100 项与 星药科技(北京)有限公司 相关的临床结果
0 项与 星药科技(北京)有限公司 相关的专利(医药)
2026年,AI制药的融资数字依然在涨。
但真正值得看的,不是钱流向了哪里,而是人为什么出发。
这一代AI制药创始人,几乎都在做同一道题:把论文里的“发现权”,兑换成临床和商业上的“定义权”。
有人在婚礼当天还在改PPT,有人在56岁扔掉耶鲁的终身教职,有人做了七年风投才回头去建药物团队。
📢 AIx生物制药微信二群已开启
扫描上方群二维码,加入AIx生物制药微信交流群,进群备注姓名、公司名,交流一线产业观点。
以下17家公司、17种走法。
融资额和管线进度是它们的坐标,但真正的分水岭,藏在创始人出发那一刻的选择里。
平台型头部
钱和故事都已到位,下一步是数据说了算
新生探途
字节给了它算力、名单和15亿美元估值,唯独没给时间。
刘凯不是算法科学家出身,加入字节前做了七年风险投资,在IDG和火山石看医疗与生物技术。
2021年他在字节内部拉起这支五十人上下的药物发现团队时,手里没有分子,只有一套从推荐算法时代继承下来的工程直觉,和一群AI4S算法人才与资深制药专家混编的人。
分拆后首轮2.9亿美元、投后15亿美元,红杉、高瓴、IDG争抢份额,中国生物制药和上海未来产业基金也挤进了名单。
最受关注的管线是一款同时靶向IL-17全部二聚体的小分子抑制剂,尚在临床前。
一个投资人带队做药,赌的是“组局能力”本身可以成为壁垒。
但制药不是推荐系统,盒子打开之前,15亿美元和5亿美元同时成立。
深势科技
一个90后科学家,穿三次西装,把“超算界诺贝尔奖”变成一门生意。
张林峰1993年生,北大元培本科,普林斯顿应用数学博士,2020年凭“机器学习+物理模型+高性能计算”的分子模拟方法拿下戈登·贝尔奖。
媒体写过一个细节:他有一件深蓝色西装,只穿过三次,第一次是结婚当天,婚礼上他还在改PPT,两位创业伙伴孙伟杰、李鑫宇在婚礼上举杯时收到了一条改写命运的消息。
深势没有去赌某一支管线,而是做Hermite®计算平台,已赋能超70家生命科学企业的上百条研发管线。
别人在赌分子,他在赌整个行业对计算范式的依赖,这门生意的天花板不在药里,在基础设施里。
星亢原
MIT物理化学博士,师承美国三院院士,选择了一条更少人走的路。
陈航在MIT计算免疫学实验室做研究,拥有计算生物物理学、AI和免疫学的交叉背景,联合创立星亢原时瞄准的是大分子、双抗和分子胶,主攻“不可成药”靶点。
neoPlatform把AI计算、生物物理和高通量实验压进同一个闭环,多条蛋白降解管线进入临床前候选阶段。
当小分子AI赛道挤满人的时候,陈航的判断是:多特异性药物的计算复杂度更高,能算清楚的人更少,窗口期也更长。
华深智药
Overton奖20年来唯一华人得主,用一份赛诺菲合同回答了“AI抗体值多少钱”。
彭健是美国伊利诺伊大学香槟分校终身教授、清华AIR高级访问教授,2020年获计算生物学最高奖Overton Prize,是这项奖20年来唯一的华人得主。
联席CEO朱祯平曾任诺华全球副总裁。
华深与赛诺菲累计超44亿美元授权合作,HXN-1001(TL1A单抗)准备进入II期临床。
学术上做到“唯一”的人,把“唯一”换成了合同上的一行数字。
这是AI抗体从论文走向产业最诚实的一步。
星药科技
清华姚班+MIT计算机博士,用生成式AI去够化学家手伸不到的地方。
李成涛2010年至2014年就读清华姚班,随后在MIT获得计算机博士学位,2019年创立星药科技。
他给公司起的名字带着一种技术人的浪漫,而做的是一件很务实的事:Pyxir®平台覆盖逆合成预测、分子生成、ADMET筛选全链条,多条肿瘤与自免小分子管线在推进。
