AI制药行业已历经萌芽期、发展期,自2024年起进入成熟深化的商业化验证阶段。竞争核心由模型算法转向高质量数据、实验闭环能力以及AI药物商业化兑现能力。全球药物研发支出预计将由2023年的2,605亿美元增至2030年的3,943亿美元,CAGR为6.1%。中国的药物研发支出预计将由2023年的366亿美元进一步增至2030年的675亿美元,CAGR为9.1%。全球AI赋能药物研发费用市场规模预计由2023年的119亿美元增加至2032年的746亿美元,复合年增长率为22.6%。
AI应用已升级为覆盖“药物发现-临床开发-商业化-制造供应”的全链条生产力工具,核心价值体现为降本增效:药物发现阶段可节省70%-90%时长,临床前、临床阶段分别节省50%-80%、50%-60%时长,累计可降低约50%研发总成本。具体环节包括靶点发现、虚拟筛选、分子生成、ADMET预测、DMTA自动化闭环以及临床端的智能患者匹配、自适应试验设计等,已覆盖小分子、抗体、小核酸、mRNA、CAR-T等全品类药物的研发优化。
行业形成算力、数据、模型三大核心壁垒,数据与模型的重要性高于算力。干湿闭环是整合三大壁垒的终极高阶壁垒。数据壁垒涉及高质量、多样化的药物研发数据获取与整合能力;模型壁垒包括先进算法模型开发与迭代能力;算力壁垒则要求强大的计算资源支持。具备干湿闭环能力的企业能够整合数据、模型与算力资源,实现虚拟设计与实体实验的完整闭环,形成长期竞争优势。
全球AI赋能药物研发费用市场规模预计由2023年的119亿美元增加至2032年的746亿美元,复合年增长率为22.6%。中国药物研发支出预计将由2023年的366亿美元增至2030年的675亿美元,CAGR为9.1%。AI制药已覆盖小分子、抗体、小核酸、mRNA、CAR-T等全品类药物研发,竞争核心从模型算法转向高质量数据、实验闭环能力及商业化兑现能力。行业进入商业化价值验证关键期,市场空间广阔,发展前景可期。
AI制药面临多重风险,包括AI技术迭代不及预期风险,可能导致模型性能无法满足研发需求;创新药研发失败风险,AI辅助研发虽能提高效率,但最终药物研发仍需经过严格的临床试验验证;临床进展不及预期风险,AI赋能的临床试验设计、患者筛选等环节仍需与现有体系磨合;行业监管政策变动风险,政策调整可能影响AI制药的商业化进程;算力供给波动风险,算力资源不足或成本过高可能制约行业发展。