Apple Medical Corp.

一、一些值得放在一起看的事实 2021年，德米斯·哈萨比斯（Demis Hassabis）创立Isomorphic Labs，将人工智能用于药物发现。2024年，公司与诺华、礼来达成合作，两项协议潜在总价值接近30亿美元，不含销售版税，研究方向均涉及小分子药物。[1][2] 2025年3月，Isomorphic Labs宣布完成6亿美元首次外部融资。2026年5月，公司又宣布完成21亿美元B轮融资，用于扩展药物设计引擎、推进候选药物走向临床。[3][1] 传统药企同样在行动。 2024年5月，赛诺菲、Formation Bio与OpenAI宣布合作，将专有数据、软件和定制模型结合，用于药物开发。[4] 2025年6月，诺和诺德与英伟达宣布合作，依托丹麦Gefion超级计算机，开发用于早期研究和临床开发的定制模型与智能体。研究方向包括预测细胞对药物的反应、设计分子，以及分析基因、蛋白质与疾病的关联。[5] 2026年1月，礼来与英伟达宣布建立AI联合创新实验室，计划在五年内合计投入最高10亿美元，将计算模型与真实实验连接起来。[6] 同月，Modella AI宣布被阿斯利康收购。其多模态模型与AI智能体将用于阿斯利康的肿瘤临床开发、标志物发现和数据分析。[7] 2026年3月，罗氏宣布新增2176块英伟达Blackwell GPU，扩大全球AI基础设施。在研发端，公司将生物学、化学实验与AI模型连接，用于规模化检验研究假设。[8] 同月，英矽智能在港交所披露与礼来的管线授权及AI药物发现合作：约定首付款1.15亿美元，包含后续里程碑的潜在总额约27.5亿美元，另有销售版税。[9] 2026年4月，诺和诺德进一步与OpenAI达成战略合作，计划将AI应用扩展至药物发现、生产、供应链和商业运营，并培训全球员工，目标是在2026年底完成全面整合。[10] 2026年10月7日，Biohub宣布扩大虚拟生物学计划。Google DeepMind、Isomorphic Labs与Meta宣布合计投入3亿美元，支持生成可用于训练生物学模型的数据，为预测细胞如何响应药物等干预提供基础。[11] 融资和合作尚不能证明AI提高了新药上市成功率，潜在交易金额也不等于已支付的现金。但这些事实说明，人工智能正在进入药企的研发投入、实验体系和组织建设。 拥有成熟研发体系的制药企业，为何持续投入这一领域？二、AI已经不只是聊天工具 判断AI的能力，已经很难只依据它几个月前的表现。 2024年，Google DeepMind的数学系统在国际数学奥林匹克竞赛试题上达到银牌水平。2025年，Gemini Deep Think的高级版本解出六道题中的五道，得到35分，经赛事协调方评定达到金牌标准；解答以自然语言完成，并遵守比赛时限。[12] 2026年2月，DeepMind又披露数学研究智能体Aletheia参与专业数学研究，涉及算术几何和组合数学等问题，部分成果已形成投稿论文。团队同时明确，这些工作尚不属于其定义中的重大或里程碑式突破。[13] 智能体开始能够连续完成任务：检索文献、调用工具、运行代码、检查结果，再决定下一步。2026年9月，斯坦福医学院介绍了James Zou团队搭建的“虚拟生物技术公司”：约3.7万个智能体分工协作，在不到一周内分析并整理了约5万项临床试验。这是一套研究系统，其提出的候选靶点仍待实验验证。[14] 同月，Anthropic披露，Claude智能体在研究人员设定目标后，通过约950个会话、21.5小时的计算分析，识别出一种此前未被描述的阵列相关逆转录酶系统ART。它具有类似CRISPR的重复序列排列，研究人员随后在实验中观察到了相关序列的RNA表达。[15][16] 研究已公布预印本。ART的功能尚未确定，还不能视为新的基因编辑工具；但它表明，AI能够从原始数据中追查线索，提出值得实验验证的新对象。[15][16] 生命科学领域已有更成熟的例子。2024年诺贝尔化学奖将一半奖项授予Hassabis和John Jumper，表彰其蛋白质结构预测工作。同年发表的AlphaFold 3，进一步把预测范围扩展至蛋白质与小分子、核酸等组成的复合物。[17][18] 从数学推理到生物数据分析，AI能承担的任务正在扩展。对药物研发的讨论，也需要跟上这种变化。三、药物研发可能发生什么变化 2026年4月，斯坦福大学生物医学数据科学副教授James Zou在访谈中判断，AI将影响从药物发现、临床开发到上市后真实世界数据分析的整个流程。[19] 哈萨比斯在2025年接受CBS采访时更提出，AI或有望在未来十年左右帮助治愈所有疾病。[20] 这是个人展望。判断它离现实有多远，仍需回到研发的具体环节。 首先，靶点发现可能从分散查找线索，转向同时整合更多层次的证据。 干预一个靶点，能否真正带来临床获益？2024年《自然》的一项回顾性研究估计，有人类遗传学证据支持的药物机制，其临床成功概率约为无支持者的2.6倍。这是靶点证据的价值，并非AI带来的增益。[21] AI的机会在于协助整合这些证据。英矽智能的rentosertib就是一个案例：团队利用AI提出TNIK作为特发性肺纤维化的候选靶点，再设计小分子。据其报告，从启动靶点发现到确定临床前候选物用了约18个月。[22] 其次，分子设计可能更早地围绕一组目标展开。 一个分子既要结合目标，也要考虑选择性、代谢、毒性和可制造性。2026年2月，Isomorphic Labs公布IsoDDE药物设计引擎，披露其在结合结构、结合强度和潜在结合位点预测方面的进步。这些技术结果仍需在实际研发中检验。[23] 蛋白质药物也在变化。2023年《自然》发表的RFdiffusion研究，已能按结构或结合目标设计蛋白质，并实验验证部分结果。Generate:Biomedicines的长效抗体GB-0895则已进入严重哮喘III期研究，探索每年两次皮下注射的方案；疗效和给药频次仍待验证。[24][25] 第三，虚拟细胞可能让部分试错提前在计算机中进行。 “虚拟细胞”利用组学、成像和干预实验数据训练模型，尝试预测药物或基因干预后，细胞会发生什么变化。[26][27] 2026年8月，GenBio AI公布AIDO Cell，尝试在统一模型中模拟干预后的多层次细胞变化。按公司披露，初始版本聚焦K-562和Hep-G2两种人类细胞系，新预测的湿实验验证仍在推进。[26] Arc Institute此前发布的State，则聚焦药物、细胞因子或基因干预引起的RNA表达变化。[27] 如果预测能在未见过的细胞和干预条件下得到验证，研究者就可能先模拟候选药物、联合用药及不同细胞背景下的反应，再选择最值得做的实验。