星药的价值不在于“替代药物化学家”,而在于让化学家看到人力穷举不到的分子地带。
细分赛道龙头
在一个靶点或一种模式上,做到别人绕不过去
宇道生物
一位交大教授,做了十余年变构,在85%“不可成药”的靶点上开侧门。
张健是上海交通大学医学院特聘教授,变构药物领域全球顶级科学家,2013年创立宇道。
联合创始人兼CEO沈倩诚博士毕业于中科院上海药物所,生物学、计算化学和临床生物信息学交叉背景,长期做变构小分子。
AlloStar™平台把AI与物理计算咬合,核心管线NTS071(p53突变重激活剂)即将开启中美I期。
全行业挤在正构位点抢同一个口袋的时候,张健选了变构,一条更窄、但一旦走通就更难被替代的路。
药物牧场
56岁扔掉耶鲁终身教职,不在培养皿里找靶点,直接在活体动物体内“挖矿”。
许田的履历放在哪里都耀眼:复旦学士、耶鲁博士,在耶鲁做到C.N.H. Long讲席教授、遗传学系副主任,霍华德·休斯医学研究院研究员做了21年,是生长调控领域教科书级通路的奠基人之一。
2018年,56岁的他全职回国加入西湖大学任创校副校长。药物牧场走的路几乎没有对标:用piggyBac转座子在活体小鼠基因组里随机插入突变,观察哪些突变让动物“意外”不发病,从而发现全新靶点,再交给AI做分子设计。
DF-003治疗罕见病ROSAH已推进至Ib期,计划启动III期。
当体外模型越来越精致的时候,许田赌的是:真正的First-in-class,往往藏在培养皿看不见的地方。
希格生科
哈佛Dana-Farber博士后,把病人的肿瘤做成“试药替身”,再让AI去找分子。
张海生是哈佛大学Dana-Farber癌症研究所博士后、MIT博德研究所研究员,2020年底在深圳落地希格生科。
核心管线SIGX1094是全球首款弥漫性胃癌靶向药,获FDA孤儿药和快速通道双重认定,正在北大肿瘤医院推进临床,2025年入围盖伦奖提名,是当年唯一入选的中国Biotech。
动物实验会骗人,病人来源的类器官不会,张海生把这句话从一个科学直觉做成了一个进入临床的平台。
燧坤智能
清华交叉信息研究院教授下场,做的是大分子AI里药企第一个会想到的名字。
曾坚阳在杜克大学获得计算机科学博士,在杜克医学院做博士后,2012年作为海外人才被引进清华交叉信息研究院,2018年创办燧坤智能。
Silexon®平台覆盖抗体优化、酶改造、老药新用,疫情期间曾用AI从千万篇文献中快速筛抗病毒候选并免费向业界开放。
燧坤不追求最亮的管线,它追求的是在蛋白设计这件事上,成为那个“默认选项”。
费米子科技
不和大厂抢管线,给中小Biotech做“算得出来也买得起”的AI外包。
团队来自清华、北大、中科院计算化学背景,把分子生成、逆合成预测和成药性评价压进一套系统,服务的是那些拿不到头部大钱、但同样需要AI的中小药企和Biotech。
在头部公司用融资额定义身位的时代,费米子选择用“客户离不开”来定义自己。
新锐初创
在巨头看不上或来不及的缝隙里,先扎下根
英飞智药
专治“分子结构同质化”,用生成式模型跳出母核惯性。
中科院与顶尖AI实验室背景,自研模型快速产出全新骨架,聚焦CNS与肿瘤早期筛选。
焕一生物
背靠信达产业资源,把AI突变预测和高通量B细胞筛选焊成闭环。
全人源单抗管线进入临床前验证,切的是下一代免疫蛋白药物。
三优生物
AI先判成药性,湿实验再验证,少走的是后期失败那条最贵的路。
十余条抗肿瘤抗体管线推进,B轮阶段,同时承接国内外药企筛选项目。
RA Capital创始人。
新合生物
把大模型塞进mRNA序列设计,肿瘤新抗原疫苗已进临床。
AI优化稳定性与翻译效率,在核酸药物这条更年轻的赛道上占住了一个AI原生位置。
望石智慧
