提到“AI制药”，很多人的期待就是能通过人工智能缩短新药研发周期，并降低成本。资本市场上，相关企业近年来也备受投资者关注。

但现实是，直到今天也没有一款纯AI研发的药物上市。有几个堵点是AI制药难以跨越的，且绝非靠资本之力便能轻易突围。

今天这份报告，用直白的语言拆解这些堵点，以供参考。

一、第一关：数据饥荒杂又乱，没饭吃还吃错饭

众所周知，AI要发挥作用，就得学习人类经验，而经验的呈现形式就是数据。

对AI制药来说，需要的数据是药物分子结构、蛋白质作用机制、临床试验结果等精准的数据。问题是，这些数据要么是不够，要么是不咋准。

1.1首先是数据孤岛导致的短缺问题

制药行业的核心数据位于很多地方，比如医院的病历数据、药企的实验数据、监管部门的审批数据等等。这些数据中的很多都是不互通的，各组织、机构、单位都把数据看作自己的机密。

那么从产业角度来看，AI就没法充分学习产业内的各类数据。

1.2 其次是数据杂乱导致的“吃错饭”

在不同的实验室里，被使用的仪器、试剂可能是不一样的，记录数据的方式也有区别。

就好像有人用中文记菜谱，有人用西班牙语记，还有人喜欢用俚语和方言。

这对AI而言是很大的麻烦，没法统一解读。

1.3 但更麻烦的，是成功偏见所引发的数据不完整问题。

无论是学界还是工业界，都喜欢公布成功的实验结果，而失败的数据却常被束之高阁。

比如某种分子无效、某个靶点没作用之类的记录，几乎是不会对外公开的。

这就像啥呢，就像只给AI看成功的菜谱，却不告诉它哪些食材搭配会失败，那么AI学完后就会不停推荐它学到的“成功配方”，从而在错误的方向上越走越远……

二、第二关：算法“黑盒”难解释，监管审批难过关

如果说数据是AI的粮食，那算法就是它的大脑瓜。

只不过，这个大脑瓜有个大问题：它具体是怎么思考、怎么得出结论的，没人能讲清楚。这就是所谓“黑盒”问题。

对制药领域而言，“黑盒”可能会是致命的。因为一款药要上市，必须向监管部门说清为啥这个分子能治病、怎么保证安全。

但AI在给出药物分子或靶点时，说不出具体为啥得出这个结论，只告诉你模型就是这么算的，没法很科学、精确地解释清楚潜在风险。

譬如说，AI可能因为数据里的某个偏差，优先推荐有隐藏毒性的分子，人类却因为“黑盒”问题发现不了。

所以这就给监管部门带来了麻烦。就好比老师改卷子，肯定不能只看考生最后的答案，还得看推演步骤。

这个“没步骤”的问题，让AI制药过不了监管审批这道关。

除此之外，算法还容易过时。

药物研发中，患者人群的特征、疾病定义、诊疗指南等要素都可能时常变化，这些变化会让AI模型的预测结果越来越不准，即所谓“数据漂移”是也。

比方说，AI原本是基于老的患者数据训练，那么当变异病种出现，AI就可能一脸懵，给的治疗方案是老的、错的，这对制药来说是巨大的风险。

三、第三关：临床转化掉链子，实验病床差距大

退一步讲，即便AI在实验室里算出了优秀的候选药物，也不代表其能成功走到患者面前。

因为需要临床试验。

传统的临床试验本身就是高淘汰区，AI虽然能提高早期实验的成功率，但临床阶段是另一回事。

一方面，AI很难模拟复杂的人体环境。

实验室里的细胞、动物实验数据，和真实人体差距很大。

AI即便能算出药物分子和靶蛋白的结合模式，也无法确认药物进入人体后会被如何吸收和代谢，以及是否会和其他器官发生反应。

另一方面，AI在临床试验中的辅助作用也受限制。

比如患者招募。

AI需要通过精准的画像来找合适的患者，但因为数据不互通，很难跨医院整合患者信息，那招募效率就提不上来。

再比如临床试验中的数据监测，需要实时处理海量数据、及时调整方案，对AI的算力和实时响应能力要求极高，目前的技术还很难完全满足。

四、第四关：算力成本高，中小企业玩不起

AI制药是个烧钱的活，除了研发投入，算力成本也是一大负担。

要处理海量的分子数据、模拟复杂的生物反应，需要超强的计算能力。对大型药企来说，这都是一笔不小的开支；对中小企业而言，更是玩不起的门槛。

这就导致“马太效应”的浮现：只有少数有资金、有资源的大企业能持续投入，中小企业要么靠融资勉强维持，要么只能在细分领域扑腾。

创新往往来自多元化的探索，而算力门槛让很多中小团队难以将自己的愿景落地，间接也就延缓了整个行业的前进步伐。

五、总结：AI制药是场漫长的马拉松

AI制药的潜力毋庸置疑，它有助于人类应对肿瘤、自免疾病、代谢疾病等未被满足的医疗需求，给医学界带来了新的曙光。但要把潜力完全兑现，还有包括而不限于上述几大门槛需要跨越：

有专家预测，2030年可能是AI制药的关键时间点。但研发药物从来都是一件需要耐心和严谨的事，AI或许能加速进度，但不能跳过必要的“闯关”步骤。

灭雪，智氪科技工作室-智氪书社创始人，提供以下服务——

▶ 面向企业（To B）：机器人企业品牌力增长服务

针对创业早期机器人企业，提供品牌力诊断、战略内容洞察、定制化内容生产三大服务，为企业厘清差异化定位、统一传播口径，让技术价值被客户、渠道、投资人精准感知。

▶ 面向青年与家长（To C）：升学就业创业赋能服务

针对机器人/AI领域的升学、就业、创业需求，提供路径诊断、趋势指南、定制化赋能内容，帮考生选对专业、帮青年避坑成长、帮家长做好决策支撑。

灭雪写的书《机器人智造的逻辑》已出版，欢迎关注 ↓ 

往期精选