首个由AI设计并进入临床试验的分子DSP-1181因未达预期而被放弃，这一标志性事件为AI医疗行业敲响了警钟。DSP-1181的失败表明，AI制药在技术成熟度、商业模式可持续性以及数据获取等方面仍面临显著风险，行业估值与实质产出之间存在脱节的可能性。
技术风险：AI分子设计成功率仍待验证
DSP-1181的临床失败直接暴露了AI分子设计的技术局限。尽管AI制药被普遍认为可以显著缩短研发周期、降低研发成本并提高成功率，但现实进展显示AI在药物研发中仍主要起辅助作用。
从全球已获批临床的AI药物管线来看，大部分项目仍处于早期阶段，推进至临床Ⅲ期的管线占比有限。更值得注意的是，运用人工智能发现新靶点的管线占比极低，绝大多数AI制药项目仍是基于已知靶点进行优化，尚未充分展现AI在源头创新上的核心价值。当前AI+药物设计仍处于积累训练期，技术成熟度远未达到颠覆性水平。
商业模式与数据风险：盈利路径未验证，数据壁垒高筑
AI制药企业的商业模式主要分为AI SaaS（售卖软件）、AI CRO（服务外包）和AI Biotech（自主研发药物）三类。目前来看，SaaS模式预计将逐渐消失，企业会向AI CRO及AI Biotech转型，但这两种模式的盈利路径同样尚未得到充分验证。AI CRO领域预计将形成巨头垄断格局，而AI Biotech虽然发展潜力大，却需要承担药物研发失败的全部风险，DSP-1181正是这一风险的典型案例。
数据层面，高质量医疗数据的获取是AI制药的关键竞争壁垒。产业链上游的数据集供应直接决定了模型的训练质量，但医疗数据的获取涉及隐私、合规等多重挑战，数据孤岛问题短期内难以解决。缺乏高质量、标准化的训练数据，AI模型的预测准确性将大打折扣。
资本热度与产出脱节：泡沫担忧再起
2022年医药行业整体投融资热度下降，但AI制药赛道反而逆势获得资本青睐，融资总额创下新高。然而，融资额的高企与临床后期成功率的未知形成了鲜明对比。资本的热捧更多基于AI制药降本增效的远期想象，而非已被验证的临床产出。
DSP-1181的失败提醒市场，从AI设计的化合物到真正获批上市的药物之间，仍隔着临床疗效与安全性的严苛考验。当资本热潮遭遇临床失败的现实，行业估值与实质产出脱节的风险正在积聚。
常见问题
DSP-1181的失败是否意味着AI制药路线不可行？
并非如此。DSP-1181的失败说明AI制药仍处于早期发展阶段，技术成熟度有限。AI在药物研发中目前更多扮演辅助角色，而非替代传统方法。行业需要更多时间和临床数据来验证AI制药的真正价值。
AI医疗行业目前最大的风险是什么？
技术成熟度与商业模式验证是当前两大核心风险。AI分子设计的成功率仍低，且AI SaaS、AI CRO、AI Biotech三类商业模式的盈利路径均未得到充分验证。此外，高质量医疗数据获取困难也是制约行业发展的关键瓶颈。
如何看待AI医疗行业的估值与泡沫问题？
2022年AI制药融资额虽创新高，但全球AI药物管线大多仍处于临床早期，估值与实质产出之间存在脱节风险。投资者应关注企业管线的临床推进进度和差异化价值，而非单纯追逐AI概念。