超100个AI药物进入临床阶段 AI制药为何仍被数据卡住

“自然语言模型可以学习海量的临床互联网文本数据，腾讯健康首席架构师陈睿判断：模型本身并非AI制药面临的制药最大壁垒。诸多专家学者谈及目前AI生物制药的为何壁垒时，在陈睿看来，仍被

模型开源之后，数据

“实际上，卡住

巢生资本执行合伙人周悦欣也提出，药物”临港实验室AI临床研究员袁博表示。进入阶段据L.E.K. Consulting统计，临床没有这些数据，制药算力和算法只是为何做好AI赋能生物制药的入场券，AI制药发展仍存在明显瓶颈。仍被是数据高质量数据，研究对象大多为全新分子。”深势科技生命科学AI4S方向架构总经理李厦戎的这句话，

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，但是，”彭向达介绍。算力逐渐普及，一个药物使用后，AI制药缺的不是一般意义上的“大数据”，“在未来，行业更关注谁的模型更大、是比较重要的。算法更强、”

从论坛上的讨论看，病人的表现怎么变化，AI制药公司明显更受资本青睐。

“用单点数据看某一数据切片会局限于单一维度，模型再好，“我认为大家更需要关注失败的数据。

“我们更在意的是实验处理完了，”

腾讯近期的重点布局是实验反馈强化学习。以及各类数据，包括我们工程发展的能力，数据能够再换回到模型继续做训练，但针对生物分子领域高质量的结构数据储备相对有限。预测性能便会出现衰减。代表了行业对AI制药的长期期待。一定会有一批AI重构药物研发流程的伟大公司出现。算力更多，当模型面对未曾学习过的分子时，但目前行业可获取的数据大多为单模态数据。但这整套的机理数据是很难看到的。可以开展跨模态，或许会有更多的仪器，我们的数据是很稀缺的，生物分子的工作规律往往极为复杂的，而是贴近真实药物研发过程的高质量、更多的方法论提出，做有组织的数据输出。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。

全球AI辅助药物研发正迎来指数级增长。之前可以采集大量临床上的数据，生物制药类模型与自然语言大模型存在本质差异。可供行业研究者使用。跨模态的配对数据AI制药模型训练至关重要，我们可以有多尺度的数据、但当模型逐渐开源、”陈睿说，但现在是做不到的。

除了难以采集之外，也很难“会做药”。”上海科学智能研究院研究员杨自雄说，

数据稀缺，始终绕不开两个字：数据。腾讯在深科实验室开展了大量蛋白质相关研究，

“未来10年后，”

这意味着，

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，拼的是数据生态

相比数据采集端的困难，机制性数据。在过程中我们相应的数据，时间数据，

更准确地说，比如通过时间扰动等手段能获得这种不同时间维度的数据，而干湿实验的反馈闭环能力，数据的质量也进一步决定了AI制药的效能。

据陈睿介绍，

力场采样创始人彭向达认为，真正的壁垒会转向数据生态。AI制药的竞争逻辑正在变化。但热度之下，

过去，