前百度主任架构师跨界,用“AI设计+机器人合成”解决“算得出来、合成不出来”。
周杰龙2018年从百度主任架构师的位置上离开创立望石,带着一批AI技术骨干进入制药,把计算预测和自动化合成实验室接在一起。
AI分子如果停在硬盘里,就只是论文;进得了合成釜,才是药。
德睿智药
85后海归,计算机和生物制药双硕士,避开肿瘤红海去做CNS。
牛张明拥有计算机和生物制药两个硕士学位,曾在德国主板上市AI医疗公司担任CTO,2021年在杭州钱塘创立德睿智药。
针对抑郁症、神经退行性疾病开发高选择性小分子,核心管线已完成临床前药效评价。
在肿瘤赛道挤到窒息的时候,他用垂直数据在CNS蓝海里给自己划了一块地。
科辉智药
分子设计之外,把晶型预测和制剂开发也吞进AI平台。
解决晶型不稳定、溶解度差这类“不性感但致命”的问题,面向仿制药改良与创新药早期开发。
17家公司、17个创始人,几乎没有一个是“顺理成章”走上这条路的。
投资人来建药队,教授扔掉终身教职,诺奖门徒去做降解剂,姚班博士去猜分子。
他们的共同点不在于学历标签,而在于都在用自己最擅长的那一种“不公平优势”,去撬动一个原本不属于自己的行业。
资本已经不再为“AI”两个字买单了。
它只为“AI做出来的东西走到了哪一步”买单。
而这些人真正的赌注,从来不在估值表里:在他们决定出发的那一刻,就已经把答案押在了自己身上。
一款创新药,传统模式平均耗时 10–17 年、综合投入超 25.6 亿美元,整体临床成功率不足 10%,这是刻在生物医药行业里的 “双十定律”。靶点验证周期漫长、高通量筛选大海捞针、候选分子成药性差、ADMET 风险后置暴露,大量资源消耗在海量无效试错中。无数 MNC、Biotech、科研团队困在长周期、高成本、低成功率的研发循环里,源头创新步履维艰。
传统药物研发,依赖化学家与生物学家的经验积累,在存量化合物库中反复筛选。化合物空间理论上可达 10⁶⁰量级,人力与自动化筛选能触达的,不过沧海一粟。很多潜力靶点,囿于分子骨架局限、专利壁垒,迟迟无法推进;等到进入湿实验阶段,才发现毒性、代谢、合成可行性短板,前期投入付诸东流。据行业统计,临床前阶段的无效合成与筛选,吃掉了早期研发近 40% 的预算。
01
DBTL 闭环落地,AIDD 改写药物研发范式
当 AI 大模型与计算生物学深度交汇,AIDD(AI-Driven Drug Discovery,人工智能驱动药物发现)正在改写这套延续数十年的研发范式。它不是简单替代实验,而是搭建起“设计 - 合成 - 测试 - 学习” DBTL 闭环,把算力、算法、生物数据融合,打通从靶点发现、蛋白结构预测、从头分子生成、虚拟筛选到 ADMET 成药性预判、先导化合物优化的全链路。
区别于传统 CADD 依赖人工预设规则的计算辅助,AIDD 依托生成式模型自主学习海量生物、化学数据,能够跳出已知分子骨架,完成Scaffold Hopping 骨架跃迁,快速生成结构新颖、规避专利风险的候选分子;依托蛋白结构预测模型,解析难结晶靶点三维构象,挖掘此前无法成药的靶点机会;在分子生成阶段前置评估活性、选择性、代谢稳定性、毒性风险,提前淘汰高风险分子,将进入湿实验的候选体量压缩 70% 以上,临床前研发试错成本降低 30%–50%,研发效率提升 2–4 倍。
02
管线持续兑现,海内外药企加速押注 AIDD 赛道
从产业落地数据看,AIDD 已经从概念走向管线兑现。截至 2026 年中,全球已有超过 200 个 AI 设计 / AI 参与发现的分子进入临床试验,其中 I 期 94 个、II 期 56 个、III 期 15 个,覆盖肿瘤、自免、纤维化、罕见病等赛道。
