首页财产医药正文 Token烧不起，年夜厂控成本，给AI制药也算一笔经济账 已往半年互联网年夜厂算AI经济账，这一追问传导至医疗范畴。AI制药虽热门频出，但成本难算、收益集中临床前，短时间内经济账难核，需从头梳理逻辑。 2026-07-24 09:16 ·动脉网 王世薇 王世薇 AI投资人解读· AI制药可缩短药物发明周期、降低临床掉败率，但成本核算坚苦，数据成本易被低估，收益集中于临床前阶段，临床实验环节因数据可患上性等问题进展有限。· 行业竞争激烈，AI运用不匀称，羁系不确定性年夜，传统制药回报周期长，AI制药淹没成本高。总结：AI制药远景广漠但经济账繁杂，成本收益核算存难点，投资时需审慎考量成本、收益、竞争和羁系等因素，存眷企业互助模式与成本节制能力。
已往半年，互联网年夜厂面临巨年夜的流动性AI成本，最先团体转向。
baidu发布又撤回token新规，字节跳动的AI投入最先接管更严苛的回报审阅，京东及阿里接踵传出压缩非焦点AI团队的动静。
并不是AI赛道忽然遇冷，而是互联网公司终究于疾走以后最先垂头算账，模子愈来愈贵，变现路径却远不如预期，烧钱的速率正于触碰治理层的容忍界限。这是不容轻忽的趋向。
互联网算AI经济账，素质是回覆一个问题：花出去的钱，能不克不及换回可量化的贸易价值？
这个追问，正于向医疗范畴传导。但从互联网的语境转换到立异药，这个问题的繁杂水平陡然上升。
0一、被低估的成本
自2023年先后以来，AI制药就是医疗投资圈最炙手可热的赛道之一。本钱涌入的速率，甚至快在药物研发自己的节拍。
时至今日，AI制药仍旧热门频出。年夜模子公司的参与，正掀起新一轮的热浪。
googleDeepMind连续加码生命科学，AlphaFold的迭代速率及市场渗入远超预期，字节跳动被曝正于鞭策旗下AI制药团队自力拆分、引入外部融资。
而Anthropic于推出专业的事情平台，与BMS、诺华等多家MNC试水后，公布启动内部药物研发项目。
AI制药的逻辑很清楚，成效也很显著。AI可以缩短药物发明周期，可以降低临床掉败率，可以倾覆传统制药的漫长流程。从靶点发明到份子设计，从先导化合物优化来临床方案制订，AI的渗入险些笼罩了药物研发的全链条。
只管遮天蔽日的AI摸索及运用，并无转变立异药最客不雅的事实，即一款新药从立项到上市，平均需要十年、投入跨越十亿美元。
但AI制药已经经最先撼动新药研发原本的格式，基在AI开发的于研管线几次呈现年夜额BD生意业务、英矽智能甚至将AI开发的新药管线推进到III期临床实验，都于申明这一点。
不外，想要算清晰AI制药的成本，并不是易事。
“简朴来说，AI制药的成本年夜致可以分为四块：基础举措措施用度、软件与平台授权费、人材团队支出，以和数据成本。”一名从业者向动脉网先容，“但详细到每一类用度怎样核算，行业内还有没有形成共鸣。”
详细而言，基础举措措施、软件与平台授权费、人材团队支出等，是AI制药经济账中相对于清楚的项目。此中，基础举措措施是显性成本的年夜头。
AI模子的练习及推理需要算力，算力需要GPU办事器或者云计较资源。这部门成本按项目或者按年度计费，弹性空间有限。对于在没有自建算力中央的中小型biotech，云计较用度是连续性的财政压力。
软件及平台授权，是另外一块刚性支出。
全世界主流的AI制药贸易化平台，多采用按管线里程碑或者按年付费的模式。相干从业者暗示，这类计费方式的利益是危害共担，但坏处是，跟着管线数目增长，授权用度会快速累积。
人材成本是行业内公然的奥秘。AI制药需要的是AI及药学的复合配景人材，这种人材于市场上极其稀缺，薪酬程度显著高在单一配景的步伐员或者药学研究员。组建一个六到八人的焦点团队，人力成本往往跨越总体预算的三分之一。
而AI经济账核算真实的难点，是数据成本的计较，这是大都人于算账时最轻易低估的一块。
