AI制药通过将机器学习、自然语言处理及大数据等技术应用于药物研发各环节，普遍认为可降低一半研发周期、减少10%的研发投入，并提升约4%的成功率。 这一效率变革正推动行业成本结构从以实验室人力与试验为主，转向算力、数据与模型训练，盈利模式也从单一的项目收费向软件订阅、服务分成与自研管线并存的多元格局演变。
成本结构：算力与数据成为新重心
传统制药研发成本主要集中在实验室的化合物合成、筛选及长周期的临床试验。而AI制药的介入，将早期研发的重心转移至上游的数据集供应与云计算平台——其中，医药数据是行业的关键竞争壁垒，云计算平台则保障底层架构的算力供给。
这意味着，AI制药企业的成本构成中，高质量训练数据的获取与清洗、模型训练所需的算力消耗，以及AI开发工具的搭建，取代了部分传统湿实验投入。不过，行业仍处于积累训练期：据浙商证券统计，全球80条获批临床的AI药物管线中，运用人工智能发现新靶点的管线仅3条，AI在药物研发中仍主要起辅助作用，临床阶段的巨额试验成本依然存在。
盈利模式：从卖软件到做药
当前国内AI制药市场的主要参与者包括药企、CRO和互联网公司，对应AI SaaS（售卖软件）、AI CRO（售卖服务）和AI Biotech（研发药物） 三类商业模式。从演变趋势看，纯SaaS软件服务模式预计会逐渐消失，企业将更多向AI CRO与AI Biotech转型。其中，AI Biotech因发展潜力大、市场空间不受限，将成为多数企业的选择；而AI CRO则可能像传统CRO领域一样，最终形成几家巨头占据主要市场的格局。
在具体实践上，多数创新型AI药企初期以技术服务路线为主，利用自建药物预测平台为大药企提供靶点发现、化合物筛选等服务，目前以小分子药物为主。同时，已有公司开始探索将AI应用于成本更高的临床阶段，如通过匹配医疗记录与受试药物信息协助患者招募，或基于公开临床数据预测试验成功率——这为盈利模式开辟了从“按项目收费”向“按里程碑或价值分成”演进的想象空间。
常见问题
AI制药真的能降低10%研发投入吗？
这是行业普遍认可的效率参考值，即AI制药可降低一半研发周期、减少10%研发投入，并提高约4%的成功率。但需注意，这是行业整体估算口径，具体项目的降本幅度取决于AI技术在研发流程中的渗透率，渗透率越高、效率提升越明显。
算力成本在AI制药中占多大比重？
官方资料未公布具体占比。可以确定的是，云计算平台用于保障底层算力供给，是产业链上游的关键环节之一，算力与数据已成为AI制药企业成本结构的重要组成部分，但具体数值需以企业披露或第三方测算为准。
AI制药企业未来主要靠什么赚钱？
预计将转向AI CRO与AI Biotech两类模式：前者通过提供药物研发外包服务收费，后者则直接持有自研管线、以药物上市后的销售或授权收益变现。纯软件订阅模式（AI SaaS）预计会逐渐萎缩。