第一个由 AI 设计的分子 DSP-1181 在临床阶段未达预期、被日本住友放弃，这一标志性挫折并未否定 AI 制药的长期价值，而是将行业审视的焦点从“技术能不能跑通”转向“商业模式如何承载价值”。结合约投顾对 AI 医疗产业链的观察，当前 AI+新药企业的商业模式主要分为 AI SaaS（卖软件）、AI CRO（卖服务）和 AI Biotech（研发药物）三类，它们的价值分配逻辑截然不同。资料显示，AI Biotech 因市场空间不受限，预计将成为大部分 AI+新药企业的转型方向；而 DSP-1181 的教训则警示：开发具有差异化临床价值的产品，比 AI 技术本身更重要。

从 DSP-1181 看 AI 制药的“时候未到”

DSP-1181 是第一个由 AI 设计并进入临床的分子，其挫折常被外界解读为“AI 制药不行”。但更准确的判断是：AI 药物研发仍处于积累训练期。从全球已获批临床的 AI 药物管线看，大部分项目仍停留在临床早期阶段，且运用 AI 发现全新靶点的管线占比极低，说明 AI 在药物研发中仍主要起辅助作用。这与 AI 制药宣称的“降低一半研发周期、减少 10% 研发投入、成功率提高 4%”的理论优势形成对比——理论预期与现实推进之间存在明显时间差。

三类商业模式的价值分配差异

AI+新药企业的商业模式各有其价值捕获路径，下表梳理了三类模式的核心差异：

模式价值载体市场空间特征
AI SaaS软件订阅受限于客户 IT 预算，天花板较低
AI CRO研发外包服务类似传统 CRO，最终或形成巨头垄断格局
AI Biotech自研药物权益市场空间不受限，潜力最大

资料显示，AI SaaS 这类纯软件服务模式预计未来会逐渐消失，企业将向 AI CRO 与 AI Biotech 转型。AI CRO 的发展路径与传统生物医药领域的 CRO 类似，最终会形成几家巨头占领大部分市场资源的格局；而 AI Biotech 因整体市场空间不受限，会成为大部分 AI+新药企业的选择。

未来机遇：差异化临床价值优先

对 AI 制药企业而言，单纯比拼算法精度已不足以构筑壁垒。现阶段正处于 CADD（计算机辅助药物设计）向 AIDD（AI 驱动药物研发）转型的过程中，选择确定性更高的 AI 应用场景，针对未满足的临床需求选择有潜力的适应症、靶点进行药物开发，会更有利于 AI Biotech 的商业化发展。

除了聚焦临床前的药物发现，已有公司开始探索将 AI 应用于成本更高的临床阶段，例如利用算法匹配受试患者、评估临床试验成功率等。这些探索说明，AI 在制药产业链中的价值锚点正在从“发现分子”向“降低临床风险”延伸——而这恰恰是 DSP-1181 案例留下的最深刻启示：AI 的价值不在于设计出分子，而在于设计出能通过临床考验的药物。

常见问题

DSP-1181 的失败是否意味着 AI 制药技术路线走不通？

不是。DSP-1181 的失败更多反映的是整个行业仍处于积累训练期。全球已获批临床的 AI 药物管线中，大部分仍停留在早期阶段，且 AI 目前更多起辅助作用。此次挫折促使行业重新评估技术预期与商业模式的匹配度，而非否定 AI 在药物研发中的应用价值。

AI SaaS、AI CRO、AI Biotech 哪种模式最有前景？

资料显示，AI Biotech 因市场空间不受限，预计会成为大部分 AI+新药企业的选择；AI CRO 则会走向巨头集中的格局；纯软件模式的 AI SaaS 预计将逐渐消失，企业会向另外两种模式转型。

AI 制药企业当前最应该关注什么？

开发具有差异化临床价值的产品比 AI 技术本身更重要。与其追求算法上的炫技，不如选择确定性更高的应用场景，针对未满足的临床需求选择有潜力的适应症和靶点进行开发，这样才更有利于商业化的落地。