全球AI药物临床管线已达80条，其中已公布靶点的管线占65%，而运用AI发现新靶点的管线仅占4%——这一结构揭示了一个关键事实：AI医疗市场规模的增长，当前主要来自辅助已知靶点的研发效率提升，而非颠覆性的新靶点发现。换句话说，AI正在让传统药物研发“跑得更快”，而非彻底改写药物发现的底层逻辑。
管线现状：辅助为主，探索为辅
从全球80条获批临床的AI药物管线来看，研发进度呈现明显的金字塔结构：42条推进至临床Ⅰ期，29条推进至Ⅱ期，4条推进至Ⅲ期，另有部分管线已获IND（临床试验申请）批准。这一分布说明AI制药整体仍处于早期积累阶段，距离大规模商业化落地尚有距离。
靶点选择上的数据更具启发性：52条管线已公布靶点（占比65%），25条未公布靶点（占比31%），而真正运用AI发现新靶点的管线仅3条（占比4%）。这意味着当前AI在药物研发中扮演的仍是“辅助工具”角色，帮助药企在已知靶点上更高效地筛选化合物、优化分子结构，而非大规模开辟全新的生物学疆域。
增长来源：三个维度的扩张路径
基于上述管线结构，AI医疗市场规模的扩张路径可以从三个维度拆解：
第一，管线数量的持续增加。 随着AI技术在药物发现环节的渗透率提升，更多传统药企将AI纳入研发流程。资料显示，全球参与AI药物研发的大型药企已超过56家，AI制药初创企业超过495家。参与者的增多直接推动进入临床阶段的AI药物管线数量增长，这是市场规模扩张最直接的驱动力。
第二，适应症边界的不断拓展。 当前AI药物管线的适应症分布与传统的药物研发高度重合——癌症占比66%，遗传性疾病和罕见病占比12%，神经系统和免疫疾病占比10%。这意味着AI制药尚未开辟全新的治疗领域，而是在既有适应症上提升效率。不过，已有AI公司开始探索将技术应用于临床试验阶段，如通过匹配医疗记录与受试药物信息辅助罕见病患者招募——这将AI的赋能范围从临床前延伸至临床环节，打开新的市场空间。
第三，药企外包渗透率的提升。 产业链层面，AI药物研发企业主要以医药研发外包（CRO）形式与传统药企合作。商业模式上，AI SaaS（软件售卖）预计将逐渐向AI CRO（服务售卖）和AI Biotech（自主研发药物）转型。其中AI Biotech因发展潜力大、市场空间不受限，预计将成为多数AI制药企业的最终选择；而AI CRO则可能复制传统CRO领域格局，形成少数巨头占据主要市场的态势。两种模式共同推动药企将更多研发环节外包给AI驱动的服务商，扩大市场规模。
效率红利：当前增长的核心逻辑
AI医疗市场规模扩张的根本支撑，在于其显著的效率优势。资料显示，AI技术在药物研发中的渗透率越高，研发效率越高，普遍认为AI制药可以降低约一半的研发周期，减少至少10%的研发投入，同时提高药物研发成功率。在传统药物研发平均上市时间长达10-16年、成本高企的背景下，这种效率红利构成了药企采用AI技术的核心动力。
然而，行业也需正视现实挑战——首个由AI设计进入临床的分子因未达预期而被放弃的案例提示，AI制药仍处于从计算机辅助药物设计（CADD）向AI驱动药物发现（AIDD）转型的过程中。未来，开发具有差异化临床价值的产品比AI技术本身更重要，选择确定性更高的应用场景、针对未满足的临床需求进行药物开发，将是AI制药企业实现商业化突破的关键路径。
常见问题
AI发现新靶点占比仅4%，是否意味着AI制药价值有限？
并非如此。4%的新靶点占比确实说明AI在颠覆性创新上尚处早期，但65%的已公布靶点管线恰恰证明了AI在主流研发中的实用价值。AI的核心贡献在于让已知靶点的药物开发更快、更便宜、成功率更高，这种效率提升本身就是巨大的市场价值来源。
AI医疗市场增长主要靠什么驱动？
短期内主要靠两条腿走路：一是AI药物管线数量随参与企业增多而持续增加，二是AI应用从临床前向临床试验阶段延伸，扩大赋能范围。中长期看，商业模式从软件售卖向研发服务（AI CRO）和自主药物研发（AI Biotech）转型，将推动药企外包渗透率提升，打开更大的市场空间。
AI在临床试验阶段能发挥什么作用？
临床试验是新药研发中耗时最久、资金花费最高的环节，近三分之一的Ⅲ期临床因患者招募问题而失败。已有AI公司通过匹配医疗记录、医学文献与受试药物信息，帮助试验主体找到合适的受试患者；也有公司基于公开临床数据，利用AI评估临床试验设计的合理性。这标志着AI的赋能正从药物发现延伸至临床开发全链条。