在AI医疗商业模式尚未验证的阶段，药物发现环节的价值分配之所以偏向数据和算力方，核心原因在于AI在药物发现上的作用仍局限在速度和成本上，而不是决策质量，而决策质量的提升恰恰依赖于稀缺的高质量生物医学数据与强大算力。因此，在盈利模式跑通之前，产业链的价值自然向掌握数据和算力资源的环节倾斜，而非算法公司或药企。

数据与算力：当前阶段的核心壁垒

药物开发领域虽然积累了海量信息，但高质量的生物医学数据缺乏，数据孤岛是一直难解决的问题。AI的本质是复制并优化人类经验，如果人类对生物和化学的理解尚不充分，就很难让AI去操作。药物研发所需的湿实验数据、临床反馈数据积累成本高、速度慢、反馈周期太长，这使得拥有这些数据的机构在产业链中占据稀缺地位。同时，无论是小分子药物发现还是蛋白质结构预测，算力都是支撑大模型训练与推理的基础投入，算力成本因此成为价值分配中的重要考量项。

算法公司议价能力弱，药企主导分配

当前AI药物研发处于发展初期，技术上面临着数据、算法和专业人才方面的挑战。在药物发现环节，AI企业的价值主要体现在速度和成本的优化上，而非对研发决策质量的根本性改变。由于AI方法在缺少标签的数据集中很难发挥作用，算法公司对药企的依赖度较高，而药企作为数据和临床终点的持有方，在合作中占据主导分配权。此外，药物研发是一个极度漫长严谨的过程，AI的快和制药的慢存在不可调和的矛盾，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，这进一步削弱了算法公司的议价地位。

商业模式难短期跑通的原因

AI制药的商业模式之所以难以短期验证，根源在于反馈周期长、数据积累成本高。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，这一过程决定了订阅制或里程碑付费等模式难以在短期内形成稳定的现金流闭环。订阅制依赖客户持续付费，但AI在决策质量上的贡献尚未被充分证实，药企难以据此给出高溢价；里程碑付费则受制于药物研发本身的长周期和高失败率，回款节奏缓慢。因此，在AI技术尚不能为药物研发的效率和成功率带来革命性改变之前，价值分配将继续向数据壁垒和算力基础设施倾斜。

常见问题

AI制药的价值会永远偏向数据和算力方吗？

不会。当前偏向数据与算力方，是因为AI在药物发现上的作用仍局限在速度和成本层面，而非决策质量。未来随着算法的更新、算力的突破及大数据的发展，AI技术将深入应用到新药研发的各个环节，在化合物合成、药效预测及自动化研发等阶段扮演越来越重要的角色，届时价值分配格局可能发生改变。

为什么算法公司不能凭借技术获得更高议价权？

因为算法公司面临的数据瓶颈尚未解决。AI方法在缺少标签的数据集中很难发挥作用，而高质量生物医学数据缺乏、数据孤岛难解决，使得算法公司高度依赖数据提供方和药企的临床资源。同时，AI在决策质量上的贡献尚未被验证，药企自然掌握主导分配权。

订阅制和里程碑付费为何难以短期跑通？

两者都受制于药物研发的长反馈周期。订阅制需要客户持续认可AI的增量价值，但目前AI更多是提效工具而非决策引擎；里程碑付费则依赖药物研发的成功节点，而药物研发本身极度漫长严谨，在第一个AIDD药物跑完全程之前，资本市场和科学界都难以完全承认其价值，导致付费模式难以形成稳定闭环。