Shandong Lutai Huanzhong Pharmaceutical Co. Ltd.

当前市场正式进入超跌反弹周期，叠加密集中报业绩披露窗口，行情复杂度显著提升。整体行情进入风格再平衡阶段：科技反弹弹性领跑，创新药、有色、能源化工作为均衡配置备选；大盘均线粘合，小资金可依托日内 T 做波段，总仓位建议控制 5-6 成以内，逢跌分批加仓、顺势操作。 截至 8 月 9 日盘面核心数据：・上证指数 3940.04 点，单日上涨 1.02%，三市成交额 2.83 万亿，较前一日增量 1359 亿，市场流动性充足；・科创综指大涨 3.35%，科技赛道成为本轮反弹核心先锋；・市场普涨格局，上涨家数大幅占优，做多情绪回暖。一、科技主线：超跌修复 + 国产算力双重催化，板块分化清晰 本轮科技上涨定性为普涨型超跌反弹，细分赛道修复幅度差距明显，同时国内大模型集体涨价，持续拉动国产算力产业链景气度上行。1. 赛道修复三大梯队（7 月底部至 8.7 修复幅度） ✅ 第一梯队（反弹最强，核心观察标的）PCB、MLCC 被动元件平均修复幅度近 40%，领涨个股：胜宏科技、仕佳光子、风华高科、景旺电子，单轮涨幅均超 54%，是行情强弱风向标。 ✅ 第二梯队（中等修复，弹性次之）光模块 / CPO、半导体，代表标的：天孚通信、中微公司、太辰光，平均修复 30%+。 ⚠️ 第三梯队（修复滞后，仍有补涨空间）光纤、存储板块平均修复不足 25%，豪威集团、中芯国际等标的反弹幅度仅 6%-21%，距离 6 月高点跌幅巨大，后续存在补涨机会。2. 全球大模型定价逻辑反转：海外降价、国内涨价 海外大厂（OpenAI、谷歌、Meta）持续下调 API 价格，依靠技术降本抢占全球流量；国内 AI 企业集体涨价回血，核心催化来自 DeepSeek 8 月 6 日全品类 API 调价： 需求爆发：V4-Flash 模型调用量登顶全球，算力资源拥堵； 战略转变：从低价抢份额转向盈利，为高端新品留出价格区间； 产业结果：AI 需求持续爆发，倒逼国产算力硬件扩产，算力产业链长期景气确定。3. 寒武纪中报拆解：国产算力 Q3-Q4 业绩集中兑现 短期 Q2 营收不及预期仅为订单确认节奏问题，并非需求走弱，核心利好信号充足： 盈利质量提升：上半年收款 74.5 亿元＞营收 60 亿元，毛利率、净利率环比同步上行； 备货指标全面爆发：存货 82.5 亿、预付款 29.14 亿、应付票据 30.85 亿、半年采购付现近 60 亿，上游晶圆、HBM、封测产能全部锁定； 后市结论：订单储备饱满，下半年国产算力业绩有望集中释放。4. 算力 / IDC 实操策略 国产算力整体采用“拖住策略”：仅小仓位底仓持有，等待中报落地后再调整仓位； IDC 细分优劣区分：批发型企业绑定大客户盈利稳定，代建型毛利平稳，零售型持续走弱；算力租赁板块波动风险更高，仅适合短线打野； 产业链价值分布：整机服务器 30%＞高速线缆 25%＞交换机 20%＞液冷散热 15%＞光模块 10%，交换机标的短期反弹力度突出。 二、风格再平衡：创新药，资金高低切换核心选择 创新药具备制裁韧性 + 业绩兑现 + 政策红利 + 资金回流四重驱动，是市场风格均衡的优选方向，也是本轮行情第二大主线。1. 四大核心上涨逻辑BD 出海叙事拉满 2026 上半年国内药企海外授权总额 1100 亿美元，同比大涨 73%，全球前十海外交易中国企业独占 8 席；政策持续落地 新版基药目录纳入 16 款创新药，给予 8 年价格保护；医保 + 商保双目录扩容，生物医药定位新兴支柱产业；业绩集中兑现 海思科、艾力斯、康诺亚等企业中报利润大幅增长，多家企业实现扭亏；资金持续回流 板块单日主力净流入最高 45.19 亿元，公募增持、药企大额回购，上半年行业融资超 42 亿美元。2. 四大细分赛道，按行情弹性排序主线梯队｜ADC & 双抗 市场最强风口，科伦药业、百利天恒、荣昌生物为核心标的，多款产品获批、大额海外 BD 持续催化；高增长梯队｜GLP-1 减肥药 + 小核酸 赛道长期成长性突出，翰宇药业、石药集团持续受益临床与海外合作落地；稳健梯队｜CXO+AI 制药 产业链刚需中军，英矽智能 AI 制药拿下大额海外订单；CXO 行业需求全面复苏；价值梯队｜传统创新药龙头 恒瑞医药、贝达药业，估值低位，具备补涨潜力。3. CXO 核心跟踪：药明康德为板块风向标 业绩大幅上调：全年营收指引上调至 585-605 亿元，增速由 22% 提升至 35%-39%； 行业复苏信号：药明康德、康龙化成 2026Q1 营收、净利润同比大幅回暖，昭衍新药新签订单增速翻倍； 抗制裁优势：遭美国列入清单后顺利拿到临时禁令，相比科技板块，外部政策打压影响极小，具备避险属性。