全球AI制药初创企业已超495家、传统药企逾36家布局，AI药物研发市场扩张的核心驱动力，来自传统新药研发“回本”压力与AI工具、医药数据集成熟的双向合力。 一方面，传统新药研发周期长、投入高、失败率高，药企有强烈动机借助AI缩短周期、降低试错成本；另一方面，产业链上游的医药数据集与云计算算力持续积累，中游AI药物研发企业得以在数据集基础上完成模型搭建与训练，使算法可用性不断提升。需求端与供给端同时成熟，共同推动了这一市场的扩张。

驱动力一：传统药企的降本增效刚需

AI制药是指将机器学习、自然语言处理及大数据等人工智能技术应用到制药领域各个环节，显著优化新药研发的效率及质量，降低临床失败概率及研发成本。

资本看好AI制药的原因非常直接：传统医药研发已经很难“回本”。将AI技术应用于药物研发各环节，较传统制药研发可以更显著地缩短研发所需周期，从而降低企业研发成本，同时提高药物研发成功率和投资回报率。普遍认为，AI制药可以降低一半的研发周期，减少10%的研发投入，成功率还高了4%。一般AI技术在研发过程中的渗透率越高，药物研发的效率越高。

从产业链看，下游以传统药企为主，中游AI药物研发企业将其药物研发阶段的服务直接出售给传统药企，因此传统药企是AI药物研发的直接需求者。截至2022年Q1，全球参与AI药物研发的大型药企超过56家，其中包括逾36家传统药企和20家CRO企业；相关互联网头部企业超31家，AI制药初创企业超495家。参与主体数量的密集增长，本身就是需求牵引的结果。

驱动力二：工具与医药数据集的成熟

产业链上游主要是AI模型数据集供应及云计算平台，其中数据集提供的医药数据是行业的关键竞争壁垒，云计算平台则用于保障底层架构的算力供给。

产业链中游的AI药物研发企业，主要以医药研发外包形式与下游企业合作，在医药数据集的基础上，依托内部的训练工具及AI开发工具等进行模型的搭建和训练；IT企业则通过自建AI药物研发平台及提供算力、计算框架服务方式参与AI药物研发。这一分工意味着，AI医疗提供的模型搭建与训练工具，直接降低了药物研发的试错成本，而医药数据集的积累则让算法真正具备可用性。

需要客观看待的是，AI在药物研发中仍起到相对辅助的作用。浙商证券统计的全球80条获批临床AI药物管线中，运用人工智能发现新靶点的管线仅3条。当前AI+药物设计仍然处于积累训练期。

常见问题

AI制药市场的增长主要由哪几股力量推动？

一是传统药企在新药研发“回本”压力下寻求外包与效率提升，二是AI模型搭建与训练工具降低了试错成本，三是医药数据集与云计算算力持续积累使算法可用性提升。三者叠加，构成了市场扩张的基本盘。

医药数据集为什么被视为关键竞争壁垒？

产业链上游的数据集供应是行业的关键竞争壁垒，中游企业的模型搭建和训练都建立在医药数据集之上。数据的规模与质量直接决定算法能否真正用于靶点确认、化合物筛选等环节，因此数据积累程度往往决定了企业的技术落地能力。

目前AI在药物研发中处于什么阶段？

AI在药物研发中仍起到相对辅助的作用，当前AI+药物设计仍处于积累训练期。从临床管线看，推进到一期和二期的项目占多数，进入三期以及运用AI发现新靶点的管线数量仍然有限，行业整体仍在验证与积累之中。