国内头部 AIDD 平台已经跑出标志性标杆案例:英矽智能 Rentosertib,从靶点发现到临床前 PCC 提名仅18 个月(传统模式普遍 4–5 年),IIa 期临床数据发表于《Nature Medicine》,现已进入国内 III 期临床;同时它接连拿下礼来、武田、施维雅等跨国药企大额合作,其中与礼来的合作潜在总金额最高 27.5 亿美元,印证 AIDD 管线的资产价值被全球头部药企认可。晶泰科技 2025 年实现全年盈利,营收同比增长 201.2%,成为国内 AI 制药平台商业化落地的代表;剂泰科技、星药科技等平台也持续和国内外药企开展小分子、AI 制剂、蛋白药物联合发现项目。
全球大药企同样在加速自建 + 外部采购双线布局:罗氏推出 Lab-in-the-Loop 闭环研发战略,把 AI 干湿闭环纳入核心研发基建;礼来上线 Lilly TuneLab™,联动 Twist、金斯瑞等自动化合成平台,打通 AI 设计到高通量验证;阿斯利康、诺华、默沙东均在内部设立 AI 药物发现专项组,同时持续和国内 AIDD 平台、CRO 开展联合靶点、分子优化合作,不再把 AI 当成营销概念,而是管线提速的刚需工具。
03
褪去行业泡沫,干湿一体化能力才是核心竞争力
但 AIDD 的落地,同样绕不开真实挑战:高质量标注生物数据稀缺、不同实验体系的数据异构、模型泛化性不足、预测结果和体内真实生物学效应存在鸿沟。泡沫退去之后,产业的比拼,早已不是谁的模型参数更大,而是谁拥有可闭环验证的干湿一体化能力、标准化实验数据底座、贴合药企管线需求的交付能力。脱离实验验证的算法只是论文,能够稳定输出可合成、可验证、具备成药性潜力分子的 AIDD 平台,才是产业真正需要的伙伴。
04
面向未来:AI 与科研同行,解锁新药源头创新
创新药的终极命题,永远是更快、更经济地把安全有效的药物带给患者。AIDD 带来的变革,是把新药发现从 “经验驱动、随机试错”,转向 “数据驱动、理性设计”。它正在慢慢松动沉重的 “双十枷锁”,降低源头创新门槛,让更多原本难以推进的靶点、小众疾病赛道,拥有被看见的机会。弗若斯特沙利文预测,全球 AI 赋能药物研发市场规模将持续高速增长,到 2032 年有望达到 746 亿美元。
从虚拟分子到试管里的化合物,从算法预测到临床管线,AI 制药的长跑才刚刚进入产业化深水区。未来,能够打通算法、化学、生物学、自动化实验的 AIDD 能力,会成为创新药企的标配基建。在海量化学空间里寻找生命解药,人工智能,正在和科研人一起,奔赴这场漫长而意义非凡的探索。
不知道大家有没有发现一个很有意思的现象。
前几年一提AI制药,大部分人的印象就是:故事好听,赚钱很难。
打开行情软件,板块一涨,新闻铺天盖地;业绩一出来,很多公司又回到原点。
很多普通投资者并不是排斥AI这个赛道,而是被太多“只有概念没有利润”的标的伤过。
我身边有不少长期跟踪生物医药的朋友,他们跟我说过同样一句话:
AI制药不是没有产业价值,只是我们太习惯把“技术想象力”直接等同于“业绩兑现力”。
当潮水慢慢退去,真正能够把AI工具变成实实在在收入、经营状态得到改善的公司,才值得我们花时间去了解、跟踪。
这里先把话说在前头:我不是来给大家推荐任何股票,也不会告诉你哪一只马上要大涨。
今天这篇,就是基于已经公开的2026年半年报、上市公司公告和行业公开资料,和大家一起做一次客观盘点。
目的是看懂这个行业现在走到哪一步,哪些企业落地进度相对靠前,同时也要看清里面隐藏的风险。
很多网上的文章聊AI制药,上来就是罗列一大堆公司名字,贴几个概念标签就结束了。
那种内容看完,除了记住几个名词,几乎得不到什么有用判断依据。
