报告行业投资评级 - 报告未明确给出行业整体投资评级，但基于内容分析，行业处于商业化价值验证关键期，建议从研发、商业化、BD三大维度把握投资机会 [2] 报告核心观点 - AI制药行业自2024年起进入成熟深化的商业化验证阶段，竞争核心由模型算法转向高质量数据、实验闭环能力以及AI药物商业化兑现能力 [2] - AI应用已升级为覆盖“药物发现-临床开发-商业化-制造供应”的全链条生产力工具，核心价值体现为降本增效：药物发现阶段可节省70%-90%时长，临床前、临床阶段分别节省50%-80%、50%-60%时长，累计可降低约50%研发总成本 [2] - 行业形成算力、数据、模型三大核心壁垒，数据与模型的重要性高于算力，干湿闭环是整合三大壁垒的终极高阶壁垒 [2] 根据目录分别总结 AI制药概述：发展史、市场规模、监管政策 行业发展史 - AI制药行业发展可分为三个时期：萌芽期（早期-2018）立足优化具体研发环节，应用以靶点发现、药物分子筛选为主；发展期（2019-2023）大模型浪潮推动AI制药极速扩张；成熟深化期（2024-未来）AI制药商业化落地，等待能力验证 [6] - 关键里程碑包括：2014年晶泰科技成立，布局“AI+机器人”技术路线 [5]；2020年DeepMind发布AlphaFold2，实现原子级精度的蛋白质结构预测 [5]；2024年晶泰科技登陆港交所，成为国内AI制药代表企业上市案例 [5]；2025年晶泰科技所研发的“自动驾驶实验室”成为AI制药重要方向 [5] 市场规模 - 全球药物研发支出预计将由2023年的2605亿美元增至2030年的3943亿美元，CAGR为6.1% [11] - 中国药物研发支出预计将由2023年的366亿美元增至2030年的675亿美元，CAGR为9.1% [11] - 全球AI赋能药物研发费用市场规模预计由2023年的119亿美元增加至2032年的746亿美元，复合年增长率为22.6% [11] - 全球药物研发外包市场2018-2022年从867亿美元增长至1330亿美元，CAGR为11.3%；预计2023-2030年从1512亿美元攀升至3632亿美元，CAGR提升至13.3% [13] - 中国药物研发外包市场预计2023-2030年将从269亿美元增长至871亿美元，CAGR维持在18.3% [13] 监管政策 - 中国2026年4月由国家药监局发布《关于“人工智能+药品监管”的实施意见》，确立AI在药物研发、注册审评全流程应用的基础制度框架 [15] - 中国药品审评中心正式确立“AI辅助、人工复核”的药品审评审批新范式 [15] - 美国FDA与欧盟EMA于2026年1月联合发布《药物研发中良好人工智能实践指导原则》，核心逻辑为基于风险的分级审评 [15] - 欧盟2024年1月通过《人工智能法》，对医疗领域AI进行风险分级监管 [15] - 全球AI制药监管呈现明显分化特征：国内以顶层规划和专项指南为核心，海外美国FDA采用灵活的风险分层路径，欧盟推行强约束的分级立法监管体系 [16] - 政策痛点：AI生成分子专利确权问题，传统专利审查体系未针对AI生成成果设立适配规则 [16] AI可赋能从药物发现到商业化全流程 AI赋能药物研发全流程 - 传统药物研发标准周期长达10-17年，总开支达数十亿美元 [30] - AI技术可在核心环节实现显著时间压缩：药物发现阶段节省70-90%时长、临床前研究节省50-80%、临床研究节省50-60% [30] - AI驱动的新药研发可在药物发现、临床研究阶段分别为制药企业节省260亿美元、280亿美元，累计节省成本达540亿美元（对应传统研发成本的50%） [30] - 药物发现环节AI已实现多场景性能突破：蛋白质折叠预测准确度提升至84%、化合物筛选精准度提高20%、药物毒性预测准确率达75%、化合物分类精准度达92% [30] AI赋能靶点发现 - 人类蛋白质组中仅有约15%的蛋白被成功开发为药物靶点，剩余85%的蛋白因机制不明或难以靶向 [34] - 约60%的蛋白属于“内在无序蛋白（IDP）”，没有稳定的三维结构，是制约新药研发突破的最大技术瓶颈 [34] - AI靶点发现双引擎驱动：知识图谱与文献挖掘利用大语言模型构建结构化生物医药知识图谱；多组学融合与因果推断通过机器学习与图神经网络整合多维生物数据 [34] - AlphaFold3能够预测所有生物大分子之间的相互作用结构，准确率较传统方法提升50% [34] AI赋能虚拟筛选 - 清华大学团队在Science 2025发表成果：筛选速度较传统对接方法由数百年缩短至24小时内，将原本耗时数月的药物筛选周期缩短至秒级 [37] - 在全新未知靶点NET上实现了15%的命中率，成功发现12个结构全新的候选分子 [38] - 成功完成万亿级规模的虚拟筛选，覆盖约10000个AF2预测蛋白与5亿个小分子化合物，构建了迄今最大规模的药物-靶点关联图谱 [39] AI赋能分子生成 - 2024年以来，扩散模型架构被引入药物分子生成领域，能在蛋白结合口袋的真实3D坐标空间中直接生成原子位置 [43] - DiffSBDD首创双扩散模型架构，直接在3D空间中为靶点蛋白生成适配的配体分子 [43] - G2D-Diff是全球首个基因型条件化扩散模型，针对特定癌症的基因突变特征生成具有基因型特异性的个性化小分子 [43] AI赋能ADMET预测 - ADMET即吸收、分布、代谢、排泄、毒性，是决定药物能否成功成药的“五大门槛” [47] - AI通过机器学习与深度学习模型，基于海量数据快速预测分子的ADMET性质，实现早期“虚拟筛选” [47] - AI在ADMET各维度的核心作用包括：预测Caco-2肠道渗透率、血浆蛋白结合率、CYP450各亚型抑制/诱导、肝肾清除率、hERG心脏毒性等 [46] AI赋能DMTA闭环 - 逆合成规划解决了“怎么造”的可行性问题，DMTA闭环解决了“造得快、造得准”的效率问题 [50] - 晶泰科技将具身智能与自主机器人技术结合，其平台协调数百个工作站，实现全天候闭环DMTA循环，实现数据治理提升40倍，实验效率提升5-8倍 [50] AI赋能临床试验 - 临床试验占研发总成本60%以上，肿瘤患者入组率不足10% [52] - AI自适应试验设计可整体效率提升30% [51] - 药物重定位LLaDR模型可成本降低50%、周期缩短4-6年 [51] - OncoLLM/PRISM大语言模型可提前识别72%潜在受试者 [51] - GPT-4o+RAG可实现近乎100%的匹配敏感性与特异性 [52] AI赋能小分子药物研发 - 小分子化合物占全球已批准药物的90% [64] - AI在小分子药物研发中的应用包括：靶点识别与验证、虚拟筛选与先导化合物发现、先导化合物优化、合成路线设计 [64] AI赋能抗体药物研发 - AI在单抗领域侧重抗原-抗体结构预测、表位筛选、分子可开发性预判 [69] - AI在双抗领域重点解决重轻链配对、双结合臂亲和力协同优化 [69] - AI在ADC领域侧重多模块协同设计，模拟体内行为，预测DAR、脱靶毒性、耐药突变 [69] AI赋能小核酸药物 - 小核酸药物最大痛点是肝外递送难、脱靶与免疫原性风险、化学修饰多参数权衡 [73] - AI核心作用包括：递送系统设计、序列设计、脱靶效应/免疫原性预测、化学修饰优化 [73] AI赋能mRNA疗法 - AI在小核酸研发中聚焦于序列修饰和脱靶预测，在mRNA研发中聚焦于编码翻译和蛋白表达 [75] - Moderna的Maestro数字化系统负责统筹每一个患者批次的生产排程 [75] AI赋能CAR-T疗法 - AI可挖掘高安全性靶点，对比肿瘤与正常组织抗原，缩小候选靶点范围 [79] - AlphaFold等结构预测工具可优化CAR序列、提升结合特异性与分子稳定性 [79] - AI整合临床指标、免疫图谱、单细胞多组学、产品质量等多维数据，辅助预测治疗应答 [79] 三大核心壁垒 - 算力壁垒：算力工程化能力是核心差异化因素，包括任务调度、异构资源管理、计算管线优化 [59] - 数据壁垒：持续产生自有数据形成模型预测-实验验证-数据反馈-模型迭代飞轮，自有自动化湿实验平台和干湿闭环数据是最高壁垒 [59] - 模型壁垒：底层模型架构自主可控是长期方向，机理模型和数据驱动混合模式有望成为行业主流 [59] - AI制药高度依赖成熟靶点，针对成熟靶点AI可节约40%-50%的时间与金钱成本，针对全新靶点节约比例缩减至25%-40% [63] - 小分子AI研发落地进度全面领先大分子，小分子领域拥有数十年的标准化数据沉淀 [63] 中美AI制药相关公司对比 美股相关公司 Google - Isomorphic Labs聚焦药物发现，以AlphaFold为核心技术底座 [84] - AlphaFold团队获诺贝尔化学奖 [85] - AlphaFold 3实现蛋白-配体互作预测准确率较传统方法提升50%以上 [88] - 与礼来、诺华达成合计近30亿美元药物发现合作 [84] - Isomorphic Labs完成21亿美元B轮融资，刷新全球AI制药单笔融资纪录 [84] - 2025年收入4028亿美元，毛利率59.6%，净盈利1321.7亿美元 [102] 施罗德（Schrödinger） - 成立于1990年，2020年2月在纳斯达克上市，是全球首家上市的AI制药公司 [98] - 主打“物理+AI”融合的计算平台，物理模拟层基于量子物理和计算化学 [98] - 与Nimbus Therapeutics合作AI辅助设计的TYK2抑制剂Zasocitinib，由武田收购推进临床 [98] - 在p38α/MK2分子胶设计项目中，仅用4.5小时即生成1.2万个满足多参数优化要求的候选分子，效率较标准筛选提升56倍 [98] - 2025年收入2.56亿美元，毛利率55.7%，净亏损1.03亿美元 [102] Recursion - 依托全栈式AI平台Recursion OS，已有多条自研管线进入临床阶段 [101] - MEK1/2抑制剂REC-4881实现其AI平台的首个临床概念验证，II期临床数据显示患者治疗12周后息肉负担中位数减少43% [101] - 与赛诺菲已达成5项项目里程碑、累计付款1.34亿美元 [101] - 与罗氏/基因泰克合作中累计收款2.13亿美元 [101] - 与拜耳潜在里程碑付款高达15亿美元加分层特许权使用费 [101] - 2024年联合英伟达升级超级计算机BioHive-2 [101] - 2024年底完成对Exscientia的收购，新增20余个研发项目，合并后整体里程碑机会规模超过200亿美元 [101] - 2025年收入0.75亿美元，毛利率5.0%，净亏损6.4亿美元 [102] 港股相关公司 英矽智能 - 发表iPANDA通路分析算法，奠定Pharma.AI底层技术基础 [5] - 利用人工智能在21天内发现针对纤维化相关靶点DDR1的抑制剂，整体研究周期约46天 [5] - 抗纤维化药物ISM001-055进入Ⅰ期临床试验，AI设计药物开始进入人体试验阶段 [5] - 具备端到端AI研发能力、自有自动化湿实验体系 [2] 晶泰控股 - 立足中国、布局“AI+机器人”技术路线，将计算模拟与自动化实验结合 [5] - 2024年登陆港交所，成为国内AI制药代表企业上市案例 [5] - 所研发的“自动驾驶实验室”成为AI制药重要方向 [5] - 平台协调数百个工作站，实现全天候闭环DMTA循环，数据治理提升40倍，实验效率提升5-8倍 [50] - 具备端到端AI研发能力、自有自动化湿实验体系 [2] 剂泰科技 - 聚焦AI制剂与纳米递送的差异化赛道 [2] A股相关公司 - CRO+AI平台：成都先导、泓博医药、华兰股份 [2] - 综合CXO企业：药明康德、康龙化成 [2] - CDMO：凯莱英、药明生物、博腾股份 [2] - 临床CRO：泰格医药 [2] - 上游基因合成：金斯瑞生物科技、和元生物 [2] - 试剂耗材：诺唯赞 [2] - 血清培养基：奥浦迈 [2] - 重组蛋白试剂：百普赛斯 [2] - 模式动物：百奥赛图、南模生物 [2] - 自建AIDD平台的本土Pharma龙头：恒瑞医药、中国生物制药、复星医药、石药集团 [2]