TNIK kinase(INSILICO MEDICINE)

AI制药有真实的技术进展，也有尚未兑现的商业期待。成都先导、泓博医药、美迪西都已布局，但收入增长、扣非利润和现金流讲出的故事并不相同。本文沿着技术、合同、临床和财务四条证据链，寻找真正值得长期跟踪的变化。 研究截止日：2026年10月6日。公司最新完整财务采用2026年半年报；估值统一采用本地数据库截至9月30日的可用快照，不代表10月6日实时行情。本文是行业及公司研究，不提供买卖建议，不预测股价。 先看最值得追问的对照：成都先导收入与扣非利润均增长；泓博归母利润增长，扣非利润却下降；美迪西实现扭亏，但主要毛利增量来自临床前研究。同样布局AI，为什么财务结果不同？这就是本文要解开的问题。一、先给结论：这是有前景的产业，不是已经成熟的利润标签 如果只问“AI能不能帮助制药”，答案已有积极的研究证据。如果问“买到一家带AI标签的A股公司，是否就等于持有AI新药的商业化收益”，答案远没有那么简单。 AI，即人工智能，正在进入药物研发的靶点研究、分子设计、实验决策和数据分析。它的产业价值，是让研发团队更有效地决定下一步做什么、验证什么、放弃什么，而不是让计算机直接替代临床试验。 本报告的核心问题只有一个：平台已经上线，AI究竟通过什么路径，转化为可验证的收入、利润和现金？ 为回答这个问题，我们选取成都先导、泓博医药、美迪西三家A股代表企业。三家公司都在2026年半年报中披露了具体AI药物研发平台，且具有既有药物研发服务业务，因此能够同时观察技术部署与财务表现。 读者关心“龙头”，但目前本文没有取得可统一比较的A股AI制药市场份额、独立收入或技术效果排名。成都先导是DNA编码化合物库药物发现的代表平台，泓博医药是整合计算机与AI辅助药物设计的研发服务样本，美迪西是临床前一体化研发服务的代表企业。以下公司简介选择的是三种不同技术和商业模式的研究样本，不声称它们就是AI收入前三或行业最优企业，也不把传统CRO地位直接转换为AI龙头排名。 三家公司的最新财务形成了很有价值的对照：成都先导收入增长52.41%，扣非净利润增长42.80%；泓博收入增长3.31%，归母净利润增长16.02%，扣非净利润却下降67.95%；美迪西收入增长40.91%，归母与扣非利润均实现同比扭亏。 共同拥有AI平台，不代表共同拥有一种盈利模式，更不代表共同拥有一种估值依据。 我们的研究判断是：这个行业值得长期跟踪，但当前更应该用“可重复交付的研发服务＋明确的知识产权权益＋临床证据升级”评价企业，而不是直接把整体营业收入视为AI收入。技术成立、商业模式成立、当期盈利成立、估值合理，是四道不同的题。二、AI制药到底做什么：从猜分子，变成有反馈的研发系统 传统研发也使用计算机。AI制药不是所有计算机辅助工作的别名，更不是把文献检索工具装进实验室后，就自动完成了研发范式变革。 理解产业链，可以把它拆成四个环节。 研发环节 AI可能解决的问题 必须补上的验证 靶点与机制 从多维数据提出疾病相关假设 生物学、因果与实验验证 分子设计 生成、筛选与优化候选结构 能否合成、活性与选择性 临床前评价 预测代谢、毒性与暴露 合格实验及真实测量 临床与注册 支持方案、分层和数据分析 规范临床证据与监管审评 靶点可以理解为药物希望作用的生物学对象。找到一个与疾病相关的蛋白，不等于干预它就一定能够治疗疾病；设计出一个结合力强的分子，也不等于它进入人体后安全、有效。 药物研发是多目标约束问题。一种分子可能在某个实验中活性很好，却因为溶解度、代谢速度、组织暴露、毒性、制剂工艺或专利问题无法继续推进。模型要提供价值，需要在这些约束之间帮助团队找到更好的平衡，而不能只展示一个漂亮的预测分数。 三家公司披露的共同方向，是把计算设计与真实实验连接起来。计算和模型分析通常被称为“干实验”；化合物合成、细胞与动物实验等属于“湿实验”。干湿闭环，就是设计建议进入真实实验，再把实验结果反馈给模型和下一轮决策。 一个有效的闭环，并不要求每次预测都正确。关键是错误能否被识别、记录和利用，后续实验是否因此更有针对性。投资研究应观察完成同等质量交付需要的实验轮次、工期、成本与人力，而不是把一次成功案例当成所有项目的平均表现。 这也解释了为什么“生成了很多分子”不应成为单独的投资结论。生成速度只是研发流程中的一项能力，合成、测量、解释和临床推进仍有成本。没有后续筛选标准和验证结果，候选结构越多，也可能意味着需要处理的噪声越多。 以上是本报告的技术评价框架，不是对某家公司实际降本幅度的测量。三家公司报告中的平台功能可以核验，但本文没有获得独立、统一的项目级效率对照数据。三、为什么有前景：研发需求是真实的，价值分配却需要重新谈判 AI制药的长期吸引力，来自药物研发中持续存在的试错成本与决策不确定性。即使一个模型只改善前期筛选或优化，也可能给客户带来价值；但客户获得价值，与服务商留住价值，并不是同一件事。 从三家公司的半年报看，披露的功能与建设范围已超出单纯文献问答：成都先导强调筛选数据、分子优化与自动化；泓博披露分子生成、成药性评估与专利分析等模块；美迪西描述模型、虚拟筛选、分子生成、湿法验证与数据反馈的路径。这说明公司正在把AI纳入研发平台与工作流设计；实际应用规模、稳定性及提效程度仍需项目证据验证。[三家公司2026年半年报，来源见文末] 不过，产业价值至少要经过三次传导。 第一，研发效率是否真的改善。需要看到类似任务、类似难度下的交付时间、实验消耗和质量变化。只比较“历史最慢项目”与“最新最快案例”，无法形成可信结论。 第二，改善是否转化为客户愿意支付的价格。客户可能为了更好的交付支付溢价，也可能要求供应商把效率提升让利给自己。如果合同仍按投入人力计费，单个项目工时减少甚至可能先减少账单，企业需要靠更多项目、不同计费方式或更高价值服务弥补。 第三，收入是否转化为股东利润。模型团队、数据治理、算力、实验设备与新产能均有成本。企业还需要覆盖销售、管理、研发和财务费用，并承担减值、税费和资金占用。 因此，本文不使用一个来源口径不统一的“AI制药市场规模”或复合增速来证明投资价值。把软件订阅、研发服务、药物授权交易总额和未来药品销售额混在一起，很容易得到一个巨大、却不能对应上市公司财务的市场数字。 更可操作的需求观察，是客户是否重复采购、合同是否扩大、项目是否按时交付、已交付项目是否进入下一阶段、对应收入是否收回现金。长期空间可以很大，阶段性的盈利证据仍然需要逐笔建立。四、四种商业模式：赚服务费，和拥有新药不是一回事1. 软件与数据工具：收入看订阅，壁垒看留存 平台可以对外提供软件、模型或数据库。评价重点是客户数量、续费率、付费层级、服务成本、数据授权与安全，而不是仅看安装数量或试用数量。 软件业务是否能够高毛利扩张，还取决于是否需要大量定制交付、专家支持和实验配套。