这一区域领先地位。美国将成熟的研发生态系统（尤其是在制药和生物技术领域）与丰富的计算化学、人工智能人才和基础设施结合起来。学术和工业合作伙伴关系以及对下一代分子设计工具的大量投资，促进了人工智能 CASP 平台的采用。大型制药/生物技术公司的存在以及化学和材料科学领域日益增长的数字化转型进一步促进了增长。

与此同时，北美的主导地位提供了“先发”优势，但也表明其他地区有机会迎头赶上。美国的发展轨迹表明，随着 AI-CASP 进一步整合，供应商和服务提供商将增加专门针对美国客户提供先进的软件平台、定制模型开发和针对合成规划量身定制的人工智能工作流程。总之，以创新、投资和生态系统深度为基础，美国和北美地区将继续成为全球 AI-CASP 市场的关键增长引擎。

区域分析和覆盖

• 北方美国
  • 美国
  • 加拿大
• 欧洲
  • 德国
  • 法国
  • 英国
  • 西班牙
  • 意大利
  • 俄罗斯
  • 荷兰
  • 其他国家/地区欧洲
• 亚太地区
  • 中国
  • 日本
  • 韩国
  • 印度
  • 澳大利亚
  • 新加坡
  • 泰国
  • 越南
  • 拉丁美洲其他地区
• 拉丁语美洲
  • 巴西
  • 墨西哥
  • 拉丁美洲其他地区
• 中东和非洲
  • 南非
  • 南非
  • li>
  • 沙特阿拉伯
  • 阿联酋
  • 中东和非洲其他地区

  驱动因素

  计算机辅助合成规划 (CASP) 市场中的人工智能是由药物发现和化学研究中对更快、更具成本效益和精确的分子设计日益增长的需求推动的。机器学习和深度学习等人工智能技术通过自动化逆合成分析和改进反应收率预测，正在彻底改变合成路线预测。

  制药和生物技术行业对数字化转型的需求不断增长，进一步加速了人工智能驱动的合成工具的采用。人工智能与实验室自动化、云计算和预测建模的集成也提高了生产力，使科学家能够在减少人为干预的情况下探索复杂的化学空间。

  另一个关键的增长动力是对可持续和绿色化学的日益关注。 AI驱动的综合规划LPS 优化反应步骤，最大限度地减少浪费，并选择环保试剂，与全球可持续发展倡议保持一致。数据可访问性、反应数据库和计算化学的不断进步也推动了市场的扩张。人工智能初创公司、研究机构和化学品制造商之间的战略合作正在促进创新和可扩展性，为广泛采用奠定了坚实的基础。

  限制因素

  尽管取得了快速进展，CASP 市场中的人工智能仍面临着一些限制增长的挑战。高昂的实施成本、获得高质量反应数据的机会有限以及对熟练的人工智能化学家的需求仍然是采用的主要障碍。由于数据不兼容和基础设施限制，许多研究组织和中小企业在将 AI-CASP 工具集成到遗留系统中遇到困难。此外，人工智能生成的合成路线的可靠性通常取决于可用性历史反应数据集的真实性和多样性，这可能会引入预测偏差。

  监管不确定性也构成了限制，因为许多国家缺乏药物开发或材料研究中人工智能辅助合成的明确标准。数据隐私、知识产权保护和人工智能模型的可解释性进一步增加了部署的复杂性。这些挑战减缓了保守行业参与者的采用速度，他们在大规模实施之前需要经过验证、可重复且符合法规的解决方案。

  增长机会

  随着 AI-CASP 技术从药物发现转向材料科学、农用化学品和学术研究，存在巨大的增长机会。基于云的开源 CASP 平台的可用性不断增加，正在降低小型公司和机构的进入壁垒。对针对特定反应类型或化合物的定制人工智能模型的需求课程为软件开发商和服务提供商提供了利润丰厚的商机。此外，生成人工智能和强化学习在合成规划中的整合预计将开辟自主化学的新领域。

  专注于可持续创新和数字化学的政府资助和行业合作正在为市场扩张创造有利的生态系统。人工智能与机器人技术和自动化合成实验室的结合预计将进一步提高准确性和效率，从而实现闭环实验。随着制药和材料行业不断拥抱数字化研发转型，人工智能驱动的合成规划解决方案的商业潜力将在成熟市场和新兴市场中迅速扩大。

