本发明公开了人工智能预测活性成分动态溶解度的方法、设备及系统，方法包括以下步骤：S1：任意选择一个影响活性成分化合物溶解度因素中的数据作为变量数据，在其他影响因素不变的情况下，通过多组实验得到溶解度数据，将变量数据与相对应的溶解度数据作为平行样本实验数据建立神经网络模型；S2：将新的活性成分的变量数据作为输入变量输入步骤S1建立的神经网络模型中，通过步骤S1建立的神经网络模型计算出预测数据，再利用导出公式进行修正预测出活性成分化合物的溶解度。本发明采用人工智能对单因素考察实验结果的预测来减少实验所需实验量，使研发时间和成本降低，且根据平行实验的标准差并剔除实验误差较大的异常数据，提高溶解度预测准确度。