恒生生物科技ETF市场表现 - 恒生生物科技ETF（513280）于2025年9月3日收涨1.57%，成交额超1.4亿元，环比放量超87% [1] - ETF当日开盘价1.380，最高价1.384，最低价1.353，振幅2.29%，全天成交总额达1.61亿元 [1] - 截至港股收盘，其标的指数成分股多数上涨，其中药明康德涨超8%，药明生物涨超5%，三生制药涨超4%，晶泰控股与石药集团涨超3% [3] 药明康德业绩预增详情 - 药明康德发布2025年业绩预增公告，预计实现营业收入约454.56亿元，同比增长约15.84%，其中持续经营业务收入同比增长约21.4% [1] - 预计经调整归母净利润约149.57亿元，同比增长约41.33%；扣非后归母净利润约132.41亿元，同比增长约32.56% [1] - 归母净利润约191.51亿元，同比增长约102.65%，增长部分包含出售联营公司部分股权及剥离部分业务的投资收益 [1] - 上述业绩数据超过此前指引，公司曾将2025年全年整体收入指引从425亿元-435亿元上调至435亿元-440亿元 [2] 药明康德业务与竞争力分析 - 业绩增长源于公司聚焦“一体化、端到端”CRDMO业务模式，拓展新能力、建设新产能，优化工艺和经营效率 [2] - 2025年前三季度在手订单同比增长41%，远超全球约14%的同比增速 [2] - 中信证券认为公司相较同业具备更优的盈利增长能见度，预计2026年在手订单增速将继续领先全球同业 [2] - 在2023至2025财年期间，公司持续实现高于全球同业的净资产收益率（ROE），表明其具备长期强大的护城河 [2] AI在医疗健康领域的应用与发展 - 2025年11月4日，卫健委等五部委印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》 [5] - 2026年1月8日，OpenAI推出ChatGPT Health；同日，蚂蚁阿福月活用户约一个月翻倍至3000万，落地速度加快 [5] - OpenAI分析显示，全球每周有超过2.3亿人通过ChatGPT咨询健康与保健相关问题 [7] - ChatGPT Health由全球60个国家的260余名医生历时两年打磨优化，构建“数据隔离”以增强隐私性 [6] AI在药物研发领域的进展与影响 - AI制药核心价值在于大幅提升药物早研效率，例如英矽智能Pharma.AI能将候选药物从靶点发现到临床前候选确认时间从4.5年缩短至12至18个月 [5] - 清华大学研发AI驱动平台DrugCLIP，对比传统方法实现了百万倍的筛选速度提升，并首次完成覆盖人类基因组规模的药物虚拟筛选 [8] - 浙商证券看好国内AI制药平台全球领先的服务能力、海外业务高速拓展，以及早研效率提升将快速传导至临床前及临床CRO需求 [5] - 2024年英伟达将AI for Science（AI4S）与大语言模型、具身智能并列为人工智能三大核心方向，其应用已从实验室迈向产业化 [6] 政策与行业战略支持 - 2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，将“人工智能+科学技术”列在重点行动首位 [9] - AI for Science重点覆盖医药研发（如预测蛋白质功能、发现新靶点）、材料科学、能源化学等领域 [6] - 国信证券认为，由AI主导的全民AI医疗大时代已经来临 [7]

AI for Science (AI4S) 的核心概念与价值 - AI4S是用人工智能赋能基础科研，推动科研范式从“试错驱动”向“数据+模型驱动”的颠覆性转变 [3] - AI4S能解决传统科研周期长、成本高、数据处理难的痛点，例如新药研发平均耗时10年以上，芯片设计面临千亿级参数算力挑战 [4] - 其核心价值在于将科研周期压缩数倍，并能触达人类直觉难以企及的高维复杂问题，是科技发展的“源头活水” [4] AI4S在新材料领域的应用案例 - 方大炭素与晶泰科技合作，打造“AI+机器人”超级智能体，实现硅碳复合材料、石墨烯等高端材料的原子级设计 [5] - 该合作将材料研发周期从传统的2-3年压缩至3-6个月，并利用数字孪生技术使高端炭素制品良品率提升15%以上 [5] - 方大炭素计划三年投入10亿元创新资金，并联合建立专项人才基金，旨在打通“AI算法+产业数据+实验验证”的闭环 [5] AI4S在生物医药领域的应用案例 - 美迪西实现了“AI+CRO”的深度融合，搭建了覆盖靶点筛选、分子设计、临床前研究的AI药物发现平台 [6] - 在靶点筛选环节，其自研算法结合AlphaFold3，每周可完成5000个虚拟化合物库的自动化迭代，毒性预测准确率提升至92% [6] - 在分子设计环节，生成式模型能探索10^60量级的潜在化学空间，临床前研发周期在典型案例中压缩40% [6][7] - 2024年，美迪西AI相关收入占比已达18%，预计2027年将提升至45% [7] AI4S在芯片领域的应用案例 - 道氏技术通过参股芯培森切入AI4S专用芯片赛道，其APU芯片专为原子级科学计算设计，以解决传统芯片的算力瓶颈 [7] - 公司搭建赫曦原子智算中心，将APU芯片与自身新材料研发需求结合，形成“芯片研发赋能材料设计，材料需求反哺芯片优化”的双向循环 [7] - 