Kaifeng Pharmaceutical (Group) Co., Ltd.

全面分析一下中国生物制药这家港股上市公司在AI制药领域的布局和先发优势，​预判一下它在AI制药领域爆发的时间窗和着力点？ 结论：中国生物制药在AI制药领域并非“纯AI药企”，而是以传统大药企身份走“AI Native”路线——把AI作为叠加在研发、生产、商业化之上的能力层。其先发优势主要体现在投入早、数据厚、场景广、生态全；AI价值已在2026年通过TQC3721等资产兑现，预计2027-2028年进入效率红利集中释放期，2029-2030年有望出现AI驱动的FIC/BIC资产实质性爆发。 一、AI布局全景：从“辅助工具”到“能力层” 中国生物制药的AI战略可概括为“投入早、覆盖广、落地深”。 投入规模与时间线： 过去三年累计投入约6亿元建设AI基础设施与平台，2022年即提出数字化战略，是国内最早系统性布局AI的传统药企之一。 技术架构： 已构建覆盖药物全生命周期的AI应用体系，包括智能情报平台、蛋白结构预测模型、多类智能体应用。 六大研发平台AI赋能： 小分子、ADC、siRNA、OAPD（口服蛋白降解剂）、分子胶、TME（肿瘤微环境）六大核心技术平台均已接入AI能力，深度赋能25个早研阶段管线及37个临床阶段管线。 生态布局： 采取“投资+自研+合作”三线并行策略——早期投资英矽智能（03696.HK）、晶泰控股（02228.HK）、剂泰科技（07666.HK）等AI制药公司；与华为、字节跳动建立紧密合作；内部推进干湿实验闭环自动化。 二、先发优势：四大护城河 1. 数据壁垒：管线规模×专业数据
中国生物制药拥有3000余人研发团队、累计20款1类/2类创新药获批、130余项临床研究推进中，庞大的自有数据积累是自研模型精准度的核心壁垒。 2. 场景广度：AI贯穿全链条
不同于纯AI药企聚焦药物发现单点，中生的AI已渗透至分子智能、临床智能、制造智能、组织智能四个维度： ● 分子端： PCC发现阶段化合物合成量从数百个锐减至50-100个；OAPD平台PCC开发时间从2年缩短至最低8个月。 ● 临床端： 三期临床时间有望从2-3年缩短至1.8-2.5年；TQC3721三期临床时间已缩短10%-15%。 ● 制造端： 抗体产量提高20%，生物药制造成本下降20%。 ● 组织端： 通过“天书”（飞书+豆包工作伙伴）实现知识沉淀与Agent协作。 3. 商业化验证：AI价值已兑现为BD收入
授权给阿斯利康的TQC3721（总额最高19亿美元）在研发中深度应用AI技术，是AI赋能商业价值的最直接证明。TRD205等AI赋能的FIC/BIC候选药物已进入临床并取得积极数据，被纳入突破性治疗品种。 4. 年轻管理层与组织敏捷性
谢其润、谢承润姐弟领衔的年轻管理团队（员工平均年龄约30岁），使这家老牌药企在AI转型上展现出远超同行的组织敏捷性。 三、爆发时间窗预判 阶段 时间窗 关键标志 效率红利期 2026-2027年 AI降本增效持续体现：三期临床缩短、PCC周期压缩、制造成本下降转化为利润率改善；siRNA平台进入IND密集验证期 资产兑现期 2027-2028年 AI赋能的FIC/BIC管线进入临床中后期；2026-2030年预计近30款1类创新药获批中，AI贡献度逐步提升 源头突破期 2029-2030年 干湿闭环自动化成熟，AI从“辅助工具”升级为“自动扩展化学空间、探索不可成药靶点”的平台能力 四、核心着力点 1. 小分子与OAPD：近期确定性最高的效率来源
PCC开发周期从2年压缩至8个月，是AI赋能最成熟、最可量化的场景，将直接加速管线推进速度。 2. siRNA递送平台：差异化最大的战略赛道
