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]

公司股价表现与市场动态 - 晶泰控股早盘股价一度上涨近7%，截至发稿时上涨3.27%，报12.95港元，成交额达22.36亿港元 [1] 核心战略合作与业务进展 - 公司宣布与晶科能源子公司签署战略合作协议，共同成立合资公司，共建全球首个“AI决策-机器人执行-数据反馈”全闭环叠层电池智造线 [1] - 合作旨在为不同应用场景开发高效率、高稳定性的太阳能电池产品 [1] 券商观点与公司前景 - 中邮证券认为公司正处于从“0到1”到“1到N”的关键跃升阶段，其商业模式已得到验证，业绩进入高速增长通道 [1] - 短期来看，大额订单的持续落地和收入确认是股价的核心驱动力 [1] - 长期来看，公司“AI+机器人”平台的技术壁垒和向“AI for Science”全领域拓展的潜力是其价值的核心 [1]

公司股价表现与市场动态 - 晶泰控股(02228)早盘再涨近7%，截至发稿时上涨3.27%，报12.95港元，成交额达22.36亿港元 [1] 核心业务合作与技术布局 - 晶泰科技与晶科能源子公司签署战略合作协议，共同成立合资公司，共建全球首个“AI决策-机器人执行－数据反馈”全闭环叠层电池智造线 [1] - 合作旨在为不同应用场景开发高效率、高稳定性的太阳能电池产品 [1] 券商观点与公司发展前景 - 中邮证券认为公司正处于从“0到1”到“1到N”的关键跃升阶段，商业模式已得到验证，业绩进入高速增长通道 [1] - 短期看，大额订单的持续落地和收入确认是股价的核心驱动力 [1] - 长期看，其“AI+机器人”平台的技术壁垒和向“AI for Science”全领域拓展的潜力是其价值的核心 [1]

公司业务与市场地位 - 公司是稀缺的AI for Science企业，由三位麻省理工物理学家在2015年联合创立，核心技术栈为“量子物理第一性原理计算+AI+机器人”，为制药及材料科学产业提供研发解决方案及服务 [1] - 2025年上半年，公司营收达到人民币5.17亿元，同比增长404%，扣非归母净利润为0.83亿元，经营活动现金流净额为-2.38亿元 [1] 药物发现解决方案业务 - 该业务是公司核心收入来源，2025年上半年收入达4.35亿元，同比增长616%，占总收入的84% [1] - 公司自主开发的AI平台已实现多领域应用，从小分子扩展到大分子，从单一模态跨向多模态药物发现，并与强生、礼来、辉瑞等跨国药企建立合作 [1] - 2025年8月，公司与DoveTree签署了价值470亿港元的管线合作，刷新AI制药出海订单规模纪录，公司已收到5100万美元首付款，并有权获得4900万美元的进一步付款及58.9亿美元的潜在里程碑付款及销售分成 [2] - 公司孵化的ReviR溪砾科技的创新药管线RTX-117已获中国NMPA及美国FDA批准进入临床，公司有权获得里程碑付款及销售分成 [2][3] - 据IMARC Group统计，2024年全球七大主要市场的CMT治疗市场规模为10.13亿美元，预计到2035年将以24.62%的复合年增长率增至113.94亿美元 [3] 消费级产品（生发业务） - 公司开发了两款针对生发固发需求的创新外用功效成分，并已通过孵化的消费品牌Groland在美国FDA完成注册，即将推向海外市场 [4] - 产品起效迅速，受试者最快14天可观察到初步效果，使用45天后超90%受试者观察到头发密度增加，平均掉发数量减少33%至45%，且安全性高 [4] - 根据Global Growth Insights预计，2025年全球脱发治疗和产品市场规模将达到50.44亿美元，到2033年将扩大至61.46亿美元，全球受脱发影响人群超25亿，中国脱发人数达2.5亿 [4] - 2018至2024年，中国脱发药物治疗市场规模由5亿元增长至35亿元，复合年增长率为39.9% [5] - Groland高岚头皮抗衰精华售价为389元一瓶，预计将成为驱动公司商业模式从B端向C端扩展的爆款单品 [5] 智能机器人解决方案 - 公司建成了可扩展标准化智能机器人湿实验室，自动化覆盖80%以上药化实验反应，通过7×24小时运行实现高通量数据积累 [5][6] - 公司与晶科能源子公司签署战略合作协议，将共同成立合资公司，共建全球首个“AI决策-机器人执行-数据反馈”全闭环叠层太阳能电池智造线 [6] 财务预测与增长前景 - 机构预测公司2025至2027年营收分别为7.87亿元、9.98亿元、14.65亿元，同比增长195.3%、26.8%、46.7% [6] - 同期归母净利润预测分别为-1.56亿元、-0.96亿元、1.96亿元，同比增长89.7%、38.6%、304.3% [6] - 公司被认为正处于从“0到1”到“1到N”的关键跃升阶段，商业模式已得到验证，业绩进入高速增长通道 [6] 核心投资逻辑 - 公司的技术基座为量子物理，在药物发现、化学原材料等需要进行结构发现的领域具备能力复用性，是AI for Science基建领军企业 [7] - 在药物发现领域，公司通过提高研发胜率、缩短周期，并与全球龙头药企合作，有望获得高赔率收益，未来随着管线平铺将形成稳定的远期现金流 [7] - 与晶科能源在化学原材料领域的合作将成为重要突破口，为公司开辟更广阔的应用空间积累经验和口碑 [7] - AI+医疗赛道具备极高私有数据壁垒、行业垂直专家经验积累及规模化空间潜力，对应的AI应用公司有望实现垂直领域的垄断优势 [7]

