AI制药将研发周期缩短一半，正在从效率和成本两侧重塑药物研发的供需关系与节奏：对药企而言，研发周期缩短意味着单位时间内可推进的管线数量增加，早期研发的试错成本下降，投入产出比提升；对CRO/CDMO等外包服务方而言，AI的渗透将改变服务形态，从单纯承接订单向提供AI赋能的研发平台转型。

对药企研发供需与节奏的影响

传统药物研发平均上市周期长达10-16年，其中药物研发阶段需3-7年，用药安全阶段需5-7年。AI技术应用于药物研发各环节后，总研发周期平均可缩短1/2-2/3，研发投入至少降低10%，成功率提升4%。这意味着药企在同样的时间窗口内，能够将更多候选化合物推进到临床阶段，管线储备的“供给端”效率显著提升。

从全球已获批临床的AI药物管线看，目前约有42条推进至I期、29条推进至II期、4条推进至III期，AI在药物研发中仍主要起辅助作用，运用AI发现新靶点的管线仅3条。当前AI+药物设计仍处于积累训练期，其对研发节奏的深层改变——尤其是从“靶点发现-分子生成-临床推进”全链条的提速——尚需更多临床数据验证。

对CRO/CDMO等外包服务供需的影响

国内AI制药市场的参与者主要有药企、CRO、互联网公司三类，商业模式分为AI SaaS（售卖软件）、AI CRO（售卖服务）和AI Biotech（研发药物）。预计未来AI SaaS模式会逐渐消失，企业将向AI CRO和AI Biotech两种模式转型——其中AI Biotech因发展潜力大、市场空间不受限，会成为多数AI+新药企业的选择；而AI CRO与传统生物医药CRO领域发展类似，最终会形成几家巨头占领大部分市场资源的格局。

产业链中游的AI药物研发企业主要以医药研发外包形式与下游传统药企合作，在医药数据集基础上依托内部训练工具进行模型搭建和训练。对传统CRO/CDMO而言，AI的介入既是挑战也是升级契机：一方面，AI辅助的靶点发现和化合物筛选可能压缩传统外包服务的需求空间；另一方面，AI在临床试验患者招募、试验成功率预判等环节的应用（如通过医疗记录与受试药物信息匹配帮助招募患者），也为外包服务开辟了新的增值方向。

常见问题

AI制药缩短研发周期，会改变药企的研发策略吗？

会。研发周期缩短和投入成本下降，使药企更敢于尝试早期管线的快速试错，单位时间内可评估的候选药物数量增加。但当前AI在药物研发中仍以辅助角色为主，新靶点发现能力有限，药企的研发策略更多是“AI辅助筛选+传统验证”的组合推进。

AI制药会取代传统CRO/CDMO吗？

短期内不会取代，但会推动其服务模式升级。AI CRO模式将与传统CRO形成竞争与融合并存的格局，具备AI平台能力的外包服务商更可能获得竞争优势。从产业链分工看，AI药物研发企业以医药研发外包形式与下游合作，传统药企仍是AI药物研发的直接需求者。

AI制药目前面临哪些现实挑战？

AI设计的药物在临床阶段仍存在失败风险，已有AI设计进入临床的分子因未达预期而被放弃的案例。此外，全球80条获批临床的AI药物管线中，运用AI发现新靶点的仅3条，说明AI在药物研发中的渗透深度有限，其效率优势的充分释放仍需技术积累和时间验证。