Morphine Sulfate

一、投资摘要：这一轮的主线不是"AI造出了药"，而是"AI把湿实验需求放大了5-10倍" 判断的核心变量只有一个：AI大模型把药物发现阶段的候选分子产出数量提高了一个数量级，但分子能不能成药仍然只能靠真实实验验证。这决定了三件事——受益顺序、收入质量、以及当前二级市场定价的安全边际。 受益顺序上，上游实验基础设施先于中游AI平台。 逻辑很直接：无论最终哪家模型、哪个平台胜出，"设计—合成—检测—反馈"这个闭环都必须跑，跑得越快，消耗的DNA合成、蛋白表达、试剂、模式动物、安评产能就越多。所以确定性最高的是"卖水人"，而不是"淘金者"。2026年上半年业绩已经验证了这一点：AI设计平台代表成都先导收入同比+52.4%、泓博医药+3.3%；而上游实验验证环节的奥浦迈（+155.2%）、赛分科技（+53.2%）、百奥赛图（+51.6%）、纳微科技（+37.3%）、阿拉丁（+34.8%）增速普遍更高（来源：Gangtise 财务数据，2026年半年报，A股口径）。 收入质量上，需要把"名义合同金额"和"实际现金流"分开看。 英矽智能2026年内新签合同总金额约73亿美元、自2021年累计约110亿美元，但2026年上半年实际确认收入仅1.06亿美元。晶泰控股与DoveTree总额59.9亿美元的合作，2026年上半年只确认了第二笔1900万美元付款。BD合同的名义总额中包含的绝大部分是"潜在里程碑付款"——只有当管线一级一级推进、并通过合作方评估后才可能兑现。行业已有明确教训：大量License-out项目只收到首付款，后续里程碑全部落空（来源：《CPIC 2026｜AI赋能，开启创新药出海与BD新范式》，产业公众号，2026年9月）。因此对AI制药公司的估值，"看锁定的现金及真实的产品，而不是潜在总额"，是更稳的锚。 市场定价已经跑在业绩前面。 截至2026年9月20日，A股AI制药产业链标的的市销率（TTM）三年分位普遍在85%-100%区间：百普赛斯100%、药康生物98.8%、药明康德99.3%、凯莱英99.7%、昭衍新药96.5%、成都先导96.1%、美迪西98.6%（来源：Gangtise 估值数据，区间2023-09-21至2026-09-21）。9月1日至21日，百普赛斯上涨46.0%、奥浦迈40.9%、成都先导40.2%、泓博医药26.0%。这意味着上游环节的"AI制药逻辑"已经被相当程度地定价，接下来的增量来自于订单能否兑现为收入、以及AI相关收入占比能否被单独披露和验证——而不是来自于"再讲一遍AI制药的故事"。 预期差在哪里。 市场当前的叙事分两层：一层是"AI能造出好分子"（由Anthropic、Isomorphic、Anew等模型进展支撑），另一层是"AI能更快更省地造分子"（由MNC的采购预算支撑）。真正的分歧点在于第三层，也就是市场讨论最少的一层：AI制药的收入确认是项目制、非线性的，且高度依赖下游客户的后续开发决策。这导致两类公司会出现截然不同的路径——具备"专有数据+自动化实验产能"的公司，订单具备复购和持续性；只有算法和叙事的公司，会在模型能力被拉平后陷入价格战。行业内部已有预判："工具层最后大概率过剩、要打价格战，资产层永远稀缺"（来源：《从BioTech到TechBio》，产业公众号，2026年9月18日）。 证伪条件。 支撑"上游实验基础设施持续受益"这一判断的最脆弱一环是通量需求的持续性。可观测的证伪信号有两个：一是Twist和金斯瑞的AI相关订单增速在2027财年若回落至50%以下（2026年以来两家均为同比翻倍以上），说明"AI放大湿实验需求"只是阶段性补库存；二是2026-2027年AI设计分子的III期临床数据，若连续失败，"AI提高临床成功率"的假设被削弱，MNC的AI预算扩张会减速，上游订单随之收缩。二、政策监管：国内在"推"，海外在"管"，两套逻辑指向同一件事——数据基建要先行（一）国内：政策口径从"工具层"跃迁到"AI原生范式"，资金指向明确 中国对AI制药的政策支持在过去五年完成了一次清晰的升级。2021年《"十四五"医药工业发展规划》的表述还是"探索人工智能、云计算、大数据等技术在研发领域的应用"，定位是辅助工具；而2026年9月工业和信息化部等十部门联合印发的《医药工业发展"十五五"规划》，已经把AI制药列入了未来产业清单，明确要求"加快量子生成式AI药物分子设计技术、生物大分子结构—序列双模态预测技术、RNA三维结构预测与功能解析技术、DNA数字存储技术、医药领域全场景数字孪生技术"等前沿方向，并提出"打造AI制药高价值应用场景，加速人工智能驱动的医药研发和生产管理范式变革"（来源：《翘首企盼｜〈医药工业发展"十五五"规划〉解读》，产业公众号，2026年9月18日）。 口径变化的实质，是把AI从"研发辅助"提升为"贯穿研发、生产、监管、使用、真实世界研究的底层范式"。这一变化在投资上的含义不是"审批会变快"，而是资本开支的确定性提高：政策点名要"支持医药工业企业联合医疗机构、科研院所、医药研发服务机构建设医药行业高质量数据集，打造医药健康可信数据空间""加快研发医药垂类大模型与智能体"，对应的就是数据治理、算力、自动化实验平台这些硬投入。 在监管侧，国家药监局2026年4月发布《关于"人工智能+药品监管"的实施意见》，给出了明确的时间表：到2030年初步构建药品监管与人工智能融合创新体系，"形成满足监管智能化需要的高质量数据集、垂直大模型和智能体"，在审评审批、监督检查、检验监测、政务服务等场景有效应用；到2035年基本形成数智驱动的智慧化药品安全治理格局。文件同时提出要"加快研究制定人工智能在医药产业规范应用的指导原则"，并将"推进药品监管高质量数据集建设""加强算力基础设施建设"列为五项重点任务之一（来源：国家药监局，2026年4月）。 需要区分的是：这一政策管的是"监管自身如何用AI"，而不是"药企用AI生成的分子如何被更快批准"。 前者已经在落地，后者仍缺乏专门的申报通道。这一区分对判断节奏很关键。（二）海外：FDA建立了"风险分级可信度框架"，EMA更加谨慎 海外的监管主线是"建立可评价的框架"，而不是"放开"。 美国FDA自2025年1月发布首份面向业界的AI指南草案《使用人工智能支持药品和生物制品监管决策的考量》起，逐步搭建了体系。其核心是七步风险可信度评估框架（Risk-Based Credibility Assessment Framework），要点可归纳为三条：一是风险分层，把AI模型风险拆成"模型影响力×决策后果"两个维度；二是情景化可信度，以"使用场景（Context of Use, COU）"为锚点——同一个模型，用于早期非临床毒性预测（低后果）时可信度要求低，用于替代III期临床主要终点时要求极高；三是数据质量为刚性约束，要求数据可溯源、有代表性、且与模型预期用途在科学上匹配（来源：招银国际《中国医药行业研究：AI有望改变创新药研发范式》，2026年5月19日）。 值得注意的是一个容易被忽略的细节：该指南明确不涵盖"用于药物发现阶段"的AI应用，理由是这类应用不影响患者安全、药品质量或非临床/临床研究结果的可靠性（来源：FDA，2025年1月6日）。换句话说，AI在药物发现环节目前处于监管的"低关注区"——这既是自由空间，也意味着AI在发现环节的成绩单，最终仍要在临床和审评环节接受传统标准的检验。 进展到2026年1月，FDA与EMA联合发布了《人工智能药物开发质量管理规范指导原则》（GAiP），提出10项共识性原则，覆盖药品全生命周期（非临床、临床、上市后、生产）中AI生成或分析证据的场景。这是全球首个AI制药领域的国际共识框架，但性质是"纲领性文件"，并非正式的GXP规范（来源：《FDA和EMA联合发布药物开发"GAiP"10项指导原则》，产业公众号，2026年1月16日）。 欧盟的态度更保守。2025年7月发布的《欧盟GMP附录22：人工智能》，明确将大语言模型排除在"关键的GMP应用"场景之外（来源：同上）。这一取向与美国的"在框架内鼓励"形成对照。（三）监管对投资的传导：三条可跟踪的线索 第一，数据合规成为硬门槛而非软约束。 FDA对"数据可溯源+代表性+科学匹配"的要求，实质上把AI制药公司的竞争门槛从"算法能力"推向了"数据资产质量"。这利好拥有专有实验数据的主体——自建自动化实验室的公司（晶泰控股、英矽智能）、拥有大规模化合物库的公司（成都先导超1.2万亿小分子实体DEL库）、以及掌控独特人群/样本资源的公司（华兰股份参股的自然常数科技取得EPFL杂交多样性小鼠群体组织样本库全球独家开发许可）。 