从1966年计算机首次实现蛋白质结构可视化，到1981年《财富》杂志宣告计算机辅助药物设计（CADD）是“下一次工业革命”，再到AI设计药物DSP-1181在临床阶段被放弃，AI医疗的演进始终伴随着期望与现实的落差。AI制药并非新事物，其关键拐点并非技术突破本身，而是每一次“技术狂热”与“临床现实”碰撞后，行业对AI辅助药物研发价值重估的过程。

从CADD到AIDD：两次期望的轮回

AI制药的起点可追溯至1956年达特茅斯会议提出人工智能概念之后。1966年，赛勒斯·利文索尔将计算机模拟与分子图像结合，实现蛋白质和核酸结构可视化，这标志着计算机辅助药物设计（CADD）的正式开始。到1981年，《财富》杂志宣称CADD是“下一次工业革命”，市场热情在2000年“生物技术泡沫”崩溃前达到高潮。

然而，泡沫破裂后人们发现，虽然早期期望并未全部实现，但CADD已成为药物研发的常规操作——微芯生物的西达本胺正是CADD应用的典型成果。这段历史揭示了一个规律：技术从“革命宣言”到“常规工具”之间，往往隔着一次泡沫与理性的再平衡。

资本热潮与临床现实的背离

进入AI制药（AIDD）时代，资本热情再度高涨。根据智药局不完全统计，2022年AI制药赛道融资事件达144起，同比增长97%，总金额为62.02亿美元，同比增长47.67%。其中，美国AI初创公司吸纳了市场上绝大部分资金，占总融资额的77%。

但现实的冷水很快泼下：第一个由AI设计进入临床的分子DSP-1181，因未达预期被日本住友放弃。与此同时，浙商证券统计的全球80条获批临床AI药物管线显示，推进至III期的仅4条，运用AI发现新靶点的管线仅3条。融资额创新高与临床转化率有限的背离，构成了当前AI医疗最显著的结构性拐点特征。

行业共识：从技术神话到辅助定位

当前阶段，行业对AI制药的定位正趋于理性。浙商证券数据显示，在已公布的管线靶点中，AI更多承担辅助角色而非颠覆者。传统药企仍是AI药物研发的直接需求者，产业链下游以传统药企为主。业内普遍认为，AI技术可缩短研发周期、降低研发投入，但“AI制药可以降低一半研发周期”等说法更多反映的是行业预期而非已实现的普遍现实。

从商业模式看，AI制药企业正从单一的AI SaaS模式向AI CRO和AI Biotech转型。开发具有差异化临床价值的产品比AI技术本身更重要，已成为行业共识。AI制药仍处于积累训练期，其价值验证需要跨越临床阶段的漫长周期。

常见问题

AI制药和传统制药的核心区别是什么？

AI制药将机器学习、自然语言处理及大数据技术应用于靶点发现、化合物筛选、ADMET性质检测等环节，理论上可缩短研发周期并降低临床失败概率。但当前AI在药物研发中仍主要起辅助作用，尤其在靶点发现环节，运用AI发现新靶点的管线占比仍然有限。

DSP-1181的失败是否意味着AIDD路线不可行？

DSP-1181作为首个由AI设计进入临床的分子被放弃，确实为AIDD热潮降温，但这更多说明单一案例不能验证或否定整个技术路线。历史上CADD也曾经历期望落空，最终仍成为常规研发工具。当前AI药物管线多处于临床早期，其价值判断需等待后续临床数据验证。

如何看待AI制药领域的高额融资与低临床转化率？

2022年AI制药赛道融资总额达62.02亿美元，创下阶段新高，但全球80条获批临床的AI药物管线中，仅4条推进至III期。这种背离反映了资本对长期技术价值的认可与短期临床验证时滞之间的张力。行业正处于CADD向AIDD转型的积累期，临床转化效率的提升仍需时间。