案例背景
2026年10月31日，第一财经刊发关于AI制药的深度报道。报道呈现出一个割裂的图景：一方面，资金仍在持续涌入，一级市场对AI制药公司的估值中枢不断抬升，多条管线进入临床前与临床阶段；另一方面，验证难题始终悬而未决——AI设计出的分子数量在增长，但真正走到临床终点、转化为上市药物的案例仍然稀少。资本叙事与产业验证之间，出现了明显的时间差。
同期，经济观察网的一篇访谈提到一个耐人寻味的判断。药企人士王印祥指出，跨国药企真正担心的，不是AI替代了多少重复劳动，而是当AI与实验室机器人把重复劳动的成本压到足够低之后，过去依赖大量人力堆叠形成的工程师红利会被快速复制，中国创新药赖以建立的成本与速度优势可能被稀释。这意味着AI制药的影响不止于效率，更在于它重新分配了产业的价值来源。
核心分析
一、研发投入的期权价值与失败率的分布结构
新药研发在财务上更接近一组期权而非一个项目：每一个候选分子都是一份看涨期权，投入的是分期行权的研发费用，回报是极低概率下的极高赔付。AI的价值，首先体现在改变这份期权的参数——缩短探索期、压低单位筛选成本、提高进入临床的分子质量。但期权定价的核心变量是时间与不确定性，而AI目前主要改善的是时间与成本，对最终成功概率的影响仍待验证。
更关键的是失败率的分布。药物研发的失败并非均匀分布，临床前失败与三期临床失败的代价相差两个数量级。如果AI只是把早期失败率从九成降到八成半，看似改善；但如果它同时让更多质量参差的分子进入临床，反而可能推高后期的整体损失。因此，评价AI制药不能只看筛出多少分子，必须看每个阶段留存下来的分子质量。
二、可验证节点：靶点、分子与临床的三级漏斗
AI在药物发现链条上的作用，可以拆成三个可验证节点。第一是靶点选择，AI通过多组学数据与文献挖掘提出新靶点假设，但靶点的生物学确证只能靠湿实验与遗传学证据，AI给出的是优先级排序而非结论。第二是分子设计，这是目前AI表现最扎实的环节，生成模型与性质预测模型确实显著压缩了先导化合物的优化周期。第三是临床试验，涉及患者分层、方案设计与招募预测，AI的贡献仍属辅助性质。
三级漏斗的启示是：AI的可验证性随链条后移而递减。越靠近临床，变量越多、样本越少、因果越难识别。这也解释了为什么大量AI制药公司的价值证明停留在临床前——那里最容易展示漂亮的指标，也最难被证伪。管理上的含义是，资源投放应当与可验证性匹配：在可验证性高的环节加大投入，在可验证性低的环节保持克制，而不是用统一叙事覆盖整条链条。
若借用任务分解的思路，药物研发可以拆成搜索型任务、判断型任务与责任型任务三类。搜索型任务（文献综述、化合物枚举、性质预测）边界清晰、反馈快，最适合交给模型；判断型任务（靶点取舍、临床方案设计）需要模型提供证据、人类承担取舍，属于人机协同区；责任型任务（伦理审查、受试者保护、监管沟通）则无法外包给算法，因为它依附于可追责的主体。三类任务的自动化难度与监管容忍度完全不同，把它们混为一谈，正是许多AI制药叙事失真的根源。
三、数据闭环、估值锚点与现金消耗期的匹配
业界常说AI制药的壁垒是数据，但公共数据库高度同质，真正稀缺的是自有湿实验产生的、带有负样本的、可迭代的闭环数据。一个可运转的闭环包含：模型提出假设、自动化实验平台执行、结果回流、模型再训练。这个闭环的建造成本高、周期长，却难以被资本快速复制，因而构成更稳固的壁垒。从这个角度看，估值逻辑应从算法能力转向闭环吞吐量：每周能产生多少条高质量实验数据、这些数据能否反馈到模型、模型迭代后是否带来指标改善。这是可以被审计的工程量，而不是可以被讲述的故事。
与之相伴的是现金消耗问题。生物科技公司的经典风险是融资窗口关闭时管线尚未读出数据；AI制药公司还多一层风险：算力与实验平台的固定投入推高了现金消耗的基线，而收入端在相当长时间内接近于零。合理的估值纪律是倒推：以当前现金储备除以月度净消耗，得到可支撑的月份数；再看关键读出节点（临床申请、一期数据、对外授权）是否落在这一窗口内。若节点晚于窗口，无论故事多完整，都需要先解决融资节奏问题。
管理启示
第一，AI在研发型行业的价值必须锚定在可证伪的节点上。管理者应当把宏大叙事拆解为阶段性的判定标准，并接受某些环节的AI贡献就是有限的。承认边界，反而能提高资源投放的准确性，也避免组织在长期无法验证的承诺中消耗士气。
第二，数据壁垒的本质是闭环而非存量。静态数据集会折旧，能持续产生带标注负样本的实验平台才具备复利效应。这对企业的资本开支结构提出了不同于纯软件公司的要求：它必须同时是技术公司、自动化工程公司与实验室运营公司。
第三，成本优势从来不是永久护城河。当AI与自动化把重复劳动变得廉价，过去依赖人力规模形成的效率差会被抹平，企业必须把竞争优势转移到更难复制的环节——临床开发能力、注册路径设计、商业化网络与医生教育。这一转移的难度，远高于购买算力。
其他思考
- 如果AI把早期筛选成本压到极低，行业应如何设计机制，避免低质量分子大量涌入临床、推高整体失败成本？
- 当工程师红利被AI复制后，中国创新药企应当把竞争优势重建在哪些环节？
- 对于现金消耗高、收入接近于零的AI制药公司，估值应当以何种可审计指标作为锚点？
关键词：AI制药、期权价值、可验证节点、数据闭环、现金消耗
来源：第一财经、经济观察网 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6891.html