第二，中国监管的"数据基建"投入创造确定性需求。 省两级监管部门的智算资源供给、高质量数据集建设、垂直大模型训练，对应的是算力、数据标注与治理、模型部署的真实采购。这部分需求与药物研发的临床风险无关，确定性显著更高。 第三，监管口径决定"AI制药"叙事的兑现节奏可能比市场预期慢。 因为临床与审评环节仍按传统标准执行，AI带来的效率提升最先体现在发现和临床前阶段，而这两个阶段在整体研发成本中的占比有限——临床阶段成本占据药物研发的一半以上。这解释了为什么"AI降本"的财务效果在AI平台的收入端体现得很慢，却在上游实验耗材和服务端体现得很快。三、先把医药研发这笔账算清楚：钱和时间花在哪里，AI改的是哪一段 在讨论AI之前，需要先理解传统新药研发的成本与时间分布，否则很容易把"AI加速了发现"误读为"AI加速了造药"。 一个完整的新药研发过程可以拆成四段，术语和实际含义如下： 第一段是药物发现（Discovery），通俗讲就是"找到值得做的靶点和分子"。包含四个环节：靶点选择与确认（找到一个蛋白、基因或RNA，把它作为药物作用的靶标，要求"可成药"——即药物分子能结合上去并产生可测量的生物反应）；苗头化合物（Hit）筛选（从成千上万个化合物里筛出对该靶点有初步活性的分子）；先导化合物（Lead）发现（从多个苗头里选出活性最好的继续研究）；先导化合物优化（对分子结构做修饰，提高效力、选择性和药代动力学特性）。这一段传统上需要4-6年，其中约25个月用于靶点到苗头化合物、约25个月用于苗头到先导、约10个月用于先导优化。 第二段是临床前研究（Preclinical），即"在进入人体之前，用细胞和动物证明它安全、有效、能被吸收"。包含化学制造与控制（CMC）、药代动力学/药效动力学（PK/PD，即身体对药物的处理和药物对身体的作用）、安全性药理、毒理、制剂开发，最终产出临床前候选化合物（PCC）并提交新药临床试验申请（IND）。这段约1-2年。 第三段是临床试验（Clinical），分I期（安全性，几十人）、II期（有效性初步验证，几百人）、III期（大规模确证，数百至数千人），约6-7年。 第四段是监管审批与上市，约0.5-2年。 关键的失败分布决定了AI的价值天花板： 全球药物研发成功率在药物发现阶段约51.0%、临床前阶段约69.0%、临床试验阶段约12.9%、上市申请阶段约91.0%，全过程仅约4.13%（来源：德邦证券、财信证券引 Frost & Sullivan／英矽智能招股说明书数据）。也就是说，真正的"死亡之谷"在临床试验，而不是在发现阶段。 按不同口径，开发一款新药的平均成本（含失败成本）在22.84亿-26亿美元之间，周期10-16年。Pharma Intelligence基于20家领先生物制药公司的数据显示，新药从开始临床试验到获批所需时间从2021年的6.9年升至2022年的7.09年，平均成本从19.86亿美元升至22.84亿美元——传统模式下，研发生产率的恶化是持续发生的（来源：财信证券《医药生物行业深度：应用场景丰富，提质增效显著》，2025年3月31日）。 把AI的作用放进这张地图，结论会比较清醒： 研发阶段 传统方法的核心瓶颈 AI/大模型能改变什么 成本占比与影响 靶点选择与确认 疾病通常多因素，难以锁定单一分子靶点；众多靶点不可成药 多组学数据整合、知识图谱推理，从"假设驱动"转向"数据驱动"找新靶点 成本占比低，但对下游方向影响最大 苗头化合物筛选 高通量筛选（HTS）随机筛几十万上百万分子，命中率通常仅0.01%-0.1% 生成式AI直接在化学空间生成分子；Claude蛋白binder设计命中率约27%（最佳单设计49%） 成本占比中，AI提升幅度最大 先导化合物优化 试错式修饰，受限于可测试的分子数量 生成针对效力/选择性/生物利用度优化的分子，FEP自由能微扰计算辅以自动构思 成本占比中，周期可从9个月压缩到3个月 临床前研究 需要动物实验验证药效、PK/PD、安全性 预测ADME/T特性（吸收、分布、代谢、排泄、毒性）；但预测不能替代实验 成本占比中，AI主要做前置筛选 临床试验 占研发成本一半以上，成功率仅12.9% 试验设计优化、患者招募筛选、真实世界数据融合 成本占比最高，但AI尚无统计学意义的成功率改善证据 审批上市 周期相对固定 注册文件撰写、监管沟通提效 成本占比低 这张表回答了一个关键问题：AI今天的最大贡献在"最不花钱的阶段"，而最花钱的临床阶段还没有被证明能被AI改造。 这一错配既是机会（临床前阶段的效率提升已经开始变现），也是风险（如果市场把AI的效率红利线性外推到临床成功率，估值会透支）。 从产业实践看，各家给出的量化区间差异很大，需要并列注明口径： 口径来源 时期 周期改善 成本改善 成功率改善 头豹研究院／方正证券 — 总研发周期10-16年→5-8年（缩短约50%）；药物发现阶段缩短40% 临床前成本降低约30%；研发成本约26亿美元→降低至少10% 约10%→约14%（提高40%） 麦肯锡口径（外资研报引用） 2026年6月 发现阶段从约4.5年→约1.5年（压缩约3年）；临床前周期缩短约30%-50% 早期研发成本降低约25%-60% I/II期成功率有改善的早期证据 英矽智能管理层（瑞银访谈） 2026年9月 — — 临床前成功率可超70%，传统模式约50%；临床阶段成功率尚无足够样本做统计分析 第三方分析（招银国际引述） 2026年8月 — — AI发现分子I期成功率约80%-90%，II期约40%，但作者明确指出II期样本量仍然有限 口径分歧本身就是重要信息：越靠近临床阶段，数据越不可靠。英矽智能联合首席执行官兼首席科学官任峰博士的判断是，"行业需积累数十个乃至上百个临床项目，才能客观评估AI是否能提升临床研发成功率，未来2-3年有望出现更具说服力的数据"（来源：瑞银《2026年中国医疗健康A股峰会：AI药物研发专题论坛核心要点》，2026年9月4日）。未来2-3年是这个行业从"叙事"走向"证据"的关键窗口，也是本轮投资最需要盯住的时间坐标。四、行业发展进度：从"技术验证"走到"临床验证"的分水岭（一）三个标志性事件，把2026年划成了一条线 第一个是监管侧的首个落地案例。 2026年9月，由西湖大学、西湖实验室与西湖制药联合研发的I类创新药盐酸伊司特韦片（商品名：艾普司韦）获国家药监局附条件批准上市。这是西湖大学首款完全自主研发的I类创新药，也是国内首款凭借AI辅助研发获批上市的原创药（来源：开源证券《AI制药迎首款辅助研发新药获批》，2026年9月17日）。需要说明的是，"附条件批准"意味着后续仍需完成确证性研究，且该药的AI介入环节是"辅助"而非全流程主导。 第二个是管线侧的里程碑。 英矽智能的核心管线Rentosertib（ISM001-055，用于特发性肺纤维化IPF）于2026年7月在中国启动III期临床试验GENESIS-IPF-3，计划入组约320名患者，9月10日完成首例患者给药。这是全球首个由AI完成靶点发现和分子设计、并进入III期的候选药物。其IIa期数据显示60mg剂量组用力肺活量（FVC）较基线平均改善+98.4mL，安慰剂组下降20.3mL，结果发表于Nature Medicine。参照系是现有标准疗法尼达尼布和吡非尼酮仅能延缓FVC下降——若III期能验证这一趋势，将是平台能力的强证明（来源：Gangtise 一页通，英矽智能，2026年9月21日；太平洋证券《英矽智能：稀缺AI制药平台》，2026年9月17日）。 第三个发生在九月中旬的一周之内，产业信号密度罕见。 9月16日，诺和诺德宣布与Anthropic达成合作，将Claude及Claude Science模型引入新药发现和开发流程；同日，礼来旗下AI协作平台Lilly TuneLab连续签约金斯瑞生物科技、Twist Bioscience、Ginkgo Bioworks三家公司，为其提供蛋白表达纯化、抗体表征、小分子ADME等湿实验服务。9月18日，路透披露并获Anthropic生命科学负责人确认，公司已在旧金山湾区自建生物湿实验室，同时把另一部分实验交给CRO（来源：世纪证券《医药生物行业周报（9月第3周）：AI制药军备竞赛打响》，2026年9月21日；东吴证券首席观点，2026年9月21日）。 