通过收购赫吉亚获得全球首个经临床验证的“一年一针”肝靶向siRNA递送平台，AI将在递送分子设计、肝外递送拓展中发挥关键作用。未来12个月多项IND和人体数据将是平台价值验证的关键节点。 3. ADC与双抗：肿瘤领域的重磅资产孵化
礼新医药带来的ADC平台已产出授权阿斯利康和默沙东的资产（累计近40亿美元交易），AI将进一步加速抗体发现与偶联优化。 4. 不可成药靶点与CNS领域：长期想象空间
管理层明确表示将利用AI打开传统制药无法触及的“不可成药”天花板，重点探索中枢神经（CNS）等前沿领域。 5. 干湿闭环自动化：从AI辅助到AI驱动的跃迁
推进全类型数据自动回流反哺模型迭代，构建“自动迭代—拓展化学空间—提升命中率—优化分子”的增长飞轮。 五、主要风险与不确定性 ● AI贡献难以单独量化： AI是“能力层”而非独立业务，其对具体管线的贡献度难以精确拆分，市场估值映射存在不确定性。 ● 行业竞争加剧： 英矽智能、晶泰科技等AI原生公司以及恒瑞、石药等传统药企均在加速AI布局，先发窗口期可能缩短。 ● 临床验证周期长： 即使AI加速早期发现，从PCC到获批仍需5-8年，短期业绩弹性有限。 ● 数据质量与合规边界： AI模型依赖高质量标准化数据，且关键科学决策必须由专业人员确认，AI的“自主性”存在边界。 六、投资视角总结 中国生物制药的AI战略本质是用AI放大自身已有的管线规模和数据优势，而非从零打造AI平台。其核心价值在于：已有庞大商业化基本盘提供现金流支撑AI持续投入，同时AI带来的效率提升正逐步转化为利润率改善和BD溢价。2026-2027年看效率红利兑现（利润率提升+临床加速），2028年后看AI驱动的FIC资产能否真正打开估值天花板。 结论：AI制药优先爆发的现实基础已从“技术叙事”转为“临床与商业验证”——技术端干湿闭环加速、政策端监管路径打通、商业端MNC大额BD订单密集落地；最可能引领突破的是“AI原生平台+临床推进能力”型企业与“传统大药企+AI内生化”型企业，率先实现市场化经济效应的领域集中在早期分子发现、AI制剂/递送、AI临床试验与真实世界研究，以及AI赋能的License-out交易。 一、优先爆发的现实基础 1. 技术端：AI已从辅助工具升级为研发核心引擎 生成式AI、多模态大模型、AlphaFold3等使靶点发现、分子设计、ADMET预测的效率出现数量级提升。AI可将药物早期发现周期从1-2年压缩至3-6个月，早期发现成本降低约70%。干湿闭环（AI+自动化实验）正在打通，晶泰科技等已实现机器人实验室7×24小时运行，化学合成成功率从行业平均三四成提升至九成。 2. 临床端：首批AI药物进入关键验证节点 截至2026年中，全球超170条AI设计药物进入临床，其中约15条进入III期。英矽智能Rentosertib成为全球首个由AI完成靶点发现+分子设计并进入III期的药物；西湖制药艾普司韦成为国内首款AI辅助研发获批上市的创新药（3.5年从IND到获批）。行业正式从"筛分子"的技术验证期迈入"临床落地、商业化兑现"的拐点。 3. 商业端：MNC大额BD订单密集落地 2026年英矽智能与礼来、武田、SK生物制药等达成合作，潜在交易总额近70亿美元；上半年实现上市以来首次半年度盈利。剂泰科技与美国药企签署16亿美元合作；石药集团与阿斯利康达成最高17.7亿美元siRNA合作。全球前20大药企均已与AI企业建立合作。 4. 政策端：监管路径逐步打通 2026年工信部等八部门《"人工智能+"行动方案》点名AI制药；国家药监局明确认可AI辅助研发数据及真实世界研究证据的法律效力；FDA启动AI药物加速审评试点通道。 5. 但瓶颈依然明确 - 干湿速度不匹配：AI计算迭代瞬时完成，但合成、细胞实验、动物实验仍以周/月为单位。 - II/III期成功率未显著提升：AI主要压缩临床前周期，II期约60%失败率的"死亡之谷"尚未被证明可跨越。 - 数据壁垒：高质量标注数据稀缺，临床数据几乎不对外开放，68%技术高管认为数据质量是项目失败主因。 - 盈利模式脆弱：收入高度依赖大额首付款，里程碑滚动尚未形成，晶泰科技2026上半年由盈转亏即是例证。 二、哪些企业可能引领突破 类型 代表企业 核心优势 AI原生平台型 英矽智能、晶泰科技、剂泰科技、百图生科 全流程AI平台、干湿闭环、已有多条临床管线和BD验证 传统大药企AI内生化 恒瑞医药、中国生物制药、石药集团、复星医药 海量自有数据+商业化能力+现金流支撑持续投入 AI CXO/研发服务 成都先导、药石科技、泓博医药、美迪西 DEL+AI、虚拟化合物库、AI-ADMET等平台服务能力强 科技巨头赋能型 华为云、谷歌DeepMind/Isomorphic Labs、Anthropic 算力底座+大模型能力，正加速补齐湿实验短板 最可能引领突破的两类玩家： - 英矽智能：目前商业化兑现最快，"平台授权+自研管线授权"双轮驱动，2026上半年首次盈利，Rentosertib进入III期是行业里程碑。 - 恒瑞/中生等传统大药企：拥有数十年独家临床数据壁垒和商业化网络，一旦AI内生化跑通，边际成本最低、规模效应最大。 三、率先实现市场化经济效应的领域 1. 早期分子发现与PCC提名（确定性最高） AI将靶点验证+分子初筛从1-2年压缩至3-6个月，成本降低70%，这是目前技术最成熟、经济效应最可量化的环节。成都先导、药石科技等已在此环节实现稳定收入。 2. AI制剂/纳米递送（差异化最大） 剂泰科技的NanoForge平台将靶向递送开发从数年缩至2-3个月，MTS-004已完成III期临床，是全球AI制剂商业化的标杆。这一细分赛道竞争格局较好，经济效应释放更快。 3. AI临床试验与真实世界研究（政策驱动最强） 患者智能匹配、临床报告自动撰写、RWD证据生成等环节，AI可将患者招募周期从9个月压缩至4个月，报告撰写耗时减少60%。泰格医药"医雅"大模型已全面商用，这一领域受政策强驱动，商业化路径清晰。 4. AI赋能的License-out交易（经济效应最直接） 英矽智能、石药集团等通过AI设计的管线对外授权，单笔交易潜在价值可达数十亿美元。这是目前AI制药最直接的"变现通道"，也是衡量AI平台价值的核心指标。 5. 自动化实验基础设施（长期壁垒最深） 晶泰科技的"AI+机器人"模式已证明可以成为独立经济单元，向药企私有化部署机器人实验室是新的收入来源。这一领域门槛极高，一旦形成规模效应，护城河最深。 四、时间窗预判 - 2026-2027年：BD订单持续兑现，早期分子发现效率红利释放，AI制剂/递送率先跑出获批产品。 - 2028-2029年：首批完全由AI端到端设计的药物（如Rentosertib）读出III期数据，行业进入"去伪存真"阶段。 - 2030年后：若干款AI原研药成功上市，AI从"降本增效工具"升级为"源头创新能力"，行业进入真正的规模化爆发期。

市场缩量，慢慢来吧，今天谈谈AI 制药，到今天市场逻辑不再单纯比拼 AI 模型算法能力，高质量可注释湿实验数据、干湿闭环迭代能力、管线商业化兑现能力成为核心胜负手。AI 大模型可以完成靶点挖掘、分子生成、成药性预判，但 AI 输出的海量虚拟分子假设，必须经过真实湿实验验证，才能产出可供模型迭代的标准化数据。这一产业变革，催生了上游生物试剂、高通量体外验证服务的结构性增量。以百普赛斯为代表的上游卖铲人，跳出单纯提供试剂耗材的传统定位，转型成为 AIDD（AI 驱动药物发现）产业的湿实验基础设施提供商，反倒打开了想象空间。 