我这次尽量换一个思路:先把行业逻辑讲清楚,再讲“盈利改善信号”到底应该怎么理解,然后再介绍十家经营质量相对值得观察的企业,最后聊聊普通人跟踪这个板块需要避开哪些坑。
很多人有一个误解:只要沾上AI+制药,就叫AI制药公司。
实际上在业内,大家一般会把它分成好几层,这个区分非常关键。
第一层,是AI工具服务商:他们开发算法、搭建平台,给药企提供靶点发现、分子筛选、临床试验设计这类服务,收入来自项目服务费、授权里程碑。
第二层,是“AI赋能自研管线”的药企:AI只是研发工具,真正的产品还是创新药,未来主要靠药物上市之后的销售赚钱。
第三层,就是纯题材炒作:几乎没有成型AI研发平台,也没有对应管线落地,只是在公告、互动回复里面偶尔提两句AI,业务占比微乎其微。
过去三四年,绝大多数被炒热的,恰恰是第三类和部分还处在烧钱阶段的第二类。
AI可以缩短研发周期、降低试错成本,这个逻辑本身没有错,但“缩短周期”不等于“立刻赚钱”。
一款创新药,哪怕用AI提速,从靶点确认到临床试验再到获批上市,依然要以“年”为单位计算。
临床Ⅱ期、Ⅲ期随时有可能失败,前期投入直接打水漂,这是生物医药行业与生俱来的风险。
也正是因为这个原因,“盈利能力改善”四个字放在AI制药赛道,不能简单直接等同于已经稳定盈利。
很多企业现在还处在投入期,净利润亏损是正常现象。
所以行业研究者会看得更细:比如有没有持续增长的技术服务收入?经营现金流是不是在改善?毛利率能不能稳住?里程碑收入有没有兑现?研发投入有没有匹配对应的管线产出?
当然,如果已经能够实现扣非盈利,那会是一个值得留意的信号,但这不等于它以后就一定能够持续赚钱。
我看到不少自媒体直接拿“某季度净利润回正”就贴上“AI制药盈利龙头”标签,其实不够严谨。
有些利润来自政府补助、资产处置、理财收益,并不是来自它AI制药相关的主营业务。
这种“纸面盈利”迷惑性很强,普通投资者一不小心就踩进去。
所以我这次筛选的大原则就是:优先看主营业务带来的收入、现金流状态、技术业务落地进度,而不是单一一张利润表数字。
所有信息全部来自公开披露,只做事实整理和逻辑讨论,不作为任何买入或者卖出的依据。
接下来,我们先来看看2026上半年整个AI制药行业发生了哪些值得留意的变化。
根据药智网、火石创造发布的产业半年观察报告,上半年国内AI制药领域融资总额相比前两年狂热时期有所收敛,但资金明显“挑人”了。
资本不再愿意为“PPT平台”买单,钱更多流向已经有签约项目、有对外技术服务、管线推进到临床阶段的企业。
海外也是类似趋势:海外大型药企和国内AI技术公司的授权合作、联合研发项目,数量在稳步增加,单笔里程碑总金额经常看上去很惊人。
这里提醒一点:里程碑总金额≠已经拿到手的钱。
很多人看到新闻“合作总额高达十几亿美元”就很激动,但这笔钱是分很多条件节点兑付的,靶点验证、Ⅰ期、Ⅱ期、Ⅲ期、上市、销售额达标……每一步都过关,才有可能拿完。
大部分时候,初期只有一笔不大的首付款。
这一点几乎是所有AI制药新闻里面最容易被选择性忽略的细节。
另外一个变化:部分头部企业的技术服务收入开始形成相对稳定曲线。
过去很多公司收入是“脉冲式”,偶尔拿到一个项目,有一笔钱,之后又空窗很久。
现在少数企业,已经可以做到连续多个季度,都有来自不同药企的委托研发、AI模型服务订单,收入的可预见性比以前提高。
当然,这个盘子目前依然不大,很多项目金额属于百万级别,离撑起巨大市值还有很远距离。
还有一个值得注意:越来越多传统老牌药企,开始自建AI研发部门。
它们不一定会到处宣传自己是AI制药,但实实在在在用AI工具做内部管线优化。
这意味着,未来市场会出现两条路线:一类是独立AI技术公司,对外卖服务、对外授权;另一类是传统药企把AI变成内部工具箱。