这三件事的意义在于：AI制药的讨论已经越过了"AI是否可行"，进入了"谁能把闭环转速做得更快"的阶段。 用瑞银访谈中的表述——投资者对上市AI药物研发企业的评价标准"正逐渐转向可量化成果，如管线推进进度、临床验证情况及营收创造能力"。（二）BD交易：金额结构出现分水岭，这是比交易数量更重要的信号 判断行业进度，交易金额的结构比交易笔数更有信息量。行业出现了明确的分水岭： 2024年及以前，AI制药合作被MNC视为低投入尝试，合作范围多局限于少数靶点或单一项目，合作平均前期付款集中在500万-1500万美元，里程碑付款极少突破5亿美元。 2025年以来，前期付款普遍升至2000万-6500万美元甚至更高，里程碑金额超10亿美元的交易越来越多，合作周期从靶点发现一路覆盖至临床前，部分还预留了早期临床的合作衔接空间，多项目的组合式交易数量也在增加（来源：《创新药千亿BD热潮，AI成为新主角》，医药魔方，产业公众号，2026年1月29日）。 几个具有代表性的交易可以说明量级的变化： 时间 交易双方 交易结构 说明 2025年6月 石药集团 × 阿斯利康 总额53.3亿美元，预付款1.1亿美元 利用石药AI平台开发新型口服小分子药物 2025年8月 晶泰科技 × DoveTree Medicines 总额约59.9亿美元，首付款5100万美元 基于"AI+机器人"端到端平台开发小分子及抗体候选药物，创AI药物发现领域订单规模纪录 2026年3月 英矽智能 × 礼来 首付款1.15亿美元，潜在总额约27.5亿美元 从2023年的软件授权升级为管线授权及多项目研发 2026年6月 英矽智能 × SK生物制药 潜在总额超25亿美元 覆盖CNS神经免疫疾病 2026年7月 英矽智能 × 武田 潜在总额约6亿美元 预计贡献首付款及近期里程碑约6000万美元 2025年以来 华深智药 × 赛诺菲 两度合作总额超44亿美元 大分子药物研发，2026年3月完成7.87亿美元融资 2026年1月 礼来 × 英伟达 共同投入超10亿美元 共建联合创新实验室，把AI计算实验室与礼来自动化湿实验室连接 同期中国创新药整体BD也在放量：2025年全年出海授权交易总额1356.55亿美元，首付款总计70亿美元，交易笔数157起；2026年上半年创新药BD交易额近千亿美元。在2025年中国市场授权合作交易数量榜上，晶泰科技与英矽智能两家AI制药企业分列冠亚军，交易笔数遥遥领先，恒瑞、石药等传统药企的对外BD中AI驱动项目占比也显著提升（来源：《创新药千亿BD热潮，AI成为新主角》，2026年1月29日）。 但这里必须做一个冷静的区分。 交易金额的跃升证明了MNC的支付意愿，不等于AI制药公司能拿到相应的现金流。半导体行业有一个类似的教训：订单和收入之间隔着交付。AI制药的"交付"是管线的临床推进，而行业已明确提示，"很多License-out项目仅收获首付，后续里程碑全部落空"（来源：《CPIC 2026｜AI赋能，开启创新药出海与BD新范式》，2026年9月2日）。因此在标的分析中，"累计签约金额"只能作为定性参考，不能作为估值基础；可用的锚是已确认的首付款与近期里程碑。（三）真实渗透率只有6%——这是最值得琢磨的一个数字 市场规模的绝对值和增速都存在，但基数极小： 全球AI制药市场规模从2021年的约8亿美元增至2025年的24.1亿美元，2021-2025年年度同比增速维持30%以上，2026年预测增速回落至24%左右（来源：华经产业研究院，开源证券引用；艾媒咨询口径为2021年7.9亿美元→2024年18.2亿美元→2025年24.1亿美元→2026年预测29.9亿美元）。中国市场规模从2020年的0.8亿元增至2024年的5.6亿元（同比+36.59%），2025年突破6亿元（来源：华经产业研究院）。 更宏观的口径：全球AI赋能药物研发支出从2020年的54亿美元增长至2024年的137亿美元，复合年增长率26.1%（弗若斯特沙利文）。2026年全球医药研发投入预计3130亿美元，而AI驱动药物研发的渗透率仅约6%。 这个6%需要仔细解读。它一方面说明空间巨大——弗若斯特沙利文预计到2030年全球AI药物研发生态系统规模约500亿美元，市场集中在数据生成、湿实验室验证以及原生AI药物研发领域（来源：花旗《中国医疗健康行业：AI驱动药物研发成下一个风口》，2026年9月3日）。另一方面也说明当前AI制药公司（无论平台还是上游服务）的收入基数都很小，业绩弹性和业绩波动都会极大。对二级市场而言，这意味着"用PS估值"几乎是唯一可行的相对估值方法，而PS估值对增速假设的微小变化极其敏感——这是当前估值风险的数学根源。 值得对照的是另一个口径：有报告称全球AI药物研发市场预计从2023年的119亿美元增长至2032年的746亿美元，复合年增长率约22.6%（来源：英矽智能一页通引用）。与"2030年约500亿美元"的差异，来自统计边界不同（前者包含AI赋能的全链条研发支出，后者更聚焦原生AI药物研发生态系统）。使用时必须标注口径，不可混用。五、参与方：大模型厂商与医药厂商正在形成三种分工（一）大模型厂商：四条路线，本质是在争夺"能走多深" 通用大模型厂商进入药物研发的时间集中在2025-2026年，但路径已经分化。理解这个分化格局，是判断"谁会被替代、谁有护城河"的前提。 路线一：做工具与基础设施，不碰资产（OpenAI、NVIDIA）。 OpenAI推出GPT-Rosalind，定位为现有生物科技生态系统的基础设施和工具提供商，在RNA序列-功能任务上表现突出——最佳10次提交的预测成绩超过95%的人类专家历史成绩，序列生成成绩约处于人类专家84%分位。NVIDIA则以GPU+软件平台切入，与礼来共建AI联合创新实验室、与罗氏建立AI工厂。这条路线风险最低：卖铲子，不承担研发失败风险。 路线二：进"药物发现层"，保留特许权收益（Google／Isomorphic Labs）。 Isomorphic Labs于2021年从Google DeepMind药物发现业务分拆，核心资产是AlphaFold。2026年5月完成21亿美元B轮融资（Thrive Capital领投，Alphabet、阿布扎比MGX、淡马锡及英国主权AI基金参投），已与礼来、诺华达成超30亿美元联合开发协议，同时自主持有并推进多条新药管线。其模型IsoDDE在蛋白-配体结构预测benchmark上的准确率超过AlphaFold 3的2倍。 这张路线图的商业本质是：把AI药企变成IP巨头，在实验室设计分子、与制药巨头合作临床开发、保留可观的特许权使用费敞口。 路线三：垂直整合，同时做服务商和竞争者（Anthropic）。 Anthropic的路径最激进：2026年4月以约4亿美元收购成立仅8个月的AI制药初创公司Coefficient Bio（团队不足10人，全数并入医疗健康与生命科学部门），直接启动自主药物研发；2026年6月发布Claude Science，把科研工具、计算资源与大模型接入同一工作环境；9月确认在旧金山湾区自建生物湿实验室。其公布的蛋白设计成果是：针对15个可解释靶点中的14个成功找到binder，1320个设计中354个湿实验验证成功，总命中率约27%，排名第一的设计命中率达49%（来源：华福证券《医药生物：大模型+MNC入局AI制药》，2026年9月20日；《万亿Anthropic的AI制药战事》，产业公众号，2026年9月10日）。 这个命中率的参照系很重要：传统大规模高通量筛选（HTS）随机筛几十万上百万分子，命中率通常仅0.01%-0.1%；人工主导的计算辅助从头设计（蛋白/小分子）行业常规水平在10%-15%。AI在这一环节的效率优势是真实的、量级的。 但Anthropic的路线也暴露了一个结构性矛盾：药企的心态同样矛盾——既希望应用前沿AI技术缩短研发周期，又忌惮把核心数据与业务命脉交到潜在对手手中。 礼来就坚持自研大模型，把技术底座攥在自己手里。这解释了为什么"联合开发"会成为最容易谈成的结构性方案。 路线四：分拆独立融资，让资本市场供血（字节跳动、百度）。 字节跳动的AI制药公司Anew Labs于2026年9月完成首轮2.9亿美元融资（红杉中国、高瓴、IDG等参投），投后估值15亿美元，字节保留56%股份。团队约50人，一半AI4S算法人才、一半资深制药专家，已形成AI药物管线（包括IL-17小分子抑制剂、1款靶向人细胞表面蛋白的药物及2个未披露靶点）。