文章核心观点 - 跨行业上市公司正积极将人工智能技术应用于科学、生产、运营、营销及研发等多个核心业务环节 并计划在电话会议中详细阐述其应用价值与未来投入计划 这解释了市场对AI算力资源（tokens）高消耗的部分原因 [1] AI应用趋势与市场关注 - 市场对AI的关注焦点已从基金经理转向跨行业上市公司 多家公司主动沟通其AI战略 [1] - AI应用范畴广泛 涵盖AI for Science以及辅助生产、运营、营销和研发等多个领域 [1] - 上市公司计划通过电话会议等形式 由董事会秘书详细说明AI技术的具体应用方式、已创造的价值以及未来的投入规划 [1] AI算力消耗与价值体现 - 市场观察到AI消耗了大量tokens（算力资源） 此现象的部分原因在于各行业公司正在广泛部署和应用AI技术 [1] - 这些AI应用所产生的价值与影响 预计将持续体现在各家公司的业务讨论与沟通中 [1]

行业技术范式与竞争格局 - 行业普遍认为Chat范式的探索已基本结束，未来更多是工程和技术优化问题[4][5] - 中美大模型之间的差距可能仍在拉大，因美国模型更多闭源，而中国模型主要在开源领域竞争[9] - 多模态和AI for Science被视为2026年将迎来爆发的重点方向[11] 公司战略与产品发布 - 智谱团队基于对Chat范式见顶的判断，决定将战略重点转向Coding领域[4][5] - 公司于2025年7月28日推出新一代旗舰模型GLM-4.5，首次在单模型中实现推理、编码和智能体能力的原生融合[5] - 公司计划在2026年专注于技术创新，包括探索新的模型架构、解决超长上下文和高效知识压缩问题，并实现知识记忆与持续学习[9][11] 产品性能与市场反馈 - 2025年12月上线的GLM-4.7在多项基准测试中表现领先：在Code Arena盲测中位列开源第一、国产第一，超过GPT-5.2；代码能力对齐Claude Sonnet 4.5；在AA智能指数中以68分综合成绩荣登开源与国产模型双料榜首[7] - 同期开源的基座智能体模型Open-AutoGLM创下3天达成10000 Stars的成绩，成为2025年继DeepSeek-R1后第二款爆发式增长的开源项目[7] - 中信证券研报指出，GLM CodingPlan、AutoGLM等新产品性能优异，2026年高性价比代码工具可能对公司的云端收入产生更大影响[8] 公司发展里程碑 - 智谱于2026年1月8日登陆港交所，成为“全球大模型第一股”[3] - 公司创始人唐杰在上市后首次公开亮相于AGI-Next前沿峰会[2][3]

