2025年3月，在波士顿的一家Biotech 创始人，正在寻求新一轮融资。他和中美两国的投资人都有接触，忽然感觉
“DeepSeek 对国内科技行业的提振很强，去年的低迷一扫而光”。
他感觉到，中国资产涉及到“AI 加持医疗”的价值在增加，“技术上虽然刚开始，但是未来前景很大，美国相关股票在最近也开始暴涨”。
国内知名基金的生物板块负责人，也加紧和同公司数据智能团队交流，并紧锣密鼓地调研之前投资的人工智能公司，独立分出来做医疗的团队。
“最近老板都在疯狂补课。”一位投资人发来一篇关于AI影像公司商业前景的文章。其表示，
在一级市场，剩下的AI 公司标的已经不多了。
一线从业者的“体感”，来自春节前DeepSeek R1 模型的横空出世带来的一股“AI热潮
”
。DeepSeek 在美中两国相继登上APP 下载榜第一名，国内多家地方政府机关、大型三甲医院以及大药企的接入……DeepSeek 之热，制药人也几乎都人手下载了一个。“虽然在我们的领域还没有到非常专业的程度，但在大众应用层面的表现已经非常出色了。”
DeepSeek 的影响带动了AI 医疗/医药股的走势。一个多月来，多个医疗影像、医疗信息化、AI 制药概念股涨幅接近50%。其中，晶泰科技作为国内“AI 制药第一股”，日前宣布将在港股配售筹集超过20亿港元。
-
01
-
似曾相识的“暴涨”
AI 概念公司在股市中的走高已经不是第一次。
在一位投资人的印象里，这甚至已经是第四次了：
从2014年IBM 组建watson 部门，到2017年和2021年在牛市中被炒热，AI 概念曾几次被推高到A股的风口。
因此，AI 公司在创投界也一直比较受欢迎。
美股也历经了数次“AI 热”，包括去年9月的ChatGPT 热潮的影响。投资人表示，这不是第一次，也不会是最后一次，
AI 对生产力的提升会在未来长达十年的时间里逐步显现，这种趋势已经成为共识。因此一旦有新的动向出现，AI 股便会一路走高。
作为一种新技术，中美的AI 技术发展及相关股市表现在某种程度上是“共此凉热”。此前中国进度看起来稍后一些，“前面几波都是美国人在做，中国可能花6个月或小一年才能追上。“
但这次不同，“以前都是美国先迈左脚，这次是中国先迈了右脚，DeepSeek这个台阶是中国先迈上去了。那体现在股价上就是这波中国的股票涨得比较多。”投资人表示。
不过有投资人评价，如今无论是已上市还是未上市的AI制药公司，“都很难评价”，“神奇的公司太多了”
“没法证明也没法证伪”
。
AI医疗和AI制药不同。如果说一件商品的形成有“好的技术-好的产品-好的商业模式”三个步骤，有的AI医疗公司（医疗信息化、影像等公司）或许已经由第二步到第三步努力；而对于AI制药行业整体而言，目前可能还在第一步到第二步进阶的阶段。
-
02
-
AI 制药，走到哪一步了
AI 制药，目前出现的第一类公司，是在临床前阶段帮助筛选分子。比如根据某种疾病的模式，综合是否更有利于结合靶点、蛋白质等条件，在“分子仓库”里寻找可能匹配的解决方案。
除了晶泰科技、英矽智能等自己利用AI来研发产品的（相当于利用了AI技术的Biotech），还有一些公司会用AI筛选分子技术，结合后期的动物试验等做CRO，例如药明康德。
有业内人士表示，AI 在筛选分子方面的作用不可一概而论。在小分子、抗体、多肽等不同Modality （模态）上，AI 赋能的方式和程度都不太一样。
不过行业共识是，无论是哪一种，
真正用AI 设计的分子（而不是那些人为设计较多、AI仅起优化作用的），尚未产生令人惊艳的临床数据，
“De novo design （从头设计）”任重道远。
第二类AI 制药的思路是提高临床开发效率，根据适应症、生物标志物、患者既往病史和当下各项指标等条件，筛选出最适合用药的人群。将来，这种筛选方式产生的临床数据经过AI 分析，或许也可以为患者提供更精准的治疗方案。
相比起小规模出现的AI 分子筛选类公司，AI 临床创新方案或精准入组病人设计公司更少，赛菲尼（Safenia）医药是一家。其致力于采用AI 辅助的方式，从病人用药反应的数据中提炼患者的生物特征（Biologic Signature）、设计精准筛选患者的标志物，为临床研究确定药物适用的对象。
AI 效率之高曾让赛菲尼医药董事长黄予良惊叹：“如果按照我们传统做法，要花9个月到一年的时间才能在1个基因上找到适用患者的生物特征；现在的赛菲尼，我们使用整合AI 的研发工具，在25个基因上分析并确定药物适用患者的生物特征，
花了差不多6个礼拜时间就全部搞定了,且精准度比起‘众多博士’的努力还要高和可靠。”
商业模式上，赛菲尼医药的基本模式是“再创造”那些三期试验不成功的药物，利用AI 筛选具有药效反应生物特征的患者。在有预测能力的基础上，提高临床试验的成功率，“目前药物的三期临床成功率不到50%，我们希望能够通过我们的AI技术平台赋能，将这个成功率提高到80%以上。”
NewCo 孵化机构合伙人彭巍表示，经过多年的干实验预测与湿实验反复验证，
国内外AI 制药领域在泡沫中终于涌现出一些有潜力的公司，不缺融资、不缺人才、也不缺大厂合作。
但其管线与商业模式真正成熟还有一段距离，因此这些公司目前埋头苦干，十分低调，不愿引来过早的竞争或过多的关注。
有从业者表示，
目前MNC 也都在涉足AI 制药领域，有的已成立了近百人的专门部门，
旨在于研究如何利用AI指导药物的高效开发。但如果要让AI 参与临床试验，尤其是三期试验的环节，无异于在公司战略层面启动重大变革——AI 要深度参与制药行业，恐怕还需要一些时间。
-
03
-
“药效黑箱”捆住了AI 的翅膀
在业内人士看来，对于整个制药行业而言，利用AI 筛选分子有时显得有些“隔靴止痒”——理论上再优秀的分子，都要经过临床阶段的验证，这才是制药的最大难点、风险点及成本所在。
而在把“安全性”置于第一位的制药工业，
动物及三期人体试验的过程，在可见的未来里，是难以被AI 的推测及模拟所代替的。
对人类来说，生命科学还是“一门远远未尽的科学”。某个分子在什么情况下、为何能发挥作用；为何理论上能发挥作用，可有时又会导致严重的副反应和安全性问题……这些问题又常常处在“黑箱”里，
目前只有通过人体试验，才能大致推测出药物作用的结果，可根本原因有时却依旧不十分明确。
这就导致了AI 在制药工业中的局限性。某种程度上，
AI 只能根据收集和整理已知的信息，为未知的事情提供可参考的解决方案。
但若源头的信息都是未知的，AI也就无从提供一个正确方案。
我们尝试从AI 发展的角度来理解这个问题。据业内人分析，AI 的能力是由“数据-模型-算力”三个维度构成的。
就数据层面而言，以DeepSeek 为例，作为一种面向普罗大众的应用，因其有大量语料数据可供“喂养”，因此它的优势也是在语言层面。多位行业人士判断，DeepSeek 在医疗的心理咨询领域应用空间可能较广。
相比数据层面而言，
