DSP-1181的跨国折戟，暴露的并非AI制药这条技术路线的根本性错误，而是全球AI医疗竞赛在基础研究、资本密度与产业生态上的真实落差。这场竞赛的核心差距并不在于单一技术的优劣，而在于从实验室到临床的体系化能力，美国凭借其在基础科学与资本市场的深度优势占据高地，而中国则在应用落地速度与产业迭代上展现出独特的追赶路径。

从DSP-1181看跨国协作模式的成色

DSP-1181由英国Exscientia的AI平台设计、日本住友推进临床，是首个由AI设计并进入临床阶段的分子，其最终因未达预期被放弃，为整个行业提供了一个冷静的样本。这一案例说明，AI制药的“跨国协作”模式虽然能整合设计与临床资源，但在药物研发这一长周期、高风险的链条上，任何环节的预期管理失误都可能导致整体项目折戟。它不是AI技术能力的唯一注脚，却揭示了当前AI药物设计仍处于“积累训练期”的现实——AI在靶点发现上真正发挥的作用依然有限。

中美英的实质差距：基础厚度与落地速度

从全球管线数据看，AI药物研发呈现明显的梯队差异。美国在AI医疗基础研究上的厚度无可争议，其AI初创公司吸纳了全球绝大部分资金，仅一年内该赛道融资总额中美国公司占比就高达77%，这种资本密度支撑了其对前沿技术的持续投入。相比之下，中国企业的优势则更多体现在应用落地速度与产业生态的完整性上，国内AI制药市场已形成药企、CRO、互联网公司三类参与者并存的格局，商业模式也从单一的软件售卖向AI CRO与AI Biotech方向快速演进。

英国作为DSP-1181的设计方，虽有顶尖的学术与AI原创能力，但在将技术转化为规模化产业的过程中，受限于本土市场容量与资本规模，往往需要借助跨国合作来推进临床。这让AI医疗竞赛呈现出一种结构性差异：美国赢在“从0到1”的基础创新与资本密度，中国强在“从1到N”的应用放大与产业协同。

未来竞争的胜负手：差异化临床价值

对AI制药而言，开发具有差异化临床价值的产品，比AI技术本身更重要。当前全球已获批临床的AI药物管线中，绝大多数仍集中在癌症等传统适应症，运用AI发现新靶点的管线仅占极少数。这意味着一方面AI在药物研发中仍主要扮演辅助角色，另一方面也预示着新靶点发现与临床阶段应用是未来竞争的蓝海。

中国AI制药企业若要缩小与美英的差距，关键不在于复刻AlphaFold式的单点技术突破，而在于将AI能力深度嵌入从靶点验证到患者招募的完整链条——已有企业开始探索用AI介入临床试验患者招募，通过匹配医疗记录与受试药物信息来解决罕见病患者招募难题。这种将技术转化为实际研发效率的能力，才是决定全球AI医疗竞赛最终格局的核心变量。

常见问题

AI制药能完全替代传统药物研发吗？

不能。当前AI在药物研发中仍主要起辅助作用，全球获批临床的AI药物管线中，运用AI发现全新靶点的管线占比极低，大部分仍集中在已知靶点与适应症上。AI的价值在于缩短研发周期、降低投入成本，但药物的最终疗效仍需通过严格的临床试验验证。

为什么资本依然重仓AI制药？

因为传统医药研发的“回本”难度日益加大，而AI技术能显著缩短研发周期、降低研发投入并提高成功率。即便DSP-1181失败，资本看中的是AI制药在效率提升上的结构性潜力，而非单一项目的成败。

中国AI制药企业最需要补强的是哪个环节？

中国企业的短板不在应用落地，而在基础研究与原始创新厚度。补强的关键路径是强化上游数据集的自主可控与算力基础设施建设，同时向AI Biotech模式转型，以差异化临床价值为导向进行药物开发，而非停留在单纯的技术服务层面。