  挑战因素

  AI-CASP市场的主要挑战在于确保AI模型的准确性、可解释性和可扩展性。瓦时虽然人工智能算法可以有效地预测反应途径，但理解这些建议背后的化学逻辑仍然很复杂，限制了用户对药物发现等关键应用的信心。此外，对大型、标准化和高质量反应数据集的需求对于训练稳健的模型至关重要，但跨机构的数据碎片阻碍了这一目标。

  另一个挑战涉及弥合计算预测与实际实验室执行之间的差距。将人工智能生成的路线集成到现实世界的实验中需要先进的实验室自动化、人工监督和监管验证。化学家、数据科学家和人工智能工程师之间缺乏跨学科合作往往会减缓进展。最后，竞争压力和人工智能创新的快速发展需要不断的模型完善和技术更新，这可能会给试图在这个不断发展的市场中保持领先地位的组织带来预算和资源压力。rket。

  竞争分析

  人工智能在计算机辅助合成规划 (CASP) 市场中的竞争格局是由技术创新者、制药巨头和推动数字化学进步的专业初创公司共同决定的。 DeepMatter Group Plc 是其中的佼佼者，其旗舰平台 DigitalGlassware 专注于数字化实验室工作流程和捕获实时反应数据，以提高化学合成的可重复性。

  默克公司 (Merck KGaA) 是在其研究部门整合人工智能的领先跨国公司之一，利用人工智能驱动的逆合成和催化剂设计来加速分子发现。同样，法国公司 IKTOS 专门从事通过生成人工智能模型进行从头药物设计和逆合成，为全球制药客户提供 SaaS 解决方案和协作研发服务。

  Majo罗氏、诺华和艾伯维等制药公司正在大力投资人工智能合成平台，以优化药物发现管道，通常与人工智能初创公司合作，以实现更快、更具预测性的化合物设计。在技​​术方面，IBM 和 Microsoft 正在通过支持大规模化学数据处理和计算建模的基础设施和基于云的 AI 平台做出贡献。

  Schrödinger Inc. 凭借与 AI-CASP 应用程序紧密结合的先进分子模拟和建模工具，继续主导计算化学领域。 Synple Chem 和 Chemify 等新兴创新者专注于自主合成和人工智能辅助分子组装，代表了下一代 CASP 初创公司。

  总体而言，该市场反映了规模与专业化之间的平衡 - 大公司带来资源和基础设施，而利基人工智能公司则推动敏捷性、创新和领域专业知识 -为数字化学进步创建一个充满活力的协作生态系统。

  市场上的主要参与者

  • DeepMatter Group Plc
  • Merck KGaA
  • PostEra
  • IKTOS
  • Wiley-VCH GmbH
  • 开放科学项目
  • Medici Technologies, LLC
  • IBM公司
  • 微软公司
  • 霍夫曼-拉罗氏有限公司
  • 诺华公司
  • 艾伯维公司
  • 薛定谔公司
  • Synple Chem
  • Chemify
  • 其他

  主要进展

  • 2025 年 2 月：IKTOS 与诺华合作增强基于人工智能的药物设计

  IKTOS 与诺华达成战略合作，通过应用其深度学习生成模型来加速药物发现人工智能驱动的逆合成和分子优化。此次合作的重点是利用 IKTOS 的 p专有的人工智能算法来设计合成可行的化合物，旨在缩短临床前开发时间并提高管道效率。

  • 2025 年 1 月：薛定谔推出自动合成规划模块

  薛定谔公司在其计算平台内推出了自动合成规划模块，集成了机器学习和化学信息学以进行实时反应预测。该工具可帮助化学家评估多种合成途径，并确定最具成本效益和可持续的分子合成方案。

  • 2025 年 3 月：DeepMatter Group Plc 扩展数字化学数据平台

  DeepMatter Group Plc 通过纳入用于合成路线优化的人工智能辅助预测分析来增强其 DigitalGlassware 平台。升级后的系统使化学家能够分析反应条件、优化产量预测并访问基于云的协作功能，支持实验室环境中数据驱动的决策。