筛选标准也可能从结合某个靶点，扩展到改善疾病相关的细胞状态。[28] 短期价值更可能是确定实验优先级。预测RNA表达不等于预测药效，细胞模型也难以独自回答全身药物暴露、组织间相互作用及长期安全性问题。能否减少临床失败，仍待验证。[28] 第四，实验可能更多地由上一轮结果决定下一轮安排。 礼来与英伟达的联合实验室计划，把计算设计与真实实验相连；罗氏也在建设实验与模型联动的研发体系。[6][8] 这种循环若能稳定运行，团队就有望更快排除无效方向，让失败实验也改善下一轮设计。前提是实验可重复、数据可追溯，模型能正确理解测试条件。 第五，临床开发中的信息处理和患者匹配，也可能明显提速。 2024年发表于《自然·通讯》的TrialGPT研究，利用大模型逐项比对患者信息与试验入排标准。在模拟筛选任务的小规模用户研究中，医生使用该工具后，筛选用时减少约42.6%。这只是特定筛选任务的提速，不能外推为整个临床周期同比缩短。[29] 而药物最终是否有效，仍需患者数据回答。2025年6月，《自然·医学》发表rentosertib的IIa期结果：71名患者随机分入四组，治疗期为12周，每日一次60毫克组的用力肺活量较基线平均增加98.4毫升，安慰剂组平均减少20.3毫升。[22] 这是积极信号，但肺功能为次要终点，主要终点是治疗期间出现至少一次不良事件的患者比例。试验样本较小、观察较短，16人未完成12周治疗，部分停药涉及肝脏不良事件，长期疗效与安全性仍需确认。[22] AI平台企业同样会遭遇临床挫折。2025年5月，Recursion披露，REC-994长期延伸研究未能延续早期探索性指标中的积极趋势，综合数据支持终止试验。[30] 研发各环节的进步未必同步。设计分子提速之后，靶点是否可靠、药物能否到达组织、人体是否真正获益，仍可能成为瓶颈。四、传统药企真正面临的竞争 行业格局的变化，有时来自既有竞争范围之外。外来者带来的产品和组织方式，可能改变原有优势的价值。 2007年，苹果进入手机市场，将电话、音乐播放器和互联网设备整合进同一块触摸屏，带入的是计算机、软件和消费电子领域的积累。[31]未来的竞争者，未必都在今天的同行名单中。 医药领域也出现了类似迹象。Isomorphic Labs将AI研究延伸至药物设计，与大型药企签订研发合作；Anthropic建立生命科学研究团队和实验室，将模型训练、生物学研究与实验放进同一个组织。[2][15] 如果这些平台能够持续提出高质量靶点和候选分子，并快速完成实验验证，它们就可能获得更多项目选择权和合作议价权。大型药企仍可承担临床开发、生产与商业化，但研发价值的分配可能改变。 外来者仍须补足疾病生物学、长期安全性、工艺放大和临床开发能力。赛诺菲、礼来、罗氏和诺和诺德的布局，也说明传统药企正在主动吸收新技术。[4][6][8][10] 真正值得警惕的，是把这场变化理解为采购几个模型。一家企业即使拥有先进工具，如果实验结果无法回流、团队不能判断预测的可靠性，也很难形成持续优势。竞争可能越来越取决于谁能把数据、模型、实验和临床经验组织成一个不断改进的研发体系。五、结语：需要警惕的不是AI本身 未来五至十年，哪些变化可能成为现实？以下是基于现有进展的推测，其实现仍取决于模型可靠性、实验自动化和临床验证。 较有现实基础的情景，是智能体成为研发团队的日常成员，承担文献追踪、数据分析和部分实验设计。标准化实验与模型逐步联动；虚拟细胞若在特定场景获得验证，“先模拟、再实验、再修正模型”可能成为常见流程。 小型团队或许能借助模型、自动化平台与外部开发网络，同时推进更多项目。公司的研发能力，将越来越难仅凭人数和实验室面积判断。若多款AI深度参与研发的药物在后期临床中显示明确优势，行业才有更充分的依据，判断这些变化能否持续提高成功率。 未来的顶尖药企，会是一家“披着医药外壳的高科技公司”吗？从组织方式看，或许如此：计算、生物学、工程与临床高度融合，模型、实验平台和药物管线共同构成竞争力。衡量它的最终尺度，仍是能否把安全、有效的药物交付给患者。 AI带来的深层变化，可能是药物研发中稀缺资源的重新分布。当生成分子、提出假设和组织分析越来越容易，可靠的实验、能够解释失败的数据，以及判断哪些问题值得投入的能力，可能变得更加重要。计算可以扩大探索的范围，医学进步仍取决于能否从大量可能性中，积累真正可信的知识。 药企过去建立的优势，也需要被重新理解。多年积累的数据与经验，只有能够进入新的研究过程，才可能继续形成优势。未来的竞争，将越来越取决于一家组织能否从每一次成功与失败中学习，并让这些认识改善下一次决策。 如果这种能力最终成熟，它还可能改变哪些疾病值得被研究：一些因患者少、机制复杂或试错成本过高而长期搁置的方向，或许能够重新进入研发视野。这将是AI重塑药物研发更深远的意义。 巨浪已至，行业的版图或许会重画。但比谁站上浪头更值得关注的，是这股力量能否拓宽医学所能抵达的边界，让过去无药可用的人，拥有新的可能。参考资料 资料核查截至2026年10月 [1] Isomorphic Labs. Isomorphic Labs secures $2.1 Billion funding to scale its AI drug design engine[EB/OL]. 2026-05-12. [2] Isomorphic Labs. Isomorphic Labs kicks off 2024 with two pharmaceutical collaborations[EB/OL]. 2024-01-07. [3] Isomorphic Labs. Isomorphic Labs announces $600m external investment round[EB/OL]. 2025-03-31. [4] Sanofi. Sanofi, Formation Bio and OpenAI announce first-in-class AI collaboration[EB/OL]. 2024-05-21. [5] NVIDIA. NVIDIA Partners With Novo Nordisk and DCAI to Advance Drug Discovery[EB/OL]. 2025-06-11. [6] Eli Lilly and Company / NVIDIA. NVIDIA and Lilly Announce Co-Innovation AI Lab to Reinvent Drug Discovery In the Age of AI[EB/OL]. 