不要觉得只有名字带“AI”的才是玩家,真正的竞争格局比标题看上去复杂得多。
基于这样的行业背景,结合2026半年报、交易所公告、官方披露的管线进展、经营现金流、主营收入结构,我整理了十家在经营质量、业务落地、变现进度上面相对值得观察的企业。
再强调一遍:这是“值得持续观察”的清单,不是“买入清单”;是“经营状态有所改善”,不等于“没有风险”;全部基于公开资料整理,不构成任何投资建议。
下面介绍顺序不分排名先后,只做客观业务画像,不预测股价。
① 晶泰科技
很多人对它并不陌生,属于国内最早一批走AI药物研发服务路线的企业。
上半年披露的数据里面,来自药企的AI研发与技术服务收入继续保持增长,多个长期框架合作项目在有序推进。
它最核心的特点是有比较完整的算力‑算法‑实验验证闭环,不只是纸上跑模型,自己也有自动化实验室用来做湿实验验证。
当然压力同样明显:持续的算力和实验室投入,依然让整体还处在投入周期;对外授权项目能不能不断转化为更多里程碑收款,是后面需要重点跟踪的指标。
② 英矽智能
这家给大家印象最深的,就是有由AI发现、已经推进到临床阶段的候选药物。
上半年半年报显示,合作授权带来的相关收入有兑现,同时自有管线持续向前推进。
它属于典型“服务+自研管线”双轮模式:一边对外输出AI药物发现服务获得现金流,一边押注自己发现的创新分子。
风险点也就在这里:自研管线价值很高,但临床推进充满不确定性;一旦关键临床结果不及预期,会直接影响市场信心。
③ 百图生科
它的定位更偏向AI驱动的生物大分子、免疫相关药物发现平台。
上半年和多家产业方达成联合研发协议,技术服务、合作首付款带来可见收入。
它的优势在于赛道选择:大分子、靶点免疫方向本身就是创新药里面非常重要的板块;但短板也很现实,大分子药物开发周期更长,投入更高,距离大规模商业化还有漫长路程。
④ 星药科技
长期聚焦小分子AI药物发现,打法相对务实。
它没有到处铺概念,而是扎扎实实拿项目、做分子交付。
上半年公开信息里,可以看到多个委托研发项目顺利交付,带来稳定技术服务现金流。
它的特点是不追求一下子“震惊市场”的大新闻,更偏向持续、小步快跑的落地;缺点是缺少那种重磅里程碑大订单,市场给的关注度往往不算高。
⑤ 燧安生物
不少朋友可能看得少一点,它是AI+合成生物学+药物发现的路线。
上半年和产业客户的研发订单有所增加,平台的化合物库、AI预测模型持续迭代。
合成生物学叠加AI是很有想象空间的方向,但同样属于烧钱赛道;现在收入体量还不大,只是已经具备初步的商业转化迹象,适合长期观察业务订单的增长趋势。
⑥ 药石科技
这里要特别说明:很多人不把它叫做纯粹AI制药,但它是传统CDD逐步深度AI化的代表。
它本来就是分子砌块、药物研发解决方案龙头,近几年持续投入AI工具平台,用来提升分子设计、合成效率。
2026上半年营收和利润本身就在稳定区间,AI更多是赋能原有主业,而不是单独讲故事。
这种模式的好处:有成熟主业托底,现金流健康;AI是放大器而不是全部;缺点是市场经常觉得它“AI纯度不够”,概念弹性不如纯AI标签公司。
⑦ 维亚生物
同样属于“CRO+AI升级”的代表。
它本来就有比较成熟的结构生物学、早期药物发现服务,最近几年把AI对接进原来的技术流程,用来加速靶点和分子筛选。
半年报可以看到,整体经营现金流保持正向,AI相关的辅助研发项目占比在慢慢抬升。
和药石科技逻辑类似:AI是提升效率的武器,不是唯一故事;业绩基础比较扎实,但很难看见那种“一夜爆发”式的叙事。
⑧ 德琪医药
它是以自研创新药为主,同时大量应用AI平台辅助管线开发。
已经有产品实现商业化销售,这一点在AI关联药企里面是非常难得的。
AI在这里的角色,是提高后续新分子的研发效率,不是它全部收入来源。
