TNIK kinase(INSILICO MEDICINE)

一、行业现状：AI 制药迈入商业化阶段，化学模型先行，生物模型待验证 AI 驱动的药物发现（AIDD）已从试点验证进入真正的商业化阶段，全球范围内的合作协议、平台交易和里程碑式合作数量激增。2025 年全球生物制药领域的 AI 相关交易数量已超 200 笔，交易总额突破 500 亿美元，较 2021 年的 86 笔、180 亿美元实现跨越式增长。这一增长主要由聚焦化学层面的 AI 模型推动 —— 这类模型通过加速分子设计、优化化合物属性预测、缩短 “设计 - 合成 - 测试 - 学习”（DMTA）循环周期，能显著提升药物发现的效率，降低单位周期成本，其价值可量化、易落地，已成为当前 AIDD 商业化的核心引擎。 目前 AI 制药的应用仍存在明显短板： adoption 呈现 “局部化” 特征，多集中在特定工作流程而非全流程整合，技术更多作为执行加速器而非战略决策工具。核心瓶颈在于生物层面的 AI 模型尚未成熟 —— 化学模型解决 “如何高效开发药物” 的问题，而生物模型聚焦 “开发什么药物” 的关键决策，包括靶点 - 疾病关系预测、作用机制优先级排序、转化生物标志物筛选等，直接影响早期研发方向的正确性。尽管生物模型潜力巨大，但仍处于验证阶段，其效果需通过临床前和人体临床试验数据确认，这也导致 AIDD 目前仅占全球药物研发支出的一小部分。 全球制药行业的现实压力进一步凸显了 AIDD 的必要性：专利悬崖逼近，2026-2035 年将迎来大规模专利到期潮；研发投资回报率（ROI）持续下滑，2024 年药物开发的静态内部收益率已降至 5.4%，远低于 2013 年的 8.0%；后期临床试验失败成本不断攀升，行业迫切需要能压缩研发周期、降低决策风险的工具。在此背景下，中国凭借规模优势、临床开发效率和成本优势，已成为 AIDD 的重要试验场，本土生物科技公司快速采纳 AI 工具，头部科技企业加大 AI 基础设施投入，政策层面也出台多项支持措施，推动 AI 与药物研发深度融合。 二、关键转折：2026 年成生物模型验证元年，临床数据定生死 摩根士丹利明确指出，2026 年将是 AI 制药行业的 “决战之年”—— 一系列集中爆发的转化医学和临床数据读出，将首次系统性验证 AI 驱动的生物模型是否具备 “经前瞻性验证的人类相关性”，这也是 AIDD 能否从 “工作流程工具” 跨越到 “行业变革力量” 的核心拐点。 此前行业已出现初步验证信号：Insilico 的 AI 发现靶点 TNIK 抑制剂在特发性肺纤维化（IPF）的 2a 期临床试验中取得积极数据，成为首个证明 AI 识别的纤维化靶点能在患者中产生临床意义的抗纤维化活性的案例；Recursion 的 MEK1/2 抑制剂 REC-4881 在家族性腺瘤性息肉病（FAP）的 2 期试验中显示出快速且持久的息肉减少效果，验证了表型组学驱动的生物学转化潜力。2026 年将有更多关键数据出炉，覆盖多个公司、适应症和药物形式，形成密集的验证周期： Insilico 的 ISM5411（靶向 PHD1/2）将在 2026 年 1 月的克罗恩病大会上公布 1 期临床试验结果；Recursion 有多款核心产品进入数据读出期，包括 1 季度的 REC-3964（艰难梭菌感染）2 期更新、上半年的 REC-1245（RBM39 降解剂）1 期剂量递增数据，以及下半年的 REC-3565（MALT1）1 期安全性数据；Schrödinger 的 SGR-3515（Wee1/Myt1 抑制剂）将于上半年公布首份临床数据；Absci 的 AI 全新设计抗体 ABS-201（靶向 PRLR）针对雄激素性脱发的中期概念验证数据预计在下半年披露；AbCellera 的 ABCL635（靶向 NK3R）用于更年期相关血管舒缩症状的 1/2 期顶线结果将在 3 季度发布。 这些数据的核心意义在于：若能持续出现积极信号，将证明 AI 不仅能优化药物开发效率，还能通过精准靶点选择、机制验证提升药物研发的成功率，推动 AIDD 从 “执行支持” 升级为 “决策主导”，破解行业长期存在的技术和组织层面障碍，实现从早期采用者到主流应用的 “跨越鸿沟”。反之，若数据不及预期，可能导致行业信心受挫，延缓 AIDD 的全面渗透。 三、技术双核：化学与生物模型的差异与协同 AI 制药的技术体系可清晰划分为化学模型和生物模型两大核心，二者在解决问题、技术成熟度、价值体现等方面存在显著差异，却共同构成药物发现的全流程支撑。 化学模型以物理约束的分子表示为基础，依托结构 - 性质关系、结合能、药代动力学等快速反馈数据，擅长药物发现中执行密集型阶段 —— 包括苗头化合物发现、苗头到先导化合物优化、先导化合物优化等。其成功可通过明确的指标量化，如 DMTA 循环时间缩短、合成化合物数量减少、苗头到先导化合物转化率提升等。