本文没有取得三家公司可以相互比较的AI软件独立订阅收入、续费率或项目成本数据，因此不将它们套用为纯软件公司。2. AI赋能研发服务：收入看交付，利润看每个项目赚多少钱 合同研究组织，通常简称CRO，接受客户委托开展研发研究。合同开发与生产组织，简称CDMO，在研发之外提供工艺开发及生产相关服务。 AI可以成为这些公司的生产工具：帮助设计实验、减少重复劳动、优化分子，但账面收入仍可能按药物发现、工艺开发或临床前研究分类。存在AI应用，不代表财务报表会出现一个独立“AI收入”科目。 这类企业最应核验的是，同等质量项目的毛利、人均交付、报价、复购与回款是否改善。不能把客户项目进入临床的数量，直接转成服务商拥有相同数量自研药物的估值。3. 知识产权转让与里程碑：收入看合同条件，不看宣传总额 药物结构知识产权可以对外转让，企业也可能在后续研发达到约定节点时收到里程碑收入。成都先导就披露了这样的收入模式。 权益与收入类型 本文核对的披露内容 仍需明确的边界 研发服务费 已有分项收入与成本 AI提效与单项目利润 已实现知识产权及里程碑 成都先导DEL相关约3,700万元 逐项目金额、现金与AI归因 待条件满足的付款 商业模式中存在此类约定 具体权属、概率和时点 自研或合作权益 与服务业务必须区分 完整项目权益及后续投入 表中约3,700万元是已披露收入量级，不是已核验的逐项目到账清单，更不能证明未来销售分成的归属。 这种模式能够让早期研发成果在不同阶段兑现价值，却具有确认时点和项目进度的不均匀性。一个项目的潜在合同总额，不等于已经确认的营业收入；确认收入，也不等于全部现金已经到账。 尤其要区分首付款、已经实现的里程碑、尚待实现的条件付款及未来销售分成。不同合同的风险、会计确认及价值归属可能不同，不能把条件付款全额当成确定现金流。4. 自研管线或共担风险：收入看药物权益，风险看资金消耗 企业若拥有药物开发与商业化权益，价值可能来自未来授权、分成或销售，但也承担更长周期、更大资金投入和临床失败风险。 这里必须看合同与权属，而不是看合作名单。为某款药提供合成、样品生产或安全性研究，不会自动获得药物销售收入；共同孵化一家企业，也不等于相关权益已产生确定利润。不能把“服务过某创新药客户”写成“拥有该客户所有成功新药的收益权”。 三家样本中，成都先导同时具有研发服务、知识产权转让与自研项目等特点；泓博在2026年5月22日业绩说明会中明确回复，其不从事创新药物的自主研发，亦不存在投资者问题中提到的自研管线。公司同时将共同孵化等模式表述为探索方向，而非已经实现的药物销售分成。[泓博医药投资者关系活动记录表2026-001] 美迪西的财务主体仍是临床前研发服务。阅读三家企业，第一步不是比较谁的AI名称更响，而是确定谁向谁收钱、谁承担失败成本、谁拥有后续权益。五、临床证据走到了哪里：一个重要案例，不是全行业的通行证 2025年6月3日，《自然·医学》发表英矽智能候选药ISM001-055的多中心、双盲、随机、安慰剂对照Ⅱa期研究。该生成式AI参与发现的药物作用于名为TNIK的蛋白，针对特发性肺纤维化；试验入组71人、治疗12周，主要终点为治疗期间不良事件发生比例，肺功能为次要终点。研究报告肝毒性等停药问题及样本小、随访短的局限；由英矽智能资助，部分作者为其员工。[《自然·医学》原始论文] 这个案例的意义是，AI参与研发的分子已经能够进入规范的人体随机研究。本文引用的是上述已发表试验，不据此断言该项目截至研究日的最新完整开发状态，也不推断其已获批上市。 “药物相对安慰剂的表现”与“AI研发流程相对传统流程的成功率提升”，是两个不同问题。后者需要更广泛、可比的项目证据。单个候选药的试验不能证明所有AI平台都有效，更不能替A股某家供应商证明它拥有该药的商业权益。 监管同样不能省略。美国食品药品监督管理局，即FDA，2025年1月发布的相关指导文件，在本次核验的官方页面上仍标注为草案、非约束性建议。其针对AI生成的信息用于支持药物安全性、有效性或质量监管决策，提出特定使用场景下的风险导向可信度评估框架。[FDA指导草案官方页面] 这不是“监管已批准AI取代全部实验”，也不是“只要使用AI即可加速获批”的承诺。对企业的意义，是应当能解释模型在什么场景使用、数据和验证能否支持该用途，以及不确定性如何管理。 基于上述事实，本文认为行业的关键变化是“从功能展示走向证据积累”，而不是宣称已经证明AI制药整体成功率或已经全面商业化。六、公司简介之一：成都先导，筛选平台与知识产权变现的交汇点 成都先导，股票代码688222，科创板上市，是以DNA编码化合物库技术为基础的新药源头发现平台。DNA编码化合物库，简称DEL，可以理解为给大量化合物加上可识别的分子标签，再通过筛选识别可能与目标结合的结构。 公司半年报还说明，DEL筛选后需要对相应化合物进行不带DNA标签的合成，再验证确认苗头化合物。筛选信号不是无需实验确认的最终结论；结合、功能活性、选择性与成药性也不能混为同一层面的结果。 它的业务不止一个AI工具。公司还布局基于分子片段和结构信息的药物发现、小核酸研发、临近诱导药物技术，以及自研项目。AI主要被放进其既有发现与优化体系中。[成都先导2026年半年报] 公司披露的一体化分子优化平台名为HAILO，结合DEL、AI和自动化。其路径是把筛选数据、分子生成与评估、实验合成和测试连接起来，推进“设计—合成—测试—分析”的迭代。相关功能与建设进展是公司披露；本文没有取得第三方统一标准下的整体效率提升测量。收入增长是真实的，但不是单一AI驱动 2026年上半年，公司营业收入3.4598亿元，归母净利润8,067.53万元，扣非净利润7,698.47万元，经营现金流净额1.2105亿元。同比增长分别为52.41%、61.21%、42.80%和9.44%。 归母与扣非利润都增长，是积极事实。但净利润、扣非利润和现金流增速不同，意味着不能只用最高的一项增速概括经营质量。 按收入类型，公司新药研发服务下的三个子项目如下。它们是同一父项目的拆分，不能再与父项目相加。 上半年收入类型 收入，万元 毛利率 客户定制服务 20,168.35 52.50% 全时当量服务 8,578.39 29.32% 其他研发服务收入 5,845.18 99.72% 客户定制服务按具体合同任务交付，全时当量服务按投入人员与工作时间等约定计费。“其他”主要包括药物结构知识产权转让费、里程碑费等，不能误读为一项纯AI软件收入。 公司披露，上半年DEL相关知识产权转让及里程碑费合计约3,700万元。这说明其成果变现模式已有收入，但它既不是全部5,845.18万元“其他”的同义词，也不能未经项目证据直接全部归因于AI。公司报告同时提及其他业务板块的里程碑进展。