2026年8月16日AI制药领域专家交流纪要

发布时间：2026-08-16 一、核心要点 1. AI制药应用环节与技术：覆盖靶点发现（分数据建模、文献解读推理，靠多组学/多模态分析、虚拟器官建模）、临床前研发（超80%公司聚焦，核心为分子发现与评估）、临床试验（价值最高，靠生物标志物识别、试验设计优化降本增效），另有老药新用、CMC优化等细分场景 2. AI制药变现与合作模式：三类模式，软件/SaaS服务（变现快但天花板低，国内付费为几十万到百万级，海外跨国药企更高，部分混合订单含服务加管线分成可达千万美金级）、自研管线并出售（国内多数公司采用，类似Biotech模式）、联合研发共享权益（多为混合模式） 3. 国内外行业现状：国外研发难度大、验证AI有用且形成合作模式，部分公司管线获验证；国内资本市场回暖、政策调整后药企研发经费回升，头部药企需用新方法解决传统难题，存在追涨情绪。大厂技术路线有差异，OpenAI侧重临床前靶点发现与分子改构，Cloud持ASI方向先突破通用智能再推进全环节，Apocrip/Zog覆盖全环节，国内百度百图等偏向临床前分子设计，阿里、华为侧重自研模型不直接参与制药业务 4. 效能量化与行业认知：暂无统一AI效能量化数据，定性层面可降本增效，部分管线有突破性分子发现，赛默内部管线用AI成功率提升约30%，多数药企已应用AI工具二、风险与关注 1. 软件/SaaS付费模式尚未走通大额付费，天花板较低，存在变现不确定性 2. 小分子/结构类数据库构建成本高、规模质量难把控，无成功联合构建案例；多组学公开数据库对分子设计助力有限，虽未来有望爆发但当前价值未充分体现3. 国内外技术路线差异大，国外企业有通用智能优先的不同思路，国内企业侧重不同环节，需关注技术落地与管线验证进展