AI医疗80条临床管线多数停在早期，行业面临的不确定性主要来自临床转化失败、监管审评尺度、数据质量与商业化路径尚未验证四个方面。浙商证券统计的全球80条获批临床的AI药物管线中，42条推进到I期，29条推进到II期，仅4条推进至III期——从占比看，I期占32.5%，III期仅5.0%。管线越往后越稀疏，说明行业整体仍处于早期积累阶段，风险主要集中在中后期的疗效验证与落地环节。
临床转化：从计算优势到真实疗效的鸿沟
AI制药的核心逻辑是用算法缩短研发周期、降低临床失败概率，但临床前的模型表现并不等于临床上的真实疗效。第一个由AI设计进入临床的分子DSP-1181，就因未达预期而被日本住友放弃，这被业内视为AI制药遭遇现实挫折的标志性案例。浙商证券统计的80条管线中，运用人工智能发现新靶点的管线仅3条，已公布靶点的52条管线中，AI更多仍扮演辅助角色而非颠覆者。从适应症看，癌症占66.0%，遗传性疾病和罕见病占12.0%，与传统的药物研发路径并无本质差异——说明AI目前优化的是效率，而非改变风险结构。
监管与数据：审评尺度与数据质量的双重考验
AI辅助药物研发的监管审评存在不确定性。一方面，监管机构对AI生成或辅助证据的接受度仍在探索中，审评标准尚未完全明确；另一方面，AI模型依赖的数据集供应是行业的关键竞争壁垒，数据质量直接决定模型输出的可靠性。产业链上游的数据集供应与云计算平台构成底层支撑，但数据的完整性、标注一致性及隐私合规等问题，都会影响AI辅助结论能否被监管采信。此外，临床试验本身是新药研发中耗时最久、资金花费最高、最容易出问题的环节——近三分之一的III期临床因患者招募问题而失败，AI介入患者招募与成功率评估尚属探索阶段，其有效性仍需更多验证。
商业化：模式尚未跑通，转型方向初现
当前国内AI制药市场的主要参与者包括药企、CRO和互联网公司，商业模式分为AI SaaS（售卖软件）、AI CRO（售卖服务）和AI Biotech（研发药物）三类。结合市场环境，预计AI SaaS模式未来会逐渐消失，企业将向AI CRO及AI Biotech转型。其中AI Biotech因发展潜力大、市场空间不受限，可能成为多数企业的选择；而AI CRO则可能像传统CRO领域一样，最终形成几家巨头占据大部分市场的格局。但需要指出的是，商业化路径尚未被充分验证——大多数创新型AI药企初期以技术服务路线为主，为大药企提供靶点发现、化合物筛选等服务，且以小分子药物为主，大分子领域仍存在机遇。开发具有差异化临床价值的产品，比AI技术本身更重要。
常见问题
AI医疗80条管线中，为什么III期只有4条？
III期临床试验投入巨大、周期长、失败风险高，且对疗效证据的要求极为严格。80条管线中仅4条推进至III期（占比5.0%），说明绝大多数候选药物在早期阶段就因各种原因未能继续推进，行业整体仍处于“积累训练期”，距离成熟商业化还有较长距离。
监管对AI制药的态度是怎样的？
监管审评对AI辅助证据的接受度仍在探索中，尚未形成完全明确的统一标准。AI模型依赖的数据质量、算法可解释性以及临床验证的严谨性，都是监管审评关注的重点。行业普遍认为，随着审评经验的积累，规则会逐步清晰，但当前阶段的不确定性仍然较高。
AI制药的商业化模式哪种更可行？
目前主要有AI SaaS、AI CRO和AI Biotech三种模式。行业趋势判断认为，AI SaaS模式未来会逐渐消失，企业将向AI CRO和AI Biotech转型。AI Biotech因发展潜力和市场空间更大，可能成为多数企业的选择，但商业化路径尚未被充分验证，仍需观察后续实际运营表现。