AI制药专家交流20260819

AI制药在研报中的核心内容是加速临床前研发，靶点发现阶段可缩短3-5年科研周期至数月，先导化物发现阶段成功率从1%提升至5%-10%。但当前上市药物均未由AI主导，临床阶段AI赋能较少。AI可发现新靶点与疾病的相关性，但无法确认因果关系，存在转化风险，难以直接作为治疗靶点。

AI制药行业的发展趋势显示，核酸适配性优于大分子和小分子，核酸/多肽受限于表达和递送问题。小分子发展较早但数据标注差遇瓶颈，大分子更适配自动化近年增长快。行业投资线索包括上游DNA合成需兼具高通量制备、低成本订单能力，AI制药商业模式按议价空间排序为AI自研管线＞AI+CRO＞SAAS，AI药物已进入临床超10款，50%集中于肿瘤，后续自免领域将成重点。

研报重点分析了AI制药的适配性问题，排序为核酸＞大分子＞小分子，并指出上游DNA合成需自动化合成、蛋白表达与测试一体化。商业模式方面，AI自研管线高风险高收益，AI+CRO需具备交付与数据飞轮能力。同时分析了AI药物分布，50%集中于肿瘤，原因是肿瘤数据多、靶点成熟、临床终点易量化。

当前AI制药市场已进入临床的AI药物超10款，50%集中于肿瘤，10%为IPF。大型药企自建AI平台为主，国内药企AI渗透率低，更多用于解释而非核心设计，国内药企数据标准化与共享不足。但AI发现的靶点缺乏因果性，临床转化存在代偿通路等问题，DNA合成行业壁垒较低，新玩家或可进入，数据标注差制约小分子模型发展。

研报提示AI制药需突破三期临床转化、二期成功率、数据共享三大节点才会进入快速发展期。监管仅关注安全性有效性，模型解释与数据溯源要求较高，自研管线现金流压力大。AI发现的靶点缺乏因果性，存在转化风险，难以直接作为治疗靶点。谷歌、字节直接下场自研管线，英伟达、AWS提供算力与工具支持，不同厂商布局方向分化。