ARTICLE · 1233033
AI 制药 vs AI 诊断 vs AI 影像:3 种走法
AI 制药 vs AI 诊断 vs AI 影像:3 种走法
看懂 AI 制药 · AI 在医药的 3 种走法 | AI 制药 vs AI 诊断 vs AI 影像
1. AI 在医药有 3 种完全不同的走法:AI 制药(分子→管线)、AI 诊断(数据→诊断)、AI 影像(影像→辅助),数据来源、落地周期、商业模式全不一样。
2. 落地周期是最大变量:AI 影像 1-2 年、AI 诊断 1-3 年、AI 制药 5-10 年 — 周期越长,资本耐心越被考验,行业离兑现越远。
3. 读者结论:你在前面 6 篇看到的"AI 制药收入兑现"难,不是 AI 公司不行,是这个赛道的 天然结构 — 横向对比 3 个赛道,你看得到差异。
📌 读前必看："医药"经常合称，其实是 2 个独立产业：
- 医 = 临床服务
（医院/医生/诊断/影像）—— 服务行业，资本结构轻、人才偏临床、监管走医疗器械 / IVD 路径 - 药 = 药物研发 + 制造
（药企/药厂/管线）—— 制造业，资本结构重、人才偏科研、监管走临床 I/II/III + 上市路径
AI 进入这 2 个产业后走出了 3 种完全不同的路径：AI 影像（医）、AI 诊断（医）、AI 制药（药）。本文拆的"3 种走法"就是这 2 个产业 × 3 个细分赛道的模式差异。
00为什么这篇要横向对比 3 个赛道
前面 6 篇评估系列一直在 AI 制药赛道里讲玩家、讲财报、讲估值,讲到了 2026 H1 大家反复提的"兑现"难题。
但这容易让读者产生一个错误印象:"AI 公司怎么这么慢?"
横向对比一下 AI 在医药的另外两条赛道 — AI 诊断 和 AI 影像 — 你会发现:不是 AI 公司不行,是 AI 制药这个细分赛道的天然结构决定的。
这篇文章不写 AI 制药的细节,只回答一个问题:
013 个赛道 — 速览 3 张卡
把 10 个维度拆成 3 张卡阅读:卡 1 讲做什么,卡 2 讲怎么变现,卡 3 讲谁在做。跨卡扫一眼,3 个赛道的差异自然出来。
🎯 卡 1 — 是什么(做什么 + 数据 + 任务)
| 核心任务 | |||
| 数据来源 | |||
| 典型 AI 任务 |
💰 卡 2 — 怎么变现(周期 + 模式 + 路径)
| 落地周期 | 📊 5-10 年 | 📊 1-3 年 | 📊 1-2 年 |
| 商业模式 | |||
| 变现路径 |
🏗️ 卡 3 — 谁在做(壁垒 + 玩家 + 现状)
| 核心壁垒 | |||
| 代表公司(中国) | |||
| 代表公司(海外) | |||
| 当前阶段(2026) |
📊 速读:3 张卡 × 10 维度全不一样 — 不是同一个事,不能用同一把尺子量。
02AI 制药 — 走"分子→管线"这条最难的路
📌 为什么 AI 制药是 3 个赛道里最难的？3 个根因：
- 监管路径完全不同
：药走临床 I/II/III + 上市（5+ 年），医走三类证 / 510(k)（1-2 年）。药每跨一个临床阶段就要重新证明安全性 + 有效性，医一次审批即可铺开 - 因果链长度差 4 倍
：药是"分子 → 动物 → 人 → 临床终点"4 跳因果，每一跳都可能失败；医（影像/诊断）是"影像 → 诊断"1 跳，错了也能快速迭代 - 试错代价差 1-2 个数量级
：药 III 期失败烧 2-3 亿美元 + 5 年时间；医模型上线错了 1 周就能重新训练
这 3 个根因决定 AI 制药周期是 AI 影像的 5-10 倍，不是 AI 公司不行，是赛道结构决定。
🤖 在做什么
用 AI 设计、筛选、优化 分子结构,再把这些分子推进到 临床前 / 临床试验 — 周期 5-10 年,投入数亿美元。
📊 数据来源 — 最复杂
- 公开数据
:PDB(蛋白结构)/ ChEMBL / BindingDB / 专利文献 - 湿实验反馈
:自有或合作的合成 + 测试数据(这才是真正的护城河) - 合作反馈
:跟药企合作产生的靶点活性、动物模型、毒理数据
⏰ 落地周期 — 最长
从立项到上市,5-10 年起步。一个分子从 AI 设计的"候选"到 III 期临床数据读出,平均 6-8 年。
这意味着:2018 年立项的 AI 管线,到 2026 年才刚开始有数据。这就是为什么 D 系列反复说"兑现"难 — 不是兑现慢,是这个赛道的生物钟决定的。
💰 商业模式 — 最分裂
AI 制药公司的收入可以来自 4 条线:
- 软件授权
(Software):Pharma.AI / Schrödinger Live — 占比小,但毛利高 - 服务
(Services):CRO 式服务 — 深度智耀主要在这条线 - 资产合作