2026-01-12. [7] Modella AI. Modella AI Announces Acquisition by AstraZeneca to Advance AI-Driven Oncology R&D at Global Scale[EB/OL]. 2026-01-13. [8] Roche. Roche launches NVIDIA AI factory to accelerate the development of new therapeutics and diagnostics solutions[EB/OL]. 2026-03-16. [9] Insilico Medicine. INSILICO MEDICINE ANNOUNCES A GLOBAL PIPELINE LICENSING AND AI DRUG DISCOVERY COLLABORATION WITH LILLY[EB/OL]. 2026-03-29. [10] Novo Nordisk. Novo Nordisk and OpenAI partner to transform how medicines are discovered and delivered[EB/OL]. 2026-04-14. [11] Biohub. International, cross-sector collaboration commits nearly $2 billion to build foundational data for AI models to predict and treat disease[EB/OL]. 2026-10-07. [12] Google DeepMind. Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad[EB/OL]. 2025-07-21. [13] Luong T, Mirrokni V / Google DeepMind. Accelerating Mathematical and Scientific Discovery with Gemini Deep Think[EB/OL]. 2026-02-11. [14] Stanford Medicine / Hanae Armitage. Virtual biotech company puts thousands of AI scientist agents to work on drug discovery[EB/OL]. 2026-09-17. [15] Anthropic. Claude discovers a novel enzyme system with CRISPR-like repeats[EB/OL]. 2026-09-23. [16] Yoon PH, et al.. Autonomous AI agents discover reverse transcriptases with tandem repeat arrays[预印本]. 2026-09-23. [17] The Royal Swedish Academy of Sciences. The Nobel Prize in Chemistry 2024 — Press release[EB/OL]. 2024-10-09. [18] Abramson J, et al.. Accurate structure prediction of biomolecular interactions with AlphaFold 3[J]. Nature, 2024, 630: 493–500. DOI: 10.1038/s41586-024-07487-w. [19] McKinsey / James Zou. James Zou on integrating AI agents into biology R&D and drug discovery[EB/OL]. 2026-04-01. [20] CBS News / Scott Pelley. Artificial intelligence could end disease, lead to radical abundance, Google DeepMind CEO Demis Hassabis says[EB/OL]. 2025-04-20（2025-08-03更新）. [21] Minikel EV, Painter JL, Dong CC, Nelson MR. Refining the impact of genetic evidence on clinical success[J]. Nature, 2024, 629: 624–629. DOI: 10.1038/s41586-024-07316-0. [22] Xu Z, et al.. A generative AI-discovered TNIK inhibitor for idiopathic pulmonary fibrosis: a randomized phase 2a trial[J]. Nature Medicine, 2025, 31: 2602–2610. DOI: 10.1038/s41591-025-03743-2. [23] Isomorphic Labs. The Isomorphic Labs Drug Design Engine unlocks a new frontier beyond AlphaFold[EB/OL]. 2026-02-10. [24] Watson JL, et al.. De novo design of protein structure and function with RFdiffusion[J]. Nature, 2023, 620: 1089–1100. DOI: 10.1038/s41586-023-06415-8. [25] Generate:Biomedicines. Our Pipeline[EB/OL]. 2026-10-10访问. [26] GenBio AI / Caleb Ellington. AIDO Cell: A General-Purpose Simulator for Cell Biology[EB/OL]. 2026-08-18. [27] Arc Institute. Arc Institute’s first virtual cell model: State[EB/OL]. 