AI医疗药物发现的需求随创新药研发周期波动，当前整体处于景气度回升通道中的早期阶段。核心逻辑在于：创新药研发投入是AI医疗药物发现需求的根本来源，而AI技术（尤其是生成式AI）在药物发现环节的渗透正在从“可选项”变为“必选项”，研发效率的迫切需求构成了穿越融资周期的结构性支撑。

从需求端看，AI医疗药物发现的下游客户是药企与CXO机构，其需求节奏直接受制于药企的研发预算与外包率。虽然全球生物医药融资环境曾经历寒冬，初创药企的研发预算承压，但AI技术恰恰是压缩研发成本、提高成功率的工具，这使得预算受限的药企反而更有动力引入AI辅助研发。与此同时，大型药企的研发投入保持韧性，CRO行业在已有数据基础上训练生成式语言模型来更好地服务临床，也在持续释放对AI服务的需求。

供需节奏：研发投入周期决定景气度斜率

创新药研发具有长周期、高投入、高风险的特征，这决定了AI药物发现的需求并非线性增长，而是跟随药企研发开支周期波动。当行业处于研发投入扩张期，AI药物发现的需求会同步放大；而当行业收缩时，需求也会滞后承压。当前，AIGC在医疗领域的应用整体还处于起步阶段，成规模的应用主要在聊天机器人领域，而在研发生产制造环节，AI应用更多集中在药物发现环节以及CXO服务领域，这意味着该赛道正处于渗透率快速提升的早中期阶段。

从技术演进看，生成式AI（如生物制药企业构建Transformer等生成式模型来预测结构、发现药物）正在拓宽AI药物发现的能力边界，从辅助分析走向主动生成候选分子，这有望提升单药研发中AI服务的价值量，进而对冲部分周期波动。

产业格局：专业化模型是竞争关键

AI药物发现处于AIGC产业链的下游应用层，其上游依赖基础设施与模型层的能力支撑。值得关注的是，医疗领域容错率低、专业性强，定义明确的高价值工作流程将主要由专门的人工智能系统来解决，通用大模型难以直接满足药物发现场景对准确性、可解释性的严苛要求。因此，高质量、用户反馈和专有数据集成为专业化模型的关键壁垒，能够积累真实研发数据、形成临床反馈闭环的企业，更有可能在竞争中建立优势。

从产业生态看，当前许多应用层创业公司仍处于早期轮次，行业格局尚未固化，这为具备数据与场景优势的参与者留出了发展窗口。

常见问题

融资寒冬是否意味着AI药物发现需求会大幅萎缩？

不会完全萎缩，但结构会分化。初创药企融资困难会压缩其外包预算，对AI药物发现服务形成短期压力；但大型药企为降本增效，对AI辅助研发的采用意愿反而可能提升。整体看，AI技术提高研发效率的迫切需求构成了需求的底部支撑，行业更多呈现结构性分化而非全面萎缩。

如何看待AI药物发现的长期景气度？

长期景气度取决于两个变量：一是全球创新药研发投入的总量增长，二是AI在药物发现环节的渗透率提升。当前AIGC在医疗领域的应用整体仍处于起步阶段，药物发现是其中落地较为集中的环节，渗透率提升的逻辑尚未走完，景气度中枢有望随技术成熟度提升而逐步上移。

生成式AI与传统AI在药物发现中的作用有何不同？

判别式AI擅长基于已有数据的识别与预测，在单一数据集场景中应用效果好；而生成式AI能够生成全新的、潜在的数据样本，更适合药物发现中需要探索未知化学空间、生成候选分子的场景。两者并非替代关系，未来趋势是将判别式与生成式AI算法相结合，以实现更复杂和精细的研发任务。