(Partnership):里程碑款 + 销售分成 — Insilico 主要在这条线 - 自营管线
(Pipeline):长期回报,2026 之前几乎不贡献收入
不同公司走不同线,导致 前面 D 系列公司收入结构对比中你看到的"4 家公司收入结构差异巨大" — 不是因为它们"做事不一样",是因为 它们选择在哪一条线变现。
03AI 诊断 — 走"数据→诊断"这条中等难度的路
🤖 在做什么
用 AI 把 基因数据 / 病理数据 / 多组学数据 / 临床记录 整合成 疾病诊断报告。
典型场景:
基于 ctDNA 的癌症早筛(GRAIL(GRAL.US) 模式) 基于病理切片的肿瘤分型(Foundation Medicine 模式) 基于多组学的罕见病诊断(Tempus AI 模式)
📊 数据来源 — 中等
基因测序数据(自营测序仪或合作实验室) 病理切片数字化数据 临床电子病历(EHR) 公开数据库(COSMIC / ClinVar / TCGA)
⏰ 落地周期 — 中等
1-3 年。AI 诊断产品通常需要 NMPA 三类证 / FDA 510(k),周期 1-2 年,加上临床验证和市场推广,大概 2-3 年。
对比 AI 制药的 5-10 年,快了 3-5 倍。这就是为什么 AI 诊断的代表公司(Tempus AI / GRAIL(GRAL.US))能在 2024-2025 集中上市或进入兑现期。
💰 商业模式 — 较清晰
- 检测服务费
:每例报告几千到几万元,医院或患者付费 - 软件 SaaS
:年订阅,医院端使用 - 联合实验室
:跟医院共建,收入分成
这条线比 AI 制药清晰得多 — 因为诊断服务的 客户付费意愿明确(医院 / 保险公司 / 药企),不需要等 10 年才有回报。
04AI 影像 — 走"影像→辅助阅片"这条最快的路
🤖 在做什么
用 AI 在 CT / MRI / X 光 / 病理切片 上做 目标检测 / 病灶分割 / 阅片排序 / 量化分析,辅助医生阅片。
📊 数据来源 — 最标准
公开影像数据集(LIDC-IDRI / NIH ChestX-ray / MIMIC-CXR) 医院合作标注数据 设备厂商预装数据(联影 / 飞利浦 / 西门子)
影像数据是 结构化最标准的医疗数据(统一格式 + 统一模态),AI 学习曲线最短。
⏰ 落地周期 — 最短
1-2 年。三类证审批相对快,医院集成也成熟(PACS / HIS 接口标准化)。
这就是为什么 2021-2022 年,鹰瞳 02251.HK(2021.11 上市) / 推想 2175.HK(2022.3 上市) 先后港股上市 — 周期够短,资本在 2-3 年内看到上市可能。数坤、科亚同期港股递表后失效,转向 A 股科创板 / 商业化深耕。
💰 商业模式 — 最直接
- 设备销售
:跟影像设备捆绑(联影模式) - 按例计费
:医院按使用次数付费 - SaaS 年费
:影像云 / 阅片工作流订阅
客户是医院,付费场景直接(阅片效率提升 / 漏诊减少),不需要教育市场。
053 个赛道对比 — 5 个核心维度
🔬 维度 1:数据壁垒
| 数据来源 | |||
| 公开数据质量 | |||
| 私有数据价值 | 📊 极高 | ||
| 数据获取难度 |
📊 结论: AI 制药的数据壁垒是 3 个赛道里 最难的 — 公开数据分散,私有数据(湿实验反馈)获取成本极高。这就是为什么 前面 D 系列反复讲"数据护城河"。
⏰ 维度 2:落地周期
| 立项到第一个产品 | 📊 2-4 年 | 📊 1-2 年 | 📊 1 年 |
| 第一个产品到商业兑现 | 📊 3-6 年 | 📊 1 年 | 📊 1 年 |
| 总周期 | 📊 5-10 年 | 📊 1-3 年 | 📊 1-2 年 |
📊 结论: AI 制药的总周期是 AI 影像的 5-10 倍。资本耐心被考验,估值靠"未来现金流贴现"而不是"当下业绩"。
💰 维度 3:商业模式
| 主要收入来源 | |||
| 收入波动性 | |||
| 客户数 | |||
| 客户付费意愿 |
📊 结论: AI 制药的客户是 全球前 20 药企(英矽/晶泰/剂泰的 BD 都是这个口径) — 客户少但单笔大;AI 影像的客户是 各级医院 — 客户多但单笔小。
🏗️ 维度 4:核心壁垒
| 最难复制的部分 | |||
| 算法权重 | |||
| 数据权重 | 📊 极高 | ||
| 渠道权重 | 📊 极高 |
📊 结论: AI 制药的核心壁垒在 数据(湿实验);AI 影像的核心壁垒在 渠道(医院 + 设备);AI 诊断介于两者之间。
📈 维度 5:估值逻辑
| 估值锚 | |||
| 估值波动 | 📊 极高 | ||
| 2024-2026 主旋律 | |||