有在售药物就意味着有真实销售收入托底,但也要注意:原有商业化产品能不能稳住销量,新管线能不能按期推进,依然是决定它长期价值的关键。
⑨ 索元生物
擅长生物标志物、复杂临床开发,近几年引入AI技术用于病人分层、临床方案优化。
它同样有已经上市产品贡献收入,同时多个临床管线在往前走;AI主要用来提高临床成功率、降低试验设计成本。
很多人忽略“AI优化临床试验”这条赛道,大家目光总盯着AI找分子;其实临床阶段恰恰是创新药花钱最多、翻车概率最大的地方,这个方向有它独特价值。
当然,所有临床类项目,都天然带有结果不确定性。
⑩ 阿基米德生物
这家更偏向AI辅助蛋白结构预测、ADC药物前体分子设计。
上半年有多个和药企的早期合作落地,技术授权首付款不断出现,商业转化正在从0到1。
目前收入规模还很小,距离真正“大规模盈利”还有很远;但平台的技术路线非常有特色,适合持续观察后续有没有更多里程碑兑现。
再郑重重复一次:上面这十家,只是基于2026半年公开资料,在业务落地、现金流改善、AI研发兑现度上面相对值得留意,不是“买入名单”,更不等于它们未来一定一路向好。
里面有的是纯AI技术服务商,有的是CRO叠加AI,有的是已经有商业化产品、把AI当成研发工具的药企。
它们代表的,是AI制药行业从“讲故事阶段”慢慢迈向“产业验证阶段”的一个缩影。
聊到这里,我也想把普通投资者看AI制药,最容易踩进去的四个认知陷阱摊开来讲。
这些坑,不是某一家公司的问题,而是整个板块舆论环境经常制造出来的错觉。
第一个陷阱:把“大合作新闻”直接等同于“已经赚到巨额利润”。
前面已经提过里程碑的机制,但我还是愿意再强调一遍。
一条新闻:“达成12亿美元联合研发合作”,看上去很震撼。
绝大多数情况下,这是全部潜在里程碑的理论最大值。
首付款可能只有几百万、一两千万;后面每一笔都要满足极其严格的研发节点。
网上很多解读直接把这个数字当成当期收入,这种信息会严重误导判断。
以后再看见类似标题,先找原文,看看首付款多少、触发条件是什么,不要看见金额就热血上头。
第二个陷阱:把“某一期短暂盈利”当成“已经进入持续盈利时代”。
AI制药企业很多还处在投入周期。
偶尔一个季度利润回正,有可能是收到一笔一次性里程碑、或者政府补助、理财收益。
想要判断是不是主业真的开始赚钱,要连续看2‑3个报告期,同时看:技术服务收入有没有持续增加?毛利率能不能稳住?经营现金流是不是持续改善?
不要被单一张利润表数字,就直接判定“拐点已经到来”。
第三个陷阱:迷信“AI纯度”,越玄乎越觉得厉害。
不少公司宣传自己“全流程AI闭环、颠覆传统制药”,听上去特别高级。
但真正懂产业的人都知道:药物研发永远离不开“湿实验验证”。
算法再漂亮,实验室里面做不出来、细胞和动物实验过不去,就没有实质意义。
有些公司AI概念吹得震天响,却很少公布对应的实验验证数据和真实交付项目;这种就要多留一个心眼。
反而不少“AI纯度没那么高”,但是有实实在在分子交付、实验平台的企业,走得更稳。
第四个陷阱:把“行业长期空间巨大”直接翻译成“股价马上就要大涨”。
AI制药长期有没有前景?我个人认为它会成为研发领域重要工具。
AI会变成药物研发里面越来越普遍的标准工具,就像当年CAD改变工程设计一样。
但是“行业长期有空间”和“现在买进去马上赚钱”中间隔着万水千山。
技术成熟需要时间、管线兑现需要时间、企业消化估值也需要时间。
很多普通投资者就是认可长期逻辑,却忽略短期估值、情绪波动,结果高位被套。
看好一个赛道,可以持续学习跟踪,但千万不要直接把信仰当成交易信号。
说了这么多风险,那对于我们普通关注市场的朋友,可以建立一个什么样的跟踪框架?
