行业投资评级 - 强大于市，维持 [2] 核心观点 - AI在制药行业的作用在于增效和创新，其本质是提升临床前研发的降本增效，而非颠覆基于实验科学的药物研发逻辑 [4][5][13] - 全球AI赋能药物研发费用市场规模预计将从2023年的119亿美元增长至2032年的746亿美元，年复合增长率达22.6% [5][71][73] - 从长远商业化看，AI+CRO和AI+Biotech是企业造血盈利的主要趋势，利于快速创收并完成算法模型迭代 [5] - 算法与数据深度绑定，大规模高质量数据的生产能力是行业长期的核心竞争壁垒 [5][6][80] AI在制药中的作用：增效和创新 - AI最成熟的落地应用在于提升临床前研发效率，虚拟筛选可极大降低真实试验所需化合物数量，从而缩短周期、减少成本 [5][18] - 在药物发现环节，AI能将从靶点到苗头化合物、先导化合物、临床前候选药物的研发费用分别从9400万、1.66亿、4.14亿美元缩减至20万、40万、200万美元，节省比例均超90% [22] - 同时，AI能将上述三个阶段的研发周期从1年、1.5年、2年分别缩短至2个月、4个月、11个月，分别节省83%、78%和54%的时间 [22] - AI的创新价值体现在分子生成，可摆脱认知偏见，产生新分子结构，目前进展最快的AI设计分子（如英矽智能的TNIK抑制剂）已进入临床2期 [5][30][32] - AI的创新路径主要包括靶点创新、分子结构创新和药物重定向 [30] 市场规模与商业模式 - 自2015年以来，全球AI+新药研发累计投融资达246亿美元，2024年全球融资总额为58亿美元，融资笔数128起 [48] - 2024年，美国AI制药融资事件占全球64起，中国占37起，中国AI制药初创公司融资额约占全球的8% [48] - 行业主要商业模式分为SaaS、AI+CRO和AI+Biotech三种，后两者是主流 [58][63][70] - SaaS模式市场规模有限，头部公司如薛定谔2024年软件收入为1.804亿美元，大客户留存率达95%，但增长呈下滑趋势，预示行业规模天花板 [64][66][67] - AI+CRO和AI+Biotech模式均回归研发本质，依赖分子实体商业化创收，并通过合作获取多维数据以优化算法，形成正向循环 [70] 核心竞争力：高质量数据的生产能力 - 算法与数据是行业核心技术迭代升级的关键生产要素，算法突破依赖研发人才团队，而数据竞争在于高质量数据的生产能力 [6][79] - 高质量数据需满足结构良好、完全注释、可重现和具有鲁棒性等特征，且需要多维度、多体系、兼顾成功与失败的训练集 [80] - 由于实验数据涉及核心利益，“数据孤岛”现象长期存在，因此自身具备高质量数据生产能力的公司将构筑长期壁垒 [6][80] - 高质量数据生产能力体现在具备成规模的实验平台、AIDD/CADD计算积累以及能实现“数据积累-算法迭代”闭环的团队 [79][82][84] - 行业容易形成马太效应，技术能够规模化扩展，数据越多迭代越完善，从而获得更多合作机会，利好早期领跑者 [6][85][88] 相关标的 - 报告建议关注领先布局者：英矽智能、晶泰控股、泓博医药、成都先导 [6][91] - 英矽智能采用Pharma.AI平台与自动化实验室结合的多支柱商业模式，其进展最快的候选药物Rentosertib（靶向TNIK）已完成特发性肺纤维化的2a期临床 [92][96][97] - 晶泰控股是一家基于量子物理、人工智能与机器人驱动的平台型科技公司，其技术平台在药物发现中展现高效率，例如在28天内预测出GPX4活性位点的关键药效团 [102][107]