> 数据图表如何了解三大核心壁垒：模型和数据重要性高于算力2026-9-2三大核心壁垒：模型和数据重要性高于算力 算力壁垒：算力工程化能力是核心差异化因素，能不能把算力用出效率 —— 任务调度、异构资源管理、计算管线优化。 数据壁垒：持续产生自有数据形成模型预测-实验验证-数据反馈-模型迭代飞轮，最终自有自动化湿实验平台和干湿闭环数据是最高壁垒。 模型壁垒：底层模型架构自主可控是长期方向，机理模型和数据驱动混合模式有望成为行业主流。AI制药三大核心壁垒分析壁垒维度核心本质底层逻辑/需求来源核心痛点行业趋势/高阶形态算力壁垒成本效率与弹性调度瓶颈绝大多数AI制药公司不自建算力，主要依赖云服务1. 成本高企：云算力费用是刚性支出，大规模虚拟筛选、分子动力学模拟单次成本较高 2. 供给风险：高端GPU供给受地缘政治影响算力工程化能力是核心差异化因素，能不能把算力用出效率 —— 任务调度、异构资源管理、计算管线优化数据壁垒高质量注释数据的稀缺性与排他性公开数据总量大但可用数据少；药物研发需要带完整生物学注释、覆盖全研发链路的实验数据，数据质量与深度决定模型上限模型壁垒垂直场景适配与临床转化能力药物研发覆盖靶点发现、分子设计、ADMET预测、晶型优化、临床设计等多任务，需构建完整垂直模型体系，通用大模型无法直接解决专业问题1. 公开数据局限：偏阳性结果、失败实验数据缺失、缺乏深度注释，高质量药物-靶点相互作用数据极少； 2. 数据孤岛：药企数据未结构化、不具备AI就绪状态，跨主体打通技术与沟通成本极高； 3. 合规硬约束：核心IP与患者隐私限制数据共享，法律伦理风险高1. 场景适配：需多任务垂直模型矩阵而非单点算法突破；底层模型高度依赖海外开源系统（AlphaFold系列），自主可控性不足； 2. 可解释性：FDA/NMPA要求科学可解释，纯数据驱动黑箱模型无法进入核心研发流程； 3. 临床转化：基准测试表现与真实研发场景落差大，Ⅱ期临床失败率未根本改善持续产生自有数据形成模型预测-实验验证-数据反馈-模型迭代飞轮，最终自有自动化湿实验平台和干湿闭环数据是最高壁垒底层模型架构自主可控是长期方向，机理模型和数据驱动混合模式有望成为行业主流资料来源：财联社，西南证券整理20西南证券综合其他