我不会给大家什么“仓位建议”,只分享一套很多产业观察者在用的免费公开信息观察清单,用来自己做跟踪判断。
第一,优先盯持续的技术服务收入、经营现金流,而不是只盯净利润。
每个报告期,去看一看它的“营业收入构成”,AI相关服务、对外授权有没有持续贡献收入;经营现金流净额是不是在慢慢变好。
比起偶尔“利润回正”,连续稳定的现金流入往往信号更可靠。
第二,看见重磅合作,一定要点开原始公告,拆解交易结构。
重点找三点:首付款多少?各个里程碑触发条件?有没有销售分成安排?
不要只看媒体提炼出来的那个最大数字。
交易所官网、公司官网的公告才是第一信源,很多二次转发的文章会有意无意放大预期。
第三,管线跟踪盯住“临床实际读出数据”,而不是“进入临床Ⅰ期”。
进入Ⅰ期,只能说明“可以开始在人体做初步安全性试验”,距离证明药物有效还非常遥远。
真正有含金量的,是Ⅱ期、Ⅲ期的临床主要终点数据公布。
当然这也不是保证,只是管线走到这个位置,才算是交出了一份比较有分量的成绩单。
第四,建立“预期管理”:把AI制药定位成长周期观察赛道,不是短线博弈乐园。
如果你希望买进去两三周就爆发,这个板块大概率会反复折磨你。
它更适合愿意花几个季度、甚至以“年”为单位去观察产业进展的人;如果你是做短线,这里并不是友好选择。
还有一个小习惯:可以定期看一看药智网、火石创造、CDE官方数据库的公开行业资讯。
不用天天泡在里面,每个月抽十几分钟扫一眼,就能知道最近产业发生了什么,不容易被自媒体制造的情绪带着跑。
必须再客观补充一句:就算一家企业上面这些指标都很好,也不代表投资它就安全。
生物医药行业天然就有临床失败、政策变化、竞争加剧、人才流失等等风险。
AI只是研发工具,可以提高效率,但它没有魔法,不能消除创新药固有的巨大不确定性。
不要神化AI,也不要全盘否定它,保持一个冷静、观察的姿态,对普通投资者往往最有利。
写到这里,我也想和大家做一个互动。
最开始的时候我就说,很多人对AI制药的印象就是“故事很好,赚钱很难”。
经过这几年大浪淘沙,确实已经有一部分企业慢慢从纯烧钱讲故事,走到可以拿出持续服务收入、甚至少数开始有产品商业化的阶段。
但距离真正迎来大规模盈利爆发,毫无疑问还有很长的路。
我很好奇:在你眼里,AI制药更多是未来医药产业的真实生产力革命,还是一个不断轮回的资本市场热门题材?
你有没有持续跟踪一两家AI制药企业?是什么东西吸引你去关注它?
欢迎在评论区留下你的看法,大家理性交流,互相交换观察角度,一起拓宽认知。
也欢迎你收藏这篇文章,等到三季报、年报出来的时候,可以拿出来对照,看看这些企业的业务有没有出现新变化。
免责声明:本文所有数据与信息均来自官方公开媒体、行业公开资料及上市公司公告,内容仅供市场逻辑学习与参考,不构成任何投资建议。股市行情波动较大,投资有风险,入市需谨慎,所有交易决策与盈亏风险由操作者本人自行承担。
100 项与 星药科技(北京)有限公司 相关的药物交易
100 项与 星药科技(北京)有限公司 相关的转化医学