AI医疗商业模式正在发生值得关注的转向：从AI制药（AIDD）的漫长药物研发流程，走向酶工程/蛋白质工程的优化服务，价值分配方式也随之从“卖药分成”变为“按项目收费”的技术服务模式。这一转变的核心逻辑在于，AI在药物发现上的作用目前仍局限在速度和成本上，而非决策质量，而酶工程则能提供“稳定性和活性优化”这类明确交付物，让技术服务的价值更容易被衡量和兑现。
从AIDD到酶工程：为何转向
AI制药面临的根本矛盾在于“AI的快”和“制药的慢”难以调和。药品研发是极度漫长严谨的过程，在第一个AIDD药物跑完全程之前，无论是科学界还是资本市场都很难完全承认AIDD。相比之下，蛋白质工程要解决的是更聚焦的问题：天然蛋白质经过自然选择，在性能、稳定性、活性、特异性上已很优秀，但工业或医药应用场景的环境要求不同，需要通过序列突变（如将5-20个氨基酸替换）来优化其在真实应用环境中的表现。这种优化主要在稳定性、结合力、亲和力、催化活性、底物选择性等方面展开，成果可量化、可验证。
技术服务如何重塑价值分配
酶工程服务的商业模式之所以可行，关键在于交付物明确。AI通过学习已有蛋白质序列，可以设计出与自然界不存在但具备类似功能的蛋白，且序列相似度可低于30%。以GPT为代表的大模型在蛋白质设计上展现出强大能力——例如利用深海耐高温蛋白数据训练模型，即可设计出具备耐高温特性的目标蛋白。这种能力让AI企业能够以项目制方式，为客户提供明确的蛋白质优化交付成果，按项目收费的价值分配方式因此变得顺理成章。
| 维度 | AIDD药物研发 | 酶工程/蛋白质工程服务 |
|---|---|---|
| 交付物 | 药物候选分子（周期长、风险高） | 优化后的蛋白质（稳定性、活性等） |
| 价值衡量 | 依赖临床终点，反馈周期长 | 应用环境中的性能指标，可即时验证 |
| 收费模式 | 依赖药物上市后分成 | 按项目收取技术服务费 |
常见问题
AI在酶工程中的优势是什么？
AI进行蛋白质设计的逻辑与人类不同，有时找到的优化点位会违背人类直觉，却能提高蛋白质的稳定性。人类通过经验总结的规律往往只有相关性而非因果性，而深度学习用高维向量描述蛋白质特征，有可能抓住更本质的因素。
酶工程服务适合哪些客户？
需要蛋白质在特定工业或医药应用环境中达到最优性能的企业，例如需要提高酶的热稳定性、催化活性或底物选择性的生产方。这类客户对明确的性能优化目标有清晰需求，适合以项目制方式合作。
这种商业模式是否意味着AI制药前景黯淡？
并非如此。AI制药的前景依然值得期待，随着算法更新、算力突破及大数据发展，AI技术将深入应用到新药研发的各个环节。只是现阶段，酶工程服务提供了更早兑现价值的路径，而AIDD的价值仍需等待首个完整流程的验证。