毛利增量的来源：高毛利项目需要单独看 按原始收入与成本相减，上半年总毛利约1.8933亿元，比上年同期增加6,718.17万元。其中，客户定制服务贡献毛利增量2,370.35万元，全时当量服务贡献1,261.53万元，“其他”贡献3,086.30万元。 换句话说，“其他”只占本期收入约16.89%，却贡献约45.94%的同比毛利增量。这里分母是毛利增量，不是总毛利，更不是净利润。 这是本篇最重要的财务发现之一：收入增长有服务交付支撑，利润结构也受高毛利知识产权类收入影响。由于相关研究投入可能在以前期间或其他科目体现，接近100%的当期分项毛利率不等于研发成果从未发生过成本。 费用也同步上升。销售、管理、研发费用与财务费用合计约1.1581亿元，比上年同期增加5,255.46万元。研发费用为4,489.77万元，并非可单独归属于AI平台的全部投入。财务费用由上年同期净收益1,170.28万元转为费用1,171.72万元，公司解释与汇兑变化有关。 毛利增量减去四项费用增量，约剩1,462.71万元，低于归母净利润增量3,063.32万元。这说明净利润增长还受到其他损益项目的影响。差额涉及公允价值变动、其他收益、投资收益、税金、减值、所得税及少数股东损益等变化。其中公允价值变动损失由1,707.26万元降至90.29万元，不能忽略。不能只把利润增长解释为“AI提效”。并表与现金：增长质量的第二层核验 公司2025年底将摩熵智能纳入合并范围，上半年披露数据服务板块收入1,543.52万元。这是新增并表业务口径，不等于药物设计模型单独赚到的收入。子公司财务表中的摩熵智能营业收入1,580.31万元、净亏损198.43万元，与合并层面的数据服务板块口径也不能机械替换。 若仅为观察量级，把数据服务板块收入从当期总收入中机械减去，再与上年同期总收入比较，增速约45.61%。这个粗略敏感性说明新增业务并非全部增长的来源；但它不是公司披露的严格同口径内生增速，未完成合并抵销和所有边界调整。 经营现金流高于归母净利润，是较好的现金表现，但现金增速只有9.44%，低于收入和利润增速。现金流附注中，经营性应收项目增加使现金减少2,718.81万元，上年同期该项则增加现金1,365.56万元。还要结合汇兑、折旧摊销、股份支付及经营性应付变化，不能只凭现金利润比宣布AI商业化闭环已完成。 这家公司的研究重点，是高质量筛选数据能否带来更可重复的项目交付与权益兑现；关键风险则是里程碑节奏、自研项目投入、汇率、并表整合与数据授权。高毛利技术底座是真实的观察对象，可持续性仍需更多项目与年度证据。七、公司简介之二：泓博医药，AI服务工具已有应用，整体利润另有来源 泓博医药，股票代码301230，创业板上市，全称上海泓博智源医药股份有限公司。业务涵盖药物发现、工艺研究与开发，以及原料药和关键中间体的商业化生产。 公司AI药物设计平台名为DiOrion。2026年半年报披露，平台已完成本地部署，集成九大核心模块，涉及情报、分子生成、构效关系、成药性评估与专利分析等内容。计算机辅助药物设计简称CADD，AI辅助药物设计简称AIDD，两者在其披露的项目统计中合并使用，不能把联合统计全部等同于纯生成式AI项目。[泓博医药2026年半年报] 截至2026年6月底，公司披露CADD/AIDD平台累计为116个新药项目提供技术支持，服务55家客户，8个项目进入临床阶段。这比截至2025年底的104个项目、53家客户增加，但进入临床的披露数量仍为8个。统计是累计服务支持，不是公司拥有116条自研管线，也不是116个项目都由AI独立完成。 这些数字说明公司披露了联合工具的业务应用，但还不能回答各项目收费、单独毛利、效率提升和公司后续权益。因此，项目数量不能直接用于估算平台估值。8除以116也不能被写成“临床成功率”：项目起点、阶段、跟踪期、退出和工具贡献并不统一，进入临床也不等于临床有效。一份半年报，为什么会同时出现“增长”与“下降” 上半年营业收入3.6441亿元，归母净利润2,872.94万元，同比增长16.02%；扣非净利润646.03万元，同比下降67.95%。 归母减扣非的差额为2,226.90万元，约占本期归母净利润77.51%。这不是说77.51%的收入是投资收入，而是说相应税后非经常性损益净额占归母利润的比例较高。 半年报非经常性损益表中，“委托他人投资或管理资产的损益”为2,042.41万元，政府补助等也有贡献，最后还要扣除税务影响等得到净额。利润表中投资收益1,163.17万元、公允价值变动收益879.24万元，二者合计恰为约2,042.41万元。不能再把这两项与非经常性损益表对应项目重复相加。 这意味着，归母净利润增长并不等于主营盈利同步增强，更不能当成AI平台利润的独立证明。药物发现有增长，但商业化生产在拖累毛利 上半年业务 收入，万元 毛利率 药物发现 24,639.78 34.51% 工艺研究与开发 4,722.37 22.18% 商业化生产 6,164.09 -3.92% 药物发现收入同比增长32.63%，但分项毛利率由35.61%降至34.51%，下降1.10个百分点；工艺研究与开发收入增长65.21%；商业化生产收入下降50.07%，该分项营业成本还高于营业收入。药物发现毛利额增加，与单位收入盈利能力提高是不同概念，不能据此认定AI已经降本，或反向认定AI失效。 按分项收入减成本计算，药物发现同比增加毛利1,887.85万元，工艺研究与开发增加865.98万元，而商业化生产减少毛利1,834.98万元。公司整体毛利仅增加314.66万元，同时销售、管理、研发与财务四项费用合计增加1,101.47万元。 业务结构上的对冲，是理解这家公司最重要的线索。药物发现业务改善，不应被整体低增速掩盖；但也不能因为其中使用了AI，就忽视生产业务的价格、产品组合和成本压力。 扣非利润下降，还涉及存货跌价、信用减值、汇兑及税费等。公司本期资产减值损失842.93万元，上年同期180.25万元；所得税费用由上年同期收益208.43万元转为费用140.51万元。本文不把这些因素全部归为产能闲置，更不认为业务毛利变化能够完整解释税后利润。单季度信息提醒：不能把一季度外推全年 由上半年累计减去一季度累计计算，二季度收入约1.9212亿元，归母净利润495.01万元；上年二季度归母净利润约1,278.76万元。收入同比增加约4.81%，归母净利润却减少约61.29%。 这并非对全年结果的预测，而是提醒：半年度利润增长中，一季度贡献与二季度表现不同，必须继续观察扣非与业务结构。没有足够证据时，不把一个季度的差异归因于AI失效或某个客户变化。 经营现金流净额7,201.48万元，同比增长82.66%，高于净利润。但附注中经营性应收项目由上年同期占用现金5,838.63万元，转为本期释放现金1,123.39万元；现金改善有营运资金因素，不能据此证明AI项目单位利润已经上升。 