AI医疗管线中已公布靶点占65%、AI新靶点仅4%的格局，印证了当前AI制药仍以辅助型研发为主流，其成本结构与盈利模式也围绕“辅助”定位展开：成本端集中于AI算力、数据获取与湿实验验证，收入端则以服务收费结合里程碑付费为主要形态。

浙商证券对全球80条获批临床的AI药物管线的统计显示，已公布靶点的管线占65.0%，未公布靶点的占31.0%，而运用人工智能发现新靶点的管线仅占4.0%。这一分布说明，AI在药物研发中更多扮演的是加速已知靶点药物开发进程的辅助角色，而非颠覆性的新靶点发现引擎。辅助型定位决定了企业的成本结构与盈利模式设计。

辅助型AI医疗的成本结构

辅助型AI医疗的成本主要由三部分构成。AI算力与云计算平台是底层支撑，产业链上游的云计算平台用于保障底层架构的算力供给，是持续的固定支出。数据获取与治理构成关键竞争壁垒，产业链上游的医药数据集供应是行业的核心门槛，高质量训练数据的采集、清洗与标注耗费显著。湿实验验证是辅助型研发不可或缺的闭环环节，AI给出的化合物筛选与预测结果仍需通过传统实验验证，这部分成本与传统药企的研发支出结构重叠。

值得注意的是，AI技术在研发过程中的渗透率越高、药物研发的效率越高，但AI制药企业初期大多走技术服务路线，利用自研算法平台为大药企提供靶点发现、化合物筛选等服务，其成本结构中研发服务团队的投入占比同样不容忽视。

服务费+里程碑的盈利模式

在商业模式上，国内AI制药市场主要分为AI SaaS（售卖软件）、AI CRO（售卖服务）和AI Biotech（研发药物）三类。对于已公布靶点占65%的辅助型管线，AI CRO模式下的“服务费+里程碑付费”是较为适用的盈利结构：企业依托内部训练工具及AI开发工具进行模型搭建和训练，以医药研发外包形式与下游传统药企合作，将药物研发阶段的服务直接出售。

当AI企业深度介入药物研发管线并承担部分风险时，里程碑付费机制更为常见——即在靶点确认、化合物筛选、临床试验推进等关键节点分批获取收入。由于65%的管线靶点已知，AI企业无需承担新靶点验证的高昂成本与失败风险，服务交付的确定性更高，这使得以服务费覆盖基础运营成本、以里程碑收入获取增量回报的模式具备可行性。行业趋势判断认为，未来纯SaaS软件服务模式会逐渐消失，企业将向AI CRO及AI Biotech两种商业模式转型。

常见问题

AI辅助研发与传统CRO的成本结构有何本质区别？

传统CRO以人力密集的实验服务为核心成本，而AI辅助研发增加了算力投入与数据资产积累两项前置成本，但同时能显著缩短研发周期、降低整体研发投入。资料显示，AI技术较传统制药可缩短研发周期、降低研发成本并提高成功率，但具体降幅因项目而异。

已公布靶点占65%对盈利模式意味着什么？

意味着多数AI药物管线不需要承担新靶点发现与验证的探索性成本，AI企业可以聚焦于已知靶点上的分子生成、化合物筛选等确定性服务，从而更依赖服务收费而非高风险的分成模式。新靶点管线仅占4%，这类高投入高回报的探索更多由AI Biotech模式承载。

辅助型AI医疗未来会向哪个方向演进？

行业趋势显示，纯软件售卖模式未来会逐渐消失，企业会向AI CRO和AI Biotech两种模式转型。其中AI Biotech因发展潜力大、市场空间不受限，会成为大部分AI+新药企业的选择；而AI CRO则类似传统CRO领域，最终会形成几家巨头占领大部分市场资源的格局。