AI制药行业研究纪要关键要点 一、 行业概况与核心目标 * AI制药行业核心目标是将临床转化率提升3-4个百分点，并将研发周期从传统约15年缩短至8-9年[1][5] * 当前全球约有不到200个由AI技术发现或设计的药物分子处于临床试验阶段[5] * 行业发展的关键验证窗口预计在2026-2027年，届时将有部分管线密集公布二期临床试验数据[1][5] 二、 技术演进与当前格局 * **技术转折点**：2021年AlphaFold 2的出现是关键转折点，它提供了超过2亿个蛋白质结构的公共数据库，并推动了生成式模型和de novo（从头）设计能力的发展[4][5] * **研发重心转移**：AlphaFold2推动研发重心从小分子向大分子/denovo设计转移[1] * **当前管线结构**：截至2026年，在约170-180个进入临床阶段的AI制药分子中，小分子、多肽和寡核苷酸等低分子量药物占比仍超过70%[1][5] 三、 细分领域差异（小分子 vs. 大分子） * **小分子药物**：研发历史长，数据积累充分（百万/千万级化合物库），化学结构简单，ADMET预测相对成熟，AI应用边界较为确定[8] * **大分子药物**：结构复杂，计算难度高，已知抗体可能不足天然抗体的千分之一[8]。大分子生成式AI和de novo设计是未来核心增量方向[1][8] * **适用性差异**：目前AI在Best-in-class药物改造上的确定性高于First-in-class[1][9]。大分子de novo设计的核心挑战在于预测非预期的、原理不明的生物学不良反应[9] 四、 市场表现与估值逻辑 * **市场代表公司**： * 国内代表如英矽智能和晶泰科技，市值约300-400亿港币（约40-50亿美元）[2] * 全球市值最高为Tempus AI（核心逻辑为数据飞轮），市值峰值曾达190亿美元（2025年10月），现已大幅回落[2] * 薛定谔、Recursion、Relay Therapeutics等公司市值已从2021年上半年高点下跌至15%-40%[3] * Generate Biomedicines（生成式抗体）上市时市值约22亿美元，近期约15亿美元[3] * **估值逻辑转变**：市场估值逻辑正由“平台溢价”转向“管线价值”，股价波动性高于传统Biotech[1][3]。若临床数据不及预期，平台与管线将面临双重估值打击[1][3] * **成熟市场展望**：若市场趋于成熟，投资者可能不再给予平台溢价，而按传统生物科技公司方法估值[3] 五、 对产业链的影响（以CRO为例） * **总体影响**：AI对CRO行业呈增量贡献而非颠覆，主要体现在模型训练订单及AI创造的增量探索需求[1][6] * **具体环节**：在高通量筛选等早期环节，因技术本身已成熟且边际成本极低，受AI冲击有限[1][7][8] * **变革前提**：CRO行业的根本性变革，需要AI制药在临床二期或三期展现出统计学上的显著优势，从而颠覆MNC的药物开发模式，目前尚未发生[6] 六、 技术瓶颈与风险 * **模型“黑箱问题”**：以AlphaFold为代表的模型，其背后的生物学或化学原理尚不明确[1][9] * **de novo设计风险**：大分子de novo设计存在非预期的生物学风险，是根本性难题[1][9] * **数据验证需求**：判断AI制药是否实现质的飞跃，核心指标是其在三期临床试验中的成功率是否显著提升，这需要至少五年甚至更长时间的数据积累[2] 七、 核心竞争壁垒与投资观察指标 * **数据资产**：独特且包含失败案例的数据资产是AI药企的核心竞争壁垒[1][11]。各公司从利用公开数据转向积累自有数据，并形成差异化[11] * **MNC战略动向**：是行业重要风向标。例如礼来在2026年投入GPU机器人实验室建立干湿闭环[1][10]。多数MNC目前仍倾向于购买服务或产品，其决策逻辑与传统创新药类似，主要基于数据本身[10] * **管线成功率**：AI制药平台的真正价值最终体现在其产出药物的成功概率上。若一个平台能将传统约10%的成功率显著提升（例如至50-60%），方能证明其平台价值[10][11] 八、 特定公司案例（百奥赛图） * **业务逻辑**：拥有“千鼠万抗”底层物理平台及独家数据资产，结合AI进行筛选，短期内具备较顺畅的投资逻辑[2][12] * **核心优势**：人源化模型市场表现优异，根本原因在于通过平台积累了海量独有数据，具备了AI公司的关键要素[12][13] * **商业模式**：平台产生的众多分子吸引了大量BD交易，支撑了其良好的基本面[12][13]。其长期价值取决于产出抗体的最终成药率是否显著高于其他平台[13]