公司在5月22日业绩说明会中，将CADD/AIDD定位为赋能工具，价值主要体现在效率、研发周期和交付能力，而非直接产生大规模收入。这是公司当时的解释，不是本报告测出的AI独立收益。其半年报平台描述与项目统计已有更新，但本文没有取得独立AI收入、毛利及客户续费的可核验拆分。 泓博的核心观察点是：药物发现增长能否真正转为扣非利润，生产业务能否改善，以及AI提效是否在交付工期、单位毛利和客户复购上留下可以测量的痕迹。八、公司简介之三：美迪西，临床前平台的利润修复，不应全部记到AI名下 美迪西，股票代码688202，科创板上市，是专业的生物医药临床前综合研发服务企业。业务覆盖药物发现、药学研究与临床前研究，服务内容包括合成、筛选、工艺、药效、药代和毒理安全性评价等。 公司披露的AI药物研发综合平台名为MAIDD，覆盖小分子、生物大分子、多肽与核酸等方向。半年报描述了“模型—虚拟筛选—分子设计—湿法验证—数据反馈”的路径，并提及成药性预测及与其他技术平台结合。[美迪西2026年半年报] 这家公司最值得观察的，不是它是否突然成为纯AI公司，而是已有实验、质量体系与客户项目，能否给模型带来有效反馈；同时，模型能否反过来改善研发交付与服务附加值。财务事实：收入增长与扭亏，均有报表支持 2026年上半年，美迪西收入7.6147亿元，归母净利润5,160.24万元，扣非净利润4,302.68万元；上年同期两项利润分别为亏损1,289.84万元与亏损2,673.04万元。 因此，准确表述是“同比扭亏为盈”，而不是把负基数下的500.07%写成普通高增长。综合毛利率由21.24%升至31.60%，提升10.36个百分点，公司解释涉及需求、业务量、定价、产能利用率和成本管理。后者是公司归因，并非已独立分离出的AI贡献。 按业务拆分，临床前研究收入4.1424亿元，同比增长52.26%，毛利率39.99%；药物发现和药学研究收入3.4719亿元，同比增长29.42%，毛利率21.58%。两者的盈利能力明显不同。 按收入减成本计算，公司总毛利同比增加约1.2582亿元。其中临床前研究贡献约9,892.84万元，约占总毛利增量78.63%；药物发现和药学研究贡献约2,692.27万元。 毛利增量主要来自临床前研究，是很重要的业务结构事实。但不能进一步跳成“AI毫无贡献”，也不能反向跳成“临床前增长都是AI带来的”。两种归因都缺少项目级证据。 销售、管理、研发与财务四项费用合计增加2,326.18万元，小于毛利增量；与此同时，信用减值损失由179.87万元增加到2,555.70万元，税费也由上年同期的税项收益转为本期费用。毛利改善给利润修复提供基础，减值等仍然消耗部分成果。订单与现金都改善，仍要看执行和营运资金 公司半年报披露整体新签订单12.33亿元，同比增长104.74%；其中临床前研究8.20亿元，药物发现和药学研究4.14亿元。分项以亿元展示四舍五入，合计可能与总额有0.01亿元差异，不能由此认定重复统计。 订单不是收入，更不是利润。需要继续检查执行、取消、收费、验收、回款和毛利。签单增长与业绩兑现之间存在时间差，不能把新签金额全额加入当期营业收入。 经营现金流净额1.3480亿元，同比增长80.53%，高于归母净利润。不过现金流附注中，经营性应付项目增加提供现金约2.4260亿元，存货与经营性应收项目增加分别占用现金约9,615.98万元和1.5537亿元。 这组数据比单一现金利润比更能提示实际经营状态：业务扩张、采购储备、预收与付款节奏一起影响现金。期末合同负债1.8742亿元，较年初明显增加；存货2.0813亿元，预付款1.5430亿元，也都上升。不能把这些科目与现金流附注一一直接相等，更不能把本期高现金流无条件外推到未来。 2025年公司全年归母净亏损1.6783亿元，其中第四季度净亏损约1.3814亿元，数据已与年度报告摘要核对。本篇未对当年第四季度每一项损失逐项重新归因；它的作用是提示利润存在跨季波动，而不是断言今年第四季度会重复同样结果。 对于美迪西，真正需要跟踪的是订单兑现后的毛利、实验能力和交付质量、营运资金消耗及坏账风险。AI平台是能力升级的一部分，不能自动替代这些传统但决定利润的经营变量。九、横向核对：三家公司的“利润—现金”关系差别很大 将三家公司放在同一张表里，更容易看到平台叙事背后的财务差异。以下均为2026年上半年，净利润采用归属于母公司股东口径，现金流采用合并经营现金流净额，单位万元。 指标 成都先导 泓博医药 美迪西 归母净利润 8,067.53 2,872.94 5,160.24 扣非净利润 7,698.47 646.03 4,302.68 经营现金流 12,104.64 7,201.48 13,479.53 归母净利率 23.32% 7.88% 6.78% 成都先导当期归母净利率较高，不能直接理解为纯AI技术利润率；知识产权收入、业务组合与费用结构均有影响。泓博非经常性损益占利润比例高，归母与扣非呈不同方向。美迪西则表现为业务毛利修复，但仍需监测减值、现金结构与持续性。 为了避免把毛利直接等同于净利润，我们再做一个简化的利润核验。这不是完整利润表，也不是主营盈利排名。四项费用指销售、管理、研发费用及财务费用；这里的研发费用是利润表科目，不是笼统的平台投入或资本支出。 本期核验项目，万元 成都先导 泓博医药 美迪西 总毛利 18,932.65 10,166.96 24,060.38 四项费用合计 11,581.17 8,526.67 16,989.14 毛利减四项费用 7,351.48 1,640.29 7,071.25 归母净利减上述简化利润 716.05 1,232.65 -1,911.00 最后一行不是新增利润科目，而是尚需其他项目解释的计算差额，公式为“归母净利润－（毛利－四项费用）”。要从简化利润走到归母净利润，还必须加上其他收益、投资及公允价值变化，扣减税金、减值与所得税，再考虑营业外及少数股东损益。 成都先导本期合并净利润7,941.88万元，少数股东损益为亏损125.64万元，因此归母净利润高于合并净利润。泓博和美迪西的本期两项净利润相同。这里不能混用合并利润和归母利润来强行对平。 三家公司当期经营现金流与归母净利润之比分别约1.50、2.51、2.61倍，但本期净利润规模、非现金调整、预收和应付款节奏不同。这个比值只是一项观察，不是AI盈利能力的排行榜，也不是自由现金流。进一步评价可分配现金，还需要资本开支、资金受限及长期项目投入等信息。 技术平台也不是同类产品的直接排名：DEL是成都先导的发现与数据底座，HAILO是其优化闭环；DiOrion是计算设计与决策工具的整合；MAIDD是结合既有综合实验服务的平台。