AI制药宣称研发成功率提高4%，但这一数字在实际落地中面临多重风险：该数据多来自回顾性分析而非前瞻性临床验证，存在选择性偏差；AI设计药物在真实临床中的高失败率已出现典型案例；且商业模式对成功率叙事的依赖使其具有内在脆弱性。

数据偏差：4%从何而来

“成功率提高4%”这一表述在业内广泛流传，其依据主要来自AI技术对研发流程的优化预期——AI制药通过缩短研发周期、降低研发成本来提高药物研发成功率。然而，这一数据存在明显的选择性偏差风险：已发表的成功案例天然偏向正面结果，而失败案例往往不被公开。首个由AI设计进入临床的分子DSP-1181，就因未达预期而被日本住友放弃，说明AI预测与真实世界结果之间存在明显差距。

临床验证：从算法到药丸的鸿沟

全球80条获批临床的AI药物管线中，推进到III期的仅占5.0%，而临床I期占32.5%、II期占36.3%，大部分管线仍处于早期验证阶段。从靶点选择看，运用AI发现新靶点的管线仅占4.0%，表明AI在药物研发中仍起辅助作用而非颠覆性作用。值得关注的是，临床试验是新药研发中耗时最久、资金花费最高、最容易出问题的环节，近三分之一的III期临床因患者招募问题而失败——AI技术虽已开始介入患者招募和成功率预判，但这些应用本身也面临样本量不足等现实约束。

商业模式：对成功率叙事的依赖

当前AI制药主要有AI SaaS、AI CRO和AI biotech三类商业模式。其中AI Biotech因发展潜力大、市场空间不受限，预计会成为大部分AI制药企业的选择。但这一模式的估值逻辑高度依赖“提高成功率”的核心叙事，一旦临床推进不及预期，商业模式的可持续性将受到考验。此外，产业链上游的医药数据是行业的关键竞争壁垒，数据隐私和算法黑箱问题也构成监管层面的不确定因素。

常见问题

AI制药的4%成功率提升是可靠数据吗？

这一数据主要基于理论推演和回顾性分析，尚未经过大规模前瞻性临床验证。已公布的AI药物管线中，大部分仍处于临床早期阶段，其真实成功率有待时间检验。

AI制药当前最大的落地障碍是什么？

临床转化效率是核心瓶颈。从全球管线数据看，AI药物从I期推进到III期的“漏斗”效应明显，且AI在靶点发现等关键环节仍以辅助角色为主，尚未形成颠覆性突破。

投资AI制药企业应关注哪些风险？

应重点关注管线推进进度、靶点创新程度和商业模式可持续性。当前多数AI制药企业仍以技术服务为主，开发具有差异化临床价值的产品比AI技术本身更重要，建议以官方后续披露的临床数据及第三方实测为准。