2025-06-23. [28] Bunne C, et al.. How to build the virtual cell with artificial intelligence: Priorities and opportunities[J]. Cell, 2024, 187: 7045–7063. DOI: 10.1016/j.cell.2024.11.015. [29] Jin Q, et al.. Matching patients to clinical trials with large language models[J]. Nature Communications, 2024, 15: 9074. DOI: 10.1038/s41467-024-53081-z. [30] Recursion. Recursion Reports First Quarter 2025 Financial Results and Provides Business Update[EB/OL]. 2025-05-05. [31] Apple. Apple Reinvents the Phone with iPhone[EB/OL]. 2007-01-09.

随着全球创新版图加速重构，科技革命与产业变革深度交织，跨国公司与中国的创新合作已进入双向赋能、生态共建的协同发展新阶段，跨国公司从中国收获创新红利，中国也在深度国际合作中加速培育新质生产力。 随着全球创新版图加速重构，科技革命与产业变革深度交织，跨国公司与中国的创新合作已超越传统的技术引进与产品代工模式，进入双向赋能、生态共建的协同发展新阶段，跨国公司从中国收获创新红利，中国也在深度国际合作中加速培育新质生产力。中国日益成为全球创新要素的集聚地和创新成果的策源地，为跨国公司提供了从基础研究到应用转化的全链条创新支持。跨国公司也凭借其核心技术、全球研发网络等优势，与中国在先进制造、数字经济、绿色低碳、生命科学等前沿领域深度结合，共同塑造面向未来的全球创新格局，为世界经济的可持续增长贡献新动能。 双向赋能：构建全链条协同的创新生态 凭借稳定的政策环境、雄厚的人才资源、丰富的应用场景以及完备的产业体系优势，中国已经成为全球重要的创新中心。跨国公司在华投资逻辑已从单一的市场驱动转向市场与研发双驱动模式。跨国公司与中国本土的创新力量紧密结合，形成涵盖基础技术突破、应用场景创新、规则标准制定、多种金融支持和创新生态合作的全链条、多层次协同创新网络。 1.利用中国创新资源，深耕在华基础技术研发 随着中国创新环境持续优化、综合优势日益凸显，越来越多的跨国公司在华布局研发中心，加大研发投入，依托中国创新资源提升技术研发水平。南方周末调研报告显示，1993年以来142家跨国公司在华设立了337个研发中心，其中107个为近五年设立。据商务部统计，2025年，科学研究和技术服务领域新设立的外资企业达1.4万家，同比增长27.2%；实际使用外资已占中国实际使用外资总额的近五分之一，占比连续七年稳步上升，为2018年的3.8倍。跨国公司对华绿地投资中，2025年研发投入为37.3亿美元，占跨国公司全球研发总投入的14.3%；研发投资项目45个，占全球的5.6%。制药业成为跨国公司在华研发投入最集中的领域。同期，跨国公司对华制药业研发投资26.4亿美元，占对华研发总投资的70.8%；对工业设备、软件与IT服务行业研发投资分别为3.1亿美元和2.7亿美元，占比分别为8.2%和7.3%。 跨国公司依托中国在新材料、生物医药、AI大模型等基础科学和前沿技术领域的深厚积累与人才优势，积极在华布局基础技术研究。2025年，全球领先的材料科学公司陶氏在上海设立其全球首个热管理材料科学实验室，专门针对AI算力激增背景下的散热基础材料进行攻关。同期，国际化工巨头汉高在上海建立其全球第二大创新中心，旨在围绕新能源汽车电池等设备的高端散热材料进行技术突破，就AI芯片需要的高性能封装材料展开研发。拜耳与中国高校持续十多年的战略合作也进一步延长，将围绕肿瘤、心血管、神经学、免疫学等前沿领域开展基础研究，为加速新药研发提供基础技术支持。 2.依托中国市场需求，加速开展应用场景创新 跨国公司在华正从“技术输入者”向“价值共创者”转型，通过与本土企业的深度研发合作，不仅推动自身技术的本土化落地，更催生出大量符合中国市场需求的新产品、新服务和新场景。西门子医疗与中国本土公司共同推进放射配体疗法与分子影像系统技术在前列腺癌等重疾的精准诊疗一体化领域的创新，完善了中国医院场景下从患者筛选、诊断、治疗到监测的全流程诊疗方案。强生医疗科技将密网支架引进中国市场后，积极与本土生物医药企业收集分析中国临床手术情况，成功研发了适用于颅内动脉瘤等新治疗场景的治疗装置。博世结合中国商用车电动化、智能化的发展趋势，依托电驱桥、电动转向等核心汽车部件领先技术，开发出符合中国使用场景的智能辅助驾驶集成化平台。特斯拉深度参与本地化应用生态创新，基于中国消费者习惯，与腾讯合作升级了车载微信互联功能和目的地周边智能推荐等服务。 3.凭借国际标准化经验，积极参与中国规则制定 跨国公司凭借全球领先的技术积累和丰富的国际标准化经验，在多领域深度参与中国标准制定与修订，成为中国行业标准体系完善升级的共建者，以及推动中国标准与国际规则对接的连接器。据国家标准委统计，截至2025年6月底，全国专业标准化技术委员会（以下简称“技术委员会”）外资企业委员已达3333人次，占委员总数的5.4%；外资企业委员参加了791个技术委员会，占技术委员会总数的58%，涉及信息技术、集成电路、通信、汽车、医疗、电子、家电、食品等重点领域。外资企业委员不同程度参与了中国标准的预研、立项、起草、审查、修订等具体工作，对提高中国标准技术水平、促进与国际国外标准一致性发挥了重要作用。2023年《上海市促进浦东新区标准化创新发展若干规定》实施，至2025年，浦东新区已有31家外资企业主导制（修）订国家标准52项。国际独立第三方检测、检验和认证机构莱茵深度参与了中国《车载激光雷达性能要求及试验方法》国家标准的制定，为中国标准贡献力量。 4.依靠多元化金融手段，积极支持中国本土创新力量 从设立创投平台、成立产业基金，到发起风险投资，跨国公司以耐心资本为中国初创企业提供资金、技术和全球渠道的多重赋能。拜耳集团在华设立创投平台——拜耳Co.Lab创投联盟，帮助中国生物医药企业对接国际风投私募机构，加速融入全球投融资网络。宝马中国联合沈汽集团等设立沈阳汽车产业投资基金，聚焦汽车电气化、智能化、低碳化转型，支持新能源、新材料、人工智能等领域的技术研发。博世集团旗下的博原资本和博世创投，联合中国企业成立创投公司，专注投资复杂装配、智能质检等场景下的灵巧型机器人研发和具身智能技术的工业化应用。