截至2025年全球超100个AI辅助药物分子进入临床，专家指高质量数据与数据闭环能力成AI制药壁垒

在“2026张江药谷大会暨上海国际生物医药产业周”未来智药：AI+制药前沿论坛上，多位专家学者将当前AI生物制药的壁垒指向数据，更准确地说，是高质量数据以及让数据持续回流的闭环能力。

L.E.K. Consulting的统计显示，截至2025年，全球进入临床阶段的AI辅助药物分子已超过100个，超过90家中国本土企业已与AI biotech公司建立合作。

巢生资本执行合伙人周悦欣提到，资本对AI制药公司的追捧明显高于传统制药公司，但热度之下仍存在明显发展瓶颈。

力场采样创始人彭向达认为，生物制药类模型与自然语言大模型存在本质差异。自然语言模型可以学习海量互联网文本数据，但生物分子领域高质量结构数据储备相对有限，模型面对未曾学习过的分子时预测性能会出现衰减，而真实药物研发场景中研究对象大多为全新分子。

上海科学智能研究院研究员杨自雄表示，数据实际上很稀缺。药物使用后病人表现如何变化，此前虽可采集大量临床数据，但整套机理数据很难看到。未来或许会有更多仪器和方法论出现，能够获得多尺度和时间数据，但目前还做不到。

上海交通大学数学科学学院和人工智能学院教授陈洛南表示，跨模态配对数据对AI制药模型训练至关重要，但行业可获取的数据大多为单模态数据。临港实验室AI临床研究员袁博认为，用单点数据观察某一数据切片会局限于单一维度，而通过时间扰动等手段获得不同时间维度数据，可开展跨模态并做有组织的数据输出。

腾讯健康首席架构师陈睿判断，模型本身并非AI制药面临的最大壁垒。腾讯近期重点布局实验反馈强化学习，并已在深科实验室开源不少蛋白质研究模型。在他看来，算力和算法只是做好AI赋能生物制药的入场券，干湿实验反馈闭环能力以及各类数据，尤其是失败数据，才是破局关键。

从论坛上的讨论看，AI制药的竞争逻辑正在发生变化。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。