传统新药研发完整周期可达 10‑17 年，总研发成本数十亿美元，有机构数据预测AI 技术可以将药物发现阶段耗时缩减 70‑90%，临床前、临床阶段分别节约 50‑80%、50‑60%，整体研发总成本可降低约 50%。但行业存在显著的结构性矛盾：算力、大模型供给相对充裕，标准化、生物学注释完整的湿实验数据供给严重不足，已经成为 AIDD 产业的核心瓶颈。 行业三大核心壁垒为算力、数据、模型，而干湿闭环是三者融合后的最高阶壁垒。公开数据库中大量为阳性实验结果，失败、阴性实验数据严重缺失。大分子（抗体、双抗、ADC）领域高质量结构化湿实验数据存量，较小分子低数个数量级，直接限制 AI 模型训练精度。数据差异直接带来研发效率分化，针对成熟靶点，因积累大量实验沉淀，AI 可以节约 40‑50% 时间与成本。面对全新无成药记录靶点，AI 降本增效幅度收窄至 25‑40%，差距本质就是湿实验数据供给能力的差异。 DMTA（设计‑制造‑测试‑分析）自动化闭环，是打通虚拟分子设计与实体实验验证的标准范式。头部 AI 药企晶泰科技的自动化机器人实验室，实现实验效率提升 5‑8 倍、数据治理效率提升 40 倍，直观印证湿实验对于模型迭代的不可替代性。但自建自动化湿实验平台资本开支巨大、建设周期漫长，多数 AI 制药企业、Biotech 选择将蛋白表达、纯化、亲和力检测、细胞功能和成药性评价进行外包，这就为上游具备高通量体外验证能力的企业打开业务空间。 国内政策同样强化湿实验的硬性地位。工信部等十部门《医药工业发展 “十五五” 规划》设定 2030 年国内 FIC（首创新药）全球占比≥25% 目标，明确提出建设医药高质量数据集，发展医药垂类大模型。国家药监局、CDE 确立 “AI 辅助、人工复核” 审评范式，明确 AI 仅作为工具，所有 AI 输出结果必须经过真实实验验证，才可以作为药品申报材料，从监管层面确立湿实验不可替代的地位。 细说说百普赛斯，传统主业为重组蛋白、抗体试剂，是国内工业级重组蛋白赛道龙头，服务全球 Top20 药企、国内创新药 Biotech、CRO，客户数量超过 13000 家，覆盖全球近 80 个国家与地区。公司 95% 以上蛋白产品基于 HEK293 真核体系制备，更加贴近人体蛋白翻译后修饰特征，在膜蛋白等难表达靶点上积累深厚，拥有5000 + 种经过活性验证的重组靶点蛋白，覆盖 300 余种难成药膜蛋白靶点，包括 KLK2、TL1A、STEAP1 等行业公认高难度靶点，这构成切入 AI 制药验证业务的核心底层资产。 公司布局第二增长曲线 GMP 工业蛋白，已经开发 80 余款 GMP 级别产品，部分完成 FDA‑DMF 备案，服务 CGT、抗体药物 CMC 生产，工业客户粘性显著高于普通科研试剂，和 AIDD 湿实验业务形成技术、客户复用。传统重组蛋白业务和 AIDD 业务并非割裂，而是高度协同，AI 做抗体分子设计，第一步就需要高质量靶点蛋白用于亲和力筛选。细胞功能验证同样依赖细胞因子、报告基因细胞株、功能试剂盒。 行业普遍痛点：AIDD 可以批量输出海量抗体序列，但湿实验验证速度跟不上 AI 分子生成速度，成为模型迭代的主要瓶颈。仅仅亲和力数据不足以评判分子真实成药潜力，还需要细胞通路、Fc 效应、稳定性等多层次功能数据反馈给 AI 模型。 针对该痛点，百普赛斯在 2026 年 9 月正式发布两大面向 AI 制药的核心产品：CHO‑Direct 快速高通量亲和力验证服务、ACROAIx 平台，搭建起完整的三层体外验证体系。  