跨国公司与中国本土创新企业的战略合作，正有力拉动国际资本对中国创新的投入。阿斯利康与和铂医药达成全球战略合作，实现跨国药企研发体系与本土创新技术平台的强强联合，这也吸引了主权基金新加坡政府投资公司（GIC）大幅增持和铂医药。 5.深度融入中国创新网络，促进创新生态繁荣 跨国公司积极融入中国本土创新计划，通过共享创新资源、集聚创新力量，促进创新生态繁荣。2025年，辉瑞加入上海浦东新区大企业开放创新中心（GOI）计划，将利用全球团队的能力和知识，为本土企业和本土创新赋能。宝马中国以首个外资车企成员身份，正式加入国家级“开源创新发展推进中心”，与阿里巴巴、DeepSeek、华为等中国科技伙伴深度合作，在智能驾驶辅助、人工智能、车载交互等领域推动创新。西门子通过开放式数字商业平台Xcelerator，在中国链接53万用户，汇聚300多个生态伙伴，积极构建开放共赢的创新生态。 全球策源：推动中国智慧反哺世界市场 中国为跨国公司提供了全球最大的应用市场、最完备的产业生态和最丰富的创新场景，在全球创新生态中的吸引力不断提升。跨国公司将中国本土的人才、技术、产业链等创新资源在全球范围内深度整合，驱动全球技术迭代与产品创新，在国际竞争中获得新动能。当前，中国已经从跨国公司的全球制造基地升级成为全球创新策源地，在中国研发和测试的新技术、新模式正在积极反哺国际市场。 1.跨国公司在华研发中心能级持续跃升 跨国公司在华研发目标正从服务中国市场转向服务全球市场。2023年在苏州投入运营的空中客车中国研发和创新中心，逐步将从中国萌发的技术经验引入其全球航空产业链，安全增强系统、智能物流系统等多个创新应用，正向全球总装线设施推广。宝马集团成立宝马（南京）信息技术有限公司，将其作为全球研发中心之一，计划结合中国在AI、工业数字孪生等前沿领域的技术优势，构建包括软件架构、智能驾驶等领域的智能网联汽车研发体系，未来将推动中国创新成果在全球共享。默克公司在上海设立的电子科技中心，专注于OLED材料等前沿显示技术的研发，其成果已同步服务于默克全球的光电业务网络。 在华研发机构逐步升级为主导跨国公司全球研发进程的核心枢纽。苹果公司深圳应用研究实验室深度接入珠三角电子产业集群，其研发成果直接支撑iPhone、iPad等全球产品的测试与技术迭代。赛诺菲在北京、上海、成都、苏州设立四大研发中心，中国的技术研发团队已深度参与了其90%以上的全球研发项目，涉及呼吸系统疾病、皮肤免疫、代谢性疾病等多个关键疾病领域，还参与了12款潜在重磅产品的全球同步研发。 2.跨国公司在华研发成果加速向全球输出 随着在华研发中心能级的持续升级，跨国公司正将在中国孕育的创新技术和标准，通过全球网络加速输出到世界市场，且在部分领域引领全球创新方向。中国日益成为跨国公司全球技术标准与核心解决方案的输出源。 技术产品层面，博世中国研发的智能辅助驾驶系统将搭载在中国制造的汽车上，登陆欧洲市场。宝马沈阳研发中心研发的第5代动力电池已应用于全球车型，其依托中国市场研发的用户数据闭环管理系统将推广至全球其他区域。霍尼韦尔、凯士比等企业也已将其在中国打磨成熟的技术、软件与解决方案向全球输出。 产业标准层面，凯士比是全球领先的泵、阀及自动化系统制造商，其上海团队研发的智能诊断算法和数字孪生技术已经成为凯士比全球工厂的标配，在中国研发的技术正逐步替代原有标准，应用于中东和欧洲市场。舍弗勒中国团队研发生产的高标准汽车智能制造生产线已交付欧洲头部车企的匈牙利汽车生产基地，将通过工业机器人、关键工艺集成等方式，显著提升生产效率和产品质量。通过汽车制造生产线的输出，中国的智能制造技术标准也推广至海外。 前瞻引领：共同探索未来产业新赛道 当前，中国正加速培育壮大新兴产业、前瞻布局未来产业，以新质生产力推动高质量发展，为全球跨国公司开辟了前所未有的合作空间。跨国公司正将中国从全球配置资源和市场布局的“可选项”升级为战略发展的“必选项”，以技术协同、研发共建、产业共融等模式，深度参与中国新兴及未来产业核心赛道建设，形成互利共赢的创新共同体，既共享中国超大规模市场红利，也为中国产业升级注入全球创新动能。 1.深化人工智能合作，赋能产业数字化转型 人工智能已成为风险投资和科技领域的主导力量。据OECD统计，2025年，中国AI企业吸收了全球约139亿美元的风投资金，位居第三，仅次于美国和欧盟。2025年四季度以来，外资加速回流中国一级市场，“A+”成为布局的核心赛道。国际资本通过设立专项基金、投资交易型开放式指数基金（ETF）等方式在华布局，如知名投资管理公司KIM推出了专注于中国AI领域的ETF“KIMACE中国AI大数据科技TOP2+主动型ETF”。跨国公司将AI与数字化领域作为在华投资的战略重点。毕马威《2025年跨国企业中国展望》报告显示，超过90%的受访企业计划或已经开展数字化投资，其中52%的企业将加强数据分析能力作为首要任务，58%的企业已在业务运营中应用人工智能工具。这标志着中国不仅是全球最大的数字化应用市场，更成为AI技术研发与场景落地的前沿试验场。 中国在AI领域拥有无可替代的协同优势，“人工智能+”行动正推动AI与千行百业深度融合，超大规模的应用场景与丰富的数据资源，为AI技术迭代提供了丰富的试验场。松下机电株式会社向其位于广州黄埔的松下电子材料（广州）有限公司投资约75亿日元，用于扩建面向下一代AI服务器、高速通信网络设备的高性能多层基板材料“MEGTRON”新生产线。西门子与中国十五冶共创的“工业智能体”在华南一家炼铜企业完成部署，通过AI算法优化生产参数，取代依赖经验的粗放调控；依托生成式工业人工智能助手Industrial Copilot，与中科摩通合作打造新一代新能源汽车EMB智能装配设备，缩短调试周期，并降低生产成本。阿斯利康宣布一项25亿美元的投资计划，在北京建立其全球第六个战略研发中心，聚焦AI赋能的药物早期发现与临床开发，构建AI驱动的全流程研发体系。跨国公司正以资本、技术、研发等多种形式，深度嵌入中国人工智能与数字化转型领域的创新链条，共享市场机遇，共筑产业生态。 2.加强机器人研发协同，共塑先进制造未来 机器人技术正从传统的“机器换人”向“人机协同”乃至“自主智能”的更高阶段演进。中国不仅是全球最大的工业机器人市场，更在具身智能等前沿领域展现出强大的创新活力。摩根士丹利报告预测，到2050年全球人形机器人市场规模将达5万亿美元，超10亿台机器人投入使用，而中国处于领先地位。2025年前三季度，中国工业机器人市场累计销量超24.4万台，同比增长超12.9%；协作机器人市场容量在十年间从不足千台增长至2025年的超4万台，复合增长率高达50%。