技术层面，AnewFold在FoldBench抗体-抗原结构预测任务成功率76.2%（对比IsoDDE的75.6%），蛋白-配体任务77.4%（对比76.0%），并推出千亿参数大模型AnewMind（来源：《字节、百度、谷歌等纷纷切入AI制药，这类管线最快进展到哪了？》，产业公众号，2026年9月19日）。百度系百图生科选择了"不直接做药、做药企的技术底座"的平台服务定位，其xTrimoV4大模型已服务800余家药企与科研机构。 大模型厂商 核心产品／主体 主要合作对象 阶段性成果 Anthropic 以Claude/Claude Science为核心切入生命科学 BMS、诺和诺德、赛诺菲、阿斯利康、艾伯维 15个靶点设计蛋白binder，14个成功；1320个设计354个湿实验验证通过，命中率约22.6%-35.1% OpenAI 生命科学专业模型GPT-Rosalind 诺和诺德、安进、Moderna、赛默飞 RNA序列-功能任务最佳10次提交成绩超95%人类专家历史成绩 Google Isomorphic Labs 诺华、礼来、强生 IsoDDE蛋白-配体结构预测准确率超AlphaFold 3的2倍 NVIDIA GPU+软件平台 礼来、罗氏 礼来联合创新实验室、罗氏AI工厂 字节跳动 Anew Labs 中国生物制药（战略投资方） IL-17小分子抑制剂等管线；AnewFold抗体-抗原预测成功率76.2% 百度 百图生科 赛诺菲、和铂医药、科兴制药 xTrimoV4服务800余家药企与科研机构 （来源：华福证券《医药生物：大模型+MNC入局AI制药，产业链有望持续受益》，2026年9月20日，及公开信息整理）（二）MNC：从"买AI能力"到"建AI生态"，这是资金结构的根本变化 跨国药企的动作可以概括为两条线：横向是AI沿药物研发流程不断向前后端渗透；纵向是建立自己的AI算力基础，用自研数据开发AI模型，同时探索AI+自动化的高效研发。 礼来是最典型的样本。2025年10月与英伟达宣布共同建设制药行业规模最大的AI超级计算机，定位为服务整个企业AI研发体系，在此基础上诞生了LillyPod超级工厂；2026年最重要的AI布局是与NVIDIA成立的共同创新AI实验室——把AI的计算实验室和礼来的自动化湿实验室连起来，让AI提出实验、湿实验产生数据、数据重新训练AI模型，形成持续循环。其旗下Lilly TuneLab平台则向外部开放，签约金斯瑞、Twist、Ginkgo Bioworks提供湿实验服务。 这个过程在资金层面创造了一个关键变化：AI制药现在有两股性质完全不同的资金流。 第一股是传统医药体系之外的新增资本——Anthropic、OpenAI、NVIDIA、互联网科技公司等跨界进入，扩大了AI制药的资金供给边界。仅2026年开年的半个月内，跨国药企AI制药相关合作就超过9起，总额超60亿美元。 第二股是传统制药企业内部研发预算向AI能力的配置——礼来、赛诺菲、阿斯利康等MNC持续签约，AI从"专项试验"逐步成为核心研发体系的常规预算。 两股资金流的交汇是这一轮行业景气度最坚实的支撑：前沿AI在证明"AI能造出好分子"，MNC在证明"AI能更快更省地造分子"。相比之下，单纯依赖一级市场融资的AI制药初创公司，其资金供给的稳定性要弱得多——这一点在上一轮（2022-2023年）的行业寒冬中已经得到验证。（三）中国AI制药公司的梯队与商业模式分野 已成功上市的"三小龙"形成了清晰的差异化卡位：晶泰科技代表AI药物发现（"AI+机器人"端到端平台），英矽智能代表AI自研管线（Pharma.AI平台+管线授权），剂泰科技代表AI药物递送（2026年5月13日港股上市，成为"全球AI药物递送第一股"，发行价10.50港元，开盘涨超170%，市值330亿港元，创下6910倍认购倍数）。三家的布局基本覆盖了AI制药产业链的关键环节。 第二梯队正在冲刺资本市场：华深智药（拟通过注册在美国特拉华州的Earendil Labs赴港上市，拟募资最高5亿美元，主动做合规架构设计规避地缘风险）、百图生科（已秘密向港交所递交上市申请）、深势科技（已完成股改）。此外，成都先导、泓博医药是A股中AI能力布局最实质的两家。 商业模式上，三类公司的财务特征差异极大，这直接决定了估值方法应有所区别： AI+SaaS类依靠软件订阅制收费，收入可预测性较强，云架构下新增客户成本趋近于零，毛利率有望保持较高水平，客户使用产生的数据还能反哺模型优化形成护城河。但单客户收入通常低于百万美元级，需要持续扩大客户基数，且开源软件增加可能挤压基础软件的生存空间。 AI+CRO类前期通过服务费覆盖成本，营收相对有保障，且深度介入客户管线设计，客户黏性较高。但需要维持高水平的交叉学科团队（AI+生物+化学），并面临传统CXO加速AI转型带来的竞争。 AI自主开发类通过自有AI技术平台筛选独特的新分子实体，有望通过创新药管线上市获得丰厚回报。但创新药研发属于高风险高回报，盈利确定性相对较低，且目前AI主要参与临床前药物发现，而临床阶段成本占据药物研发一半以上，这种模式对企业的人才和资金获取能力要求最高。 （来源：《医药生物行业深度报告：AI制药潜力释放 有望重塑医药未来图景》，2025年3月5日）六、与传统研发的区别：不只是"更快更省"，而是三个结构性变化 把AI制药理解为"传统研发的加速版"是最常见的误读。实际上有四个层面的区别，前两个是量的差别，后两个是质的变化。（一）量的差别：成本、周期、成功率 这部分在第三章已给出对比表格，此处只强调一点：各项改善的口径差异极大，且越靠近临床阶段越不可靠。以研发成本为例，头豹研究院口径是"约26亿美元→降低至少10%"，而外资研报口径是"早期阶段成本降低25%-60%"——两者并不矛盾，因为前者是全额成本（含失败的临床项目），后者只算早期发现阶段。在向投资决策传导时，应使用"早期研发成本降低25%-60%、发现阶段周期从约4.5年压缩至约1.5年"这一组更保守也更可验证的口径。（二）决策逻辑的变化：从"假设驱动"到"数据驱动" 传统药物发现的基本逻辑是"假设驱动"：科学家基于对疾病机制的理解提出假设，选定一个靶点，然后围绕这个靶点做筛选和优化。这个过程的问题在于，疾病通常是多因素的，难以锁定单个分子靶点，而且众多靶点是"棘手或不可成药"的。 AI带来的变化是"数据驱动"：通过多组学（基因组学、代谢组学、蛋白质组学）的完整多尺度分析，结合自然语言处理对文献的文本挖掘，反向推断潜在靶点。英矽智能的PandaOmics平台已识别出TNIK等新靶点，以及一个被描述为"通过AI分析多模态生物数据发现的全新疼痛靶点"（内部代号Target Z），其分子在临床前模型中表现出优于吗啡的镇痛效果。 用行业内的表述，这是从基于概率的"盲人摸象"转型为基于算力的"工程化制造"。 但需要保持清醒：AI发现新靶点的能力目前只有零星案例，尚未形成可复制的产出率。（三）搜索空间的变化：从"筛选"到"生成"，分子丰富度提升5-10倍 这是最重要的结构性变化，也是理解整条产业链受益逻辑的关键。 传统模式下，药物化学家是通过"筛选"现有化合物库来找分子——大型药企维护的化合物库规模有限，通常几十万到几百万个分子。而生成式AI是直接"生成"分子：模型可以在整个化学空间中进行采样，生成针对性优化的新分子。 这个变化带来两个连锁效应： 第一，候选分子的数量级增长。行业测算显示，AI生成的分子丰富度是传统"手搓"模式的5-10倍。一个具体的例子来自安斯泰来制药：借助AI将先导化合物转化为可进入临床试验的候选化合物，期间设计了60000种化合物并预测其药代动力学（ADME）特性，最终筛选出约20种，研发周期从2年缩短至7个月（来源：花旗《安斯泰来制药：聚焦AI药物研发与蛋白质AI举措》，2026年8月25日）。 第二，瓶颈从"设计"转移到了"验证"。这是最关键的一点——AI可以一天生成上万个分子，但实验室验证这些分子需要真实的时间、材料和人力。行业内部的表述非常直接："行业瓶颈已从设计/候选化合物生成转向实验室中的实体验证环节"（来源：摩根士丹利《金斯瑞生物科技：金斯瑞与Tamarind携手开展AI药物发现及湿实验验证》，2026年8月11日）。（四）组织与分工的变化：从"药企内部研发"到"分层协作" 传统模式下，药企是研发的主体，CRO是外包的执行方。AI制药催生的新分工是三层结构： 工具层／科研服务层——基因合成、蛋白表达、高通量筛选，成为AI训练与验证的"燃料站"。