全球AI辅助药物研发正加速推进。据L.E.K. Consulting统计，截至2025年，进入临床阶段的AI辅助药物分子已超100个，超过90家中国本土企业已与AI biotech公司建立合作。资本明显更青睐AI制药公司，但热度之下瓶颈依然突出。
数据稀缺不只是“量”的问题。力场采样创始人彭向达指出，生物分子领域高质量结构数据储备有限，模型面对全新分子时预测性能会衰减，而真实研发场景恰恰多为全新分子。上海科学智能研究院研究员杨自雄也表示，药物使用后病人表现变化等机理数据极难采集。AI制药缺的不是一般“大数据”，而是贴近真实研发过程的高质量、机制性数据。
数据模态单一同样制约效能。上海交大教授陈洛南认为，跨模态配对数据对模型训练至关重要，但行业可获取的数据大多为单模态。临港实验室研究员袁博补充，通过时间扰动等手段获取不同维度数据，才能实现有组织的数据输出。
模型开源后，竞争转向数据生态。腾讯健康首席架构师陈睿判断，模型本身并非最大壁垒，算力和算法只是入场券，干湿实验的反馈闭环能力以及失败数据才是破局关键。随着模型逐渐开源、算力普及，行业壁垒正从模型、算法转向数据生态。
深势科技李厦戎表示，未来10年一定会出现一批用AI重构药物研发流程的伟大公司，这代表了行业对AI制药的长期期待。