这一广阔前景，正吸引全球产业巨头以前所未有的深度融入中国创新链与产业链。 跨国公司加快在华机器人与先进制造领域布局，ABB集团继投资1.5亿美元在上海建成其全球最大、最先进的机器人超级工厂后，2025年12月宣布在南京投资约15亿元建设传动产品超级工厂，打造集研发、制造、客户体验于一体的区域中心。认知机器人领军企业Neura Robotics的中国子公司纽鼐机器人，与中国汽车零部件制造商兆丰股份签署战略协议，合资组建公司，共同推进人形机器人在制造业领域的研发与落地。安川电机联合中国焊接机器人企业凯尔达及广东工业大学下属公司，共同组建“佛山凯尔达机器人科技有限公司”，聚焦工业机器人本体的生产制造与系统集成，创新采用“技术入股+市场反哺研发”的本土化模式。跨国公司深度融入并共同塑造中国智能制造未来，不仅加速了先进机器人技术在中国市场的落地与应用，也通过中国庞大的制造场景推动全球技术创新。 3.聚焦医药创新突破，共探生命科学新前沿 中国逐渐优化的新药审批流程以及日益成熟的创新生态，吸引全球医药巨头在华深度布局。据中商产业研究院数据，2025年中国生物医药市场规模预计超过2.2万亿元，巨量的临床需求为创新药研发提供了独一无二的试验田。辉瑞在北京设立在中国的第三家研发中心，旨在将中国全面纳入其全球创新药的早期和关键临床研究。罗氏制药投资20.4亿元在上海张江建设全新的生物制药生产基地，用于生产其重磅眼科药物法瑞西单抗，该基地将成为其亚太地区重要的生产枢纽。赛诺菲成为首个在华布局生物制剂原料药生产的跨国药企，启动总投资10亿欧元的北京胰岛素原料药生产基地项目，旨在打造覆盖原料药到制剂的高质量生产网络。 跨国药企还通过开放式创新，与中国本土生物科技公司、科研院所结成紧密的合作伙伴关系。阿斯利康自2023年以来已与超过15家中国本土创新药企达成合作，累计交易总金额超230亿美元，合作范围涵盖细胞治疗、ADC、AI制药等多个前沿领域。跨国药企将中国市场的战略地位从销售主场提升为创新主场，不仅加速了全球前沿疗法在中国的可及性，更通过中国庞大的临床资源、活跃的创新氛围，反哺全球药物研发进程。 4.推动绿色技术升级，共促新能源产业发展 新能源与绿色技术是全球能源革命的核心。中国不仅是全球最大的可再生能源市场与新能源汽车产销国，更以其完整的产业链、超大规模的应用场景和坚定的“双碳”目标，成为全球绿色技术迭代与商业化的前沿阵地。2025年，中国可再生能源新增装机4.5亿千瓦，同比增长21%，占全国电力新增装机的83%；可再生能源发电量近4万亿千瓦时，约占全部发电量的38%。中国新能源汽车市场持续爆发，2025年中国新能源乘用车零售接近1300万辆，渗透率高达53.9%。国家《鼓励外商投资产业目录（2025年版）》中，专门列出了32条涉及氢能的鼓励类条目，覆盖绿色制氢、储运、加氢站建设、燃料电池及关键零部件制造等全产业链，为跨国公司指明了投资方向。 跨国公司在华新能源战略已从单纯的产品销售，全面升级为覆盖研发、制造、应用、服务全价值链的深度本土化，并与中国创新生态紧密融合。特斯拉将美国本土以外的首个储能超级工厂设在上海临港，初期规划年产商用储能电池1万台，储能规模近40吉瓦时。宝马集团投资150亿元的沈阳里达工厂已实现全新电动车型量产下线。大众汽车则与中国一汽在合肥设立新能源汽车研发中心，并持续扩大在华电动产品阵容。面对氢能这一未来能源，全球工业气体巨头液化空气集团宣布在内蒙古投资2亿欧元建设可再生能源制氢（绿氢）项目，规划年产绿氢1.5万吨。跨国公司正以更加灵活和深入的方式，将中国庞大的绿色市场需求、完整的产业生态和活跃的创新氛围，转化为其全球竞争力的新基石。 潘怡辰  朱思翘 商务部国际贸易经济合作研究院亚洲研究所副研究员 来源：2026年6月（上）第11期《中国外资》杂志

【摘要】 以“干湿闭环”为核心的数据生成与验证能力正成为AI制药的核心竞争壁垒，湿实验产能与高质量数据已成为稀缺战略资产；大模型、药企、服务商三端共振下，行业景气度与研发外包需求有望持续上行。 【正文】 1、大模型端：科学大模型进入药企核心研发流程 市场关注大模型公司在医疗领域投入的方向和程度，9月以来进展包括：1）Claude Science接入MNC核心研发流程；2）Anthropic和Open AI等均在自建湿实验能力；3）大模型公司不仅在提升分子设计的能力，还在加深对于疾病生物学的研究。而国内企业在追逐模型能力的同时，也在构建细分领域积累独有数据的护城河。 1.1、海外：从“工具”到“智能体+湿实验” Anthropic自建湿试验能力，凭借强大的数据处理与模式识别能力加速科研发现与成果转化的进程。2026年9月18日，Anthropic正式在旧金山湾区建立湿实验室并招募生物化学科学家，该项目旨在利用其大模型Claude指挥自动化机器人单元开展生物实验。此前Anthropic斥资约4亿美元收购自动化实验平台Coefficient Bio，发布了科学智能体控制标准MHS。9月22日，Anthropic发布Claude Opus 5.5的系统卡，在Denovo蛋白binder设计中，Opus 5.5得分82.6%。9月23日，Anthropic官网公布其生命科学研究组及实验室研究成果，约950个Claude智能体并行工作21小时，消耗约2.1亿个词元，先从近20万个逆转录酶中筛出约3500个候选系统，再聚焦20个重点对象，在人类研究者仅给出高层检索方向的情况下，自主发现一种此前未完整表征、存在于噬菌体中的酶系统，命名为阵列相关逆转录酶（ART）。 OpenAI通过领投生物安全初创公司Red Queen Bio，正式切入AI生物防御领域。2026年9月28日，《华尔街日报》报道，OpenAI投资的生物安全初创公司Red Queen Bio累计融资3600万美元（约2.4亿人民币），资金用于研发可对抗多种病毒的抗体药物，其中包括未来有可能由AI系统制造出的病毒。技术路线上，公司用AI设计能紧密结合病毒靶点的抗体，再培育细胞在实验室里生产和测试候选分子，结果回流模型继续迭代，形成设计与实验的闭环。落地节奏上，公司先从禽流感及其他流感病毒做起，2027 年启动首批临床试验，后续再扩展到冠状病毒、埃博拉类病毒和天花近亲。 Isomorphic Labs的药物设计引擎IsoDDE首次展示AI如何自主设计药物，仅花费2-4天可在10的60次方里找药。IsoDDE在低同源新靶点-配体组合上的精度较AlphaFold 3提升2倍以上、抗体CDR-H3建模成功率70%（AlphaFold 3为58%），2026年5月Isomorphic Labs完成21亿美元B轮融资,与Novartis、礼来、强生推进合作管线，内部管线聚焦肿瘤与免疫。