行业投资评级 * 报告未明确给出统一的行业投资评级，但提出了产业筛选结论：优先关注具备真实药企项目、湿实验闭环、可复用数据资产和管线推进能力的平台型企业 [35] 报告核心观点 * AI制药正从概念展示进入真实药物研发流程，其本质是系统性地提升研发各环节的效率，而非替代研发 [11] * AI在药物研发中的应用已从早期的分子设计延伸至靶点发现、临床前开发、临床开发及生产质量管理的全流程 [6][13] * 行业竞争焦点已从单点算法能力转向“底层数据与算力支撑、平台工具转化、研发场景嵌入和资产价值兑现”的系统能力竞争 [14] * AI制药平台的价值评估应基于完整的商业化证据链，付费与复购是区分技术展示和商业验证的重要分水岭，管线推进与交易兑现是平台能力资产化的关键标志 [18][19] * 行业未来趋势是从单点工具走向流程嵌入、从模型展示走向验证闭环、从效率提升走向资产创造 [35] 行业背景与驱动力 * 创新药研发面临高投入、长周期、高失败率的压力，国内药企从快速跟进转向差异化创新后，对研发效率和早期风险识别提出更高要求 [5] * AI进入药研体系主要依靠四大支撑：算力提升、生物数据积累、自动化实验进展以及大模型能力的增强 [11] AI赋能药物研发全流程应用 * 早期发现阶段：核心应用包括靶点发现、分子生成、蛋白结构预测和ADMET预测，价值在于提高假设生成效率并缩小候选筛选范围 [13] * 临床前阶段：核心应用包括晶型预测、制剂处方、工艺路线优化和毒性预测，价值在于提前识别成药性风险并优化开发属性 [13] * 临床开发阶段：核心应用包括患者分层、试验设计、入组预测和真实世界证据分析，价值在于提高临床开发效率并降低执行不确定性 [13] * 生产与质量阶段：核心应用包括工艺参数优化、智能制造、质量预测和偏差预警，价值在于提升生产稳定性和强化质量管理能力 [13] 产业链结构与商业模式 * 产业链可分为四层：基础设施层（算力、数据、基础模型）、平台能力层（可交付的药研工具）、研发场景层（连接药企真实需求）和资产兑现层（决定商业价值） [15][16] * 主要商业模式分为四类： * 平台服务型：以平台能力为核心，通过为药企提供服务或授权实现商业化，收入结构包括项目服务费、年费订阅等，重在交付能力和客户复购 [21][22] * 自研管线型：以自研管线为核心，通过资产对外授权或分成实现商业化，收入结构包括授权费、里程碑付款和未来销售收益，重在药物资产价值和交易兑现 [21][22] * 混合型：平台服务与自研/合作管线并重，需同时验证现金流能力与管线推进质量 [21][22] * 嵌入式服务型：作为能力模块嵌入CRO/CXO流程，提升效率并增强客户黏性，收入主要为模块化服务费 [21][22] 平台价值评估与能力模型 * AI制药平台的商业化价值应按证据链层级判断，从低到高依次为：技术展示、概念验证、付费项目、客户复购、管线推进、交易兑现 [18][19] * 平台长期价值取决于能否建立“数据—模型—实验—管线—交付”的连续验证闭环 [28][32] * 五维能力评价模型包括： * 数据：关注数据质量、规模、独占性与更新能力，关键证据包括多类生物数据积累和数据治理体系 [29][30] * 模型：关注预测准确性、泛化能力和可解释性，关键证据包括命中率提升和跨靶点验证结果 [29][30] * 实验：关注AI预测结果能否被湿实验验证，关键证据包括体内外验证通过率和实验周期改善 [29][30] * 管线：关注候选分子是否具备转化潜力，关键证据包括临床阶段进展和交易潜力 [29][30] * 交付：关注平台能力能否转化为客户项目和收入，关键证据包括药企订单金额和客户复购率 [29][30] 中外企业对比与业务组合策略 * 海外企业（跨国药企及AI Biotech）强在底层模型能力、数据积累、全球合作网络和资产交易能力，更强调以平台与资产双轮验证技术价值 [26][27] * 国内企业强在应用落地、服务性价比、实验协同和本地客户关系，更适合从本土交付场景与实验闭环中建立差异化 [26][27] * 企业业务组合可分为四类，策略应是平衡配置： * 现金流业务（如虚拟筛选）：市场规模大，现金流稳定，用于支撑创新 [23][24] * 高潜力业务（如AI小分子设计）：成长空间大，客户愿付费，是主要增长驱动 [23][24] * 前沿探索业务（如生物大模型）：颠覆潜力大但兑现周期长，用于构建长期技术壁垒 [23][24] * 低效收缩业务（如低端预测工具）：同质化严重，应考虑优化或退出 [23][24] 当前瓶颈与未来趋势 * 当前行业瓶颈包括：高质量生物数据稀缺、模型可解释性与泛化能力不足、湿实验验证周期长、商业化模式分化以及合规要求提升 [9][35] * 未来趋势判断： * 从单点工具走向流程嵌入 [35] * 从模型展示走向由数据积累、实验验证与结果反馈驱动的验证闭环 [35] * 从效率提升走向高质量候选物发现、管线推进与资产创造 [35]