美迪西披露的多药物类型功能范围，并不意味着所有类型已取得同等程度的独立验证。十、AI贡献到底有多大：先试着拆，再承认边界 本报告不满足于一句“无法拆分”，但也不会为了精确感编造AI收入。 第一条推导路径，是从分部收入找范围。泓博的药物发现收入2.4640亿元，美迪西药物发现和药学研究收入3.4719亿元，可以作为各自该分部内AI相关服务收入的极宽松数学上限；下限只能给零。这里界定的是“可能涉及AI的服务收入容器”，不是因AI才新增的经济贡献；零是无法证实的下界，不是认定业务收入为零。这些范围既包含大量非AI服务，也不覆盖所有可能在其他分部使用AI的业务，因此不能作为公司全部AI收入上下限，更不能比较两家平台大小。 成都先导技术应用跨多个板块，仅用整体研发服务收入3.4592亿元给上限，几乎没有区分力。“其他”5,845.18万元又主要是知识产权及里程碑等模式，不能将其当成AI收入。已知约3,700万元DEL知识产权与里程碑收入，也没有单独提供AI归因。 第二条路径，是用项目数量乘平均收费。泓博披露116个累计支持项目，但缺少各项目金额、收入确认时期、支持范围以及是否与其他服务收费重叠。这些项目横跨历史累计期间，不能拿当前半年收入除以116，再声称得到了本期AI单价。 第三条路径，是用毛利率变化反推效率。三家公司毛利率还受到定价、产品组合、人员与产能利用、汇率及知识产权收入影响。没有足够独立变量，就无法唯一求解AI降本比例。本文已经对分项毛利增量和费用做了拆解，它能找出利润发生在哪，却不能单独证明为什么全部发生。 因此，合理结论是：在本文核验的半年报、指定投资者关系记录和本地财务字段范围内，没有获得可将三家公司独立AI收入、利润、现金及投入完整勾稽的项目级数据。对于“因为AI而额外产生”的收入、利润和现金，本文也无法给出有经济区分力的数值上下界。本报告不据此声称公司从未披露任何相关信息，也不认定AI没有经济价值。 更高质量的下一步证据应包括：同类项目的付费与复购、独立验收、预测和实验的对应结果、效率对照、数据使用权、收费变化、成本和现金回收。缺少这些时，研究可以评价已有服务业务，不能假装完成了纯AI业务估值。十一、竞争壁垒：不是模型名称，而是数据、实验、权益与组织 我们认为，有效壁垒应从四个方面检验。这是研究判断，不是对三家企业已经具备排他性垄断的认定。1. 数据质量与使用权 私有实验数据可能比重复公开文献更有价值，但前提是数据可信、可比较、可追溯，并且公司有权用于建模和相关商业用途。客户委托项目中的数据，不会因为存在服务商服务器里就自动成为可任意复用的自有资产。 负结果也值得重视。只收集成功化合物，可能缺少“哪些方向不行”的有效信息。评价模型不能只看熟悉数据上的表现，还应看未参与训练的数据、新任务和真实前瞻实验；这一要求是本报告提出的核验标准，并非声称已经审计过各公司训练集。2. 湿实验与质量体系 设计建议最终要落到可合成、可测量、可重现的实验结果。实验能力、方法开发、质量控制与项目管理的缺口，不会由增加算力自动填平。 在本文样本中，成都先导的筛选数据与优化体系、泓博的药物化学和工艺服务、美迪西的临床前一体化实验服务，是不同类型的底座。谁能形成更强闭环，需要分任务验证，不能把不同业务的营收规模简单排列成模型能力排名。3. 知识产权与利益安排 AI生成一个结构，不等于不存在专利风险；模型辅助专利分析，也不等于保证研发和商业化可以合法开展、不会侵犯他人专利。平台供应商、客户和合作研发方之间，要看清分子、模型、数据、改进成果以及后续药物收益的归属。 这些合同安排会决定企业能否留住技术价值。如果所有提效都被客户转化成降价，服务商的利润未必随技术进步增长；如果能提供差异化成果并拥有约定权益，价值兑现路径可能不同。4. 组织协同与持续投入 模型团队、药物化学家、生物学家与实验运营人员需要共同确定任务与结果。一个技术模块上线，与全公司交付流程稳定应用之间，还有数据规范、人员培训与管理成本。 平台还需要持续更新。今天的技术能力未必永久领先，相关研发和设备投入也不能被视为一次性结束。因此，估值时不能把未来提效只记收入、不记维护成本。十二、估值：有前景的行业，也可能包含高预期的价格 以下为2026年9月30日本地数据库快照，金额亿元。市盈率为滚动市盈率，市净率为市值与净资产的比值，市销率为市值与销售收入的比值；均采用数据字段口径，不将半年报机械翻倍计算全年。 估值指标 成都先导 泓博医药 美迪西 总市值 179.28 69.63 144.62 滚动市盈率 127.93倍 181.97倍 不适用 市净率 11.75倍 6.88倍 7.22倍 市销率 27.82倍 9.95倍 10.45倍 美迪西虽在2026年上半年扭亏，但滚动窗口仍含历史亏损；数据库负市盈率没有通常的估值比较意义，不用其负数判断“便宜”。 成都先导的市销率较高，但当期净利率与知识产权变现模式也不同。泓博的市销率低于成都先导，不意味着AI业务更便宜；其利润中非经常性因素、生产业务低毛利以及公司整体业务构成都要纳入解释。美迪西则需要证明利润修复能够持续，不能只用收入回暖赋予软件型估值。一个固定市值的压力测试，不是目标价 为了让高估值的含义更直观，设定纯算术条件：维持上述市值不变，假设某个未来完整年度归母净利润对应50倍市盈率，再假设该年的公司整体归母净利率达到20%。反推需要的利润和营业收入如下。 表格为任意假设演示：50倍市盈率、10%或20%净利率，均非预测或合理值。 假设条件下的对应数值 成都先导 泓博医药 美迪西 所需全年归母利润，亿元 3.59 1.39 2.89 20%净利率对应收入，亿元 17.93 6.96 14.46 10%净利率对应收入，亿元 35.86 13.93 28.92 当期半年归母净利率 23.32% 7.88% 6.78% 公式为：利润＝固定市值÷50；收入＝利润÷假设净利率。市值来自上述历史快照；固定市值条件、50倍市盈率及10%或20%净利率是算术设定，不是盈利预测。50倍并非本文认定的合理估值，20%也不是三家公司都可以实现的正常净利率；年份和实现概率没有设定，因此不能用来计算目标价、涨跌空间或宣称价值低估。收入达到表中数值，也不构成任何买卖结论。 这个测试的用途是拆开“收入规模”与“利润率”两个变量。在20%净利率设定下，成都先导对应的盈利规模高于当期规模；泓博只有收入接近表中数字、利润率并未达到20%，对应利润就不是表中数值；美迪西当期6.78%的归母净利率与假设20%之间也有明显差距。这不是认定任何公司应该达到该条件。 若改用10%净利率，同一利润要求对应的收入会翻倍；若市盈率条件改变，所需利润也相应变化。表格均按原始市值计算后四舍五入，不是用已舍入的上一行继续计算。该测试没有纳入未来资金投入、融资稀释和兑现概率。模型不复杂，却能提醒我们：产业方向正确，不等于给定市值下的盈利兑现要求容易完成。 