在锂电池材料研发中，该智算中心通过原子级模拟将新材料配方筛选效率提升10倍以上 [8] 中国AI4S发展的驱动因素 - 发展模式具有中国特色，踩中了“产业需求牵引+技术自主创新+政策持续支持”的三重红利 [9] - 与海外偏重基础理论研究不同，中国的AI4S从一开始就锚定产业痛点，避免了技术与市场脱节 [9] - 国产算力芯片、AI算法的突破为自主可控发展提供保障，且AI4S已被纳入国家科技创新体系的核心布局 [9] AI4S的总体影响与展望 - AI4S为中国在新材料、生物医药、芯片等基础领域实现“换道超车”提供了前所未有的机遇 [9] - 方大炭素、美迪西、道氏技术的探索是中国AI4S发展的缩影 [10] - 随着算力、算法、数据的持续突破，AI4S将成为中国科技从“跟跑”到“并跑”再到“领跑”的核心驱动力 [10]

报告行业投资评级 - 行业投资评级：优于大市 [1] 报告的核心观点 - OpenAI发布ChatGPT Health，标志着由AI主导的全民AI医疗大时代已经来临 [2][11] - AI for Science（AI4S）是人工智能三大核心方向之一，已从实验室迈向产业化，2026年或可成为其技术爆发元年 [2][24] - 医疗健康是AI for Science最深远的应用领域，AI将彻底改变药物研发、诊断筛查等环节，并显著改善行业经济回报 [31] 根据相关目录分别进行总结 01 OpenAI发布Chatgpt Health - **产品发布与功能**：2026年1月，OpenAI发布专门面向医疗健康领域的产品ChatGPT Health，用户可连接医疗记录、健康App等数据，用于辅助解读体检报告、准备就医问题、规划饮食运动等 [11] - **市场需求与规模**：健康咨询已成为人们使用ChatGPT最常见场景之一，全球每周有超过2.3亿人通过ChatGPT咨询健康与保健相关问题 [11] - **系统架构优势**： - **隐私性**：构建了独立的加密沙盒环境，实现医疗与普通场景的“数据隔离”，医疗数据不会流向主模型，也不会被用于训练基础模型 [12] - **准确性**：联合来自全球60个国家的260余名医生，历时两年打磨优化，累计获得超60万次反馈，以提升医疗信息准确度与通俗性 [12] - **行业标准建立**：2025年第二季度，OpenAI发布开源健康基准HealthBench，用于评估大模型在真实医疗场景中的表现，该基准由262名医生共同开发，涵盖5000个多轮医疗对话，涉及60个国家、26个专业 [16] - **基准的演进**：HealthBench旨在解决现有评估体系的缺陷，强调评估应反映真实世界影响、符合医师判断、并推动模型持续进步 [17]；随后还推出了难度更高的HealthBench Hard和确保专业一致性的HealthBench Consensus [21] 02 AI for Science开启医疗新时代 - **战略地位**：2024年英伟达GTC大会将AI for Science与大语言模型、具身智能并列为人工智能三大核心方向，其旨在利用AI从海量科学数据中发现规律、加速科研进程 [2][24] - **重点应用领域**：重点覆盖医药研发（如预测蛋白质功能、发现新靶点）、材料科学、能源化学等领域 [2][24] - **技术突破案例**：清华大学团队研发的AI驱动药物虚拟筛选平台DrugCLIP，对比传统方法实现了百万倍的速度提升，并首次完成了覆盖人类基因组规模的药物虚拟筛选 [24] - **政策支持**：2025年8月，中国国务院发布的《关于深入实施“人工智能+”行动的意见》将“人工智能+科学技术”列在重点行动首位 [24] - **对医疗领域的深远影响**： - **降低生物信息成本**：AI将使DNA读取和写入成本分别降低100倍和1000倍 [31] - **提升药物研发效率**：AI将使药物开发成本降低4倍，并将研发投入的回报提高5倍 [31]；预计可将新药上市时间从13年缩短到8年，总成本从24亿美元降至6亿美元 [36] - **改善癌症筛查**：AI将使癌症筛查效率提高20倍，并将市场规模扩大10倍 [31]；多癌症筛查技术预计将使美国癌症筛查市场规模从当前约800亿美元增长近千亿美元 [36] - **提升药物价值**：AI药物的商业价值将比标准药物高20倍，比同类最佳的精准药物高2.4倍 [31] 03 相关标的 - **AI+诊断**：迪安诊断，拥有国内稀缺的病历AI三类证 [40] - **AI+医药**：晶泰控股，AI制药赛道头部标的；艾可蓝，深度合作美国药企艾昆维 [40] - **AI+医疗信息化**：讯飞医疗科技，其G/B/C端业务均实现较快增速 [40] - **AI医疗+脑机接口**：中科信息，与华西医院合作，智能麻醉机器人已进入临床测试 [41]