1）分子亲和力层（CHO‑Direct）：依托优化 CHO 细胞工作流，全长 IgG 抗体从序列提交到拿到亲和力数据最快仅需 4 天；选用 CHO 体系的关键意义，是和后期抗体药物工业生产体系保持一致性，减少体系差异带来的数据偏差，输出标准化 SPR/BLI 亲和力数据，完成 AI 设计分子的第一道筛选关口。 2）细胞功能层：提供 TR‑FRET 通路抑制试剂盒、商业授权报告基因细胞株，完成 IC50 通路阻断、MLR 流式细胞药效评价，验证 AI 设计分子在活细胞层面的生物学活性，输出功能层面的反馈数据。  3）成药性评价层：自研 TR‑FRET FcγR/FcRn 全套试剂盒，搭配 ADCC/ADCP 报告基因细胞株，评估候选抗体的效应功能、半衰期、分子稳定性，对 AI 输出分子做接近药物开发标准的成药性初筛。 区别于多数企业单纯做 “实验代工”，百普赛斯定位“数据就绪” 的 AIDD 验证服务：输出的不只是一份实验报告，而是结构化、标准化、可直接喂回 AI 大模型的数据集，真正实现 “AI 生成分子→湿实验验证→高质量数据回灌→模型迭代优化” 完整闭环，打通 AIDD 干湿循环的最后一环经济参考报。 同时公司内部实现 “AI 预测‑实验验证” 双向循环：利用 AI 辅助蛋白设计改造，已经落地耐高盐全能核酸酶、高稳定性 CD19 蛋白、热稳定 FGF‑B、高溶解度 IL‑2 等多款工业级蛋白产品，AI 能力不仅对外服务客户，同时赋能自身试剂产品迭代，形成内外双向技术飞轮经济参考网。 公司公告以自有资金出资 1.5 亿元，认购创投基金 30% 份额，设立苏州苏高新融晟百普创业投资合伙企业。该具备深刻的战略价值：  第一，财务层面：借助专业机构挖掘生命科学领域项目，获取投资收益，盘活账面现金  第二，产业协同层面：基金投向 AIDD、创新 Biotech、前沿生物科技初创企业，被投企业天然就是公司 AIDD 验证服务、重组蛋白试剂的潜在客户 第三，技术情报层面：深度接触国内早期 AI 制药创业团队，把握 AIDD 技术路线迭代、真实痛点，反哺自身 ACROAIx、CHO‑Direct 产品迭代优化，完成产业链生态卡位。 当然也要客观看到短板：AIDD 验证服务尚处于商业化早期，短期对整体营收贡献有限，对比 Bio‑Techne 等海外巨头，品牌积淀仍有差距，同时面临义翘神州、近岸蛋白等同业的追赶。 AI 制药划分为三条主线： 1.全栈平台型 AI 药企（英矽智能、晶泰控股），具备 AI 大模型 + 自有自动化湿实验室。 2.上游产业链受益标的，生物试剂、模式动物、基因合成、CRO 3.传统大药企自建 AIDD 平台，赋能内部管线迭代。 从商业化兑现视角，三者风险收益特征差异巨大。全栈 AI 药企收入高度依赖 BD 授权首付款，自研管线临床失败风险高，多数企业尚未实现稳定盈利。而上游卖铲人具备反周期特征：无论下游哪家 AI 药企管线成功或者失败，只要开展 AI 分子设计，就需要采购靶点蛋白、开展体外湿实验验证。哪怕候选分子最终被筛掉，实验服务、试剂耗材收入已经完成兑现。 相较于管线结果高度不确定的 AI 原生药企，上游卖铲人商业模式的业绩兑现确定性更强。但投资者不能简单线性外推 AIDD 业务增长，需要持续跟踪两大关键指标：一是 CHO‑Direct、ACROAIx 的实际订单转化、客户拓展情况。二是下游 AI 制药行业融资景气度与 AIDD 项目从虚拟设计向体外湿实验推进的产业节奏。 股市有风险，投资需谨慎。以上分析仅供参考，不构成投资建议。 如果看完有帮助，点赞+关注就是对我最大的鼓励

