评估 AI 制药管线，投资人首先要把“模型有能力”与“候选药物有价值”分开。模型性能、计算速度或团队背景，只能说明研发平台可能具备一定能力，不能替代对具体项目的验证。真正需要判断的是：项目提出了什么可检验的生物学假设，候选分子是否经实验支持，以及后续开发风险能否被逐步降低。
尽调应沿着证据链逐层推进。先看靶点与疾病机制的依据是否清楚，模型输出如何转化为候选方案；再看实验设计能否回答关键假设，结果是否可重复，失败结果是否被完整记录。进入更后续阶段后，则要核查非临床或临床证据与项目所处阶段是否匹配，不能把早期实验结果表述成临床有效性的证明。每一项证据都应对应明确的项目、实验条件和决策记录，而不是只展示平台总体成绩。
还要追问 AI 的实际贡献。若去掉模型，团队是否仍能凭传统方法得到同一候选物？模型是否改善了筛选、设计或迭代过程，贡献能否由研发记录和对照实验说明？这关系到技术优势是否真正进入管线，也关系到优势能否延续，而非停留在演示结果或事后归因。
管线的可投资性同样取决于权利和执行能力。投资人应核实数据、代码、模型成果及候选资产的使用权和归属，确认实验资源、外部合作与关键人员安排是否可持续。若核心数据或研发服务依赖母公司，依赖条件、费用和退出安排就应纳入经营评估；否则，账面上的管线可能无法按计划推进。
估值判断不宜只看项目数量或融资热度，而应逐项梳理下一阶段要回答的科学问题、所需投入、决策责任及停止条件。阶段里程碑的意义不是保证成功，而是让资金投入与证据积累相匹配。能清楚解释何时继续、何时暂停，以及失败后如何调整的团队，往往比单纯强调模型先进性更值得进一步尽调。