AI医疗药物发现服务的成本高度集中在算力基础设施、优质数据获取与跨学科人才三大要素上，而AI制药公司的盈利路径则依商业模式不同而分化，主要分为软件服务收费、研发服务（CRO）和自研管线三种。核心结论是：AI药物发现前期研发投入巨大，收入高度依赖项目里程碑或销售分成，不同环节的玩家盈利逻辑差异显著。
成本结构的核心构成
AI药物发现并非单纯的软件生意，其成本本质上由 “基础设施—模型—人才” 三层堆叠而成。
- 算力与基础设施：生成式模型的训练与推理依赖大规模智算平台，这属于AIGC产业链上游的基础设施投入，是持续性的刚性支出。
- 高质量数据资产：医疗领域高度专业化且容错率低，模型效果高度依赖高质量、专有的数据集。数据的采集、清洗与标注成本往往被低估，却是决定模型质量的关键。
- 跨学科人才团队：既懂AI算法又懂药物研发的复合型人才稀缺，人力成本构成了研发费用的重要部分。
从产业链分工看，基础层与模型层的搭建具备显著规模效应，更适合大厂与平台型公司投入；而应用层的创新探索则是创业公司的主要方向，但该领域仍面临诸多待解决问题。
盈利模式的多元分化
当前AI制药公司的盈利模式并非单一，主要沿三条路径分化：
| 商业模式 | 核心逻辑 | 适用主体 |
|---|---|---|
| 软件/SaaS订阅 | 将AI平台或工具以订阅制授权给药企，收入相对稳定但天花板受限于客户IT预算 | 具备成熟产品化能力的平台型公司 |
| CRO研发服务 | 按项目收取预付款，并在临床前或临床各阶段达成里程碑后获得分成 | 多数AI制药初创公司 |
| 自研管线 | 推进自有药物管线至临床后期，寻求对外授权（License-out）或上市销售，收益最高但周期最长、风险最大 | 具备资金实力的头部玩家 |
需要指出的是，目前AIGC在医疗领域的应用整体仍处于起步阶段，成规模的应用主要集中在聊天机器人领域。在药物发现环节，AI更多是作为研发生产的辅助工具嵌入现有流程。由于新药研发周期长、失败风险高，多数AI制药公司的收入仍依赖前两种模式维持现金流，而自研管线的价值释放需要较长的等待周期。
常见问题
AI制药是轻资产模式吗？
并非轻资产。 尽管软件边际成本低，但前期需要持续投入巨额研发费用用于算力租赁、数据治理与人才招聘。尤其是医疗领域容错率极低，模型的迭代优化需要大量高质量临床数据反馈，这决定了其前期投入具有高壁垒、长周期的特征。
为什么投资人对AI医疗应用持观望态度？
核心在于应用层创新尚未跑通可持续的盈利闭环。 一方面，通用大模型通过插件构建生态，对纯应用层创业企业形成挑战；另一方面，医疗领域需要高质量的专业化模型，而专业化模型的打磨依赖用户反馈与专有数据集的积累，这些都需要时间验证。因此，许多应用层公司仍处于早期融资轮次。
创业公司在AI制药中还有机会吗？
机会主要在垂直领域的专业化应用层。 基础模型层适合有规模效应的大厂投入，而创业公司可将通用模型进行实质性专业化改造，聚焦定义明确的高价值工作流程。在医疗这一高价值场景中，专有数据与临床反馈是构建护城河的关键。