本文转载自微信公众号：中信建投证券研究
当前，AI制药产业链已经演化为以平台和技术中台为核心，上中下游深度协同的网状赋能体系，并呈现出多种商业模式兼容并进的发展趋势。AI4S 正由模型能力竞赛迈向产业化临界点，技术、产业、需求、政策四重共振，价值锚点由模型能力向科研生产力、数据资产与系统化生物设计升维。
中信建投证券计算机首席应瑛团队推出【AI4S系列研究】：
AI4S系列报告：AI重塑制药底层逻辑，商业化验证期加速突破
AI4S系列报告2：干湿闭环构筑数据壁垒，大分子有望抬升产业天花板
01 AI4S系列报告：AI重塑制药底层逻辑，商业化验证期加速突破
AI重塑制药逻辑的底层变革与商业化加速突破。传统制药面临高投入、长周期、低成功率的“双十”定律困境，AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等制药核心环节，有效破解传统高通量物理盲筛的通量极限，大幅提升制药效率与成功率。当前，AI制药产业链已经演化为以平台和技术中台为核心，上中下游深度协同的网状赋能体系，并呈现出多种商业模式兼容并进的发展趋势。全球AI制药市场2025年规模约24.9亿美元，2035年有望突破460亿美元，CAGR有望超过33%。中国市场增速与全球同步，有望成为最具确定性的增量市场之一。
AI加速重塑制药传统研发范式。药物作用本质上是分子与体内靶点的相互作用，传统药物研发面临埃鲁姆定律的底层痛点。AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等核心环节，有效破解传统制药研发过程中面临的高通量物理盲筛的通量极限，大幅提升制药效率与成功率。
AI制药商业模式加速演变，全栈赋能图谱协同并进。上游算力设施向技术方案升级，中游全栈服务商多线并举。科技巨头、BioTech、传统药企与CXO四大梯队积极布局，软件服务与自研管线融合成为主流商业模式。随着技术红利兑现，全球与中国AI制药市场迎来高速增长，中国凭借强劲产业韧性有望成为最具确定性的全球增量引擎。
全球AI制药已涌现出一批具备平台化能力与商业化验证的标杆企业。谷歌以AlphaFold系列奠定结构预测基础，IsoDDE引擎开启商业化序幕，Isomorphic Labs完成21亿美元融资；Anthropic以4亿美元收购Coefficient Bio补全全栈药物研发能力；Schrödinger凭借“物理学+AI”双轮驱动构建工业级计算平台；Recursion打通干湿实验闭环并整合超50PB专有数据；英矽智能依托Pharma.AI平台推进多领域管线，近期与礼来等巨头的多点合作，累计BD签约总额已达近75亿美元；晶泰控股凭借“AI+机器人”的研发飞轮实现业务爆发，并加速向材料、消费等领域拓展；剂泰科技打造全球首个AI纳米递送平台NanoForge，核心管线已推进至pre-NDA阶段。
AI制药公司普遍处于高研发投入、尚未盈利阶段，传统PE/PEG估值方法难以适用，推荐采用分部估值框架：1）自研管线采用DCF/FCFF法，按照“销售峰值测算—单管线现金流建模—概率加权贴现”三步推导企业公允价值；2）AI+CRO业务按首付款、各阶段里程碑奖励及远期销售分成分别建模后加总折现；3）软件授权/解决方案，参照价值数据驱动型平台公司，综合考虑AI制药平台的稀缺性、高成长性及横向拓展潜力，按照PS法给予估值。
风险提示：
1. 技术转化不及预期风险。AI制药尚处于从算法验证迈向临床兑现的关键窗口期，模型在复杂生物体系中的泛化能力仍有待验证。若AI驱动的候选分子在临床阶段未能展现出相较传统路径的显著优势，行业整体的价值重估节奏或将有所放缓。
2. 商业闭环尚待验证风险。"软件+服务+管线"的融合模式虽为行业共识方向，但完整的盈利闭环仍在探索之中。部分企业对合作里程碑收入和授权付款的依赖度较高，若外部合作节奏出现阶段性波动，短期现金流或承受一定压力。
3. 算力与数据要素制约风险。AI制药对优质生物医药数据及大规模算力资源存在较强依赖。在全球供应链格局调整背景下，上游算力资源的可获得性及高质量数据的合规获取成本均存在边际变化的可能，需关注其对企业研发效率的潜在影响。
4. 赛道竞争格局演变风险。随着科技巨头、传统药企、CXO及新兴TechBio企业纷纷加大布局力度，行业参与者日趋多元。竞争加剧背景下，差异化定位与核心壁垒的构建难度有所上升，部分细分环节的定价空间或面临一定程度的收窄压力。
5. 监管政策动态调整风险。全球范围内针对AI辅助药物研发的监管框架仍处于逐步完善阶段，在算法可解释性、数据跨境流通、审评标准等方面的政策导向存在持续演进的可能。相关规则的阶段性调整或对企业的研发规划与国际化节奏产生一定影响。
报告来源
证券研究报告名称：《AI4S系列报告：AI重塑制药底层逻辑，商业化验证期加速突破》
