一、技术可行性（Technology Feasibility）

1. 核心关注点

• AI技术的真实创新性
  • 是通用大模型、专用算法，还是规则驱动？
  • 是否解决了制药中的“关键瓶颈”（如靶点发现、分子生成、ADMET预测、临床入组等）
• 算法是否经过真实生物/化学实验验证
  • 是否有 wet lab 数据闭环
  • 是否存在从“预测 → 实验 → 反馈优化”的能力
• 可解释性与可重复性
  • 是否可向监管机构和药企客户解释模型逻辑
  • 模型在不同数据集上的稳定性

2. 主要风险

• 技术停留在“Demo级别”，未形成工程化能力
• 模型效果高度依赖少量内部数据，泛化能力弱
• AI预测与真实生物结果相关性低（AI hallucination 风险）

3. 投资机会

• 明显缩短药物发现周期（如从5年降至1–2年）
• 明显降低失败率或研发成本
• 在特定细分领域（蛋白降解、RNA药物、罕见病）形成技术壁垒

4. 对投资决策的影响

• 决定项目是否具备“技术护城河”
• 直接影响公司估值逻辑（平台溢价 vs 管线溢价）
• 决定是否具备长期独立发展或被并购价值

---

二、临床转化路径（Clinical Translation Path）

1. 核心关注点

• 是否已有明确的临床推进路径
  • 从靶点 → lead → IND → 临床
• 管线推进节奏是否现实
• 是否具备临床开发能力或合作伙伴

2. 主要风险

• AI发现的靶点生物学验证不足
• 管线集中度过高（单一资产失败即重创公司）
• 团队缺乏临床开发经验，导致IND或临床设计失败

3. 投资机会

• AI显著提高IND成功率
• 与大型药企进行早期联合开发或授权（BD能力）
• 通过平台不断产出新管线，形成“管线工厂”

4. 对投资决策的影响

• 决定现金消耗速度与融资节奏
• 影响基金退出路径（License-out vs IPO vs 并购）
• 临床资产成熟度直接影响投资阶段选择（A轮/B轮/成长期）

---

三、数据质量与隐私合规（Data & Privacy Compliance）

1. 核心关注点

• 数据来源是否合法、可持续
  • 临床数据、患者数据、医院数据、第三方数据库
• 数据规模、完整性和偏差控制
• 是否符合：
  • 中国：《个人信息保护法》《数据安全法》
  • 国际：GDPR、HIPAA 等

2. 主要风险

• 数据来源不清晰或存在“灰色授权”
• 跨境数据流动合规风险
• 数据一旦被监管否定，模型价值大幅下降

3. 投资机会

• 拥有独家、高质量、长期可用的数据资源
• 与医院/药企形成深度数据合作
• 构建数据飞轮（数据 → 模型 → 新数据）

4. 对投资决策的影响

• 影响项目的合规风险溢价
• 决定公司是否能进入国际市场或与跨国药企合作
• 数据资产是否可作为“隐性护城河”

---

四、团队背景与组织能力（Team & Execution）

1. 核心关注点

• 创始团队是否具备 AI + 制药双重背景
• 是否有成功药物研发或AI产品落地经验
• 团队结构是否平衡：
  • 算法
  • 生物/化学
  • 临床
  • 商务拓展

2. 主要风险

• 团队偏“纯AI”或“纯科研”，缺乏产业化能力
• 关键人才高度集中，存在流失风险
• 创始人对监管、BD、资本市场理解不足

3. 投资机会

• 具备国际大药企/头部AI公司背景的核心成员
• 能吸引高质量科学顾问与临床专家
• 组织快速迭代能力强

4. 对投资决策的影响

• 决定项目执行成功率
• 影响投后赋能成本与管理复杂度
• 是早期投资最重要的非财务因素之一

---

五、商业模式与可持续性（Business Model Sustainability）

1. 核心关注点

• 商业模式类型：
  • AI SaaS/服务费
  • 管线授权（License-out）
  • 自研管线（高风险高回报）
  • 混合模式
• 收入可预测性与规模化能力
• 毛利率与现金流结构

2. 主要风险

• 过度依赖定制化服务，难以规模化
• 平台收入不足以覆盖高研发投入
• 管线模式烧钱严重、回报周期过长

3. 投资机会

• 平台 + 管线“双轮驱动”
• 可复制的BD模式
• 在特定治疗领域形成“标准工具”

4. 对投资决策的影响

• 决定估值方法（SaaS vs Biotech）
• 影响基金的IRR和退出时间
• 决定后续融资难度

---

六、监管环境与政策趋势（Regulatory Environment）

1. 核心关注点

• AI在药物研发中的监管接受度
• FDA/NMPA 对AI辅助决策的态度
• 医药审评制度变化（加速通道、真实世界数据）

2. 主要风险

• 监管标准不明确，导致审批周期拉长
• AI生成结果不被认可为关键证据
• 不同国家监管差异导致全球化受限

3. 投资机会

• 监管逐步认可AI工具
• 政策支持创新药、数字医疗
• 在监管友好地区率先落地

4. 对投资决策的影响

• 影响项目的确定性折现率
• 决定是否适合跨境布局
• 决定退出市场（国内/海外）

---

七、综合投资决策视角（Investment Synthesis）

股权基金在AI制药领域应重点评估：

维度	对应核心问题
技术	是否真正提高成功率/效率？
临床	是否能走到IND甚至上市？
数据	是否合规、独家、可持续？
团队	是否能把科研变成产品？
商业	是否能规模化盈利？
监管	不确定性是否可控？

最终判断逻辑：

投资AI制药，不是赌“AI”，而是赌“AI是否能显著提高制药成功概率，并在监管与商业环境下被持续变现”。