纪要涉及的行业与公司 * **公司**：京泰控股（晶泰控股）[1] * **行业**：AI加制药（AI for Science）、脱发药物治疗、太阳能光伏（钙钛矿叠层电池）[2][5][12] 核心观点与论据 1. AI加制药赛道前景广阔 * **数据与专家壁垒高**：领域数据难以获取且私密，需要行业垂直专家经验优化模型以提供端到端价值[4] * **规模化潜力巨大**：老龄化社会医疗需求增长，全球研发投入达千亿美金级别，为赛道提供广阔空间[2][6] * **行业进展显著**：海外市场（如ChatGPT Health、Austropick）在2026年将有商业化进展，国内市场（如英西智能）新产品进入临床二期[3] 2. 京泰控股的技术与商业优势 * **核心技术独特**：以量子物理第一性原理、AI和机器人技术为核心，通过量子物理计算进行蛋白质/分子结构发现，不依赖大量真实数据[7] * **技术实力获验证**：与DeepTree签订60亿美元行业最大单，并与强生、礼来、辉瑞等跨国药企深度合作[2][7] * **商业模式成熟**：前期高投入，后期通过临床及销售实现长期稳定收入，采用“首付款+里程碑付款+销售分成”模式平滑收入波动[2][8] * 与DeepTree合作：已收到超5,000万美元首付款，2026年将获4,900万美元第二批付款及后续分成[8] * **技术能力可复用**：在药物发现和化学原材料等领域具备能力复用性，是AI for Science基建领域重要参与者[14] 3. 公司具体业务进展与亮点 * **药物研发管线**：孵化的西力科技RNA小分子创新药获美国FDA IND批件和孤儿药资格认定[2][9] * **C端产品突破**：小分子和多肽生发产品获FDA批准并开始海外销售，有望成为C端爆款[2][9] * **跨领域合作拓展**：与晶科能源合作建设AI决策、机器人执行、数据反馈全闭环的钙钛矿叠层电池制造线，拓展至太阳能光伏板应用领域[5][12] * **自动化实验室能力**：智能机器人解决方案可实现7×24小时覆盖80%以上药物化学实验反应，持续积累数据形成飞轮效应[12] 4. 脱发药物治疗市场情况（以曼迪国际为例） * **市场高速增长**：中国脱发药物治疗市场规模从2018年的5亿元增长至2024年的35亿元，年复合增长率约40%[2][10] * **龙头公司表现**：曼迪国际（三生孵化）市场份额近60%，2024年收入14.55亿元，同比增长18.5%，毛利率高达82.7%[2][10] * **产品优势明显**：米诺地尔系列产品起效快（最快两周）、效果显著（45天后90%试验者可见头发密度增加）、安全性高（水溶性成分，平均掉发减少30%-45%）[5][11] * **商业化前景**：产品海外售价389元/月，未来有望在海内外扩展销量，推动公司商业模式从B端向C端转型[5][11] 5. 财务预期与行业趋势 * **公司营收预期**：预计2025-2027年营收分别为7.87亿元、9.98亿元、14.65亿元，同比分别增长195.3%、26.8%、46.7%[13] * **盈利预期**：归母净利润将逐步由亏损转平，再到正向盈利，进入商业模式快速释放业绩的通道[13] * **行业趋势积极**：以海外公司TEMPUS为例，2025年业绩超预期，总合同价值超11亿美元，预计未来三年EBITDA持续转正，产业内多个公司EBITDA转正有望带来估值切换[16] 其他重要内容 * **风险控制策略**：在药物发现领域，通过提升研发效率与药企紧密合作，不承担过多风险但有望获得后期高回报；通过积累管线数量平滑单个管线的长周期不确定性，形成稳定现金流[14][15] * **生态拓展模式**：公司通过孵化独立公司或辅助独立管线公司来拓展生态，逐渐打通商业闭环[9] * **合作战略意义**：与晶科能源在化学原材料领域的合作，将成为其他物理化学应用领域积累能力和口碑的重要突破口[15]

核心观点 - 行业ETF配置模型在2025年实现了21.4%的超额收益，当前推荐关注TMT中拥挤度较低的传媒、计算机，趋势改善的国防军工，以及景气度高的非银行业，并增配了军工行业[1][3] - 基本面高频数据显示经济生产、交运、融资活动同比改善，但商品房销售同比降幅持续，物价环比增长乏力[3][4] - 航空机场行业供需优化，运力低增长与需求恢复形成缺口，叠加成本端利好，静待盈利改善；机场板块关注资本开支与成本消化[1][5] - 自动驾驶公司文远知行采用L4和L2+双轮驱动战略，预计Robotaxi业务到2030年收入可达228亿元，给予“买入”评级[1][6] - 黄金珠宝行业在春节旺季有望延续景气，因头部品牌产品力与运营力增强，并形成高端化消费心智[1][7] - AI for Science（AI4S）正在引发科学研发范式变革，在医药、材料等多个领域应用，市场空间广阔，仅6个下游领域潜在需求约1486亿美元[1][8][9] - 餐饮公司九毛九旗下太二品牌在2025年第四季度内地同店日销售额同比已转正，公司通过门店优化与新品牌拓展积极求变[1][10] 行业表现与配置 - 近1年表现最佳的五个行业为：有色金属（107.6%）、国防军工（74.4%）、传媒（69.3%）、综合（69.0%）、计算机（51.8%）[1] - 近1月表现最佳的五个行业为：国防军工（33.2%）、传媒（24.1%）、计算机（19.5%）、有色金属（19.3%）、综合（15.7%）[1] - 近1年表现最弱的五个行业为：食品饮料（-0.9%）、银行（9.1%）、交通运输（9.2%）、公用事业（13.0%）、农林牧渔（26.8%）[1] - 金融工程行业配置模型基于景气度-趋势-拥挤度框架，建议关注传媒、计算机、国防军工及非银行业[3] 宏观经济与高频数据 - 