对外发布时间：2026年6月21日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
应瑛 SAC 编号:S1440521100010
SFC 编号:BWB917
张敏 SAC 编号：S1440124040029
02 AI4S系列报告2：干湿闭环构筑数据壁垒，大分子有望抬升产业天花板
AI4S 正由模型能力竞赛迈向产业化临界点，技术、产业、需求、政策四重共振，价值锚点由模型能力向科研生产力、数据资产与系统化生物设计升维。科研 Agent 由回答问题升级为拆解目标、调用专业模型并衔接实验，推动 AI 从单点工具跃迁为执行复杂研发任务的科研生产力，Science Token 等按量计费模式打开平台化变现空间；模型生成候选速度快于实验验证能力，实验产能与反馈周期成为研发效率的主要约束，掌握真实数据入口者借干湿闭环沉淀数据飞轮，焦点由模型性能转向实验吞吐量、数据质量与反馈效率；AI 能力由小分子向抗体、蛋白及核酸等大分子延伸，研发由生成单一候选升级为贯通成药性优化、递送与体内验证的系统化成药设计，有望打开产业价值空间。
四重共振驱动AI4S迈向产业化临界点。技术端，生成式生物设计由单分子预测拓展至完整基因组；产业端，通用模型厂商延伸至湿实验，MNC横向结盟共建研发基础设施；需求端，候选供给放大合成与高通量验证需求，上游服务商率先兑现；政策端，AI制药、高质量数据集和科研基础设施纳入体系化布局，技术、资本、订单与政策形成合力。产业价值锚点正由单一模型能力向科研生产力、数据资产与系统化生物设计升维，主要体现在三方面：
（1）范式演进：Agent延伸研发链条，TaaS打开价值空间。Agent正由回答问题升级为拆解科研目标、调用专业模型并衔接真实实验，使算法、数据和设备形成连续工作流。Science Token将模型、算力、任务编排与机器人实验封装为标准化服务，客户按调用量付费，平台则可将可复用的科研能力转化为持续、高频的平台收入。
（2）壁垒深化：干湿闭环构筑数据飞轮，湿实验室沉淀数据资产。模型生成候选的速度已快于实验验证能力，实验产能、成本和反馈周期成为研发效率的主要约束。科技巨头通过自建湿实验室及连接CRO、自动化实验平台，掌握真实数据生产入口；实验结果持续回流训练，形成“设计—验证—反馈—迭代”的自强化飞轮，竞争重点也由模型性能转向实验吞吐量、数据质量和反馈效率。自动化湿实验室有望成为物理AI落地的重要场景。
（3）边界拓展：从“选分子”走向“造体系”，大分子有望抬升产业天花板。小分子仍是数据基础、建模工具和临床验证最成熟的主战场；蛋白结构预测、蛋白语言模型与生成式生物学的发展，则推动抗体、蛋白及核酸药物迈向预测驱动和可编程设计。由于序列、结构、成药性、递送与体内效应高度耦合，大分子AI将从生成单一候选升级为多目标协同优化的系统化成药设计。
风险提示：
（1）AI4S技术能力与科学验证不及预期风险。 科学模型在公开基准上的性能提升，不必然转化为真实科研场景中的泛化能力。若模型在未知靶点、复杂生物体系及分布外任务中出现幻觉、结果不可复现或实验成功率偏低，可能削弱AI4S的实际研发价值及客户付费意愿。
（2）高质量数据供给与合规风险。 AI4S模型训练依赖高质量、标准化且带有实验标签的科学数据，但行业数据仍存在分散、标准不一及失败负样本稀缺等问题。若数据获取成本上升，或知识产权、患者隐私及跨境流动监管趋严，可能限制模型训练、数据闭环和商业化合作。
（3）干湿闭环建设与商业化进展不及预期风险。 自动化实验室涉及仪器集成、实验标准化和流程数字化，前期资本及研发投入较高。若实验设备兼容性、数据回流效率或实验室利用率低于预期，或客户订单未能从一次性项目转向持续采购，可能导致数据飞轮形成缓慢并拖累盈利兑现。
（4）研发转化及临床试验失败风险。 AI有望提升靶点发现、分子设计和临床前研发效率，但无法消除人体生物学复杂性及新药研发固有风险。若AI设计候选药物在临床阶段出现疗效、安全性或入组问题，可能导致管线终止、BD里程碑无法兑现，并对行业估值体系形成冲击。
（5）开源竞争、知识产权与生物安全监管风险。 开源模型快速迭代可能缩短算法领先窗口，压缩单一模型能力的商业溢价；同时，蛋白、基因组及生物系统设计能力增强，也可能引发知识产权归属、双重用途及生物安全风险。若相关监管明显收紧，可能提高模型开放、数据使用和实验验证的合规成本。
报告来源
证券研究报告名称：《AI4S系列报告2：干湿闭环构筑数据壁垒，大分子有望抬升产业天花板》
对外发布时间：2026年10月12日
报告发布机构：中信建投证券股份有限公司
本报告分析师：
应瑛 SAC 编号:S1440521100010
SFC 编号:BWB917
张敏 SAC 编号:S1440525070012
研究助理：李楚涵
