超100个AI药物进入临床阶段 AI制药为何仍被数据卡住

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，诸多专家学者谈及目前AI生物制药的壁垒时，始终绕不开两个字：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。 全球AI辅助药物研发正迎来指数级增长。据L.E.K. Consulting统计，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也提出，与传统制药公司相比，AI制药公司明显更受资本青睐。但热度之下，AI制药发展仍存在明显瓶颈。 数据稀缺，不只是“量”的问题 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的互联网文本数据，但针对生物分子领域高质量的结构数据储备相对有限。生物分子的工作规律往往极为复杂的，当模型面对未曾学习过的分子时，预测性能便会出现衰减。而真实药物研发场景中，研究对象大多为全新分子。”彭向达介绍。 “实际上，我们的数据是很稀缺的，一个药物使用后，病人的表现怎么变化，之前可以采集大量临床上的数据，但这整套的机理数据是很难看到的。”上海科学智能研究院研究员杨自雄说，“在未来，或许会有更多的仪器，更多的方法论提出，我们可以有多尺度的数据、时间数据，但现在是做不到的。” 这意味着，AI制药缺的不是一般意义上的“大数据”，而是贴近真实药物研发过程的高质量、机制性数据。没有这些数据，模型再好，也很难“会做药”。 除了难以采集之外，数据的质量也进一步决定了AI制药的效能。 上海交通大学数学科学学院和人工智能学院教授陈洛