国盛基本面高频指数为129.5点，当周同比增加6.1点[3] - 工业生产高频指数为128.0，当周同比增加4.8点，但同比增幅收窄[4] - 商品房销售高频指数为40.4，当周同比下降6.5点，同比降幅不变[4] - CPI月环比预测为0.1%，PPI月环比预测为-0.1%[4] - 交运高频指数为134.4，当周同比增加11.0点，同比增幅扩大[4] - 融资高频指数为247.1，当周同比增加31.1点，同比增幅扩大[4] 交通运输（航空机场） - 航空板块中长期景气度看好，核心逻辑是运力供给维持低增速、需求持续恢复，供需缺口缩小[5] - 成本端受益于油价中枢下移、人民币走强及政策呵护[5] - 推荐基于跨境航线需求改善视角关注吉祥航空、中国东航H/A、中国国航H/A、南方航空H/A；基于业绩确定性推荐华夏航空、春秋航空[5] - 机场板块需关注资本开支计划、刚性成本消化进度及非航业务多元化，相关标的包括上海机场、白云机场等[5] 海外（自动驾驶） - 文远知行为国内领先的自动驾驶运营平台型企业，采用L4级Robotaxi和L2+级智能驾驶双轮驱动战略[1][6] - 预计公司2025-2027年收入为5.5亿元、9.9亿元、18.0亿元；non-IFRS归母净利润为-11亿元、-11亿元、-10亿元[6] - 估算其Robotaxi业务在2030年有望实现228亿元收入、56亿元净利润[6] - 给予目标估值643亿港元/83亿美元，首次覆盖给予“买入”评级[6] 商贸零售（黄金珠宝） - 2026年春节旺季行业景气有望延续，因头部品牌产品力、运营力增强，并逐步形成“高端化”、“硬奢侈品”消费者心智[7] - 黄金珠宝板块消费韧性强，节假日消费更具爆发性[7] - 推荐潮宏基、周大福，关注老铺黄金、菜百股份、老凤祥、周大生、六福集团、周生生、豫园股份[7] 化工（AI for Science） - AI for Science（AI4S）用AI算法、大语言模型与高通量机器人实验室结合，大幅缩短研发周期，破解传统研发难题[8] - 在医药研发领域，AI4S针对临床前研发市场，可触达市场规模约1082亿美元[9] - 在化工、医药、新能源、合金、显示、半导体共6个下游领域，假设AI4S渗透率25%，可创造市场需求约1486亿美元[9] - 创新药研发是AI4S率先应用的行业，因其研发环节多、投入大，与AI技术高度契合[9] - 太空钙钛矿是AI4S重要应用领域，钙钛矿柔性太阳翼是卫星太阳翼的理想方案，其技术优化适合AI4S[9] - 核心标的晶泰控股是AI4S全球龙头，具备算法、数据、资金、人才优势，服务海外头部跨国公司并已获得59亿美元BD订单，同时布局太空钙钛矿[9][10] 社会服务（餐饮） - 九毛九公司2025年第四季度营运数据显示，太二品牌内地同店日销售额同比已转正[10] - 太二品牌落地“鲜活模式”门店243家，并推出新品牌“潮那边·潮汕烤鲜牛肉”[10] - 公司通过门店优化、新店型落地及多品牌运营积极求变[10] - 预计公司2025-2027年营收分别为53.73亿元、57.11亿元、60.62亿元，归母净利润分别为0.95亿元、2.26亿元、2.80亿元[10] - 当前股价对应2025-2027年PE分别为26.8倍、11.3倍、9.1倍，给予“增持”评级[10]

股价表现与市场关注 - 2026年1月5日至12日，公司股价连续六个交易日大涨198.57%，成为A股2026年首只翻倍股，期间出现连续“20CM”涨停 [1][2][3] - 近期龙虎榜数据显示，机构席位与深股通对该股均有明显加仓动作 [2] - 公司发布股票交易异常波动公告，声明主营业务未发生重大变化，并提醒股价短期涨幅与基本面严重偏离，存在快速回落风险 [2] 核心概念与业务布局 - 公司集AI for Science（人工智能驱动的科学研究）、新材料、机器人、量子科技、商业航天等多个热门概念于一身 [1][3] - 公司在主业基础上布局“AI for Science+量子计算”研发新材料，相关新型隔热材料、新型防火材料已初步形成战略合作与订单 [1][3] - 2025年，公司通过控股子公司推出“小临”化学机器人，将新材料研发周期从18个月缩短至3个月 [3] - 公司研发的毫米级薄型相变隔热阻燃材料耐温800—3000℃，已通过宁德时代测试并获得3亿元战略订单，并于2025年下半年量产 [3] - 公司“量子+AI”研发体系已落地 [3] - 公司澄清，目前业务不涉及商业航天领域，相关防火隔热材料产品仍处于实验室研发优化阶段，暂未量产，尚未产生相关营业收入 [4] 财务业绩与复苏情况 - 2022年，公司归母净利润及扣非净利润达到上市后最高水平，分别为1.78亿元、1.44亿元 [5] - 2023年，公司归母净利润和扣非净利润首次亏损，亏损额分别为4529.72万元、8190.13万元 [5] - 2024年，公司业绩复苏，实现营业收入25.26亿元、归母净利润7370万元、扣非净利润4275万元 [5] - 2025年前9个月，公司实现营业收入20.23亿元，同比增长12.09%；归母净利润1.18亿元，同比增长98.65%；扣非净利润9345万元，同比增长181.98% [5] - 2025年前三季度，公司经营活动现金净流量为1.39亿元，同比暴增7907.42%，主要得益于内部回款管理的系统性强化 [6] 行业状况与公司战略 - 国内铝模板行业正处于深度调整与结构优化阶段，市场出清态势持续，低效落后产能逐步退出 [6] - 行业头部企业正通过战略合作、业务重组及产能优化等方式提升运营效率，行业集中度稳步提升 [6] - 行业协会积极倡导“反内卷”，推动构建健康有序的竞争秩序 [6] - 公司通过全球化业务结构优化，保持海外业务营收增长，并采用“先款后货”的结算机制，有效夯实了现金流储备 [6]

