AI 制药的商业模式中，价值分配正显著向临床端倾斜。核心原因在于，当前 AI 在药物发现中的作用仍局限在速度和成本上，而不是决策的质量——其依赖的替代量度（如靶点活性）与药物的有效性、安全性数据存在差距，导致早期筛选的价值权重低于后续临床验证环节。
替代量度：AI 制药的价值瓶颈
AI 在药物发现阶段的主要贡献是加速靶点识别和化合物筛选，但这一过程高度依赖“替代量度”（如配体-蛋白质活性、靶点结合力等），而非直接衡量药物在人体中的有效性或安全性。官方资料指出，将“配体-蛋白质活性、靶点识别以及 PK 性质等进行综合考虑，依然是所面临的一大挑战”。这意味着，AI 筛选出的候选分子，其真正的临床价值必须通过漫长的动物实验和人体临床试验才能验证。
由于生物系统内在的复杂性和疾病异质性，AI 技术目前“尚不能为药物研发的效率和成功率带来革命性改变”。早期筛选阶段输出的只是“候选种子”，而非“成熟果实”，这决定了其在产业链中的议价能力相对有限。
商业模式：从卖软件到利润分成
当前 AI 制药企业的商业模式主要有以下几种，其价值分配逻辑截然不同：
| 模式 | 价值重心 | 临床端权重 |
|---|---|---|
| 单纯软件/平台授权 | 早期算法能力 | 低 |
| 里程碑付费 | 阶段性成果（如临床前候选化合物） | 中 |
| 利润分成（销售分成） | 最终获批上市药物的销售额 | 高 |
从商业逻辑看，临床阶段的价值权重必然高于早期筛选。一个药物是否“好药”，只有通过临床试验的“正负反馈”才能最终判定——而这一反馈周期极长、成本极高。因此，能承担临床风险并分享最终销售分成的模式，往往能获得更大的价值分配。正如资料所述，“一个药物是否真正有效……只有通过实验、临床反馈来积累经验和数据”，而临床数据正是驱动 AI 模型迭代、提升决策质量的关键。
常见问题
AI 能替代临床实验吗？
不能。目前 AI 在药物发现上的作用“仍局限在速度和成本上”，无法替代临床试验对有效性和安全性的最终验证。临床数据仍是判断药物价值的“金标准”。
哪种商业模式对 AI 制药企业最有利？
利润分成模式最有利，因为它将企业利益与药物最终获批上市后的销售表现绑定。但这也意味着企业需要承担更长的回报周期和更高的不确定性。
蛋白质设计领域的情况有何不同？
在蛋白质设计领域，AI 的能力已“完全碾压了人类”，能够设计出自然界不存在但具备特定功能（如耐高温）的蛋白质。这一领域的数据更易获取、反馈周期更短，商业模式的临床依赖性相对较低。