AI制药数据瓶颈引热议：高质量数据稀缺成行业共识

在2026年9月19日举办的“2026张江药谷大会暨上海国际生物医药产业周”之“未来智药：AI+制药前沿论坛”上，多位专家学者围绕AI制药的发展瓶颈展开讨论，普遍认为高质量、机制性数据稀缺及数据闭环能力不足是当前行业面临的主要壁垒。

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。热度之下，AI制药的数据短板愈发凸显。

力场采样创始人彭向达指出，生物制药类模型与自然语言大模型存在本质差异。自然语言模型可学习海量互联网文本，而生物分子领域的高质量结构数据储备相对有限，模型面对未曾学习过的新分子时，预测性能易出现衰减，真实药物研发场景中的研究对象大多为全新分子。

上海科学智能研究院研究员杨自雄表示，药物使用后病人的表现变化等临床数据虽可采集，但整套机理数据难以获得。上海交通大学教授陈洛南认为，跨模态配对数据对AI制药模型训练至关重要，但目前行业可获得的数据大多为单模态数据。

腾讯健康首席架构师陈睿判断，模型本身并非AI制药的最大壁垒。腾讯已在相关实验室开展大量蛋白质研究，不少模型已开源。腾讯近期的重点布局是实验反馈强化学习，在陈睿看来，算力和算法只是入场券，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。

与会人士认为，随着模型逐渐开源、算力逐渐普及，AI制药的竞争正从模型、算法、算力转向数据生态建设。