在全球AI药物研发的80条获批临床管线中，国产管线的自主可控程度呈现“两端自主、中间依赖”的格局：在靶点发现、分子生成、化合物筛选等核心算法应用环节，国产AI医疗平台已具备较强的自主研发能力；但在底层晶体结构预测、高性能计算集群以及冷冻电镜等高端实验设备方面，仍较大程度依赖外部供给。

国产AI医疗的自主能力版图

从产业链视角看，国内AI制药市场的参与者主要包括药企、CRO和互联网公司三类，商业模式上分为AI SaaS（售卖软件）、AI CRO（售卖服务）和AI Biotech（研发药物）三种。在产业链中游，国内AI药物研发企业依托自建的训练工具及AI开发工具进行模型搭建和训练，在靶点确认、分子生成、化合物筛选、ADMET性质检测等药物研发关键环节已形成自主技术能力。

尤其在AI SaaS和AI CRO模式下，国产平台以自研算法为核心，为传统药企提供靶点发现与化合物筛选服务，技术路线以小分子药物为主。这意味着在算法框架和软件工具层面，国产替代已取得实质性进展。

上游依赖与瓶颈

自主可控的短板主要集中在产业链上游。AI药物研发高度依赖两大基础资源：医药数据集和云计算算力。其中，高质量医药数据是行业的关键竞争壁垒，而云计算平台则用于保障底层架构的算力供给。目前，国产平台在数据积累的丰富度和算力基础设施的自主性上，仍与国际头部水平存在差距。

此外，AI药物研发所必需的冷冻电镜等高端实验设备，以及晶体结构预测所依赖的底层技术，同样受制于外部供给。这些上游环节的依赖性，构成了国产AI医疗自主可控的主要瓶颈。

客观认识当前阶段

需要指出的是，全球AI药物研发整体仍处于积累训练期。以全球80条获批临床的AI药物管线为参照：从推进进度看，42条推进至I期，29条推进至II期，4条推进至III期；从靶点选择看，运用人工智能发现新靶点的管线仅3条，说明AI在药物研发中仍主要起到辅助作用。国产管线同样处于这一行业大背景之下，自主可控的评估需结合行业整体发展阶段理性看待。

常见问题

国产AI医疗在哪些环节自主可控程度较高？

在靶点发现、分子生成、化合物筛选等算法应用环节，以及AI SaaS、AI CRO等商业模式的软件与服务层面，国产平台已具备自主研发能力，自主可控程度较高。

国产AI医疗自主可控的主要瓶颈在哪里？

主要瓶颈集中在产业链上游，包括医药数据集的积累厚度、云计算算力的自主供给，以及冷冻电镜等高端实验设备和晶体结构预测等底层技术的对外依赖。

如何评估国产AI医疗的自主可控进展？

应结合行业整体发展阶段评估。全球AI药物研发仍处于积累训练期，AI在药物研发中主要起辅助作用，国产管线的自主可控水平也相应处于“核心环节自主、底层依赖外部”的过渡阶段。