AI制药宣称缩短一半研发周期，其临床管线数据目前尚不足以直接支撑强议价能力，但正通过商业模式转型逐步构建议价基础。当前全球80条获批临床的AI药物管线中，42条仍处于I期，且首个由AI设计进入临床的分子DSP-1181因未达预期被放弃，说明行业整体仍处于早期积累阶段。AI制药企业的议价能力更多体现在与传统药企的合作模式设计上，而非单纯依赖管线后期数据。
临床管线：早期阶段为主，辅助角色明显
从全球AI药物管线的推进进度看，早期阶段占据绝对主流。数据显示，42条管线推进至I期，29条推进至II期，仅4条推进至III期。从靶点选择上，52条管线已公布靶点，而运用人工智能发现新靶点的管线仅3条，这表明AI在药物研发中仍主要起辅助作用，而非颠覆性替代。
适应症选择上，癌症是AI制药企业的首选方向，占比达66%，其次为遗传性疾病和罕见病（12%）。这一分布与传统药企的研发重心高度重合，意味着AI制药更多是在既有赛道上提升效率，而非开辟全新领域。当前AI+药物设计仍处于积累训练期，管线数据对议价能力的支撑力度有限。
商业模式：从卖软件到卖药的三条路径
AI制药企业面对下游传统药企，主要采用三种商业模式：AI SaaS（售卖软件）、AI CRO（研发服务外包）和AI Biotech（自主研发药物）。其中，SaaS模式主要通过软件订阅收费，但这一模式预计未来会逐渐消失，企业将向AI CRO及AI Biotech转型。
- AI CRO模式：以医药研发外包形式与下游药企合作，提供靶点发现、化合物筛选等服务，收费与项目绑定，议价能力取决于服务效果与口碑积累。
- AI Biotech模式：自主推进管线研发，发展潜力大、市场空间不受限，被视为大部分AI制药企业的最终选择，其议价能力建立在自研管线的临床价值之上。
- AI SaaS模式：售卖软件工具，门槛相对较低，但同质化竞争激烈，难以形成持续议价优势。
产业链中，传统药企是AI药物研发的直接需求者，中游企业将药物研发阶段的服务直接出售给药企。这种供需关系下，AI制药企业的议价能力更多取决于能否在具体环节中证明降本增效的实际价值。
议价能力的真正来源：差异化临床价值
现阶段，大部分创新型AI药企初期均走技术服务路线，利用算法平台为大药企提供靶点发现、化合物筛选等服务，且以小分子药物为主。但行业共识正在形成：开发具有差异化临床价值的产品比AI技术本身更重要。
当前正处于CADD（计算机辅助药物设计）向AIDD（AI驱动药物研发）转型的过程中，选择确定性更高的AI应用场景，针对未满足的临床需求选择有潜力的适应症和靶点进行开发，更有益于AI Biotech的商业化发展。此外，已有公司开始探索将AI应用于成本更高的临床阶段，如通过医疗记录和患者病理信息匹配临床试验受试者，或利用公开临床数据预判试验成功率。这些延伸应用有望成为AI制药企业未来议价能力的新支撑点。
常见问题
AI制药宣称的“缩短一半研发周期”是否可靠？
这一说法属于行业普遍认知，即AI技术可缩短研发周期、降低研发投入并提高成功率。但从实际管线进展看，多数项目仍停留在早期临床阶段，首个AI设计分子也遭遇失败，说明宣称的效率优势尚未在后期临床和大规模商业化中得到充分验证。
AI制药企业如何向传统药企收费？
主要通过AI SaaS（软件订阅）、AI CRO（研发服务外包）和AI Biotech（自主开发药物）三种模式。其中SaaS模式预计将逐渐减少，企业更多转向服务收费和自主管线开发的组合，以提升商业模式的可持续性。
AI制药企业的议价能力何时能真正增强？
关键在于能否产出具有差异化临床价值的后期管线数据。当前AI在药物研发中仍以辅助角色为主，新靶点发现管线仅3条。未来若能在III期临床及上市阶段取得突破，或通过AI解决患者招募、试验成功率预判等实际痛点，议价能力将获得实质性提升。