假如仅基在公然文献，很难形成高质量的练习数据集，而颠末严酷标注的生物学数据、临床数据及真实世界研究数据，获取成本极高。
跟着AI模子范围的扩展，对于数据量及数据质量的要求还有于连续上升。
“今朝行业内核算AI制药成本的主流做法，是项目成本法，将AI东西的利用成本，分摊到每一条管线的每一个要害节点，对于比传统研发路径同阶段的成本，患上出AI节省了几多时间或者用度。”另外一位从业者向动脉网暗示，“但这个算法有水份。”
好比，掉败管线的成本，往往于统计中被纰漏。AI辅助的靶点发明掉败了，AI的练习用度及算力耗损已经经发生，这部门淹没成本往往被纰漏。
客不雅来将，只管以BMS为代表的MNC已经经最先器重对于AI价值的评估，但实践中的AI制药成本核算，是存于低估的。
0二、AI的收益集中于临床前
于硬币的另外一面，AI制药的收益核算相对于轻易。
今朝，AI制药收益计较最直不雅的，是靶点发明环节。
经由过程AI辅助的靶点优先级排序及虚拟筛选，部门Biotech已经经将靶点验证周期，从传统的2～3年压缩到1年之内。这种产出的权衡指标清楚，研发时间的压缩、研发成本的降低，账面上都有据可查。
此外，份子设计与先导化合物优化环节的产出一样可被量化。
以眼下AI运用最为成熟的场景之一ADMET猜测为例，海内头部Biotech于这一环节的AI介入水平已经相称深切，迭代效率的晋升、临床前研究周期的压缩，都能经由过程数据直不雅出现。
研究数据显示，于AI介入下，候选药物从立项到核准的总体乐成率可能从今朝约8%晋升到18%摆布；AI设计的药物于I期临床实验中乐成率高达80%-90%，而传统要领仅约40%。ARK《Big Ideas 2025》猜测，于AI深度介入的情景下，单个新药总投入有望从当前行业平均的十几至二十多亿美元降至个位数十亿美元。
但到了临床实验环节，特别是触及受试者更多的II期、III期临床实验阶段，环境就变患上繁杂。
一款进入临床实验的候选药物，终极获批上市的几率不足10%。
II期与III期临床实验的掉败，是耗损药企资金与时间的最重要黑洞。真正可以或许从布局层面转变新药研发投入产出比的变量，是临床乐成率的晋升。
假如AI可以或许于实验设计、生物标记物发明和顺应性实验设计等要害环节阐扬更为主导的作用，临床乐成率有望晋升10至15个百分点。
但实际却相称骨感。
当前，患者招募是临床实验阶段落地水平最高的AI运用场景。
AI经由过程对于病史数据的布局化阐发，可以或许于更短期内辨认更匹配的患者群体。
据估算，这一运用可将临床实验时间缩短20%至30%，进而改善药物研发的内部收益率（IRR）。
于最要害的临床方案设计、落地、治理等环节，却鲜少接入AI东西。
“AI于药物研发中的渗入，远比想象中的更不匀称。”前述从业者增补道。
这暗地里的缘故原由于在，数据可患上性的底子制约。
临床前阶段拥有年夜量布局生物学数据、文献专利数据和已经知化合物的活性数据，这些组成了AI模子练习的基础。
但临床阶段的数据则分离在各药企、CRO公司与羁系机构，受隐私掩护与贸易秘要约束，难以形成年夜范围、可标注的练习集。
与此同时，临床方案设计、尽头指标选择、患者招募计谋等环节，触及年夜量难以量化的医学判定、羁系博弈与伦理考量，这些变量没法被转化为可供AI进修的尺度化数据。
此外，羁系层面的不确定性进一步加重了这一困境。
AI辅助临床决议计划今朝缺少明确的羁系路径与审批尺度，不管FDA还有是国度药监局，对于在AI天生的临床数据都持谨慎立场，药企也不敢将要害临床决议计划彻底拜托在AI体系。
只管AI制药投入产出比的本色性改善是确定的，但短时间内可能还有不会发生。
这一改善的条件，是临床数据的体系性买通与连续堆集，即用以练习更精准的临床AI模子，以和充足长的时间窗口，用以不雅察AI对于临床乐成率的真实影响。
被低估的成本，及因难以估算而一样可能被低估的收益，让AI制药的经济账，短时间内很难核算。
0三、AI制药也要失头吗？