这一层的客户不只是药企，还包括AI制药公司、AI大模型公司。 CXO/CDMO层——前端实验→PCC→CMC存在真实导流。美国AI Biotech客户在完成前端蛋白实验后，会落地CMC订单。 创新药企层——谁能建"预测-实验-回流"闭环，谁就能缩短候选优化轮次、提高进临床的质量。同时临床运营、注册撰写等"苦活"已开始被AI提效，费用结构与组织能力同步重构。 （来源：东财医药《AI制药对医药产业的再定价：不是"替代湿实验"，而是"放大验证流量+重塑研发分工"》，2026年8月7日） 这三层结构对投资的含义是：确定性沿"工具层→CXO层→创新药企层"递减，而弹性递增。 工具层的收入由实验次数驱动，与单个药物的成败无关；创新药企层的价值完全取决于管线临床结果。七、产业被优化了什么、又催生了什么新需求（一）杰文斯悖论：AI提高了研发效率，结果是湿实验需求增加而不是减少 这是理解本轮产业链受益逻辑最核心的一条。杰文斯悖论（Jevons Paradox）指的是：当某种资源的使用效率提高时，其总消耗量反而可能增加，因为单位成本下降会扩大总需求。 在AI制药领域的表现是：AI让分子设计变得极快极便宜，于是被设计出来的分子数量暴增，而每一个分子都需要经过湿实验验证，于是湿实验的总需求不是减少，而是以更快的速度增加。行业多份报告用不同表述指向同一结论： "更多AI应用可能需要更多湿实验科学研究，而非更少"（Bernstein《美国生物制药行业：药物研发中的人工智能》，2026年8月27日） "AI制药放大了湿实验需求，研发投入扩张有望带动上游产业链整体景气度持续提升"（华福证券，2026年9月20日） "干实验放量并不消灭湿实验，反而要求更高通量、更高质量的表达、药理与CMC配套"（东财医药，2026年8月7日） 量化的传导过程值得完整走一遍： 传统杂交瘤／小鼠免疫路径往往只需验证几十条序列；AI可先生成数千至上万条序列，经in silico（计算机模拟）筛选后仍有数百至数千条需要湿实验测亲和力，且实验结果会回流训练模型，形成持续迭代。东财医药的测算是"AI把前端蛋白表达需求放大5-10倍"。 这个数字与传统研发中"分子丰富度提升5-10倍"正好对应——这不是巧合，而是同一件事的两端。（二）产业优化的四个具体方向 第一，试错成本从实体世界前置到数字世界。 传统晶体衍射需耗时数月，AI仅需数天即可在虚拟环境完成从靶点发现到结合位点的全流程模拟，把高昂的试错成本前置到了零边际成本的数字世界。这在财务上的表现是研发预算的结构性重配——从后端的临床投入，向前端的计算与早期验证倾斜。 第二，失败信息的价值被重新定价。 传统研发中，失败实验的阴性结果大多不会发表，形成巨大的数据浪费。而AI模型的迭代恰恰需要负面数据来告诉模型"什么不要再做"。晶泰控股的核心壁垒之一就是其自有机器人实验室能产生大量标准化、高质量的专有实验数据，尤其是记录了失败信息的"负面数据"。这解释了一个反直觉的现象：自建湿实验室的AI公司看起来资产更重、毛利率更低，但其数据资产的价值可能更高。 第三，研发的"限速步骤"从科学判断转移到工程通量。 药物研发迭代的限速步骤在于湿试验（通过投入实体化合物产生真实的试验数据）。当模型能力不再是瓶颈时，谁拥有更高的实验通量、更短的反馈周期，谁就拥有更快的迭代速度。这直接决定了资本开支的方向——自动化实验室、机器人合成平台、高通量检测仪器。 第四，跨行业迁移打开了第二增长曲线。 AI4S（AI for Science）平台的能力可以外溢到材料、能源、农业。晶泰控股已与晶科能源成立合资公司共建钙钛矿叠层电池智造线（小面积组件实验室效率达27.0%）、为巴斯夫交付配方工作站、智能机器人实验室能力拓展至电解液等新材料场景。这是AI制药公司在药物研发商业周期之外的估值支撑来源。（三）新需求：产业链上被催生的环节，以及2026年上半年的业绩验证 AI制药的传导链条可以概括为"模型优化循环+模型验证"两条： 模型优化循环（发生在药物发现阶段）：Design（AI设计分子，由AI模型完成）→ Build（合成DNA/蛋白/抗体，湿实验，生命科学服务提供原材料，CRO执行）→ Test（湿实验，CRO执行）→ Learn（数据反馈优化AI模型）。这是一个闭环，转得越快，每一轮消耗的原材料和服务越多。 模型验证（发生在管线推进阶段）：AI模型筛选出来的分子逐渐往后推进，进入临床前和临床。 这条链条上各环节的受益机会，2026年上半年A股财务数据已给出了初步验证： 环节 受益逻辑 相关标的 2026H1收入增速 2026H1毛利率（变动） DNA合成 模型输出的候选序列需先合成为DNA；AIDD需不断扩大设计空间并提高迭代频率 Twist（美股）、金斯瑞生物科技 AI订单2026年同比翻倍（公司口径） — 蛋白表达与纯化 候选序列对应的DNA需表达为蛋白质，经培养和纯化 奥浦迈、纳微科技、赛分科技 +155.2%／+37.3%／+53.2% 46.05%（-10.79pct）／71.45%（-0.61pct）／75.32%（+4.72pct） 体外细胞实验验证 AI筛选出的序列需经体外生物物理实验检验结合亲和力、特异性、选择性 百普赛斯、义翘神州、近岸蛋白 +29.0%／+21.1%／+8.9% 90.27%（+0.13pct）／74.93%（+0.93pct）／68.75%（+4.28pct） 模式动物体内验证 体外筛选后的候选序列仍需体内验证药效、PK/PD、安全性 百奥赛图、药康生物、南模生物 +51.6%／+22.6%／+18.7% 79.30%（+4.91pct）／65.07%（+0.80pct）／54.51%（+2.40pct） 试剂与分子砌块 实验批次增加带动试剂消耗 皓元医药、毕得医药、阿拉丁、诺唯赞 +25.7%／+8.8%／+34.8%／+15.5% 50.76%（+1.69pct）／50.42%（+6.17pct）／65.46%（+4.43pct）／70.26%（+1.20pct） 安全性评价 分子数量增加带动安评订单 美迪西、益诺思、昭衍新药 +40.9%／+23.9%／+5.3% 31.60%（+10.36pct）／31.57%（+3.55pct）／23.76%（-0.27pct） AI设计平台服务 直接承接AI设计的分子输出 成都先导、泓博医药 +52.4%／+3.3% 54.72%（+0.91pct）／27.90%（-0.03pct） 传统CRDMO 前端实验→PCC→CMC的导流 药明康德、康龙化成、凯莱英 +38.9%／+17.9%／+13.1% 53.91%（+9.46pct）／32.71%（-1.26pct）／42.27%（-1.22pct） 图1 全球AI制药市场规模 从这张表可以读出三个判断： 第一，收入增速与AI受益逻辑基本吻合，但存在异常值需要解释。 奥浦迈2026H1收入+155.2%，主要来自2026年1月起澎立生物并表（贡献收入2.22亿元，占总收入48.85%），内生增速远低于表观数字——这是必须剔除的口径干扰。剔除外延并购后，增速最高的依次是赛分科技+53.2%、百奥赛图+51.6%、美迪西+40.9%、纳微科技+37.3%、阿拉丁+34.8%。 第二，上游环节的毛利率分化，指向不同的竞争格局。 百普赛斯毛利率90.27%、百奥赛图79.30%、赛分科技75.32%、义翘神州74.93%、纳微科技71.45%——这些是典型的"高壁垒、高毛利"特征，验证了"数据与实验能力稀缺"的判断。而安全性评价环节（美迪西31.60%、益诺思31.57%、昭衍新药23.76%）和AI+CRO服务（泓博医药27.90%）毛利率显著偏低，反映的是人力密集型服务的本质。毛利率水平的差异，本质上是"可复用资产"与"不可复用人力"的差异。 第三，CXO龙头的毛利率改善幅度值得关注。 药明康德2026H1毛利率53.91%，同比提升9.46个百分点，收入+38.9%。这一改善来自产能利用率和产品结构，而非直接的AI定价——但AI带来的管线数量增加确实提升了产能利用率。这是AI受益逻辑在CXO层面最可验证的传导路径：不是"AI服务费收入"，而是"AI带来的订单量支撑了产能利用率和价格"。 图2 2026H1各环节收入增速 （四）真正的新需求：三个尚未被充分定价的方向 方向一：专有实验数据的采集与治理。 FDA的可信度框架把"数据可溯源、有代表性、与模型用途科学匹配"变成刚性约束，而行业数据现状是"尽管超过70%的医院实现了医疗信息化，但真正实现数据互通的仅不到3%"。