伯恩斯坦：AI 制药要分清炒作与现实

很多人觉得 AI 很快就能攻克各类疑难病症，但伯恩斯坦 2026 年 8 月研报给出不一样判断：AI 药物研发存在多重现实瓶颈，短期难以实现 “治愈所有疾病” 的宏大愿景。

首先，底层生物学认知存在短板。人类蛋白组仅有约 9% 被充分研究，绝大多数疾病缺少成熟治疗手段，同时药物研发数据大多属于药企私有，不存在大规模公开数据集，这会直接限制 AI 模型输出结果的质量。就算 AI 完成靶点和分子设计，也绕不开临床试验，疾病的自然演化进程无法靠算法压缩，监管、医疗体系的承载力同样是硬性约束。

这份研报提出一个关键认知：AI 最大价值是提升决策质量，而不是单纯压缩研发时间。测算显示，降低研发失败率带来的收益，远高于同等幅度的提速、降本。面对机制清晰的成熟病种，AI 容易交出好看结果；但攻坚机理不明的疑难病症，整体成功率依旧会维持低位，还需要配套更多湿实验室实验产出新数据，AI 不能替代实体实验。

海外药企走出三条不同路线：礼来广撒网，对外达成数量最多的合作；罗氏兼顾合作与自建大规模算力；安进侧重内部体系，依靠自有遗传数据库和自研模型。当前行业已经诞生大约 70 个 AI 起源的在研项目，但决定性临床验证集中在未来 3‑5 年。目前还没有经过完整验证的 AI 原生新药上市，行业真实成效仍待临床数据检验。

可私信我，进我的外资研报知识库：外资研报知识库汇集全球顶级投行最新研究报告，每日更新，覆盖全球宏观、行业趋势及公司深度分析，是你手机里的经济顾问智囊团。还可以参加我的深度阅读换脑计划，为拒绝浅阅读、追求认知升级打造，原版外刊同步更新，图文音频视频多重解读，多端同步，助力认知升级。