药物发现是生成式 AI 在医疗领域落地最集中的环节之一，Transformer 等生成式模型正在重塑 AI 医疗产业链的上下游关系：上游基础设施与中游算法模型的价值权重上升，下游应用与药企合作模式则从通用工具转向高度专业化的垂直分工。这种重塑并非简单的链条延伸，而是围绕“高质量专业化模型”重新分配价值流动。
产业链分工与价值流动
AIGC 产业由上游的基础设施、中游的算法模型和下游的应用拓展三部分构成。基础设施主要由工具链和智算平台构成，中游模型层存在从自建模型到开发应用的端到端模式，即科技公司或创业企业针对特定领域自行完成基础模型开发，再针对目标市场进行模型、知识和数据的特定优化。
从成本效益角度，基础层、模型层的搭建适合具备规模效应的大厂和平台；而创业公司在应用层的探索和突破，可能成为未来主要趋势。这意味着在药物发现场景中，掌握算力与基础模型能力的平台型玩家，与掌握临床数据和应用场景的专业化团队，将形成新的协作关系。
专业化模型驱动产业链整合
医疗领域尤其需要高质量的专业化模型，其中高质量、用户反馈和专有数据集是专业化模型的关键。例如，生物制药企业构建 Transformer 等生成式模型来预测结构、发现药物；CRO 企业则在已有数据基础上训练生成式语言模型来更好地服务临床。
通用大模型生态开放后，通过插件构建起了直接面向终端用户的细分场景，这对部分纯应用层创业企业构成挑战。而垂类赛道下的专业化模型可能是解决方案之一——定义明确的高价值工作流程将主要由专门的人工智能系统来解决。医疗领域高度专业化、容错率低，需要基于大量可靠数据和高质量临床实践基础，并严格遵守相关法律法规和伦理规范。
常见问题
生成式 AI 在药物发现中主要做什么？
生成式 AI 可以生成全新、潜在的数据样本，在数据集丰富的应用场景中能更好地应用。在药物发现环节，生物制药企业构建 Transformer 等生成式模型来预测结构、发现药物；CRO 企业则训练生成式语言模型以更好服务临床。
判别式 AI 和生成式 AI 在医疗中如何分工？
判别式 AI 通过学习输入和输出数据之间的映射关系进行预测，在识别疾病、分析影像、预测疗效等方面实现更高准确度；生成式 AI 更关注理解人类意图、生成新数据，在医疗模拟对话和个性化医疗方面具有不可替代的作用。两者结合可实现更复杂精细的任务。
产业链重塑对投资意味着什么？
基础层、模型层适合有规模效应的大厂和平台，而创业公司在应用层的探索和突破可能成为未来主要趋势。当前 AIGC 在医疗领域的应用还处于起步阶段，成规模的应用主要在聊天机器人领域，医疗领域的专业化模型落地仍需时间验证。