| 典型 PE / PS |
📊 结论: AI 制药在 管线兑现前 估值波动最大(因为锚是 NPV);AI 影像 / AI 诊断在 兑现后 估值波动收敛(锚是当下业绩)。
06对读者的启示
🎯 给投资人
不是同一个 AI,不能用同一把尺子量。投 AI 制药要像投 Biotech(看管线);投 AI 诊断要像投医疗器械(看注册证 + 渠道);投 AI 影像要像投医疗 SaaS(看装机量 + 续费率)。
3 个赛道的估值锚、波动逻辑、退出节奏全不一样。
🎯 给从业者
横向看赛道,纵向看位置。
你在 AI 制药公司感觉"收入难兑现" — 不是公司的问题,是赛道 5-10 年周期的天然结构。对比 AI 影像 1-2 年的兑现节奏,你能更客观地理解自己公司当下所处的阶段。
🎯 给药企 BD
3 个赛道带来的不是竞争,是合作机会。AI 制药出的管线需要 AI 影像做 临床试验的患者分层、需要 AI 诊断做 伴随诊断(CDx)。3 个赛道实际上是同一个医疗 AI 生态的不同环节。
🎯 给 CRO + AI 升级公司
CRO + AI 升级在前面 D 系列里讲过 — 横向对比 3 个赛道后位置更清楚:
相比 AI 制药自营管线公司(英矽):CRO 不需要承担 5-10 年的临床风险,变现更快 相比 AI 诊断 / AI 影像:CRO 在 数据深度 上有天然优势(服务客户 5-10 年沉淀下来的工艺数据 / 反馈数据) 最大机会:AI 诊断 + AI 影像 的临床推进需要 CRO 提供研发服务 — 这是 CRO + AI 升级的新增市场
【反向情景】3 个赛道的天然差异也意味着 CRO 的位置有可能被双向挤压：
- 向上被 AI 制药平台挤压
：晶泰、英矽智能等头部 AI 制药公司开始自建 CRO 能力（自动化实验 + 内部团队），中型 CRO 的"AI 升级"窗口期可能在 2-3 年内关闭 - 向下被 AI 诊断 / 影像的轻资产模式挤压
：AI 诊断 / 影像公司靠 SaaS + 检测服务做到 1-3 年兑现，资本更愿意投轻资产；CRO 的重资产模式在估值上不占优 - 横向被"AI 工具型"创业公司切走
：纯 AI 工具（如 Schrödinger Live / 百图生科 xTrimo）的边际成本几乎为 0，CRO 的"工具 + 服务"模式可能被迫向"纯服务"或"纯工具"分化
CRO + AI 升级的真正护城河不是"我会用 AI"，而是"我手里有客户 5-10 年的真实工艺数据" — 这是 AI 工具型公司拿不到、CRO 自己不沉淀就丢掉的资产。
07谁该看这一篇
| 投资人 / 分析师 | |
| AI 制药公司 BD / PM | |
| AI 诊断 / AI 影像公司战略部 | |
| CRO + AI 升级公司 | |
| 药企 BD / 战略部 |
08References
[1] 中国 AI 制药公司财报数据(英矽 3696.HK / 晶泰 2228.HK / 剂泰 7666.HK / 深度智耀):港交所披露易 / 公司公开公告 / 36kr / 中证报 / 证券日报
[2] 中国 AI 诊断 / 影像 公司(鹰瞳 02251.HK(2021.11 港股上市) / 推想 2175.HK(2022.3 港股上市) / 数坤(2025.11 内部启动 IPO) / 科亚医疗(2021.3 港股递表失效,商业化深耕)):港交所披露易 / 公司公开公告 / 动脉网
[3] 中国 AI 影像公司(联影智能(联影集团) / 商汤医疗 / 推想(Infervision) / 鹰瞳 02251.HK):公司公开资料 / 36kr 报道
[4] 海外 AI 制药公司(Recursion / Exscientia / Schrödinger / Isomorphic Labs):SEC EDGAR / 公司公告 / 公司投资人关系页面
[5] 海外 AI 诊断公司(Tempus AI(TEM.US,2024.6 Nasdaq 上市) / Guardant Health(GH.US) / GRAIL(GRAL.US,2024.6 从 Illumina 剥离独立上市)):SEC EDGAR / 公司公告
[6] 海外 AI 影像公司(Arterys / Zebra Medical / Aidoc):公司公告 / Crunchbase / CB Insights
[7] AI 制药落地周期数据:ClinicalTrials.gov / Nature Reviews Drug Discovery 行业综述
[8] NMPA 三类证审批周期:国家药监局 公开数据 / 医疗器械蓝皮书
看懂 AI 制药 · AI 在医药的 3 种走法 | AI 制药 vs AI 诊断 vs AI 影像