9月29日，Isomorphic Labs首次公开AI自主设计药物的工程，IsoDDE以智能体形态自主运行2-4天，在化学空间中设计出了功能性分子，而作为对照的文献分子估计耗费了原作者3-5年的时间。 英伟达披露其蛋白质设计模型Proteina-Complexa模型的湿实验验证论文。2026年9月18日，英伟达官网上线了配套大规模湿实验验证论文，介绍了其湿实验的方法和过程：1）首先进行了历史上最大规模结合子基准测试，其湿实验验证主要完成了127个靶点、100万个设计任务的大规模AI设计+噬菌体展示高通量初筛，并对筛选得到的阳性hit做生物物理验证与结构解析；2）其次还针对PDGFR、Nipah病毒、肌萎缩受体（ActAIR）、激酶微型蛋白和肽、碳水化合物靶点进行验证。此前英伟达宣布与礼来五年最高10亿美元联合创新实验室、与默沙东共建KERMT基础模型。 苹果研究团队发布SimpleDesign AI蛋白质设计模型。苹果旗下的机器学习研究院发布了旗下首个AI蛋白质设计模型SimpleDesign的预印本，这是一款蛋白质序列与结构代码设计的联合模型，省去传统“先结构tokenizer再生成”的多阶段流程，在超过200万序列-结构对上训练，延续SimpleFold思路。 艾伯维、Astex、BMS、强生、武田联手训练出一个AI蛋白模型，打败开源版AlphaFold 3。2026年9月14日，Nature官网头条报道了一项来自AISB网络的成果：由艾伯维、Astex、BMS、强生、武田这5家药企组成的联盟，使用20167组私有蛋白质-配体结构数据，对开源版AlphaFold3—OpenFold3进行联邦学习微调，开发出AISB-1-Fed模型。结果表明：在1056组未参与训练的测试样本中，AISB模型高质量预测占比52.1%，公开版OpenFold3仅35.6%，开源竞品Boltz-2为40.9%。 1.2、国内：模型迭代与数据基建 英矽智能：2026年9月7日公司与单细胞/多组学企业墨卓生物达成战略合作，为Panda Omics与虚拟衰老细胞（VAC）平台规模化导入“AI-Ready”真实实验数据；9月24日公司预告Pharma.AI秋季更新（美东时间9月30日发布），核心是“智能体层（Agentic Layer）”崛起与MCP（模型上下文协议）全线部署，使自主智能体可直连其生物学、化学与大分子设计引擎；其MMAIGym训练框架已与LiquidAI（联合训练LFM2-2.6B-MMAI逆合成模型）、腾讯健康等达成合作。产出端，公司2026年前9个月提名9个PCC，自研与合作管线中顺利达成了8个临床里程碑，全球首个AI赋能的FIC候选药物Rentosertib（ISM001-055）已进入IPF适应症的III期临床。 晶泰科技：9月21日升级科学智能体平台XtalPiScience，开放80余项专有科学技能与工具、智能体接入机器人实验室，覆盖靶点调研、分子生成、逆合成路线预测、LC-MS谱图解析等环节；其已全球部署超300台AI机器人实验工站、建成逾5000平方米机器人实验室，累计开发超200个专业模型、服务全球300余家企业与科研机构。 华大智造+百图生科：2026年9月11日，双方围绕“设备+模型+智能体”联合构建专属细胞大模型—百图2680亿参数的xTrimo生命科学基础大模型已在300余个预测任务达到业界顶尖水平，双方将面向虚拟细胞（AIVC）与虚拟扰动搭建高质量数据基础设施；华大子公司涌生智能与上海人工智能实验室联合发布ProtoPilot（将实验意图拆解为可执行方案，非开放式问答任务准确率85.18%、超越专家水平）与BioLabBench（领域首个全流程Agent评测体系） 广药集团+华为：2026年9月17日，双方启动AI制药联合创新实验室，将联合行业头部生态伙伴，围绕小分子、抗体、核药、中药等方向开展AI创新研究；以昇腾、鲲鹏算力为底座，联合开展算子开发、算法优化，实现AI 药研智能体与模型在算力平台的落地部署。 2、药企端：通过自建和合作加速AIDD能力建设 MNC在AI的布局和合作类型可以分为三类：1）模型进入研发主流程，药企通过跟大模型公司合作提升研发效率，如诺和将Claude Science引入研发工作流；2）构建平台湿试验网络生态，药企提供自有临床数据集（重要的是阴性数据），共同迭代模型共享成果，如礼来推出协作式联邦AI/ML药物发现平台TuneLab；3）合作专业模型加速特定疾病领域或特定分子模态的开发。中国公司也从单纯的合作管线延申到平台数据的合作，药企也在加速AIDD能力的建设。 2.1、海外：生态型合作密集落地 诺和宣布与Anthropic合作，将Claude用于药物发现。2026年9月16日，诺和（Novo）与Anthropic宣布达成合作，双方将利用Anthropic的人工智能（AI）模型及Claude Science支持药物发现与研发。合作将针对诺和科学家和计算科学团队确定的关键药物发现挑战，共同开发针对特定科学问题及研发工作流程的解决方案，以支持生物学推理并推动新药发现和开发。作为合作的初步重点，诺和将测试Claude Science在特定研发工作流程中的应用，并优先探索双方能力结合有望产生较大影响的科学问题。诺和还将使用Anthropic的模型支持AI驱动的软件开发，以进一步扩大AI工具在公司内部的应用。 礼来一天达成3项AI制药相关合作，展现对高质量数据的需求。2026年9月16日，礼来签下Twist（抗体表征数据）、Ginkgo（小分子ADME与抗体成药性）、金斯瑞（蛋白表达、纯化与表征）三家，共同为Lilly TuneLab参与企业提供“AI预测→湿实验验证→数据回流”的闭环服务；TuneLab采用联邦学习模式，参与企业可以使用基于礼来数十年研发数据训练的AI预测模型，更快地完成候选分子筛选；作为交换，企业产生的实验数据通过联邦学习机制反馈至平台，用于持续优化模型，且无需共享原始专有数据。 艾伯维9月连签两单，深化AI在制药领域的应用。2026年9月22日，Abbvie宣布与AI制药公司Iambic开展多年期合作，使用Iambic的Enchant v3（多模态AI模型，负责同时分析药物研发中的多类数据）和NeuralPLexer（用于分子结构和相互作用预测）两项核心技术，在免疫、神经科学和肿瘤三大领域推进小分子药物发现。9月29日，AbbVie宣布与生命科学AI平台Valkai 达成合作，将AI引入临床开发。 罗氏布局自动化实验室，目标2030年推出20种新分子实体。