"互联网年夜厂的问题，是可以砍失AI团队止损的，但AI制药的淹没成本已经经于份子开发历程中提早发生，提早终止的丧失弘远在和时止损的互联网公司。"前述从业者人士阐发指出。“AI制药真实的价值需要放于更长的时间维度上去权衡。”他增补到，互联网AI投入是成本中央，可以随时压缩；AI制药的AI投入是研发东西，终极收益表现于药物上市后的发卖。
这是一个以十年为单元的帐本，不克不及用互联网的短时间ROI逻辑去套。
一方面，传统制药从立项到贸易化平均耗时约13年，于AI深度介入的情景下有望压缩至8年摆布。这象征着AI制药的投入一旦启动，险些没法于短时间内得到回报；
另外一方面，到2024年，海内头部药企单个资产平均研发成本已经经到达22.3亿美元。AI制药的淹没成本可能集中于前期靶点发明及份子设计环节，一旦半途终止，这部门投资很难收受接管。
从这个意义上讲，AI制药的经济账，不是是否继承烧钱的问题，而是AI烧进去的钱终极可否换回一款能卖出去的药的问题。
不外，当做本问题被摆上台面，是时辰从头梳理AI制药的逻辑，提出新的要求。
最近几年来，行业关在AI制药的会商，始终缭绕AI可以做甚么。此刻，行业需要回覆，AI要怎么做，才能兑现这些预期。
一方面，AI制药摸索至眼下，基本可以明确的是，AI是一种贯串新药研发始终的生态化东西。
选择适合的互助模式，才能实现双赢。从行业实践看，这类生态互助的模式是多样化的。
最多见的是结合开发，2022年10月，英矽智能与赛诺菲签订战略互助和谈，开发不跨越6个立异靶点的候选药物。赛诺菲付出1250万美元首付款，英矽智能可以使用其Pharma.AI平台完成先导化合物辨认、合成及优化全流程。后续里程碑付款最高可达12亿美元，贸易化乐成后还有可得到低两位数特许权利用费。截至2023年中期，两边互助确认收入约830万美元。
此外，技能授权加成天职担的模式也慢慢鼓起，部门项目中互助方负担研发成本和贸易化成本，AI企业提供技能撑持。
2022年，Exscientia曾经与赛诺菲告竣生意业务总额高达52亿美元的互助，是AI制药范畴价值最高的互助项目之一。按照两边商定，赛诺菲将使用Exscientia的端到端AI驱动平台及患者样本开发多达15种针对于癌症及免疫介导疾病的全新小份子药物候选物。互助规模从靶点辨认来临床前开发、出产制造及贸易化全流程。
另外一方面，不管是制药企业还有是AI企业，有须要成立分层预算布局来节制成本。
“可以采用分层逻辑，将基础举措措施及焦点平台授权作为固定成本，节制于研发总预算的5%到8%。”前述从业者指出，将按项目里程碑付费的AI办事设为可酿成本，动态调解。
同时，预留2%到3%的摸索性预算用在测验考试前沿运用，不要求短时间回报，“固然，这个比例不是绝 对于的，焦点原则是防止两个极度，既不要将所有管线都强行套上AI东西，也不要由于短时间看不到回报就彻底抛却。”
而存眷互联网年夜厂最先算AI经济账这件事自己，更主要的意义于在，它提示行业，AI不是万 能药。
日后，投资者可能越发抉剔，对于真实临床数据及贸易价值的要求更严酷。这也倒逼企业越发务实，出色绝伦的AI故事终需真正的数据来填满。
同时，市场的头部效应将加重，只有可以或许拿出过硬临床数据的公司，才可以继承把AI制药的故事讲下去。
AI制药的经济账，不是一道关在AI的算术题，短时间内也很难给出相对于正确的谜底。
这是一道关在时间及耐烦的问答题，与其拷问AI制药于成本的风浪中可以或许立患上住，不如回归做药的素质，让AI退回东西的位置，配合为临床未解的难题，寻觅更好的解决方案。
【本文由投资界互助伙伴动脉网授权发布，本平台仅提供信息存储办事。】【免责声明】：本文不组成任何投资建议。市场有危害，投资需审慎。若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。
-lehu乐虎88国际