根据企业披露数据，采用 AI 化学模型可使临床前候选化合物（PCC）的发现时间缩短 60%-70%，临床前开发成本降低 50%，显著延长药物专利保护期内的商业化时间。 生物模型则依赖基因组学、转录组学、表型筛选、扰动实验等异质性强、反馈周期长的数据，核心作用于临床前研发的早期和后期关键决策节点 —— 靶点发现、机制验证、患者分层和生物标志物选择。这类模型的价值更具颠覆性，但验证难度更高，关键评估指标包括优先靶点获得人类遗传学或扰动证据的比例、AI 提出的生物学假设实验验证率，以及首创药物的概念验证数据。与化学模型的快速迭代不同，生物模型的验证需要长期临床数据支撑，这也是其成熟度滞后于化学模型的核心原因。 两类模型并非孤立存在，而是形成协同效应：化学模型的高效执行能为生物模型提供更多实验数据，加速其迭代优化；生物模型的精准决策则能为化学模型指明方向，避免无效开发。2026 年的核心看点，正是生物模型能否跟上化学模型的步伐，实现技术体系的全面成熟。 四、全球格局：中美双线并行，中国凭优势加速追赶 中美两国在 AI 制药领域形成了差异化竞争、互补发展的格局，中国凭借独特优势正快速成为全球 AIDD 的重要增长极。 中国的核心优势体现在三方面：一是政策强力支持，从 2023 年《人工智能 + 行动方案》将 AI 与药物研发深度融合列为重点，到 2024 年 NMPA 出台《AI 辅助药物研发技术指导原则（试行）》明确审批路径，再到 2025 年《AI + 深度实施方案》设定 2027 年 AI 终端渗透率 70%+ 的目标，形成了从顶层设计到落地执行的完整政策链条；二是基础设施与成本优势，国内六大科技公司 2026-2027 年预计每年投入约 4500 亿元人民币用于 AI 相关资本支出，大规模算力部署降低了模型训练和推理成本，开源大模型的普及进一步降低了行业准入门槛；三是临床转化效率，庞大的患者群体、高效的临床试验基础设施，能快速为 AI 模型提供真实世界数据反馈，加速模型迭代验证。2025 年中国 AIDD 相关交易披露金额已超 123 亿美元，较 2023 年增长近 10 倍，2026 年初至今交易金额已达 36 亿美元，势头持续强劲。 美国则在基础研究、生物制药创新深度、先进算力获取等方面保持结构性优势，依托顶尖学术机构和成熟的生物科技集群，在前沿模型开发、生物科技与 AI 融合的风险投资、AI 原生药物发现平台的早期商业化等领域领先。但美国市场也面临监管谨慎、实验成本高、企业 IT 环境碎片化等问题，导致 AI 在制药研发中的扩散速度相对较慢。 总体来看，美国可能继续主导基础突破和首创性 AIDD 创新，而中国则凭借 adoption 速度、成本优势和临床验证效率快速追赶，成为全球 AI 制药行业不可或缺的关键力量。 五、投资框架与标的选择：CLARITY 模型指引布局方向 摩根士丹利提出 CLARITY 框架，为投资者筛选 AIDD 标的提供清晰指引，核心围绕七大维度：核心价值层面（化学执行 vs 生物决策）、验证水平（基准测试、临床前、转化医学、临床证据）、决策自主性（辅助洞察 vs 权威把关）、收入模式匹配度（与证据成熟度适配）、工业可扩展性（跨项目、合作伙伴、治疗领域的可复制性）、催化剂时间节点（即将到来的验证数据）、投资回报率（成本、速度、成功率的可衡量改善）。 基于这一框架，投资策略应兼顾 “核心配置” 与 “弹性期权”： 核心配置聚焦化学执行领先平台，这类企业技术成熟、价值已被验证，通过 SaaS 订阅、服务费等模式实现稳定收入，波动性较低，即使生物模型验证进度放缓，仍能凭借效率提升持续创造价值，代表企业包括 Schrödinger、Absci 等。 弹性期权则精选生物验证导向型平台，这类企业的价值高度依赖 2026 年的临床数据读出，若数据积极，有望实现估值重估，获得不对称收益，代表企业包括 Insilico、Recursion、AbCellera 等。 具体标的评级方面，摩根士丹利给予 Insilico（3696.HK）“增持” 评级，认为其兼具成熟的化学引擎和早期生物数据验证，拥有自有和合作项目的多重数据催化剂，是布局 AIDD 生物驱动价值的核心标的；给予 Recursion（RXRX.O）、Schrödinger（SDGR.O）、Absci（ABSI.O）“持有” 评级，建议持续跟踪其临床数据和平台验证里程碑。 行业主要风险包括：生物模型可能无法证明可重复的、前瞻性的人类相关性；执行层面的效率提升难以转化为全流程 adoption；组织惯性（数据孤岛、风险厌恶、激励错位）可能抵消技术带来的经济收益；早期数据可能存在歧义，导致行业怀疑情绪延续。 此为报告精编节选，报告原文： 《摩根士丹利-跨越分子：为何2026年是AI药物发现的关键之年-Crossing the Molecule：Why 2026 Is the Make-or-Break Year For AI in Drug Discovery-20260202【32页】》 请点击下方「阅读原文」跳转【价值目录】电脑站点下载阅读。