研发成本降到传统方式的十分之一，药价会跟着降吗？ 这个问题没有简单答案，但可以把

研发成本降到传统方式的十分之一，药价会跟着降吗？ 这个问题没有简单答案，但可以把逻辑捋一遍。传统新药研发平均烧掉20亿美元，这些钱最终都摊进药价里，由患者来扛。专利期内，药企要把研发成本连本带利收回来，所以一款新药上市初期往往贵得离谱。AI把成本压下来，理论上定价基础就变了。但现实里还要过专利保护、商业定价策略、医保谈判、各国监管审批这一堆关卡，每一关都能把药价顶回去。短期内指望AI制药直接让药变便宜，可能是想多了。 方向是对的。成本降下来，竞争格局就会变，定价空间就会被压缩，患者最终是受益方。这个过程可能要十年，可能要二十年，但它在发生。 对中国患者来说还有一层意义。中国药企过去几十年走的是fast-follow路线，跟着跨国药企的脚步仿制，成本低，风险小，但永远慢人一步，创新药的定价权不在自己手里。英矽智能做的是first-in-class，全球首创，靶点自己发现，分子自己设计，临床数据自己跑出来。这条路走通了，中国药企才算真正进了全球创新药的牌桌，不再只是跟在后面抄作业。 AI制药现在最大的瓶颈，不是算法，是数据和监管。各家医院、各家药企都是信息孤岛，数据格式不统一，隐私保护是真实的法律约束，没人愿意开放，也没有统一的整合机制。AI模型的上限取决于喂给它的数据质量，数据喂不进去，模型再聪明也没用。这个问题不是英矽智能一家能解决的，也不是任何一家公司能单独突破的。 监管层面更复杂。AI设计的药物，审批标准是什么？需要提交哪些数据？AI的决策逻辑怎么向监管机构解释清楚？目前全球范围内这些问题都没有标准答案，美国FDA在摸索，欧洲EMA在跟进，中国药监局也在推进相关规则，但落地还需要时间。这种不确定性对药企是真实的风险，资源投进去了，最后卡在审批环节，损失没有人来兜底。 谁能最早建立起数据护城河，谁能最早和监管机构形成稳定的沟通机制，谁就在下一轮竞争里占据先手位置。