如果只看 9 月 18 日那天，很容易以为 AI 制药又是被一份政策文件炒起来的。 当天工信部等十部门公布了《医药工业发展"十五五"规划》，里面不但明确提出人工智能赋能药物研发，还专门放了一个"AI 制药高价值应用场景培育"的专栏。内容涵盖了靶点筛选、分子设计，临床研究、生产和监管。 市场也很配合（虽然配合时间很短……）。晶泰控股当天涨了 16.32%，英矽智能涨 13.12%，剂泰科技涨了 12.04%；A 股里的贝瑞基因直接涨停，成都先导在后面几个交易日也冲得很猛。 但是如果我们把时间线再拉长一些，就会发现这波行情其实已经铺垫了快两个月。 在7 月 29 日，盐酸伊司特韦片，也就是艾普司韦，获批上市。 但是这件事的重要性，因为7月那轮科技股的暴📉，被大多数人忽略了。 作为全球首个AI制药的落地产品，艾普司韦的诞生过程并不是大家印象里那种"让大模型凭空设计一颗药"。研发团队首先要从大约 490 亿种化合物组成的 DNA 编码化合物库里做筛选，然后再利用 AI 继续压缩候选范围，最后才是完成优化和进行临床测试。 从源头发现到临床走完，这款药大约用了 三年半。西湖方面把它定义成国内首款"AI 辅助研发获批"的原创药。 所以前面经常看到的那句话——"AI 制药做了十年，一款药都没批"——现在已经不准确了。 但也别立刻就走到另一个极端。 艾普司韦证明的是 AI 参与药物研发能走到上市，而不是"AI 原生药物"这道题已经有标准答案了。 这两者之间差得还很远。 更典型的 AI 原生路线，其实是英矽智能的 Rentosertib。 它用的 TNIK 靶点是通过 AI 平台找到的，分子也是由生成式 AI 设计的。在今年7 月已经启动了 III 期，9 月 10 日完成了首例患者给药，准备在中国 47 个中心招 320 名患者。 AI 制药在一开始，最喜欢说的就是"我找分子的速度特别快"；一直到了ian，才终于有一个最典型的 AI 原生项目，真的走到了 III 期。 在这中间，还有个很容易被忽略的时间点。 9 月 16 日，诺和诺德宣布跟 Anthropic 合作，把 Claude Science 接进药物研发流程；同一天，金斯瑞加入礼来的 Lilly TuneLab，专门帮使用 AI 模型的 Biotech 做湿实验验证。 两天以后，规划落地。 所以这轮 AI 制药突然变热，靠的不是一张文件从天而降，而是几件事刚好都凑到了一起：国内已经有 AI 辅助药上市、AI 原生药进入 III 期、大药企开始把通用大模型往研发部门里塞，最后政策再给了一脚油门。 这和三四年前只能靠融资 PPT讲故事，确实不太一样了。 但如果问 AI 到底把药物研发改变到什么程度，现在也没必要吹得太远。 2026 年 ASCO 有一份统计。他们按比较严格的标准，把真正有 AI 参与发现或设计、而且进入人体临床的治疗资产重新数了一遍：一共 117 个，来自 63 家公司。到 2025 年底，60 个完成 I 期，完成 II 期的只有 8 个。 立项确实越来越多，可是走到后面的依旧很少。 而且 AI 目前真正展示出优势的地方，还是在初期的分子筛选上。 2024 年的一项统计里，AI 发现分子在 I 期的成功率达到 80%—90%，明显高于传统行业历史水平。可到了 II 期，成功率大约 40%，已经和传统药物差不多了。 所以AI 越来越会做出一个"像药"的分子：活性、毒性、药代、成药性等等，可以提前躲开不少的坑。 可一个靶点到底能不能治病，则是另一回事。毕竟你我的身体可没那么听算法的话。 所以现在我反而不喜欢问"AI 制药到底是不是骗局"这种问题了。 这事已经越过了纯概念阶段。艾普司韦已经上市，Rentosertib 走到 III 期，大药企也真的开始付钱。 但它也远没有走到"AI 已经把新药研发成功率改写"的程度。 眼下大概正卡在中间。 AI选分子这件事，开始交卷了。真正难的那张卷子——这个分子放进人体里以后，能不能把病治好——才刚刚做到后半场。AI 制药这波突然又火了，这次比以前多了一张成绩单(上）