计算机辅助药物发现（CADD）市场规模增长的核心驱动力，在于新药研发回报率下降倒逼行业寻求效率革命，叠加算力提升、数据积累与政策对创新药的支持，使得从CADD到AI制药（AIDD）的转型加速，资本也随之大幅涌入。以西达本胺为例，它是2000年代CADD的杰作，但当时市场规模有限；而如今AI医疗凭借更强大的算法和资本助推，正推动市场快速增长。
传统研发困境与AI效率优势
传统制药研发周期平均需要10-16年，且成本高昂、成功率低。AI制药可以降低一半的研发周期，减少10%的研发投入，成功率还提高了4%。这种效率提升直接回应了药企“回本难”的痛点，成为市场增长的根本驱动力。
资本与数据双重助推
资本对AI制药赛道的青睐显著加速了市场扩张。根据智药局不完全统计，2022年全年AI制药赛道融资总事件达144起，同比增长97%，总金额为62.02亿美元，同比增长47.67%。从产业链看，上游的医药数据是行业关键竞争壁垒，云计算平台保障算力供给；中游AI药物研发企业与IT企业通过模型搭建和训练提供服务；下游传统药企是直接需求方。
技术与应用场景的深化
当前AI制药正处于从CADD向AIDD转型的过程中。尽管全球AI药物管线中，癌症适应症占比高达66%，且多数管线仍处于临床早期（临床I期32.5%、II期36.3%），但AI技术已开始从药物发现向临床试验等成本更高的环节延伸，如患者招募和成功率预测。未来，开发具有差异化临床价值的产品比AI技术本身更重要，AI Biotech商业模式因发展潜力大，预计将成为多数AI新药企业的选择。
常见问题
AI制药与传统CADD的主要区别是什么？
AI制药（AIDD）在CADD基础上引入了机器学习、自然语言处理及大数据技术，能显著优化新药研发效率与质量，降低临床失败概率和研发成本，而CADD主要依赖分子模拟和计算化学。
当前AI制药面临哪些挑战？
目前AI制药仍处于积累训练期。全球80条获批临床的AI药物管线中，仅4条推进至III期，且运用AI发现新靶点的管线仅3条。首个由AI设计进入临床的分子DSP-1181也因未达预期而被放弃，表明该技术仍需更多验证。
投资者如何看待AI制药赛道的前景？
尽管2022年医药行业投融资热度整体下降，但AI制药赛道融资总额逆势增长，凸显资本青睐。资本看好的核心逻辑是AI能显著缩短研发周期、降低成本并提高成功率，从而提升投资回报率。