随着AI研发技术的不断发展，如何理解AI制药结果的确定性，正成为判断AI制药公司成长潜力的关键部分。而这除了要追踪其前期模型产出环节的精准度，也要对后期决策证据的可靠性和结果的确定性进行验证。

可一个矛盾是，生物医药是一个高度严谨，且需要确定性的行业，而AI技术的很多细节则很难解释，更像一个黑箱。如何让这一对矛盾体更加和谐地发挥作用，真正地提高创新效率，成为摆在AI制药企业面前的一大难题。

对此，童友之认为，一方面可以通过将关键决策过程中使用的AI算法开源，增加透明性；另一方面，则通过行业的伦理规范和标准、政府的鼓励和支持、适当的法律责任分配以及监管机制等多种途径，来推动AI药物研发行业的健康发展。

星亢原创始人陈航的理念就是AI+生物物理+高通量实验，将这三者有机地结合起来，在顶层设计上构建一个创新药研发平台，然后随着药物研发实战的经验积累，不断激发平台的创新力。

目前，AI制药赛道已愈发火热，各路资本和科技巨头纷纷跑步进场。自2020年3月以来，已有十几家AI制药公司完成了1亿美元以上的融资。

其中英矽智能今年6月获得2.55亿美元的C轮融资，晶泰科技则在8月初完成了4亿美元的D轮融资，企业们正不断地刷新着AI制药领域的融资纪录。除了美国之外，中国也正成为该领域第二大融资交易地区。

可另一个现实是，目前在国内，除了少数头部公司，大部分AI制药企业距离商业化仍有距离，短期内想有大规模收入几乎不现实。他们每天仍需面对一种抉择——是做最懂AI的生物制药公司，还是做最懂生物制药的AI？是自己开发药，还是做CRO？

徐霆认为，从历史上看，基因组学、组合化学、基因治疗、CAR-T的投资几乎都与AI制药有着类似的投资路径。行业外，光伏产业也有同样情况。投资人对新技术有一个“学习曲线”，这种学习有时还可能是滞后的。但滞后对于产业发展往往不是坏事，对于AI制药这一行业，资本可以多些谨慎，也多些耐心。

而对于商业模式问题，谭验则认为，这应该是一件水到渠成的事。AI制药是一个新领域，从第一性原理去思考，要去加快药物的发现，就需要更好、更多的数据和更好的算法，而企业先在这两端去打基础肯定是没错的。这两端做好了，商业模式自然就会出来。

谭验指出，你有好的分子、好的药物，总会有人支付。License-out是很好的出路，在资本的支持下也可以自己做管线。但是企业首先解决的还是活下来的问题，所以很多公司目前必须要更多地去提供服务，然后在摸索中建立自己的管线，真正地去加强自己的能力。

在这个新兴赛道上，除了商业模式，人才问题亦是一大瓶颈。AI制药需要更多既懂科技又懂制药的跨界人才，但目前，这部分人才是稀缺的。

王劲松建议，AI和药物研发都是专业性很强的领域，各具独特的知识体系，行业壁垒极高，很难培养出AI+医药研发的复合型人才，目前的捷径，还是人才合作。

谢岳峻也认为，“斜杠人才”的培养，需要从产，学，研，甚至于政府层面介入着手解决。

不过在徐霆眼中，人才问题并无必要太悲观。AI药物研发现在看起来需要很多跨界人才。但是很快，随着AI的普及以及各种工具包的开发，AI药物研发会平民化。