自动化实验为解决AI药物研发的数据瓶颈提供了新思路——英矽智能建立的智能化机器人湿实验室可以针对特定疾病类型（如衰老和缺乏有效药物治疗的特定癌种）持续产生标准化数据。这个方向对应的投资标的是自建自动化实验室的公司，以及提供实验室自动化设备与耗材的公司。 方向二：实验通量本身的扩张。 当瓶颈从设计转向验证，"通量"就成了关键产能。晶泰控股的智能合成工作站已复制至13家客户，整体服务复购率超过75%，VAST业务取得超过2万个分子订单；礼来向其签署了千万级高通量试验平台合作项目。这个方向的稀缺性在于：它既是AI制药的受益方，也是AI制药的使能者。 方向三：BD与出海环节的效率工具。 AI在BD环节的应用（海量资产预筛选、竞争格局分析、RCT与真实世界证据融合分析、资产估值参考、买卖双方智能匹配）可以大幅缩短检索评估周期、降低信息获取成本。数智研的数据显示，依托海量国内外真实世界数据，AI可以将过去6个月量级的分析周期压缩至1个月。但需要强调"人在环路（human in the loop）"原则：地缘政治博弈、跨境合规博弈、跨文化信任建立、重大风险决策仍离不开资深BD从业者的人工判断（来源：《CPIC 2026｜AI赋能，开启创新药出海与BD新范式》，2026年9月2日）。这个方向目前没有纯正的A股标的，更多体现为CXO和生物医药数据服务商的增值服务。八、二级市场投资视角：环节排序、标的分析与预期差（一）环节优先级：按"确定性×弹性"两维度排序 第一优先级：具备高通量实验产能的生命科学上游。 理由是三条：收入由实验次数驱动、与单药成败无关（确定性最高）；AI带来5-10倍分子通量放大（弹性明确）；竞争格局稳定、毛利率高（90.27%的百普赛斯、79.30%的百奥赛图、75.32%的赛分科技）。这也是本轮行情最先反应、涨幅最大的环节——9月1-21日百普赛斯+46.0%、奥浦迈+40.9%。 第二优先级：CXO/CDMO龙头。 理由是AI带来的管线数量增长可以通过"产能利用率→毛利率→利润"这一可验证的路径传导。药明康德2026H1毛利率提升9.46个百分点是最好的证据；凯莱英2026年半年报在手订单增长54%，康龙化成两季度订单高增速（CDMO订单+50%），泰格医药、康龙化成临床新签订单+30%，昭衍新药、美迪西、益诺思Q2维持新签高增（来源：Gangtise 首席观点，《CXO观点更新》，2026年9月21日）。此外，CXO板块还叠加了外需和内需共振——2026H1全球生物医药投融资金额267.6亿美元，同比+58.5%；2025年国内创新药融资总金额（投融资+BD首付款+二级市场融资）233亿美元，同比+111.4%。 第三优先级：AI设计平台与原生AI Biotech（港股/A股少量标的）。 弹性最大，但确定性最低：收入高度依赖BD首付款的确认节奏（英矽智能2025年全年收入仅5624万美元，远低于2024年的8583万美元，原因正是BD首付款确认节奏的年度差异）；管线价值兑现周期长，临床失败风险高。这一环节的估值特征是"用远期管线价值线性外推当期估值"，对假设变化极度敏感。 第四优先级（谨慎）：AI概念与主业无关的标的。 特征是估值已经完全由AI叙事支撑，而AI业务尚未产生收入。华兰股份是最典型的案例：PE（TTM）567.6倍，市销率22.49倍（三年分位85.9%），而2026年上半年归母净利润仅767万元、同比-82.46%、扣非净利润为负、AI制药子公司尚未产生营业收入。对比同业山东药玻约16倍PE，估值差异几乎全部来自AI预期（来源：Gangtise 估值与财务数据；华泰证券《华兰股份：持续加大AI制药布局》，2026年8月30日）。这类标的的核心风险不是"AI是假的"，而是"估值已隐含了AI全部成功的假设"，缺乏安全边际。（二）标的分析：分环节梳理与理由 图3 AI制药链标的市销率对比 环节一：DNA合成与基因构建。 这是AI药物设计"由数字世界进入物理世界的第一道接口"。候选分子先在计算机里生成，第一个物理动作就是把它合成为DNA。这个环节的受益确定性来自两个特征：一是需求与AI生成分子数量直接挂钩；二是高通量、短交付周期的DNA构建平台本身有技术门槛。 金斯瑞生物科技（1548.HK）是该环节的核心标的。公司自2025年底起便将AI药物研发列为核心增长动力，目前已为超100家AI药物公司提供服务，表达的AI设计蛋白数量超5万个。2026年8月与AI分子设计公司Tamarind Bio合作，将自身湿实验基础设施与Tamarind整合了300余种计算生物学模型（包括AlphaFold、RFdiffusion、MPNN）的无代码平台对接。9月16日加入礼来Lilly TuneLab平台。美股对标Twist Bioscience的AI相关订单量2025年为2500万美元，2026年有望翻倍至约5000万美元，2027财年订单量有望实现超100%增长（来源：摩根士丹利、Evercore、中邮证券、天风证券等，2026年8月）。金斯瑞的差异化在于"端到端湿实验能力"——合成、表达及测试一体化，而非单点服务。 环节二：蛋白表达、纯化与检测（"卖水人"最纯粹的环节）。 该环节的核心公司百普赛斯（301080.SZ）值得重点分析。2026H1收入5.00亿元（+29.0%），归母净利润0.98亿元（+17.9%），剔除股份支付和汇兑损失后净利润1.107亿元（+30.06%，与收入增长同步）；毛利率90.27%，是产业链中最高；新签订单同比增长超30%；海外收入占比约62.3%。公司已与Twist旗下Abveris建立公开合作，为其客户抗体发现项目提供重组蛋白抗原——这是"直接切入海外AI制药产业链"的可验证证据，而非概念性关联。同时公司在GMP级产品上切入商业化生产环节，打开了从研发级到生产级的单价提升空间。 奥浦迈（688293.SH）2026H1收入4.54亿元（+155.2%），但必须剔除并表因素：2026年1月起澎立生物纳入合并报表，贡献收入2.22亿元占总收入48.85%，细胞培养产品业务内生增速为+34.00%，CDMO服务收入+6.72%。并表后业务由"细胞培养产品+CDMO"拓展至"细胞培养产品+CRDMO"。关键观察点是培养基客户管线持续后移、双方业务协同落地以及CDMO产能利用率提升，而非表观增速。此外并表形成商誉约5.84亿元，需关注减值风险。毛利率同比下滑10.79个百分点至46.05%，这是并表结构变化和产品结构调整的结果，需要后续季度验证是否企稳。 义翘神州（301047.SZ）2026H1收入3.93亿元（+21.1%），净利润+25.9%，毛利率74.93%。近岸蛋白（688137.SH）收入0.78亿元（+8.9%），净利润+20.6%，但2026H1净利润仍为负（-2920万元），毛利率68.75%，处于盈利修复早期阶段，规模效应尚未体现。 环节三：纯化耗材与层析介质。 纳微科技（688690.SH）2026H1收入5.68亿元（+37.3%），净利润+114.9%，毛利率71.45%。赛分科技（688758.SH）收入2.80亿元（+53.2%），净利润+105.7%，毛利率75.32%（同比+4.72个百分点）——在本次统计的14家上游公司中，赛分科技的收入增速与毛利率提升的组合最优。 需要指出的是，该环节的受益逻辑中有一处需要注意的表述：行业报告明确指出"AI制药对培养基、层析介质及纯化耗材的前端拉动相对有限，更多体现为实验批次增加带来的边际增量"（来源：《AI巨头，加速布局AI制药》，产业公众号，2026年9月19日）。也就是说，纯化耗材是"跟随受益"而非"核心受益"，其增速更多反映的是生物药研发的整体景气度。 环节四：试剂与分子砌块。 皓元医药（688131.SH）2026H1收入16.48亿元（+25.7%），净利润+9.0%，毛利率50.76%。毕得医药（688073.SH）收入6.83亿元（+8.8%），净利润+40.7%，毛利率50.42%，同比提升6.17个百分点——是本次统计中毛利率改善幅度最大的公司之一。毕得医药拟并购欧美分子砌块公司Combi-Blocks，海外销售渠道有望进一步完善。阿拉丁（688179.SH）收入3.71亿元（+34.8%），净利润+116.5%，毛利率65.46%（+4.43个百分点）。诺唯赞（688105.SH）收入7.00亿元（+15.5%），净利润+187.4%，但净利率仅0.83%，盈利能力仍在修复。 