AI 医疗企业（尤其是 AIDD 方向）面临的核心挑战是药物研发的临床反馈周期长，这直接导致研发沉没成本高、现金流回收慢。为应对这一局面，企业的成本结构正从重算力、重数据采购、重湿实验验证团队薪酬的“高投入模式”，转向更灵活的盈利模式，如项目分成、平台订阅、里程碑付款等，以匹配长反馈周期下的现金流节奏。
成本结构：高沉没成本的现实
AIDD 企业的成本主要由三部分组成：算力成本（训练大模型所需的高性能计算资源）、数据采购成本（高质量生物医学数据稀缺且昂贵）、以及湿实验验证团队薪酬（体外实验、动物实验等验证 AI 预测结果的专业人才）。由于药物研发的反馈周期极长——从靶点发现到临床验证往往需要数年——大量前期投入可能在等待临床结果期间沉淀为沉没成本。正如官方资料指出：“AI 的快和制药的慢有着不可调和的矛盾”，这种时间错配加剧了企业的现金流压力。
盈利模式调整：从项目制到分阶段付费
为适应长反馈周期，企业正从传统的“项目制收费”向以下模式转型：
- 平台订阅：向药企提供 AI 药物发现平台（如蛋白质结构预测、分子生成工具）的年度/月度订阅服务，获取稳定现金流，而非依赖单个项目的一次性收入。
- 里程碑付款：将费用与研发节点（如成功筛选出候选分子、通过临床前实验）挂钩，降低客户前期支付压力，同时让企业分享后续成功价值。
- 销售分成：在药物上市后根据销售额分成，使企业收入与最终临床结果绑定，但需承受更长回报周期。
这些模式的核心逻辑是将一次性高额收费分散为与研发进度匹配的多次收入，缓解因反馈周期长导致的现金流断裂风险。
常见问题
### AIDD 企业如何降低算力成本？
官方资料未公布具体降本策略，但行业普遍做法包括：采用云端算力按需付费、优化模型架构减少计算量、或与第三方算力平台合作分摊成本。企业需根据自身数据量和算法复杂度灵活选择。
### 平台订阅模式是否适用于所有 AIDD 企业？
不一定。平台订阅模式更适合已拥有成熟 AI 工具或平台（如蛋白质设计、分子生成）的企业。对于仍处于探索阶段、技术尚未产品化的公司，更可能依赖里程碑付款或合作研发模式，待技术验证后再转向订阅。
### 销售分成模式的主要风险是什么？
销售分成模式的最大风险是回报周期过长——药物从发现到上市通常需要10年以上，且临床失败率极高。企业需具备充足的资金储备或多元收入来源，否则可能因长期无现金流入而陷入困境。官方资料也强调：“在第一个 AIDD 药物跑完全程之前，科学界和资本市场都很难完全承认 AIDD。”