还需要防止估值混搭：已确认服务利润可以做财务分析，独立软件业务需要其独立数据，自研药物权益则需要项目阶段、成本、权属与风险调整。把公司全部收入套软件倍数，再额外把同一批项目全部算成药物管线价值，可能重复计价。十三、未来怎么验证：技术、合同、财务与临床必须相互印证 本文的跟踪框架不是看某一则消息是否“利好”，而是看证据是否沿同一方向升级。 技术端看，模型建议是否在真实实验中可重复，适用范围与失败边界是否清晰。合同端看，客户是否持续付费、复购扩大、权属明确。财务端看，项目增长能否进入扣非利润与现金，而非只有总收入或单季归母数据。临床端看，候选药是否获得更可靠、更长随访的安全性与有效性证据。 对成都先导，优先跟踪三件事：知识产权转让和里程碑的项目分散程度与重复性；服务收入增长和四项费用之间的关系；应收、现金与并表业务是否支持增长质量。若未来利润增长持续只依赖少数不均匀项目，而服务交付与现金无法跟上，本报告对可重复变现的期待应降低。 对泓博医药，优先看药物发现的增长能否转化为扣非利润、商业化生产毛利是否改善、单季表现是否更均衡。如果项目支持数继续增加，但扣非利润长期没有相应改善，或AI效率始终缺少可核验的项目证据，应降低“技术进展已进入盈利”的判断强度。 对美迪西，优先看新签订单的执行与回款、临床前和药物发现分项毛利、信用减值与经营性应付款支撑现金的持续性。如果订单增长没有转为可交付项目，或利润修复被减值和营运资金长期抵消，应下调对经营修复质量的判断。 这里强调的是研究结论如何被证伪，不是交易指令。下一复核窗口设为各家公司此后披露的两次定期报告，分别检查已有业务表现与AI增量证据。扣非下降不能单独证伪AI技术有效性，扣非增长也不能单独证明AI贡献；若项目对照与合同证据没有新增，AI经济贡献仍维持“未验证”，不自动升级或否定。三家公司2026年三季报在本文截止日尚不纳入财务分析，后续实际披露才可用于更新判断，不能提前用未公开结果补齐逻辑。三种情景，不能混成一个确定故事 进展情景：AI在更多付费项目中改善工期与实验决策，客户愿意复购，差异化合同或权益让企业保留部分价值；收入、扣非与回款逐步相互支持。需要真实项目证据，而不是平台名称更新。 中性情景：AI成为正常研发工具，但节省的成本部分通过竞争和客户议价转移出去。企业总体受益于订单和交付改善，却未出现可分离的纯AI高利润业务。此时更应把它们作为研发服务企业研究。 受压情景：模型效果不稳定、数据授权受限、实验投入增加、客户资金承压或价格竞争，使技术投入难以形成利润；自研权益还可能遭遇临床失败与追加资金需求。技术并未必消失，商业回报也可能明显落后于预期。 本报告不为三种情景赋予缺少证据的精确概率，也不按最好情景计算股价。研究价值在于明确每条路径需要什么事实。十四、主要风险：五类风险不能靠“AI”两字消除 第一，技术与数据风险。训练资料质量、样本偏差、模型适用性、数据授权和隐私安全，都可能影响实际表现。模型版本升级也可能带来新的验证成本。 第二，药物开发风险。临床前表现不能保证人体有效和安全。早期临床试验也不能替代更大样本、更长随访和注册审评。拥有药物权益的企业，需要承担更长资金周期与失败风险。 第三，客户与合同风险。创新药客户预算、融资、优先级和项目终止都会影响需求；新签订单、条件里程碑和潜在交易总额，不等于确定收入与现金。服务成果、数据与药物权益还可能存在争议。 第四，经营与会计风险。产能利用、人员成本、汇兑、存货、应收、投资及公允价值变化、合并范围与商誉，均可能放大或掩盖业务表现。AI技术进步不会自动抵消生产业务毛利下降或现金被占用。 第五，估值与跨境风险。高预期对后续盈利兑现更敏感；海外客户、数据、技术与供应链可能涉及不同司法辖区的约束。本文未完成各家公司全部合同与跨境合规专项审计，不对具体法规适用作确定结论，也不引用未经核验的监管传闻。十五、说人话版：到底在研究什么 把这门生意想成研发团队多了一位非常能算、能提建议的助手。它能更快整理资料、提出分子和实验方案，但药能不能做出来、做出来是否安全有效、客户愿不愿意付款，仍要一关一关验证。 成都先导更像掌握筛选与优化工具的研发平台，除了服务，也能通过部分成果的知识产权和里程碑变现；当期增长不能只归因于AI。 泓博更像把智能设计接入药物发现与工艺服务的企业。设计服务有增长，但生产业务有拖累，归母利润和扣非利润走出了不同方向。 美迪西更像拥有实验能力和临床前一体化交付体系的平台。上半年确实扭亏，但主要毛利增量来自临床前研究，并不是一份纯AI软件盈利报告。 有前景的细分方向，是让模型与真实实验形成反馈、让客户持续付费、让合同权益能够兑现的药物研发体系。可研究的A股公司已经存在，可独立证明的AI利润仍需继续积累证据。 最后一句话：先看药物与实验有没有更可靠的结果，再看合同和利润究竟归谁。只有两条线接起来，AI制药才从产业故事走向可核验的投资研究。十六、来源、计算口径与研究局限 一手资料： · 成都先导《2026年半年度报告》，2026年8月27日披露，巨潮资讯文件1225508326。重点核验主要会计数据、业务模式、平台进展、分部收入成本、合并利润表及现金流附注。半年报全文 · 泓博医药《2026年半年度报告》，2026年8月28日披露，文件1225519893。重点核验第8—9页主要会计数据及非经常性损益，第18—20页平台进展、第26页分部、第57—58页合并利润表，以及第124页附近现金流附注。半年报全文 · 泓博医药《投资者关系活动记录表》2026-001，活动与披露日期均为2026年5月22日，文件1225327042。引用的是公司回复，不将提问者列举的项目、基地和自研管线视为事实；本文为转述，无逐字引语。记录表全文 · 美迪西《2026年半年度报告》，2026年8月25日披露，文件1225498030。重点核验第7—8页主要会计数据、第13—15页业务及订单、第18页平台、第88—89页合并利润表、第188—189页现金流附注。半年报全文 · 美迪西《2025年年度报告摘要》，2026年4月23日披露，文件1225150509，核验全年与分季度利润。其利润总额与归母净利润不同，本篇使用后者。年度报告摘要 · 徐作军等，《生成式AI发现的TNIK抑制剂治疗特发性肺纤维化：随机Ⅱa期试验》（标题中文译意），《自然·医学》，2025年6月3日发表，31卷2602—2610页，数字对象标识10.1038/s41591-025-03743-2。本文仅引用该试验的设计、证据与局限。原始研究论文 · FDA，《Considerations for the Use of Artificial Intelligence To Support Regulatory Decision-Making for Drug and Biological Products》，即人工智能支持药物及生物制品监管决策的使用考量，2025年1月指导草案。