DSP-1181 的失败为 AI 制药行业敲响了警钟：AI 设计分子的"供给端"与临床验证的"需求端"之间存在明显错配，全球 AI 药物管线整体仍处于早期积累阶段，真正的收获期尚未到来。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 AI 制药的"供给过剩、需求验证不足"问题已开始显现。从全球 80 条获批临床的 AI 药物管线看，当前行业仍以早期临床为主，未来 2-3 年将进入关键临床数据的密集读出期，供需节奏将随管线成败而剧烈波动。
管线结构：行业仍处早期，三期数据稀缺
浙商证券统计的全球 80 条获批临床 AI 药物管线显示，行业整体仍处于早期验证阶段：42 条管线推进至一期，29 条推进至二期，仅 4 条推进至三期。从靶点选择看，52 条已公布靶点，运用 AI 发现新靶点的管线仅 3 条，表明 AI 在药物研发中仍主要起辅助作用。适应症选择上，癌症是 AI 制药企业的首选方向，占比 66%，其次为遗传性疾病和罕见病（12%）。
这一结构意味着，未来 2-3 年将是二期、三期临床结果的密集读出期，AI 制药行业的供需节奏将随关键管线的成败而剧烈波动。当前 AI 药物设计仍处于积累训练期，DSP-1181 的失败恰恰说明，AI 生成分子的速度已不是瓶颈，能否通过临床验证才是决定行业节奏的核心变量。
周期拐点：从"供给驱动"转向"需求验证"
DSP-1181 的教训在于，供给端（AI 设计分子的能力）跑在了需求端（临床疗效验证）前面。AI 制药的资本热度与临床验证之间出现了时间差——2022 年 AI 制药赛道融资总金额达 62.02 亿美元，同比增长 47.67%，但管线推进到三期的比例仅有 5%。当行业把大量资源投入分子生成与筛选时，临床阶段的验证能力尚未跟上。
从产业链看，传统药企是 AI 药物研发的直接需求者，而中游 AI 药企主要提供靶点发现、化合物筛选等服务。行业正从 CADD 向 AIDD 转型，开发具有差异化临床价值的产品比 AI 技术本身更重要。未来 2-3 年，随着二期、三期数据陆续读出，行业将重新校准供需节奏：临床验证成功的管线将获得更多资源倾斜，而缺乏差异化价值的项目将加速出清。
常见问题
DSP-1181 失败是否意味着 AI 制药路线不可行？
不能得出这一结论。DSP-1181 是首个由 AI 设计进入临床的分子，其失败说明单一管线的临床验证存在不确定性，但 AI 制药在缩短研发周期、降低成本方面的价值仍有数据支撑。行业普遍认为 AI 制药可缩短 1/2-2/3 的研发周期，至少降低 10% 的研发投入。
全球 AI 药物管线距离上市还有多远？
从当前管线结构看，80 条获批临床的管线中仅 4 条推进至三期，占比 5%。三期临床是新药研发中耗时最久、资金花费最高的环节，且近三分之一的 III 期临床因患者招募问题而失败。行业整体距离规模化收获期仍有距离，未来 2-3 年二期、三期数据的密集读出将决定这一时间表。
投资者应如何观察 AI 医疗的周期拐点？
关注两个维度：一是关键管线能否通过二期、三期临床验证，这是需求端最直接的信号；二是 AI 药企的商业模式是否从单纯的技术服务向 AI Biotech 转型，后者因发展潜力大、市场空间不受限，正成为多数 AI 药企的选择。行业供需节奏的再平衡，将在未来 2-3 年随临床数据逐步明朗。