报告投资评级 - 首次覆盖，给予“增持”评级 [2][13] 报告核心观点 - 公司是稀缺的AI for Science领军企业，正处于从“0到1”到“1到N”的关键跃升阶段，商业模式已得到验证，业绩进入高速增长通道 [5][13] - 短期看，大额订单的持续落地和收入确认是股价的核心驱动力；长期看，其“AI+机器人”平台的技术壁垒和向“AI for Science”全领域拓展的潜力是其价值的核心 [13] 公司基本情况与财务预测 - 公司最新收盘价为11.35港元，总市值为488亿港元，总股本为43.03亿股 [4] - 预测2025-2027年公司实现营收分别为7.87亿元、9.98亿元、14.65亿元，同比增长195.3%、26.8%、46.7% [13] - 预测2025-2027年公司实现归母净利润分别为-1.56亿元、-0.96亿元、1.96亿元，同比增长89.7%、38.6%、304.3%，预计2027年实现扭亏为盈 [13] - 2025年上半年营收达到人民币5.17亿元，同比增长404%，扣非归母净利润为0.83亿元（上年同期为-3.62亿元） [6] 业务板块分析：药物发现解决方案 - 药物发现解决方案是公司核心业务，2025年上半年收入达4.35亿元，同比增长616%，占总收入的84% [6] - 自主开发的AI平台已从小分子扩展到大分子，从单一模态跨向多模态（抗体、多肽、蛋白质等）药物发现 [6] - 已与多家跨国药企（如强生、礼来、辉瑞等）建立合作，技术在国际市场认可度不断提升 [6] - 2025年8月，公司与DoveTree签署470亿港元（59.9亿美元）的管线合作，刷新AI制药出海订单规模纪录 [7] - 已收到5100万美元（约4亿港元）首付款，并有权获得4900万美元（约3.85亿港元）的进一步付款，以及58.9亿美元（约462亿港元）潜在里程碑付款及销售分成 [7] - 双方将共同推进肿瘤学、免疫及炎症疾病、神经系统疾病及代谢失调领域的高潜力管线项目 [7] 业务板块分析：赋能管线进展 - 公司孵化的ReviR溪砾科技的国内首款针对CMT的1类创新药管线RTX-117（小分子）已获NMPA核准，计划于2026年第一季度开启I期临床试验 [7] - 该管线已获得美国FDA的IND批件与孤儿药资格认定（ODD），可享受FDA优先审评审批与更长的海外市场独占期 [7] - 据IMARC Group统计，2024年全球七大主要市场的CMT治疗市场规模已达到10.13亿美元，预计将以24.62%的复合年均增长率在2035年激增至113.94亿美元 [8] - 公司将获得相应的里程碑付款，并有权参与该管线的销售分成及后续授权收益分成 [8] 业务板块分析：生发产品（C端业务） - 公司于2025年11月开发成功两款针对生发固发需求的创新外用功效成分——小分子Remeanagen™ (XTP-118) 和多肽AquaKine™ (XTP-016) [10] - 已由公司孵化的消费品牌Groland在美国FDA完成FR注册和产品列名，即将推向海外市场，同时正在加速完成国内原料备案工作 [10] - 产品起效迅速、效果显著、安全性高：受试者最快在使用14天后即可观察到初步的生长期毛囊密度提高效果；使用45天后，超90%受试者观察到肉眼可见的头发密度增加；受试者平均掉发数量减少了33%至45% [10] - 根据Global Growth Insights预计，2025年全球脱发和生长治疗和产品市场规模将达到50.44亿美元，到2033年将扩大到61.46亿美元 [11] - 全球范围内受脱发影响人群已超25亿，其中中国脱发人数已达2.5亿，且年轻化趋势显著，2024年国内脱发人群中80后、90后总占比超过70% [11] - 2018-2024年，中国脱发药物治疗市场规模由5亿元迅速增长至35亿元，复合年均增长率为39.9% [11] - Groland高岚头皮抗衰精华售价为389元一瓶（单月），预计该产品将凭借其优势成为公司2C业务在全球突破的爆款单品，驱动商业模式从B端向C端扩展 [11][12] 业务板块分析：智能机器人解决方案 - 公司建成了可扩展标准化智能机器人湿实验室，自动化覆盖80%以上药化实验反应，通过7×24小时运行实现高通量、高质量数据积累，推动AI模型持续迭代 [12] - 公司与晶科能源子公司签署AI+自动化高通量叠层太阳能电池研发战略合作协议，双方将共同成立合资公司，共建全球首个“AI决策-机器人执行-数据反馈”全闭环叠层电池智造线 [12] 推荐逻辑 - 公司的技术基座为量子物理，在药物发现、化学原材料等需要进行结构发现的领域具备能力复用性，是AI for Science基建领军 [14] - 在药物发现领域，公司能够提高研发胜率并缩短周期，且不进行自有管线研制，有望与全球龙头药企形成紧密合作，获得后期高赔率收益；随着管线平铺，未来有望平滑单个管线的不确定性，形成远期稳定现金流和规模效应 [14] - 与晶科能源在化学原材料领域的合作将成为重要突破口，为公司积累经验能力和口碑，开辟更广阔的应用空间 [14] - AI+医疗赛道具备极高私有数据壁垒、行业垂直专家经验积累和规模化空间潜力，对应的AI应用公司一旦实现突破就有望形成垂直领域的垄断优势 [14]

