AI 医疗在药物发现环节的降本效应，目前主要停留在速度与成本层面，尚未转化为对研发决策质量的替代；正因如此，产业链的议价权并未简单随成本下降而转移，反而向掌握跨学科能力的复合型人才倾斜。 药物研发整体仍处于 AI 应用的探索阶段，数据积累成本高、速度慢、反馈周期长，这使得"人"在经验判断与数据解释上的作用短期内难以被替代，复合型人才因此处于相对有利的议价位置。
降本为何传导不畅
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。药物开发距离广泛引进 AI 的阶段仍有较长距离：行业经验难以被完整量化，高质量生物医学数据缺乏、数据孤岛长期存在，且从细胞体系到小动物模型再到人类个体，反馈周期太长。
这意味着成本下降更多发生在局部环节，而非整条研发链条。AIDD 的困难在于，药品研发是极度漫长严谨的过程，AI 的快与制药的慢存在难以调和的矛盾；在首个 AIDD 药物跑完全程之前，科学界与资本市场都很难完全承认它。降本效应因此难以顺畅传导为产业链整体的价格重构。
议价能力落在谁手里
在数据、算法和专业人才三方面挑战中，人才是连接前两者的关键。行业经验要能被量化、被定义成算法，前提是有人既懂生物医学、又懂数据与算法——这类跨学科能力目前稀缺。
在蛋白质设计方面，以 GPT 为代表的大模型已展现出强大能力，AI 甚至能找到违背人类直觉却有效的设计点位。但这也说明，判断"什么是有价值的结果"仍需专业经验介入。掌握跨学科能力、能把行业经验转化为可计算问题的人才，在产业链议价中处于相对有利位置。
常见问题
AI 医疗降本会让研发人才贬值吗？
不会简单如此。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，数据积累成本高、反馈周期长的问题依然存在。能够衔接生物医学与算法、解释高维数据结果的人才，反而更为稀缺。
为什么降本没有直接压低产业链价格？
药物研发整体仍处于探索阶段，商业模式需要市场进一步验证。AI 的快与制药的慢存在矛盾，成本优势集中在部分环节，难以在短期内重塑整条链条的定价逻辑。
复合型人才的议价优势能持续多久？
这取决于行业经验被数据化的进度。当前高质量生物医学数据缺乏、数据孤岛难解，经验量化尚不充分，人的判断仍不可替代；随着数据与算法条件成熟，这一格局可能演变，需以行业实际进展为准。