AI 制药行业专家交流纪要：核心壁垒与商业模式分析

摘要： 本次会议围绕 AI 制药在药物研发（尤其是大分子抗体）中的应用落地、商业模式演进及核心壁垒展开。专家指出 AI 的核心价值在于提升成药成功率，而高质量的注释数据和模型的可解释性是当前行业的主要挑战。

行业主线：

1. 进入临床验证期：AI 制药正处于价值验证的关键阶段，未来两年内约 80 个 AI 小分子管线的二期临床结果将是核心指标，其成功率需显著高于行业均值（34%）方能证实价值。
2. 大分子研发难度更高：大分子 AI 研发高度依赖成熟靶点（如 PD-1、HER2）的既有数据，针对全新靶点的预测能力仍较弱。
3. 商业模式转型：纯软件销售模式难以盈利，行业正向“平台+管线”或联合开发（JV）模式转型。

关键变化与分歧：

1. 数据注释的决定性：CRO/CDMO 虽有海量数据但缺乏科学假说等背景注释，而大型药企拥有完整演进谱系的注释数据，在 AI 训练中更具优势。
2. 监管的可解释性要求：FDA/NMPA 严禁“黑盒”模型，所有 AI 辅助设计必须具备科学可解释性，AI 仅能作为辅助工具而非独立决策主体。

受益方向与风险：

1. 受益方向：临床阶段的病人筛选与试验设计优化；通过实验室自动化实现“干湿闭环”的高质量数据生成。
2. 核心风险：临床转化成功率低于市场预期；监管对 AI 申报数据的审核趋严；药企内部对 AI 设计分子的接受度提升缓慢。