这一环节的特点是同质化程度相对较高、客户分散，估值上PE普遍较高（皓元医药81.3倍、诺唯赞因利润基数低而PE为负）但PS分位同样处于高位（皓元医药93.7%），性价比并不突出。 环节五：模式动物与体内药效验证。 这是"体外实验与临床研究之间的必经环节"。百奥赛图（688796.SH）2026H1收入9.41亿元（+51.6%），净利润+402.3%，毛利率79.30%——是本次统计中收入体量与增速、毛利率组合最均衡的标的。公司以基因编辑动物模型为底座，同时提供抗体/分子发现服务，属于"模式动物+AI/生物技术平台"双轮结构。 药康生物（688046.SH）收入4.60亿元（+22.6%），净利润+56.3%，毛利率65.07%。其主营构成为商品化小鼠模型销售（2025年占比约62%）、功能药效、定制繁育、模型创制，毛利率最高的商品化小鼠模型是公司的现金牛，而"功能药效"业务（2023年毛利率62.38%）是与AI制药需求直接相关的部分。 南模生物（688265.SH）收入2.32亿元（+18.7%），净利润同比-50.0%，毛利率54.51%，盈利能力承压。 环节六：安全性评价（安评）。 美迪西（688202.SH）2026H1收入7.61亿元（+40.9%），净利润扭亏为盈（2025年同期亏损1.29亿元），毛利率31.60%，同比提升10.36个百分点——是本次统计中毛利率改善幅度最大的公司。这个改善主要来自产能利用率的回升，而产能利用率的回升又直接受益于客户研发订单（含AI驱动项目）的增加。美迪西的案例很好地说明了"AI受益"在安评环节的传导方式：不是AI定价，而是订单量带来的产能利用率修复。 益诺思（688710.SH）收入4.65亿元（+23.9%），净利润+1017.7%（低基数效应），毛利率31.57%。昭衍新药（603127.SH）收入7.04亿元（+5.3%），归母净利润+1126.8%，但这一增幅主要来自生物资产公允价值变动等非经常性因素（毛利率仅23.76%，且同比微降0.27个百分点），收入端增速仅5.3%说明主业景气度尚未确认反转。在安评环节中，收入增速比利润增速更能反映真实景气度——这一点需要特别注意，避免被利润的高增速误导。 环节七：AI设计平台与AI+CRO服务。 成都先导（688222.SH）是A股中AI能力与商业模式升级最实质的标的。2026H1收入3.46亿元（+52.4%），归母净利润0.79亿元（+60.3%），毛利率54.72%。更值得关注的是业务结构的三个变化：一是DEL（DNA编码化合物库）板块收入1.66亿元（+62.14%），其中IP转让及里程碑费约3700万元，占DEL板块收入22.3%，说明知识产权的变现能力在提升；二是OBT（寡核苷酸）板块收入0.54亿元（+94.03%），为增速最快板块；三是2026年9月以分阶段技术授权形式获取Connexus Therapeutics创始股权，增资后持股29.55%，成为第一大产业股东——这标志着公司从"一次性转让IP"升级为"技术换股权+里程碑+潜在分成"的持续价值捕获模式。 其长期壁垒的基础是全球已公开的最大实体DEL库（小分子超1.2万亿个、类环肽分子超5000亿个、线性多肽超1000亿个），以及"DEL+AI+自动化"一体化分子优化平台HAILO。公司披露，在一个自身免疫靶点案例中，HAILO将靶点验证至PCC确认的时间从15个月缩短至5个月。这家公司的核心价值在于其拥有"公域无法获取、在标准流程下产生、质量可控"的靶点-化合物相互作用数据——这正是FDA可信度框架所要求的"可溯源、有代表性、科学匹配"的数据。 需要保持审慎的是：Connexus交易尚未完成交割（需满足交割条件），其隐含投后估值约6300万美元（按盘古资本500万美元认购7.91%股权计算）；技术换股权模式的可复制性尚未验证；公司海外收入占比约83%，2026H1汇兑损失约1400万元，汇率对利润影响显著；自研管线整体偏早期（HG146处于IIa期，HG381已暂停入组，HG030中国大陆权益已转让给白云山）。 泓博医药（301230.SZ）的情况较为特殊。2026H1整体收入3.64亿元（+3.3%），但结构严重分化：服务板块（药物发现+CDMO）收入合计同比+37.08%（药物发现2.46亿元，+32.63%；CDMO 0.47亿元，+65.21%），而商业化生产板块收入同比-50.07%、毛利率-3.92%，核心原因是下游客户对替格瑞洛欧美专利到期后的需求过于乐观导致2025年备货过多，2026年上半年仍在消化库存。医药发现板块上海母公司产能利用率已接近100%，人员严重短缺，2026H1新签服务订单3.17亿元，其中FTE订单占比83.92%（可持续性强），实际执行的FTE数量近一年累计涨幅达55.35%。CDMO板块毛利率从2025H1的6.35%跃升至22.18%。以DiOrion为核心的IDD部门2026H1创造直接收入超2500万元。 泓博医药的投资逻辑本质上是"高增长的服务板块与持续下滑的商业化生产板块的赛跑"，而非纯粹的AI制药逻辑。 判断的关键在于服务板块的增长能否完全对冲商业化板块的下行——2026H1整体收入增速仅3.3%，说明对冲尚未完成。 环节八：传统CRDMO龙头（稳健配置）。 药明康德（603259.SH）2026H1收入288.97亿元（+38.9%），归母净利润111.26亿元（+28.5%），毛利率53.91%，同比提升9.46个百分点。截至2026Q1在手订单597.7亿元（同比+23.6%）。公司承接全球160余条AI设计管线的合成验证需求，是AI制药"卖铲人"的贝塔标的。其PE（TTM）22.4倍，是本次统计标的列表中最低的；市销率9.06倍虽处三年99.3%分位，但主要是公司自身历史估值区间较窄所致。 康龙化成（300759.SZ）收入75.95亿元（+17.9%），净利润+9.1%，毛利率32.71%（同比-1.26个百分点）；截至2026Q1新签订单同比增长超30%，CDMO订单+50%。凯莱英（002821.SZ）收入36.07亿元（+13.1%），净利润同比-16.2%，毛利率42.27%（同比-1.22个百分点）；截至2025年末在手订单13.85亿美元，同比+31.65%。凯莱英的净利润下滑需要关注，主因大订单退潮后的基数波动。 环节九：需要单独讨论的风险案例——华兰股份（301093.SZ）。 公司在2025年9月起通过全资子公司灵擎数智，9个月内完成对5家AI制药公司的投资布局（科迈生物、药图智能、佳吾益、梵宇智拓、自然常数），覆盖AI抗体设计、知识图谱与药物重定向、免疫靶点、AI小分子药物发现、临床阶段风险预测，其中对自然常数科技增资2.05亿元、持股34.17%为最大单笔投资。 但2026H1的数据是：总收入2.98亿元（-3.47%），归母净利润767万元（-82.46%），扣非归母净利润-183万元（首次出现亏损），下滑原因包括股份支付费用同比增加约2180万元、高毛利覆膜胶塞收入同比下滑21.98%、汇兑损失。AI制药各子公司2026年上半年尚未产生营业收入。 与此同时，公司投资支付的现金高达12.17亿元，公司已明确提示AI业务的投资减值风险。 估值方面：PE（TTM）567.6倍，市销率22.49倍（三年分位85.9%）。当前的估值几乎完全定价了AI制药业务的成功预期，而AI业务尚无收入、技术落地与商业化周期存在重大不确定性。这类标的的核心特征是"预期差风险显著"——任何进展延迟都可能引发估值与基本面的双重压力。 需要客观指出的是，其AI布局的差异化确实在于对独特数据资源的掌控（自然常数取得EPFL杂交多样性小鼠群体HDP组织样本库全球独家开发许可，Johan Auwerx教授已于2026年7月入职），这是有实质内容的布局，但布局价值与当前估值之间尚缺乏中间的验证环节。