文章核心观点 - AI医疗的近期市场表现源于OpenAI推出ChatGPT Health功能 但AI在科学领域的应用远不止于此 AI for Science（AI4S）正成为驱动科学创新的核心范式 特别是在数据密集、规则清晰的分子材料与药物发现领域已取得前沿突破 [1][2][3] AI for Science（AI4S）的兴起与定义 - AI for Science 意指AI驱动科学创新 是AI技术更本质和正确的应用方向 其发展元年已至 [1] - 该范式在自然科学领域 尤其是底层规则基于化学和物理的分子材料学领域 更容易取得突破 [2] - 国内相关研究与应用已走在世界前沿 例如AI被用于解决宁德时代电解液项目的精度配比与环境参数问题 [2] 医疗与药物发现成为AI落地的关键领域 - 医疗行业拥有海量、全面的数据 是AI大模型厂商必争的垂直赛道 从英伟达、微软、谷歌到OpenAI均在此布局 [2] - 在AI的token消耗量统计中 医药医疗位列第二 仅次于编程代码 [2] - AI正彻底改变传统的药物发现流程 将原本耗时数年、成本高昂、成功率低的“沙里淘金”过程极大提速 [4][5] AI在药物研发中的具体突破与案例 - 清华大学团队研发的AI驱动超高通量药物虚拟筛选平台DrugCLIP 将筛选速度提升百万倍（1000万倍）并首次完成覆盖人类基因组规模的虚拟筛选 [3] - 上海交通大学研究人员开发的AuroBind人工智能系统 能快速在数千万种化合物中精准筛选出有潜力的药物分子 [4] - AuroBind系统的核心创新在于能同时预测蛋白质与化合物结合后的三维结构及其结合的“匹配度” 评估治疗实效 [5]

公司技术战略与未来规划 - 智谱公司未来AGI发展方向包括实现双向Scaling，即持续探索已知领域的规模上限，同时挖掘未知的新范式 [1] - 公司计划推进多模态感统技术，以支撑AI进入物理世界与工作场景，实现具身智能 [1] - 公司致力于通过技术发展助力AI for Science领域的爆发 [1] 行业技术发展趋势 - 行业未来AGI的发展重点在于实现双向Scaling，探索规模上限与挖掘新范式 [1] - 多模态感统技术是行业推动AI进入物理世界与实现具身智能的关键支撑 [1] - AI for Science被视为即将爆发的关键应用领域 [1]

