猜你想问
AI制药目前主要应用在哪些环节？
AI制药目前主要应用于药物研发的虚拟筛选、分子生成、ADMET预测、化合物优化、质控数据分析等环节。但在临床前开发、临床设计等环节应用较少。全球仅24款AI研发药物进入临床试验，其中仅1款为真正创新药，其余多为已上市药物的改造或旧靶点新适应症，AI难以独立开发全新创新药。
AI制药的核心要素是什么？中国AI制药公司发展情况如何？
AI制药的核心要素中，算法、算力行业差异较小，高质量标注数据为关键壁垒。中国约100家AI制药公司，多数集中于序列模型开发，头部公司多具备自研管线能力。目前AI制药主要基于传统非大模型类工具，大模型在该领域应用仍处于早期阶段。
AI制药的商业模式有哪些？
AI制药商业模式分为三类：AI+CDMO服务ROI低，纯软件工具盈利难（如Schrödinger转而自研管线），AI+自研管线为目前主流可行模式，科技大厂通过AI蛋白设计关联传统业务获益。传统药企自建AI能力面临数据清洗难度大、跨团队管理复杂等挑战，数据闭环驱动的湿实验+干实验模式为最优路径，但仍需基础研究解决靶点、临床转化等科学问题。
AI制药的市场现状如何？
全球AI制药领域，微软亚洲研究院、阿里达摩院、谷歌、百度飞桨等机构的AI工具多已开源，聚焦于降本增效而非直接突破研发核心瓶颈。国内大模型公司如智源、深度求索等尚未布局生物医药方向，字节跳动或有意布局。A股上市公司中以AI+管线布局的企业多采用传统AI工具，暂未出现基于大模型的明确成果。AI用于大分子蛋白相关优化多集中在改良而非创新，仅少数小分子药研发有成功案例（采用传统计算机辅助设计）。
AI制药存在哪些风险？
需关注Twist、金斯瑞蛋白生产业务需求爆发的真实性，是否存在炒作情况。需关注AWS等AI公司蛋白表达需求的实际用途，以及相关技术进展，确认是否为可持续的行业机会。需关注AI在大分子免疫原性预测、毒性预测、工艺优化等环节的技术突破情况，以及在靶点、临床转化等基础研究领域的进展，推动AI更深入地应用于药物研发。