（三）一个必须正视的现实：估值已经反映了相当程度的乐观 从估值横截面看，A股AI制药链标的的市销率（TTM）三年分位集中在93%-100%区间，只有奥浦迈（37.2%）和毕得医药（69.2%）相对偏低： 标的 PE(TTM) PS(TTM) PS三年分位 9月1-21日涨幅 2026H1收入增速 百普赛斯 101.9 19.32 100.0% +46.0% +29.0% 药康生物 79.3 16.48 98.8% +18.0% +22.6% 药明康德 22.4 9.06 99.3% +9.1% +38.9% 凯莱英 64.5 9.42 99.7% — +13.1% 美迪西 亏损 10.31 98.6% — +40.9% 昭衍新药 34.8 20.26 96.5% +3.5% +5.3% 成都先导 114.3 24.85 96.1% +40.2% +52.4% 皓元医药 81.3 6.55 93.7% +10.9% +25.7% 华兰股份 567.6 22.49 85.9% +3.2% -3.5% 泓博医药 166.5 9.10 85.5% +26.0% +3.3% 毕得医药 34.1 4.49 69.2% +17.5% +8.8% 奥浦迈 78.4 15.94 37.2% +40.9% +155.2%（含并表） PS分位区间2023-09-21至2026-09-21；涨幅区间2026-09-01至2026-09-21 这张表要回答的问题是：在高估值分位下，什么因素能继续驱动估值？ 答案只能是"业绩兑现的斜率"，而不是"AI叙事的强度"。从数据看，能同时满足"收入增速>30%+毛利率稳定或提升"的标的并不多：赛分科技（+53.2%，毛利率+4.72pct）、百奥赛图（+51.6%，毛利率+4.91pct）、纳微科技（+37.3%，毛利率-0.61pct）、阿拉丁（+34.8%，毛利率+4.43pct）、美迪西（+40.9%，毛利率+10.36pct）、药明康德（+38.9%，毛利率+9.46pct）。这六家是"业绩与AI逻辑同时成立"的组合，剩余的标的要么增速不足、要么毛利率恶化、要么估值已完全脱离当期基本面。 一个有价值的历史参照：上一轮（2022-2023年）的AI制药泡沫中，Exscientia部分管线终止后被Recursion并购整合，BenevolentAI经历了大比例的价值回撤。 上一轮的失败并非没有发生，只是被这一轮更大的资金量盖住了。而"这一轮的估值里含了大量的'未来'，而未来要靠III期数据兑付；如果连续几个III期失败，跌的一定先是估值，然后才是融资和招聘"（来源：《从BioTech到TechBio》，产业公众号，2026年9月18日）。（四）需要持续跟踪的三个变量与证伪条件 变量一：AI设计分子的III期临床数据（时间窗口2026-2027年）。 这是AI参与设计的分子第一次成规模接受临床检验。重点跟踪英矽智能Rentosertib的GENESIS-IPF-3试验（计划入组约320例，2026年9月已完成首例给药）以及其ISM6331在2026年10月ESMO会议上的I期初步数据（口服泛TEAD抑制剂，用于间皮瘤及实体瘤，已获FDA快速通道资格）。证伪信号：若Rentosertib的III期数据未能验证IIa期的肺功能改善趋势，则"AI能提高临床成功率"的假设被削弱，MNC的AI预算扩张将减速。 变量二：上游AI相关订单增速的持续性。 目前最硬的证据是Twist和金斯瑞的AI订单同比翻倍。证伪信号：若2027财年Twist的AI赋能药物研发订单量增速回落至50%以下（2026财年指引为超100%增长），则说明2026年的高增长中包含一次性补库存成分，"AI放大湿实验需求"的持续性需要重新评估。 变量三：AI制药公司的收入结构能否从"首付款驱动"转向"经常性收入驱动"。 英矽智能2026H1软件收入270万美元，虽体量尚小但增长稳健；公司正推进"平台生态型"模式。证伪信号：若连续两年出现"BD签约金额创新高、但实际确认收入下滑"的组合（2025年已出现过一次：收入5624万美元 vs 2024年8583万美元），则说明BD交易存在"重签约、轻兑现"的系统性问题。 风险提示（含具体触发条件）： 第一，BD交易的实际现金贡献显著低于名义金额。 触发条件：若2026-2027年有已签约的AI制药BD项目出现首付款退回、里程碑系统性落空或合作终止的公开案例，将直接冲击"BD金额=公司价值"的定价逻辑。传导路径是：合作终止→市场重新评估累计签约金额的含金量→AI平台类公司的PS估值中枢下移→一级市场融资难度上升→初创公司现金流断裂→上游订单减少。 第二，AI提效的可验证性不足导致MNC预算收缩。 触发条件：若全球AI药物研发渗透率（当前约6%）在未来两年未能提升至10%以上，说明药企把AI预算停留在试验层面而未纳入常规研发预算。传导路径是：MNC预算不扩张→AI制药公司BD签约频率下降→上游实验服务订单增速回落→上游公司估值从"成长股"向"制造业"回归。 第三，地缘政治与数据合规风险。 触发条件：美国CFIUS审查、《生物安全法案》相关立法推进、或数据跨境与人类遗传资源管理在执行层面收紧。传导路径是：海外客户订单受影响→中国CXO/生命科学上游公司的海外收入占比（百普赛斯62.3%、成都先导约83%）承压→需要重新评估海外收入的可持续性。目前已有公司主动做合规架构设计（华深智药通过注册在美国特拉华州的Earendil Labs赴港上市），说明这一风险已被行业识别。 第四，同质化竞争导致工具层价格战。 触发条件：当主要AI制药公司的模型在公开数据集上的性能差异收敛到可忽略区间（例如结构预测精度差异<2个百分点）时，模型能力不再是议价依据。传导路径是：工具层供给过剩→软件订阅价格下降→平台型公司毛利率下滑→行业从"技术溢价"转向"交付记录溢价"，只有掌握专有数据与实验产能的公司能维持定价权。 第五，估值与业绩的错配风险。 触发条件：当AI制药指数或代表性标的的PS分位维持在95%以上、而季度收入增速跌破20%时，估值与基本面的背离将难以维持。这一点在泓博医药（PS分位85.5%，整体收入增速3.3%）和昭衍新药（PS分位96.5%，收入增速5.3%）身上已经出现苗头，需要跟踪其后续两个季度的收入增速能否回升至20%以上。 图4 中国AI制药市场规模 附：关键术语通俗对照 靶点（Target）：药物在体内作用的"开关"，通常是蛋白质、基因或RNA。找到一个"可成药"的靶点（药物分子能结合上去、且结合后能产生可测量的生物反应）是新药研发最关键的一步。 苗头化合物（Hit）：在筛选实验中表现出对靶点有初步活性的化合物。 先导化合物（Lead）：从多个苗头化合物中选出活性最好、最值得继续研究的那个（或几个）。 临床前候选化合物（PCC）：完成先导优化、通过了成药性评估，准备进入临床前开发的分子。行业常用"PCC数量"衡量AI平台的产出能力。 IND（新药临床试验申请）：向药监部门申请开始人体临床试验，获批意味着分子正式从实验室走向临床。 ADME/T：吸收（Absorption）、分布（Distribution）、代谢（Metabolism）、排泄（Excretion）与毒性（Toxicity），即身体如何处置药物、以及药物是否有毒。 DEL（DNA编码化合物库）：给每个化合物分子挂上一段独特的DNA标签，通过测序来识别哪个分子与靶点结合。可以用相对低成本实现超大规模化合物库筛选。 干湿闭环（Dry-Wet Loop）：AI在计算机里设计分子（干实验）→ 机器人在实验室合成并测试（湿实验）→ 实验结果无论成败都回流训练AI模型 → 模型迭代后再设计新分子。这个循环的转速决定了研发速度。 BD（Business Development）：此处特指药企之间的资产授权、联合开发或股权合作。对Biotech而言，BD能带来首付款补充研发资金、把后期高风险投入转移给MNC、并获得价值背书。 首付款 vs 里程碑付款：BD交易金额通常拆成两部分。首付款（Upfront）是签约即付的确定现金；里程碑付款（Milestone）挂在开发进度或销售额上，只有条件达成才支付。媒体报道的"总额XX亿美元"绝大部分是潜在里程碑。 FEP（自由能微扰）：一种基于物理的计算方法，用于精确预测分子与靶点的结合强度，常与AI结合使用。 杰文斯悖论（Jevons Paradox）：效率提升导致总消耗量增加而非减少。此处指AI让分子设计变快变便宜，导致被设计出的分子总数暴增，进而使湿实验验证的总需求以更快的速度增长。 渗透率：AI驱动药物研发支出占全球医药研发总投入的比例，2026年约6%（对应全球医药研发投入3130亿美元）。 PS（市销率）：市值/营业收入。对尚未稳定盈利的AI制药公司，PS是主要的相对估值指标，但对增速假设极度敏感。 "双十定律"：传统制药行业对研发难度的概括——约10年时间、约10亿美元（现口径已升至20亿美元以上）才能做出一款新药，且成功率极低。 免责声明：本报告仅供参考，不构成任何投资建议。市场有风险，投资需谨慎。