文章核心观点 - 麻省理工学院的研究表明，尽管用于科学发现的AI模型在架构、训练数据和模态上存在巨大差异，但随着模型性能的提升，它们对物质世界的内在理解会趋于一致，即向同一个“真理”收敛 [1][2][3] - 这种“表征对齐”现象不仅存在于科学AI领域，也出现在跨模态（如语言与视觉）的模型中，意味着强大的AI正在构建一个共享的、对现实的“内在图景” [9][14] - 研究揭示了高性能模型认知的趋同性，为AI开发提供了新方向：无需盲目堆砌算力和参数量，可通过“模型蒸馏”等技术，将大模型的知识迁移到更轻量的小模型上，从而实现高效且低成本的创新 [18][20][24] AI模型认知的收敛性 - 研究汇集了59个不同“出身”的模型，发现当模型变得足够强大时，它们对物质的理解（隐藏层表达）会变得极度相似，尽管它们处理数据的方式天差地别 [1][2] - 引入“表征对齐度”指标后发现，模型预测物质能量越准确，其思维方式就越接近其他顶尖模型，在表达空间里会自发地向同一个方向靠拢 [3][5] - 一个处理文字（SMILES字符串）的模型与一个计算受力的物理模型，在“认知”上实现了高度对齐，表明它们通过不同路径抵达了相同的理解顶峰 [2] - 无论模型架构多么复杂，其最终提取的物质特征在数学复杂度上压缩到了一个非常窄的范围，抓取的都是最核心、最精简的物理信息 [5][6] 跨模态与跨领域的普遍性 - 认知收敛现象不局限于科学AI，在纯文本语言模型（如GPT）和纯图像视觉模型（如CLIP）中也存在 [9] - 当模型规模变大、性能变强时，语言模型中对“猫”的文本向量表示（靠近“毛茸茸”“宠物”等词）与视觉模型中对“猫”的图像向量表示（靠近胡须、圆眼睛等特征）会在线性空间中越来越接近 [11][14] - 这表明AI无论从文字、图像、分子结构还是3D坐标切入，只要足够强大，其内部表征都会趋向同一个对现实的“内在图景” [14] 低性能模型的局限与风险 - 性能不佳的模型有两种失败模式：一是各自在错误的道路上渐行渐远（表征对齐度低），二是集体漏掉关键信息，虽然想法一致但理解肤浅 [15] - 例如MACE-OFF模型在特定任务上表现强，但表征对齐度极低，其学到的规律难以迁移到其他科学任务上，可能只是“死记硬背”而非真正理解 [15] - 当AI遇到训练数据中从未见过的分子结构时，预测误差（MAE）会激增，且表征完全偏离正常的物理分布，表明其缺乏真正的泛化能力 [17] - 训练数据的多样性和质量是模型能否触及“真理”的基础，数据不足会导致模型无法进化成真正的通用基座模型，只能在舒适区内“原地踏步” [17] 对行业发展的启示与未来方向 - 研究挑战了盲目追求大算力和大参数量的行业竞赛，指出了一条更务实的路径：利用“真理收敛”特性，通过“模型蒸馏”将大模型的知识复刻到更轻量、高效的小模型上 [18][24] - 实验显示，即使是参数量较小的模型，只要其表征能与最佳性能模型对齐，同样能在分子能量预测等任务中获得极高的准确度 [20] - Orb V3模型展示了通过大规模训练和聪明的正则化手段，简单的架构也能学到昂贵、强加物理限制的模型才有的理解力，这为模型设计提供了新思路 [20] - 未来评估科学AI的标准将更加多元，不仅看其任务“考分”，更要看其是否踏入了“真理的收敛圈”，这有助于催生更多针对特定场景的轻量级AI，实现“算力自由”下的创新爆发 [22][25] - 行业的发展重点可能从设计复杂架构或漂亮公式，转向如何更稳定地让模型进入“收敛圈”，并利用“表征对齐”实现模型的轻量化和知识迁移 [24]