2026年9月28日，罗氏在伦敦召开Pharma Day投资者日，宣布已开始建设自主AI实验室，并将在研发上追求“AI自主可控”。2025Q4–2026Q2，罗氏40%的管线决策有可追踪的AI/计算贡献，Q2单季达到44%。AI贡献进一步细分后，关键性贡献占41%，支持性占48%，参考性仅占10%。AI赋能下，罗氏目标III期临床试验的成功率从2025年的65%跃升至2026年底的80%以上。资金层面，罗氏计划将约20亿瑞士法郎（约合24.1亿美元）研发结余资金重新调配，投向研发项目与效能提升。公司目标到2030年，最多向市场推出20个新分子实体（NME），大多数药物的峰值销售额潜力超过30亿瑞郎。 Earendil Labs与基因泰克（罗氏旗下）达成双抗发现合作。2026年9月24日，Earendil Labs（华深智药海外公司）宣布与罗氏旗下基因泰克达成一项首付5000万美元、潜在总额超15亿美元的研究合作，双方将聚焦肿瘤学领域，共同发现并开发多个治疗性双特异性抗体项目。Earendil Labs是一家聚焦于应用下一代人工智能重塑蛋白质治疗发现的生物技术公司，开发了集成深度学习与高通量生物学的专有平台，结合了深度学习、生成性蛋白质工程、结构生物学与高通量实验验证技术，用于高效发现和优化新型抗体。 2.2、国内：交易清单继续拉长 英矽智能：2026年内已披露9项BD合作，潜在最大总合约价值约73亿美元，合作方覆盖礼来、施维雅、武田、SK生物制药、齐鲁制药、康哲药业等。9月21日，公司公告与一家前沿基础模型实验室达成最高数千万美元的联合开发合作——依托MMAIGym共建“面向生成式生物学的专用基础模型”，英矽智能提供专有数据集并承担闭环式湿实验验证，双方按收益共享模式推进全球商业化。 晶泰控股：2026年9月17日，晶泰科技全资子公司LCC Technologies与斯坦福大学达成药物发现合作协议，双方将结合斯坦福大学在疾病生物学研究领域的专业能力，与LCC机器人自动化、数据驱动的PACE™小分子药物发现平台，共同评估新的生物学发现，探索其开发为小分子治疗药物的潜力。与Dove Tree围绕一系列“指定靶点”进行小分子与抗体药物的发现与优化的合作已累计收款7000万美元，潜在里程碑总额最高58.9亿美元（约合462亿港元）。 德睿智药：2026年9月28日，公司宣布与三生制药蔓迪药业就AI设计的口服小分子GLP-1受体激动剂MDR-001达成中国内地、香港及澳门独家商业化合作，潜在总额最高人民币17.5亿元（最高1.5亿元合作权付款+最高16亿元特许权使用付款）。MDR-001是德睿智药依托全链路AI制药引擎MAP自主研发的口服小分子GLP-1受体激动剂，目前正在中国开展针对成人肥胖或超重人群的III期关键临床研究（MOBILE试验）。 传统药企的AI布局同样在加速：2026年9月16日，安科生物与深势科技围绕ADC payload设计与优化开展AI4S合作；9月18日，维亚生物和西点药业达成AI驱动反向寻靶研发合作；9月29日，博安生物中报披露正在与深势科技共建“科学智能体+药物智能发现平台+全新机制生物创新药”模式。 3、湿实验建设：从外包服务到战略基建 AI赋能药物研发会先带来研究工具与数据生成需求，AI闭环转得越快，越依赖湿实验吞吐，我们预计实验室需求预计会比AI赋能药物研发项目数量增长的更快。湿试验作为各类模型的重要数据出口，已经成为了各家企业的战略资产，9月以来全球湿试验产能的“军备竞赛”在加速。 海外：自主实验室与超级数据集。 1）药企端：罗氏宣布建设自主化AI实验室；Anthropic在旧金山湾区搭建生物实验室，把“干湿闭环”纳入自身研发体系；礼来与英伟达以五年最高10亿美元共建“计算—自动化实验”联合创新实验室。 2）平台端：Recursion保持每周约220万次湿实验吞吐与65PB专有数据；Iambic的闭环系统中机器人实验室每周合成与测试数百个化合物、数据回训模型；Ginkgo Datapoints以自动化方式为TuneLab提供AI-Ready数据生成；Basecamp Research的“万亿基因图谱（Trillion Gene Atlas）”由英伟达、Anthropic、PacBio等共建，覆盖30多个国家的数据合作网络。 国内：产能与数据基建竞赛。 金斯瑞于2026年9月11日公告以每股30.50港元配售7712.6万股新股，募资净额约23.3亿港元，其中约70%净额投向AIDD湿实验产能、自动化、设备与实验室升级；晶泰科技在深圳、上海运营上万平方米自动化实验室集群，9月平台升级后内部数据收集效率提升40倍以上，一支15人化学家团队月交付超2万条反应数据；百图生科与和铂医药共建“Mega Stream TechBio”智能高通量干湿闭环实验室（验证效率目标提升500%以上、未来五年预计产出超5PB数据、并行推进数百条FIC/BIC管线）；英矽智能发布Lab Claw智能实验室系统（5个协作智能体+28项技能模块，构建从靶点发现到自动化实验的全链路闭环）；华大智造子公司涌生智能与上海人工智能实验室联合发布Proto Pilot与BioLab Bench，打通“自然语言实验意图→湿实验执行”；墨卓生物以微流控单细胞技术为英矽规模化交付AI-Ready数据；百普赛斯发布CHO-Direct快速表达等三大新品，聚焦AI药物研发的湿实验验证解决方案。 风险提示 模型迭代与临床进展不及预期、合作落地与商业化兑现不及预期、行业竞争加剧、数据合规与监管政策变化风险等。 参考研报 20261007-国泰海通-行业跟踪报告-AI制药9月跟踪报告 免责声明 本报告仅提供给九方金融研究所的特定客户及其他专业人士，用于市场研究、讨论和交流之目的。 未经九方金融研究所事先书面同意，不得更改或以任何方式传送、复印或派发本报告的材料、内容及其复印本予以任何第三方。如需引用、或经同意刊发，需注明出处为九方金融研究所，且不得对本报告进行有悖于原意的引用、删节和修改。 本报告由研究助理协助资料整理，由投资顾问撰写。本报告的信息均来源于市场公开消息和数据整理，本公司对报告内容（含公开信息）的准确性、完整性、及时性、有效性和适用性等不做任何陈述和保证。本公司已力求报告内容客观、公正，但报告中的观点、结论和建议仅反映撰写者在报告发出当日的设想、见解和分析方法应仅供参考。同时，本公司可发布其他与本报告所载资料不一致及结论有所不同的报告。本报告中的信息或意见不构成交易品种的买卖指令或买卖出价，投资者应自主进行投资决策，据此做出的任何投资决策与本公司或作者无关，自行承担风险，本公司和作者不因此承担任何法律责任。 上海九方云智能科技有限公司-投资顾问：朱仕平 登记编号：A0740625120040