在“2026张江药谷大会暨上海世界 生物医药产业周”未来智药：AI+制药前沿论坛上 ，诸多专家学者谈及近来 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喜欢 。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 *** 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南表示 ，跨模态的配对数据AI制药模型训练至关重要，但近来 行业可获取的数据大多为单模态数据 。
“用单点数据看某一数据切片会局限于单一维度 ，但是 ，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，可以开展跨模态，做有组织的数据输出 。”临港实验室AI临床研究员袁博表示。
模型开源之后 ，拼的是数据生态
相比数据采集端的困难 ，腾讯健康首席架构师陈睿判断：模型本身并非AI制药面临的更大壁垒。
据陈睿介绍，腾讯在深科实验室开展了大量蛋白质相关研究 ，不少模型已经开源 ，可供行业研究者使用 。“我们把模型的权重开放，就是因为知道模型本身不是更大的壁垒 。 ”
腾讯近期的重点布局是实验反馈强化学习。在陈睿看来 ，算力和算法只是做好AI赋能生物制药的入场券 ，而干湿实验的反馈闭环能力，以及各类数据 ，特别是失败的数据才是破局的关键 。
“我们更在意的是实验处理完了 ，数据能够再换回到模型继续做训练，在过程中我们相应的数据 ，包括我们工程发展的能力 ，是比较重要的 。 ”陈睿说，“我认为大家更需要关注失败的数据。”
从论坛上的讨论看，AI制药的竞争逻辑正在变化 。
过去 ，行业更关注谁的模型更大 、算法更强、算力更多 ，但当模型逐渐开源、算力逐渐普及，真正的壁垒会转向数据生态 。
“未来10年后 ，一定会有一批AI重构药物研发流程的伟大公司出现。 ”深势科技生命科学AI4S方向架构总经理李厦戎的这句话 ，代表了行业对AI制药的长期期待 。
（文章来源：财联社）
本文来自作者[德化]投稿，不代表德化号立场，如若转载，请注明出处：https://m.taocisuyuan.com/dehua/6650.html
评论列表（4条）
我是德化号的签约作者“德化”！
希望本篇文章《超100个AI药物进入临床阶段 AI制药为何仍被数据卡住？》能对你有所帮助！
本站[德化号]内容主要涵盖：德化号,生活百科,小常识,生活小窍门,百科大全,经验网,游戏攻略,新游上市,游戏信息,端游技巧,角色特征,游戏资讯,游戏测试,页游H5,手游攻略,游戏测试,大学志愿,娱乐资讯,新闻八卦,科技生活,校园墙报
本文概览： 在“2026张江药谷大会暨上海世界生物医药产业周”未来智药：AI+制药前沿论坛上，诸多专家学者谈及近来AI生...