用 AI ready 三标准衡量，AI 制药正处于“数据与经验尚未完备、但算法能力已率先突破”的过渡期，这直接决定了企业的商业模式选择：在传统小分子药物发现环节，AI 的价值仍集中在提效降本，商业模式以 SaaS 工具授权和里程碑付款为主；而在蛋白质工程等“人类经验不足”的环节，AI 展现出更强的价值创造能力，价值分配将更多向算法能力方倾斜。
判断一个行业是否“AI ready”，需要同时满足三个条件：行业积累了丰富的人类经验、经验能被量化并定义成算法、经验有清晰的好坏分级。对照这三条标准，传统药物开发领域距离广泛引入 AI 仍有距离：人类对蛋白质功能、细胞信号通路的理解仍很有限，高质量生物医学数据缺乏且存在数据孤岛，药物从细胞实验到临床的反馈周期过长且成本高昂。因此，目前 AI 在药物发现上的作用仍局限在速度和成本上，而不是决策的质量，企业商业模式也需要市场进一步验证。
商业模式：从“卖工具”到“共担风险”
在药物发现与临床前研究阶段，AI 制药企业的变现路径主要有三种，各自的价值捕获方式不同：
| 模式 | 价值捕获方式 | 特点 |
|---|---|---|
| SaaS 工具授权 | 按使用付费，收入稳定 | 壁垒较低，价值与算法能力直接挂钩 |
| 里程碑付款 | 按研发节点分期付费 | 与药企共担风险，回报周期长 |
| 股权参与 | 以技术入股分享远期收益 | 潜在回报最高，但不确定性最大 |
当前 AI 制药整体仍处于探索阶段，受生物系统内在复杂性和疾病异质性制约，AI 技术尚不能为药物研发的效率和成功率带来革命性改变。因此，纯粹的“卖软件”模式难以支撑高估值，而纯里程碑模式又面临现金流压力，多数企业需要在不同模式间寻求组合。
价值分配：数据、算法与实验能力的三方博弈
AI 医疗的价值分配，本质上是数据持有方、算法提供方与实验能力持有方之间的博弈。在人类经验积累不足的环节，AI 公司的议价能力受限，价值更多流向数据与实验能力持有方——因为 AI 的本质是复制并优化人类经验，如果人类对生物和化学的理解尚不充分，AI 就难以独立创造价值。
蛋白质工程：AI 价值创造的新高地
与传统小分子药物研发不同，蛋白质工程是 AI 已展现更强价值创造能力的领域。AlphaFold 2 解决了蛋白结构预测问题，达到了与实验相当的精度，并启发了基于深度学习的蛋白质设计新方法。在蛋白质设计方面，以 GPT 为代表的大模型已展现出超越人类经验的能力——AI 能够设计出与自然界序列相似度低于 30% 但具备类似功能的蛋白质，甚至能找到违背人类直觉但能提升稳定性的突变位点。
这是因为在生物医学这类学科中，人类提取的低维特征不足以完备描述复杂现象，而 AI 大模型提取的高维向量可能抓住更本质的因素。在这一领域，AI 制药的商业模式可能更早成熟，因为 AI 不是简单复制人类经验，而是直接创造了人类经验之外的新知识。
常见问题
AI ready 三标准对 AI 制药意味着什么？
意味着传统小分子药物研发尚未达到广泛引入 AI 的阶段：人类经验不足、数据难以量化、反馈周期过长。但蛋白质工程领域因 AlphaFold 2 的突破，已率先展现出“AI ready”的潜力，商业模式可能更早成熟。
AI 制药企业目前最可行的变现方式是什么？
官方资料指出，AI 在药物发现上的作用仍局限在速度和成本上，而非决策质量，企业商业模式需要市场进一步验证。SaaS 工具授权、里程碑付款和股权参与各有不同的价值捕获方式，企业需根据自身算法能力与数据资源选择组合。
AI 会取代药企和 CRO 吗？
不会。在人类经验积累不足的环节，AI 公司的议价能力受限，价值更多流向数据与实验能力持有方。AI 的价值在于复制并优化人类经验，在经验不足的领域，数据持有方和实验能力方仍掌握核心话语权。