AI制药行业正面临高质量医疗数据集供应紧张的瓶颈，供需节奏与投资周期的核心在于：上游数据集是行业关键竞争壁垒，中游AI制药管线仍处于早期积累训练期，下游大型药企需求旺盛但研发周期长。当前全球参与AI药物研发的大型药企超56家，AI制药初创企业超495家，有限的数据集资源正被大量参与者争夺，而AI药物管线大多处于临床Ⅰ期和Ⅱ期，距离商业化落地仍有距离。
数据集为何成为关键瓶颈
产业链上游的数据集供应是AI制药的核心竞争壁垒。AI模型需要大量高质量、标注完整的医药数据进行训练，但这类数据获取难度高、隐私合规要求严格，导致供给稀缺。全球超56家大型药企和495家初创企业同时争夺有限的数据资源，供需矛盾突出。云计算平台虽可缓解算力压力，但无法替代数据本身的价值。
研发周期与资本投入节奏
AI制药较传统研发可缩短平均10-16年的研发周期约1/2-2/3，并至少降低10%的研发投入。但当前全球获批临床的AI药物管线中，约32.5%处于临床Ⅰ期、36.3%处于Ⅱ期，仅5%推进至Ⅲ期。这反映出行业仍处于**“积累训练期”**，从技术验证到商业化需要较长的临床试验周期。资本投入方面，2022年AI制药赛道融资总额达62.02亿美元，同比增长47.67%，资金持续涌入但尚未进入收获阶段。
常见问题
哪些参与者是数据集的主要需求方？
产业链中游的AI药物研发企业和IT企业是主要需求方，它们需在数据集基础上搭建和训练模型。下游传统药企则是直接需求者，通过购买中游企业的服务间接使用数据。此外，互联网头部企业超31家也参与算力与平台建设。
当前AI制药管线主要集中在哪些适应症？
癌症是首选适应症，占比约66%，其次为遗传性疾病和罕见病（12%）、神经系统及免疫疾病（10%）、肠道疾病（8%）、COVID-19（5%）。这与传统药物研发的适应症选择高度一致。
商业模式未来会如何演变？
预计SaaS软件服务模式将逐渐消失，企业会向AI CRO（研发外包）和AI Biotech（自研药物）转型。其中AI Biotech因发展潜力大、市场空间不受限，将成为多数企业的选择；而AI CRO领域可能形成少数巨头垄断格局。