本文核验官方页面时仍为草案、非约束性建议，不将其写成生效强制规则。监管官方页面 数据库与计算：财务、主营构成和估值来自本地A股数据库，财务与分部限定已知日不晚于2026年10月6日，估值限定同样的信息边界。关键半年报数字另与官方报告核对；来源页码采用报告印刷页码。半年报未经年度财务审计，模型复算不等于审计鉴证。 毛利采用原始收入减原始成本，分项增量采用同口径同比相减；避免使用已四舍五入的毛利率反推。单季数字以相邻累计数相减，第四季度以全年减前三季度。不同报告中“药物发现与药学研究”和“药物发现和药学研究”的文字存在差别，本篇半年同期比较按相同业务范围核对，不跨年度拼接成细分长期增速。 金额按规模选用亿元或万元，表格与正文四舍五入可能产生尾差。现金流使用报告原始总额，不用送转前后每股现金流直接比较；经营现金流与归母净利润主体口径不同已明确说明。估值采用数据快照字段，不展示未经复权核对的股价轨迹，不把历史倍数解释为未来价格预测。 评审说明：本文接受投资研究、AI药物研发产业、财务、普通读者与财经合规五种视角的独立模型模拟评审，并据意见修订。这不是聘请五位真人专家，也不构成注册会计师审计、药物实验验证或合规鉴证。 范围与局限：本文选择三家披露具体平台且具有实际研发服务收入的A股样本，不是全部概念股名单，也不是统一市场份额排行榜。未获得完整项目级AI收入、成本、效果对照、合同权益清单、所有客户复购或续费数据，也未审计模型训练集、所有专利和跨境合规。 公司披露的平台能力、累计项目和经营归因，均未由本文独立完成实验验证。试验案例不代表三家A股公司的自有药物权益；临床论文没有被用来推算上市公司的成功率或药物销售收入。公司之间业务、计费和权益差异明显，不进行强行同质化排名。 本文依据公开资料与明确口径计算形成，仅供行业研究与信息交流，不构成投资、医疗或法律建议。文中情景为研究框架，不代表确定预测。

AI，正在改写医学的可能：那些曾经棘手的难题，开始有了新答案  从看懂蛋白质，到帮助患者重新表达，医学正在发生什么？ 对于失去说话能力的人，重新说出一句话，可能意味着重新参与家人的生活。 对于肺纤维化患者，多一种经过验证的治疗选择，可能意味着多一份希望。 对于接受癌症筛查的人，更早发现一个细小病灶，可能改变后续治疗的道路。 这些事情，看起来相距很远，却正在与同一种技术产生联系： 人工智能。 今天，AI已经参与生命科学研究、药物发现、疾病筛查和神经功能重建。 但要理解它对医学的影响，我们需要分清：哪些难题取得了突破，哪些技术正在帮助患者，哪些成果仍然需要验证。 ## 01　看懂蛋白质：给研究者一张更清楚的“生命地图” 人体中的蛋白质，可以执行运输、催化、免疫防御等任务。 它们的功能，不仅取决于组成它们的氨基酸，也与这些氨基酸怎样折叠成三维结构有关。 知道结构，研究者才更容易理解：疾病可能发生在哪个环节，药物可能作用在哪里。 长期以来，从氨基酸序列准确预测蛋白质结构，是一个重要而困难的科学问题。 AlphaFold让这个领域发生了重大变化。 2021年发表于《自然》的研究显示，AlphaFold在蛋白质结构预测方面取得了高准确度表现；研究团队还公开了大规模的人类蛋白质结构预测结果，供科研使用。([Nature][1]) 2024年诺贝尔化学奖的一半，授予Demis Hassabis和John Jumper，表彰他们在蛋白质结构预测方面的贡献。注意，这是**化学奖**。([NobelPrize.org][2]) 这项突破的意义，是让更多研究有了可以使用的结构线索。 不过，预测结构仍需关注可信度，也不能自动回答蛋白质怎样运动、疾病为什么发生，或某个药物能不能治病。 它把一扇重要的门打开了，门后的研究仍要继续。 ## 02　寻找抗生素：在海量分子中，发现新的可能 细菌耐药，是医学面对的长期挑战。 寻找新抗生素，需要筛选大量分子。AI可以学习已有实验数据，帮助判断哪些分子更值得进入下一步实验。 2020年发表于《细胞》的研究，利用深度学习筛选出具有抗菌活性的分子halicin，并通过实验室和动物实验进行验证。它的结构与常规抗生素不同，为寻找新抗菌分子提供了一个代表性案例。([PMC][3]) 这里，AI帮助解决的是一个实际问题： 面对庞大的候选分子，怎样更有效地找到值得研究的对象？ 但发现抗菌活性，距离成为患者能使用的药物，还有很长的路。安全性、体内效果、剂量和耐药风险，都需要研究。 因此，不能把这项成果写成“AI已经解决了抗生素耐药”。 更准确的说法是：**AI拓宽了寻找答案的路径。** ## 03　设计新药：AI提出的分子，开始接受人体检验 药物研发中，AI既可以帮助寻找与疾病有关的靶点，也可以参与设计候选分子。 一个值得关注的例子，是针对特发性肺纤维化研究的 **rentosertib**。 2025年，《自然医学》发表了它的Ⅱa期随机试验结果。这是一种借助生成式AI发现和设计的TNIK抑制剂。 研究纳入71名患者，治疗12周。最高研究剂量组的用力肺活量FVC平均增加98.4毫升，安慰剂组平均下降20.3毫升。([www.nature.com][4]) 它让人看到：AI参与研发的药物，已经能够走进人体试验。 但同一项研究也提醒我们保持谨慎：样本较小、观察较短，主要终点是安全性；部分患者因肝损伤或肝功能异常停药。 **这是一项需要进一步验证的进展，不能据此宣称肺纤维化已经被治愈。**([www.nature.com][4]) 对患者而言，AI研发的价值，最终要由可靠的临床疗效和安全性兑现。 ## 04　辅助发现癌症：在真实筛查中，帮助医生看得更好 AI辅助影像诊断，已经有真实临床流程中的研究支持。 瑞典的MASAI随机试验，比较AI辅助乳腺摄影筛查与常规双人阅片。 2025年发表的分析中，AI辅助组每筛查1000人检出约6.4例乳腺癌，常规组约5.0例；同时，阅片工作量减少约44%。([PubMed][5]) 2026年的随访分析进一步显示，AI辅助组筛查敏感度更高，两组特异度相同；筛查间期癌发生率满足预设的非劣效标准。 虽然AI组间期癌发生率数值更低，但两组差异没有达到统计学显著，不能将它说成“已经证明漏诊减少12%”。([PubMed][6]) 这类研究的重要意义是： **AI与医生共同构成的筛查流程，可以在减少部分工作量的同时，改善某些筛查指标。** 但检出更多癌症，不自动等于已经证明减少癌症死亡；结果也不能直接推广到所有医院、所有设备和所有疾病。 对普通人来说，更值得期待的，是可靠技术经过验证后，进入规范的医疗流程。 ## 05　帮助瘫痪患者表达和行走：重新连接被阻断的信息 有些患者仍然能够思考、想说话，却因神经系统损伤无法完成表达。 