DSP-1181 作为首个由 AI 设计并进入临床的分子，其研发被日本住友放弃，确实给市场此前对 AI 制药成功率的乐观预期浇了一盆冷水。这一标志性事件会促使市场重新审视 AI 医疗药物发现板块的估值逻辑，但市场规模预期更可能经历理性修正而非全面崩塌——因为 AI 制药提升研发效率的底层逻辑并未被证伪，只是市场需要接受其在临床阶段同样面临传统药物研发的高失败率现实。
事件冲击：从“零杠五”到重新定价
DSP-1181 曾被寄予厚望，作为 AI 设计分子进入临床的标志性事件，一度极大提振了市场对 AI 制药的信心。然而该分子因未达预期被放弃，让行业意识到：AI 优化的是“找到对分子”的概率，而非“跳过临床失败”的捷径。这一现实促使投资者从“AI 颠覆研发”的叙事，转向更务实的“AI 提升效率”的评估框架。
此前市场普遍认为，AI 制药可以降低一半研发周期、减少约 10% 的研发投入，并提升约 4% 的成功率。但临床阶段的失败率并未因分子由 AI 设计而豁免。这种预期差正是估值修正的起点——市场需要把 AI 药物的临床失败风险重新计入定价模型。
行业基本面：辅助定位与管线现实
从全球已获批临床的 AI 药物管线看，行业仍处于积累训练期。据浙商证券统计，全球 80 条获批临床的 AI 药物管线中，多数仍停留在临床早期阶段，推进至临床Ⅲ期的管线占比有限。值得注意的是，运用人工智能发现全新靶点的管线仅 3 条，这表明当前 AI 在药物研发中更多扮演辅助角色，而非颠覆性主导。
从适应症分布看，癌症是 AI 制药企业首选的适应症，其次为遗传性疾病和罕见病，这与传统药物研发的适应症选择逻辑一致。行业对 AI 的定位，正从“取代传统研发”回归到“优化传统流程”——在靶点确认、化合物筛选、ADMET 性质检测等环节提供效率增量。
未来走向：商业模式分化与价值锚点
DSP-1181 的失败不会逆转 AI 制药的长期渗透趋势，但会加速商业模式的优胜劣汰。业内预计，单纯售卖软件（AI SaaS）的模式将逐渐收缩，企业会更多向 AI CRO（研发外包服务）和 AI Biotech（自主新药研发）转型。其中 AI Biotech 因发展潜力大、市场空间不受限，或成为多数 AI+新药企业的最终选择，而 AI CRO 则可能走向巨头集中的格局。
对市场规模预期的重新定价，本质上是对“AI 价值兑现时点”的修正。药物发现只是新药研发链条的起点，临床试验才是耗时最久、资金花费最高、最容易出问题的环节。已有 AI 公司开始探索将技术应用于患者招募、试验成功率预测等临床阶段场景，这或将打开比“药物发现”更广阔的价值空间——市场规模的想象空间并未关闭，只是需要更长的兑现周期和更扎实的临床数据支撑。
常见问题
DSP-1181 失败是否意味着 AI 制药路线走不通？
不代表路线失败，而是提示 AI 制药与传统制药一样，必须接受临床阶段的高失败率。 AI 的价值体现在缩短研发周期和降低早期筛选成本，但无法消除药物研发固有的生物学风险。行业共识正从“AI 替代研发”转向“AI 辅助研发”。
AI 药物发现的市场规模预期会因此大幅缩水吗？
市场会经历估值修正，但底层需求逻辑未变。 传统药企研发“回本”越来越难，AI 带来的效率提升仍有明确价值。修正主要体现在对成功率和兑现时点的预期上，而非对 AI 制药这一方向的否定。
当前 AI 制药行业处于什么发展阶段？
行业整体仍处于积累训练期，AI 在药物研发中更多承担辅助角色。 全球已获批临床的 AI 药物管线中，运用 AI 发现新靶点的管线占比极低，多数管线集中在已公布靶点的已知方向上，商业化成熟尚需时日。