文章核心观点 - AI for Science（人工智能驱动科学创新）正从技术概念迈向产业硬实力，AI制药已进入开花结果的验证期，并展现出向化学、材料、能源等更广泛科学领域外溢的巨大潜力 [5][8][16] - 晶泰科技作为AI制药与AI for Science的双赛道先行者，通过大规模订单、合作与上市，已成为从“AI加速科研”到“科研反哺产业”的标杆样本 [8] - AI for Science发展的底层逻辑在于，人类智力难以处理微观世界（如生物学、化学）和宏观复杂系统的海量数据，而AI能在此创造巨大价值，其与产业结合有望产生1到100的乘数效应 [18][20][21] - 数据是未来3-5年AI生物制药领域的核心战略资产，构建高质量、快速反馈的数据壁垒至关重要，而中国在临床资源等方面具备显著优势 [24][46][52] - 通过AI视角重新审视现有药物研发流程，能在多肽、小核酸等新药物形态（modality）上打破行业共识，发现新的商业机会 [63][64][69] - 将AI技术创新与中国的强势产业链（如创新药、生物制造、聚变、量子计算）相结合，是捕捉未来十年核心机会的关键 [77][78][79][80] 对AI for Science及AI制药现状的评估 - **AI制药进入开花结果期**：三年前的质疑已被实证打破，行业进入成果验证阶段 [11][13] - **标志性商业成果**：晶泰科技在2025年与礼来达成3.45亿美元合作，与DoveTree达成近60亿美元订单 [8][13] - **行业进展案例**：英矽智能的AI生成小分子在特发性肺纤维化治疗II期临床获良好结果；剂泰科技的AI赋能口崩片完成III期临床，成为国内首款 [14][15] - **发展阶段的延伸**：AI for Science整体仍处于从0到1的阶段，但AI在制药领域的成功证明了其能力外溢至化学、材料、物理等其他科学领域的可能性 [9][16][17] 晶泰科技的业务实践与战略布局 - **业务布局的四大方向**： - **更关注国际化**：采取“国际化+中国”的综合策略，例如与礼来的合作 [25] - **关注药物种类多元化**：从占市场70%的小分子，扩展到抗体、多肽、基因细胞疗法等生物制品领域，以匹配临床需求和商业化趋势 [25][26] - **探索药物延展领域**：布局消费品、化妆品功效成分、食品保健等AI与分子设计能结合的领域 [26] - **构建数据壁垒**：自2019年起部署自动化实验集群，持续扩大数据采集规模以建立长期竞争优势 [27] - **平台化定位与核心能力**： - 公司定位为技术平台，在可见的未来不会自行做药 [29] - 不仅提供标准化服务，更擅长解决行业“疑难杂症”，例如利用机器人自动化技术攻克固体粉末转移这一行业效率与精度瓶颈 [29][30] - 产品端采取与客户合作开发的策略，以早期技术贡献换取产品未来权益 [30] - **技术能力的跨域迁移**：将药物化学领域AI预测准确度达80%到90%的能力，扩展至化工、材料、新能源等领域 [28] AI模型在生物医药领域的应用与前景 - **当前应用与能力边界**： - AI模型在**药物设计阶段**（如小分子、蛋白质设计）已得到充分应用，平均能为临床前药物发现提效20%到80% [21][34] - **更大的挑战与市场在生物学及临床阶段**：一款药物研发的临床成功率（I、II、III期概率相乘）可能不到10%，超过90%失败，且75%的研发成本发生在临床阶段，但该领域数据积累少、迭代速度慢 [37] - **模型发展的路径与趋势**： - **短期**：因数据缺乏，**专业知识强化的AI模型**是关键，例如物理约束模型、生物学知识加强模型，通过专业引导提升效果（如调整抗体设计模型的掩码策略） [43][44] - **长期**：当生物学数据量超过互联网语料数据并出现拐点时，**无监督的大模型学习**将能自行提取规则，其价值可能远超2012年卷积神经网络在图像识别上的突破 [44] - 模型演进的三条路径：预测分子结构的模型（如AlphaFold）、全原子模型（如RF diffusion3）、结合多组学数据的大模型 [40][41][42] - **垂直与精细化的机会**：在临床前细分药物形态（如环肽、口服多肽、小核酸）领域，将问题拆解细致并拥有独特专业团队的模型更具商业机会 [37][39] 数据在AI for Science中的核心价值与获取 - **数据的战略地位**：未来3-5年，数据是AI生物制药领域的重要资产，每一次生产力革命本质是对生产资料潜能的重新发现，AI时代要重新发掘过往研究中被丢弃的**失败数据的价值** [24][46][48][49] - **数据利用的关键点**： - **统一标准与降低成本**：通过自动化、机器人方式统一数据标准，降低收集成本 [52] - **探索新工具实现“数据升维”**：如多组学技术、快速DNA/RNA合成等，让增量数据浮出水面 [52] - **充分利用中国临床资源**：中国庞大的患者群体和临床数据积累，通过合规机制协同推进，具备巨大优势 [52] - **有价值数据的特征**：现阶段最具价值的数据是具有高度一致性、标准化，并能实现**快速采集和反馈**的数据 [55] - **潜在的核心数据类型**：目前相对易得的有影像数据、转录组数据、化学合成数据；未来随着成本下降和通量提升，**蛋白质组数据**可能成为下一代核心数据 [55] AI驱动药物研发的具体创新与实践 - **以AI视角打破行业共识**： - **在多肽药物领域**：通过AI分析蛋白相互作用，生成约2000个非天然氨基酸（比天然的20种多100倍），以优化多肽稳定性，使其兼具多肽优势与小分子优点，在脑部递送、口服给药（如口服减肥药）方面有潜力 [63][64] - **在小核酸药物领域**：将序列设计和化学修饰两个传统上分步优化的过程，整合进**同一个生成模型一步完成**，从而找到更优且具新颖性的分子，突破现有专利限制 [65][67][68] - **创新探索机制**：公司设立晶泰创新中心，投入预算探索有商业前景的新药物形态（modality），这是市场需求与技术支撑共同驱动的结果 [62] AI向材料、能源等交叉领域的迁移与机会 - **技术迁移的共通性**：在微观世界，AI能力可在三个层面较快迁移并产生价值：新的分子结构设计、配方优化、工艺开发与放大 [73][74][75] - **跨领域落地的差异与关键**：不同产业（如材料 vs. 制药）的验证和数据反馈速度差异很大，技术落地的关键是**根据各领域商业化流程定义阶段性里程碑，并构建快速的数据反馈闭环** [75] - **与中国产业链结合的巨大潜力**： - **AI制药**依托中国强势的创新药产业链已获认可 [77] - **聚变**领域，中国在制造、材料、电力电子等方面的优势，结合AI对等离子体控制等的助力，有望引领产业发展 [78] - **生物制造**领域，中国拥有最大发酵产能，叠加AI与合成生物能力，产业将崛起 [79] - **量子计算**领域，AI也是重要变量 [80] - **未来机会**：在AI与生物、化学、材料、能源等交叉领域寻找创新，并使其扩散至“十五五”规划的未来产业方向，是未来十年的核心机会 [80]

市场整体表现 - 市场震荡拉升，三大指数均涨超1%，创业板指探底回升，此前一度跌超1% [1] - 沪深两市成交额达3.6万亿，连续第2个交易日突破3万亿，较上一个交易日放量4787亿，刷新2024年10月8日创下的成交额历史纪录 [1] - 全市场超300股涨逾10%，市场做多热情高涨 [10] 板块与概念表现 - 领涨板块：AI应用、商业航天、脑机接口、可控核聚变概念板块 [1] - 领跌板块：石化、锂电池、煤炭、保险板块 [1] - 北证50指数收盘大涨超5%，20厘米方向超50股涨停 [3] 个股连板与市场情绪 - 今日188股涨停，49股炸板，封板率为79% [1] - 连板晋级率升至78.94%，短线情绪维持高位 [3] - 高位连板股表现：锋龙股份12连板，志特新材20cm6连板，银河电子6连板，东方明珠、中国一重、弘讯科技4连板 [1] - 其他强势股：嘉美包装17天13板，鲁信创投12天10板，雷科防务9天7板，金风科技11天7板，中国卫通10天6板，航天电子11天6板 [1] AI应用主线热点 - 马斯克宣布X将在七天内向公众开放其最新推荐算法代码，提振AI应用端人气 [6] - 港股大模型概念股智谱和MiniMax盘中一度涨超60%和近40% [6] - AI营销方向（GEO概念）表现强势，蓝色光标、易点天下、天龙集团、百纳千成等20厘米个股涨停 [6] - AI制药、AI医疗（AI4S）热度持续，受清华研发AI驱动药物筛选平台及蚂蚁阿福流量新高催化，志特新材晋级6连板，卫宁健康、迪安诊断等涨停 [6] 商业航天主线热点 - 我国2025年12月向国际电信联盟申请了超20万颗卫星的频轨资源 [7] - 板块持续活跃，银河电子晋级6连板，鲁信创投、金风科技、中国卫通、中国卫星等人气核心股涨停，带动低位弹性标的大面积封板及多只卫星相关ETF涨停 [7] - 年内商业航天火箭发射及卫星批量组网仍是大概率事件 [7] 其他活跃概念 - **可控核聚变**：受2026核聚变能科技与产业大会即将召开、星环聚能完成10亿元A轮融资、新奥第二代高温超导模型线圈通过测试等利好推动，概念股午后大面积爆发，弘讯科技晋级4连板，中国核建、雪人集团反包板，国光电气、哈焊华通等多股涨超10% [8] - **量子科技与脑机接口**：工信部表示“十五五”时期将聚焦该领域，脑机接口独角兽强脑科技已提交香港IPO申请，概念股午后轮动补涨，量子科技龙头国盾量子涨超14%创历史新高，脑机接口人气股道氏技术、岩山科技涨停 [9] 资金与后市展望 - 市场在3万亿以上级别量能支撑多热门题材同步走强 [3] - 领涨个股结构显示，AI应用和商业航天独领风骚，其余热点涨停数相形见绌 [10] - 微盘股指数刷新阶段新高，或有利于低位滞涨的小微盘题材股展开补涨 [10] - 当前市场趋势上行仍难逆转 [10]