脑机接口尝试记录脑信号，再借助算法，将它转化为文字、声音或设备指令。 2025年发表于《自然神经科学》的研究，在一名严重瘫痪、无法言语的参与者身上，利用深度学习模型，将与说话相关的脑活动转化为连续合成语音，并根据其受伤前声音进行个性化处理。([Nature Neuroscience][7]) 另一项2023年发表于《自然》的研究，通过脑与脊髓之间的数字接口，帮助一名脊髓损伤参与者控制站立和行走。系统结合了脑信号解码、植入设备、电刺激和康复训练。([Nature][8]) 这些成果还处于特定患者的临床研究阶段，不代表所有瘫痪患者都可以获得同样效果，也不是让受损神经自动恢复原样。 但它们展示了一种重要可能： **当原有的神经信息通路受损，技术可以尝试建立新的传递方式。** 重新表达需求、参与对话、完成动作，都直接关系到人的自主性和尊严。 06　这些进展，究竟走到了哪一步？ | 方向       | 已有代表性成果        | 仍需回答的问题      | | -------- | -------------- | ------------ | | 蛋白质结构预测  | 高准确度预测与公开科研资源  | 动态变化、功能与实验验证 | | 抗菌分子发现   | 实验室及动物验证的候选分子  | 人体安全性与疗效     | | AI参与新药研发 | 候选药进入人体试验      | 更大规模、长期临床获益  | | AI辅助乳腺筛查 | 随机试验中的筛查指标改善   | 推广效果与长期患者结局  | | 脑机接口     | 特定患者的表达或运动功能改善 | 适用范围、稳定性与可及性 | 这张表提醒我们：**“科研突破”“人体试验”和“常规治疗”，是不同的阶段。** 而且，这里的AI也不是同一个系统。蛋白质预测模型、影像识别工具、脑信号解码模型，与日常使用的聊天AI，任务和验证方式都不同。 07　对普通人和医生，真正的改变是什么？ 从这些成果看，AI最有价值的影响，是扩大医学能够处理的问题范围。 研究者可以更快获得线索，医生可以得到额外的识别支持，部分患者可能获得新的治疗或沟通机会。 未来，它也可能帮助整理健康信息、降低重复工作负担，让医务人员有更多时间解释病情、理解患者。但这些收益能否实现，取决于技术怎样被使用、验证和管理。 AI同样会出错。 世界卫生组织指出，医疗场景中的生成式AI可能输出错误、不完整或带有偏差的信息，也涉及隐私、自动化依赖等风险。([who.int][9]) 因此，患者可以用AI帮助理解术语、整理就诊问题，但药物调整和重要治疗决定仍应经过专业核对。 医生也需要判断：这个工具在哪类患者中验证过？误报和漏报有什么后果？结果与临床情况不一致时，该怎样处理？ **越是重要的决定，越需要可核查的证据。** --- ## 医学进步，最终要回到人的生活 对研究者来说，AI可能是一张蛋白质结构图。 对医生来说，它可能是一次值得复核的病灶提醒。 对患者来说，它的意义可能更具体： 多一种治疗选择，更早发现疾病，重新说出自己的想法。 医学仍有许多未解难题，AI也不能给每个患者承诺奇迹。 但它已经让一些曾经困难的任务变得可行，让一些原本遥远的方向进入临床研究。 值得期待的未来，是这些技术成果经过严格验证，最终变成更多人能够获得的帮助。** 那时，“AI改变医学”，才真正成为“医学改变生活”。 [1]: https://www.nature.com/articles/s41586-021-03819-2?utm_source=chatgpt.com "Highly accurate protein structure prediction with AlphaFold" [2]: https://www.nobelprize.org/prizes/chemistry/2024/summary/?trk=public_post_comment-text&utm_source=chatgpt.com "The Nobel Prize in Chemistry 2024" [3]: https://pmc.ncbi.nlm.nih.gov/articles/PMC8349178/?utm_source=chatgpt.com "A deep learning approach to antibiotic discovery" [4]: https://www.nature.com/articles/s41591-025-03743-2?code=efdc847e-cf27-4f2f-9124-af4b00099184&error=cookies_not_supported&utm_source=chatgpt.com "A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial" [5]: https://pubmed.ncbi.nlm.nih.gov/39904652/?utm_source=chatgpt.com "Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallel-group, non-inferiority, single-blinded, screening accuracy study" [6]: https://pubmed.ncbi.nlm.nih.gov/41620232/?utm_source=chatgpt.com "Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial" [7]: https://www.nature.com/articles/s41593-025-01905-6?utm_source=chatgpt.com "A streaming brain-to-voice neuroprosthesis to restore naturalistic communication" [8]: https://doi.org/10.1038/s41586-023-06094-5?utm_source=chatgpt.com "Walking naturally after spinal cord injury using a brain–spine interface" [9]: https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models?utm_source=chatgpt.com "WHO releases AI ethics and governance guidance for large multi-modal models"