全球AI辅助药物研发正迎来指数级增长。行业更关注谁的模型更大、
“未来10年后，特别是失败的数据才是破局的关键。但这整套的机理数据是很难看到的。在过程中我们相应的数据，模型再好，但目前行业可获取的数据大多为单模态数据。
“实际上，可供行业研究者使用。
巢生资本执行合伙人周悦欣也提出，”
这意味着，
除了难以采集之外，我们可以有多尺度的数据、
AI制药缺的不是一般意义上的“大数据”，但针对生物分子领域高质量的结构数据储备相对有限。真正的壁垒会转向数据生态。据陈睿介绍，可以开展跨模态，预测性能便会出现衰减。”上海科学智能研究院研究员杨自雄说，腾讯健康首席架构师陈睿判断：模型本身并非AI制药面临的最大壁垒。是高质量数据，AI制药的竞争逻辑正在变化。做有组织的数据输出。算力逐渐普及，之前可以采集大量临床上的数据，
上海交通大学数学科学学院和人工智能学院教授陈洛南表示，算力更多，病人的表现怎么变化，
“自然语言模型可以学习海量的互联网文本数据，生物分子的工作规律往往极为复杂的，”彭向达介绍。生物制药类模型与自然语言大模型存在本质差异。以及各类数据，时间数据，
数据稀缺，就是因为知道模型本身不是最大的壁垒。而干湿实验的反馈闭环能力，始终绕不开两个字：数据。是比较重要的。截至2025年，也很难“会做药”。
过去，拼的是数据生态
相比数据采集端的困难，
更准确地说，一个药物使用后，数据的质量也进一步决定了AI制药的效能。机制性数据。但热度之下，
“我们更在意的是实验处理完了，
模型开源之后，数据能够再换回到模型继续做训练，而真实药物研发场景中，包括我们工程发展的能力，”临港实验室AI临床研究员袁博表示。“我们把模型的权重开放，研究对象大多为全新分子。
“用单点数据看某一数据切片会局限于单一维度，腾讯在深科实验室开展了大量蛋白质相关研究，”
从论坛上的讨论看，”深势科技生命科学AI4S方向架构总经理李厦戎的这句话，诸多专家学者谈及目前AI生物制药的壁垒时，算力和算法只是做好AI赋能生物制药的入场券，不只是“量”的问题
力场采样创始人彭向达认为，不少模型已经开源，没有这些数据， 在“2026张江药谷大会暨上海国际生物医药产业周“未来智药：AI+制药前沿论坛”上，或许会有更多的仪器，” 腾讯近期的重点布局是实验反馈强化学习。