文章核心观点 人工智能正从参数竞赛转向重构物理世界，告别狂飙突进，向认知升维、集群协同、产业深耕方向演进，十大核心趋势勾勒出智能时代新蓝图 [1] 基础模型与认知范式演进 - 基础模型演进的核心是从“预训练+后训练”范式转向“Next-State Prediction”范式，使AI能学习物理动态、时空连续性和因果关系，实现“理解-预测-规划”的完整能力闭环，成为从“感知”迈向“认知”的核心标志 [1] - 海外方面，World Labs的RTFM模型可从单幅图像创建3D空间，OpenAI Sora 2展现出对真实世界规律的深度模拟 [2] - 国内方面，智源研究院作为NSP范式开创者，其悟界・Emu3.5将多模态数据统一编码为离散Token，实现对物理世界动态与因果关系的精准理解，蚂蚁百灵大模型系列也在NSP方向持续进化 [2] 具身智能产业发展 - 2024年是具身智能“百机大战”元年，2025年行业已迈入“出清”阶段，技术难度与资金需求远超以往，同质化竞争加速行业洗牌 [2] - 当前中国具身智能企业超230家，其中人形机器人企业过百家，商业进程已从实验室验证转向量产交付，客户主力从高校研究机构转向B端产业场景，人形机器人销量已突破万台，亿级订单频现 [2] - 海外市场，Physical Intelligence的n*0.6模型通过自主经验训练降低复杂任务失败率，特斯拉Optimus 2.5已应用于工厂生产、农场运营等场景 [3] - 国内市场，智源发布RoboBrain2.0具身大脑与RoboBrain-X0小脑基座，蚂蚁灵波科技推出的Robbyant-R1机器人已落地餐饮、导览、医疗问答等场景，多家企业加速推进IPO进程，行业格局即将成型 [3] 智能体系统演进 - AI应用正从单智能体系统向多智能体系统演进，Langchain报告显示当前客服、代码生成等SAS应用占比达63%，但复杂场景下MAS在工作流拟合、降低幻觉等方面优势显著 [3] - Anthropic数据显示，57%的组织已部署智能体处理多阶段工作流，2026年这一比例将升至81%，其中39%计划开发多步骤流程智能体 [3] - MAS的核心突破在于通信协议的统一，2025年MCP与A2A协议先后捐赠给Linux基金会并实现分层融合，成为微软、谷歌、Anthropic等头部厂商的原生支持选择，构成Agent时代的“TCP/IP” [4] AI for Science发展 - AI for Science已从辅助工具升级为AI Scientist，实现“假设提出—实验设计—数据分析—结论推断”的完整科研链路，推动科研模式发生质变 [4] - 2025年以来，谷歌Co-Scientist、斯坦福大学BOMARS等全球各类AI Scientist系统密集发布 [4] - 国际竞争激烈，美国2025年11月启动“创世纪计划”，依托17个国家实验室数据、AuroraGPT模型等存量资产，加速AI4S规模化落地 [5] - 中国呈现“应用强、基座弱”特征，在应用层面具备STEM人才与产业链优势，但在算力、数据、模型三大基础设施上仍有差距，截至2025年国家基础数据中心保有数据量达4.6PB，科学基础模型研发亟待资源整合 [5] C端AI应用竞争 - C端AI竞争聚焦“Super App”，以“All in One”为核心特征，通过一个入口实现信息获取、任务规划到问题解决的闭环 [5] - 海外方面，ChatGPT、Gemini等APP已达成过亿日活，谷歌Gemini已取代Maps原生语音助手，实现功能内化 [5] - 国内方面，蚂蚁灵光上线6天下载量破200万，支持30秒生成小应用与全模态输出，字节豆包依托生态优势MAU位居全球第二 [5] - 垂直赛道潜力巨大，多模态模型展现出“低频高价值”特征，Nano Banana Pro单次调用价格是文本模型的70-120倍，仅需1.5%的调用量即可实现同等收入 [6] - 国内市场，蚂蚁阿福月活超1500万，成为第一大健康管理APP，即梦AI、快对AI等在视频生成、教育等赛道成功突围 [6] ToB AI应用挑战与转机 - 2025年多数ToB AI应用仍停留在PoC阶段，MIT研究显示95%的GenAI Pilot项目未能产生可衡量影响，数据质量、MAS成熟度、成本失控成为主要瓶颈 [6] - 46%的企业将“现有系统集成”列为首要障碍，典型案例中4个Langchain智能体因死循环通信11天损失4.7万美元 [6] - Forrester预测，25%的AI支出将推迟至2027年，40%的Agentic AI项目可能失败 [6] - 反转信号已现，2026年H2将成为ToB应用MVP落地关键期，“Data Gov先行，OTel/MCP并行”的实施路径已明确，核心业务数据治理需3-4个月，简单API连接2-3周即可完成，三大模块并行推进下MVP产品至少需6个月投入 [7] - 医疗、电信、金融等行业已加速推进标准API建设，美国医疗行业CMS新规要求2026年1月部分功能上线，为规模化落地奠定基础 [7] 合成数据发展 - 合成数据正成为AI 2.0时代的“无限燃料”，有效破解真实数据短缺难题 [7] - NVIDIA通过合成数据优化3D检测与机器人轨迹生成，与Sandbox AQ合作构建含520万个新三维分子的训练集 [7] - 银河通用凭借10亿帧合成数据训练出GraspVLA模型，降低具身智能对昂贵真实数据的依赖 [7] - 群核科技基于4.41亿个3D模型构建空间智能飞轮，推动合成数据在工业设计等场景规模化落地 [7] - 合成数据的演进路线已清晰，模型作为反事实数据生成引擎，强化学习作为数据毒性过滤器，二者结合使合成数据的价值与安全性大幅提升，随着修正扩展定律的理论证实，合成数据有望在2026年彻底打破“数据枯竭魔咒” [8] 推理优化与硬件成本 - 推理优化仍是2026年AI大规模应用的关键支撑，算法层面微软BitNetb1.58模型验证了极端量化的可行性，DeepSeek V3.2将长序列推理复杂度从O(L2)降至O(Lk)，阿里Qwen3引入混合推理实现成本与质量的平衡 [8] - Epoch AI数据显示，消费级GPU上的开源模型仅需6-12个月即可追平前沿模型能力 [8] - 硬件领域变革加速，ASIC芯片因适配Transformer结构分流GPU负载，存算一体架构在边缘端落地，Google TPU、Groq芯片对英伟达形成挑战 [8] - 成本持续下降印证技术价值，2022年11月至2024年10月，每百万个token推理成本从20美元降至0.07美元，18个月内降幅达280倍 [8] 异构算力基础设施 - 当前全球超5%的AI训练负载依赖NVIDIA+CUDA体系，构建异构全栈基础设施成为破局关键 [9] - 2025年以来，算子开发语言从5种增至9种，MLIR技术的成熟形成“多语言汇一编译器”的漏斗型架构，实现从手写汇编到自动化编译的跨越 [9] - CUDA 13.1版本引入Tile功能提升易用性，Triton生态则凭借多元贡献者优势，实现对多厂商芯片的无缝支持 [9] - 国内方面，智源FlagOS平台构建全栈解决方案，FlagGems纳管18款异构芯片，FlagScale集成并行推理与训练加速能力，通过软硬解耦统领异构算力 [9] AI安全挑战与治理 - AI安全风险持续攀升，2024年全球报告安全事件233起，同比增长56.4%，2025年11月底前已超330起 [9] - 深度伪造、AI监控滥用等事件频发，8家头部企业大模型在“防范灾难性滥用”方面均未达标，Agent系统进一步引入外部模块不稳定性与通信安全风险 [9] - 技术层面，自演化攻防演练扩展监管边界，红蓝智能体集群通过持续博弈可发现人类认知盲区的未知风险 [10] - Anthropic发布回路追踪工具实现偏见精准修正，OpenAI推出Aardvark自动挖掘代码漏洞，“以AI治AI”成为常态 [10] - 产业端，70%的大企业将数据主权与抗注入攻击能力列为一票否决项，蚂蚁推出ASL智能体可信互连技术，360构建类脑分区协同安全大模型，场景化安全护盾加速形成 [10]

行业投资评级 - 增持（维持）[5] 报告核心观点 - AI for Science（AI4S）大时代已至，正推动科学研发范式变革，通过AI算法、大语言模型与高通量机器人实验室的闭环交互，能大大缩短研发周期并破解传统范式难题[1] - AI4S在大部分潜在赛道的渗透才刚刚开始，其远期市场空间将是不亚于民用AI应用的万亿市场[1] - 创新药研发与太空钙钛矿是AI4S值得关注的核心应用领域[3] AI4S如何赋能科学研发 - AI4S的能力圈主要包括“读、算、做”[1] - 以泰控股为例，“读”的能力体现在其专利数据挖掘平台可将传统需数天甚至数周的文献专利数据提取在1小时内完成，准确率达95%[1] - “算”的能力体现在其拥有超过200个AI模型，可通过算法大幅提升研发速度和精度[1] - “做”的能力体现在机器人工作站可将数据收集能力提升40倍[1] AI4S市场空间测算 - 在医药研发领域，AI4S针对临床前研发市场，全球医药市场为1.64万亿美元，海外头部企业研发费用率普遍超过20%[2] - 以临床前研发价值量占比33%测算，AI4S在医药领域可触达市场规模约1082亿美元[2] - 在医药以外领域，假设AI4S渗透率为25%，仅化工、医药、新能源、合金、显示、半导体共6个下游就可创造约1486亿美元的市场需求[2] AI4S核心应用领域 - **创新药研发**：该行业是AI4S率先应用的领域，核心原因在于其研发环节多、分子结构预测难度大，与AI4S技术高度契合，且行业研发投入大并具备研发外包（CXO）生态模式[3] - **太空钙钛矿**：光伏是卫星主要能源，在太空同等组件发电量达地表7-10倍，能源系统占卫星成本约15-20%[3] - 传统刚性太阳翼结构厚重、展开面积上限低，而钙钛矿结合柔性太阳翼在减重降本的同时，展开面积可增长超10倍（例如Starlink V3太阳翼面积达257平米），是卫星太阳翼的理想化终极方案[3] - 钙钛矿稳定性等技术问题亟待解决，其无机晶体结构发现技术路线与AI药物晶型预测高度相似，适合用AI4S技术进行优化[3] 核心标的分析 - **泰控股**被定位为AI4S全球龙头，具备顶级算法（200+垂类模型）、数据（高通量机器人实验室）、资金（稀缺上市平台，现金储备充足）及人才（3位MIT华人物理学家创办）优势[4] - 该公司服务海外头部跨国公司（MNC），并已斩获全生命周期59亿美元的业务发展（BD）合作[4] - 该公司正携手泰科能源布局太空钙钛矿领域[4]