AI技术在药物研发领域的应用已经进入深水区。从靶点识别到分子设计，从结构预测到筛选效率，AI的介入让新药开发周期大幅缩短。但这项技术带来的不仅是效率提升，更催生出一系列新的制度性问题。特别是在专利申请环节，AI原生公司与传统制药企业的差异正引发学术界和产业界的广泛讨论。

波士顿大学和杜克大学的两位法学教授通过系统分析发现，AI药物专利存在显著的实验数据缺失问题。这种现象不仅影响药物研发的深度，更可能阻碍后续创新。研究团队指出，AI生成的分子在申请专利前往往缺乏必要的体内实验验证，这与传统药物开发流程形成鲜明对比。

AI专利的隐忧在于其实验数据的不足。数据显示，AI原生公司申请的专利中，体内实验比例仅为传统制药公司的不到一半。即便进行了实验，其测试深度也明显不足。这种现象导致大量有潜力的化合物在未经过充分验证前就被"锁定"，影响了后续研究的开展。

制度性障碍主要体现在AI生成分子的专利布局上。当AI创造出大量新分子后，这些分子一旦公开披露，就会成为"现有技术"，阻碍其他企业申请专利。这意味着即使某些化合物具有临床潜力，也可能因为专利空间被占据而失去投资机会。

研究团队发现，AI原生公司与传统制药公司在专利披露数量上相差不大，但AI生成的分子数量往往呈指数级增长。这种快速扩张的披露量，使得专利布局面临新的挑战。特别是在大语言模型广泛应用的背景下，专利撰写中分子披露数量持续攀升。

应对策略需要从多个维度入手。首先，应提高专利申请的证据门槛，要求更充分的体内实验数据。其次，允许在AI生成分子未经测试的情况下进行专利申请，这样既能鼓励创新，又能避免专利空间被过早占据。

研究团队建议，政策制定者可以考虑延长新化合物通过临床试验后的监管保护期。这种激励措施不依赖于早期的信息公开，既能保障研发积极性，又能维持专利制度的公平性。

专利制度需要在公开价值与研发激励之间找到平衡。AI原生公司在专利申请中往往采用"先申请先得"策略，这可能导致某些分子在未经过充分验证前就被"锁定"。这种做法虽然能快速获取专利，但也可能阻碍后续研究。

为了解决这个问题，建议在专利申请中主动披露AI推理逻辑与证据链。这种透明度不仅有助于建立市场信任，也能为政策制定者提供评估依据。同时，应鼓励企业将AI技术与传统实验验证相结合，形成互补的创新模式。

AI技术的发展正在改变药物研发的格局，但同时也带来了新的挑战。专利制度需要适应这种变化，既要保护创新者的权益，又要确保后续研究的持续进行。只有在制度设计上实现平衡，才能充分发挥AI在药物发现中的潜力。

从实践角度看，AI原生公司在专利申请中的策略存在明显优势。它们可以利用AI快速生成大量分子，从而在专利布局上占据先机。但这种优势也伴随着风险，过早的专利申请可能阻碍后续创新。

研究团队指出，AI技术的成熟度是影响专利制度的关键因素。当AI预测结果足够准确时，其输出将成为专利授权的"充分依据"。但在技术尚未完全成熟阶段，制度设计需要在保障公开价值与保护研发积极性之间找到平衡点。

专利制度的改革需要多方协作。除了企业自身调整申请策略，政策制定者也应完善相关法规，为AI药物研发提供更公平的环境。只有这样，才能让AI技术真正发挥其在药物发现中的潜力，推动整个行业持续创新。