估值对比 A 股创新药 PE-TTM 50.45 倍（处于历史 73% 高分位）；港股创新药 2026 年预期 PE 仅 17.3 倍，港股估值性价比突出。三、风格再平衡：降息预期驱动，有色迎来阶段性修复 本轮有色上涨由地缘冲突 + 美联储政策预期反转双重驱动，黄金、工业铜同步走强。1. 7-8 月宏观环境核心变化 地缘冲突推升油价突破 100 美元，通胀担忧升温，美债收益率一度创下 17 年新高； 美联储政策陷入困境：新任主席坚守 2% 通胀目标，但两次议息会议无加息、缩表动作，市场对美联储公信力产生质疑； 关键拐点：7 月非农数据大幅爆冷，新增就业 - 2.3 万人，前两月累计下修 10.3 万，薪资、劳动参与率同步走弱。2. 资产定价逻辑反转 非农数据落地后，9 月美联储加息概率从 57% 快速回落至 41.9%，降息预期全面重启：美元指数跌至 99.5，美债收益率下行；走出罕见行情 —— 美债走弱、黄金 + 工业铜同步大涨，反映市场长期看空美元信用。在降息预期持续发酵背景下，贵金属、工业金属成为风格再平衡的优质配置方向。四、标准化抄底交易体系，可直接落地实操 报告梳理一套完整左侧抄底规则，适配本轮超跌反弹行情：三大底层交易理论（1）先抄大盘，再做个股 连续 3 个交易日指数不创新低，方可启动试错；大盘均线粘合后，使用日内 T+0 分批加仓；（2）普涨共振逻辑 大盘反弹具备整体性上涨势能，优先操作自身熟悉持仓，不盲目追高陌生赛道；（3）皮球落地理论 下跌阶段跌幅最深、调整斜率最大的板块，反弹弹性最强，也是前期重点布局科技赛道的核心逻辑。实操复盘验证 8 月初大盘受光模块利空低开，但满足 “三日不新低” 标准，维持逢低试错思路；叠加海外科技板块情绪回暖，国内科技反弹持续性得到支撑。交易核心心法 投资切忌碎片化消息交易，完整体系需要覆盖行情逻辑、买卖点位、仓位管控，搭建稳定的实盘循环；摒弃追涨杀跌，以趋势为核心顺势操作。文末风险提示 当前处于中报密集披露期，个股业绩分化加剧，未披露业绩板块波动风险放大； 科技赛道存在海外制裁、算力价格波动、订单确认不及预期等利空； 创新药需警惕临床数据不及预期、医保降价、海外合作落地延期风险； 有色行情高度依赖美联储政策、地缘局势变化，美元波动会直接压制板块走势； 本文所有市场分析、板块思路仅作参考，不构成任何投资建议，投资有风险，入市需谨慎。

2026 生物医药与合成生物：AI 制药、合成生物学与基因编辑的「读-写-造」闭环 导言 / Executive Summary AI 制药把先导化合物发现周期从数年压缩到数月，研发范式从「试错」转向「生成」。 合成生物学用「细胞工厂」替代化学合成，在材料、食品、美妆与特医食品打开新供给。 基因编辑（碱基编辑/先导编辑）从实验室走向临床，遗传病与肿瘤治疗迎来可控工具。 我们判9断：产业拐点在于「数据 × 自动化湿实验」闭环，谁打通谁定义下一代生物制造。 一、底层逻辑：生命科学的「工程化」转向 1.1 从「发现」到「设计」 生物技术正从经验试错转向可计算、可设计的工程学科。AI 预测结构、编辑工具改写序列、自动化平台验证，三者构成「读-写-造」闭环。 1.2 数据是新风油 高质量实验数据成为最核心资产。谁拥有「湿实验自动化 + 数据飞轮」，谁的模型与菌株迭代就越快。 二、核心驱动与竞争格局 2.1 三条战线的禀赋矩阵 AI 制药拼算法与数据，合成生物拼菌株与放大，基因编辑拼工具精度与脱靶控制——共同依赖「自动化 + 数据」底座。 2.2 平台型公司的稀缺性 能同时打通「设计-构建-测试-学习」闭环的平台，比单点疗法公司更具杠杆，估值锚在平台复用能力。 对比维度AI 制药合成生物学基因编辑核心工具结构预测 + 生成式分子设计基因线路 + 细胞工厂碱基/先导编辑工具落地场景先导化合物、老药新用材料、食品、特医、香料遗传病、肿瘤、农业关键壁垒高质量数据与临床转化菌株性能与放大工艺编辑精度与脱靶控制 结论性判断：生物科技的护城河从「单个疗法」转向「设计-验证闭环平台」，平台复用能力决定估值天花板。 生物制造的终局，是让细胞成为可编程的工厂——而数据，是这台工厂的源代码。 三、未来趋势与策略 SOP 3.1 三大确定性趋势 趋势一：AI 贯穿研发全链。 从靶点发现到临床设计，AI 把研发周期与成本同时下压。 趋势二：合成生物放量。 细胞工厂在食品、材料、特医领域跑通商业模型，成本逼近化学法。 趋势三：编辑工具临床化。 碱基/先导编辑凭更高安全性进入遗传病治疗主线。 给产业方的策略 SOP： 选型 SOP：以「数据资产 × 闭环能力 × 临床/放大确定性」评估标的，避开纯概念。 布局 SOP：重仓「自动化湿实验 + 数据飞轮」底座，掌握迭代速度。 转化 SOP：AI 制药项目前置临床路径设计，缩短从苗头到 IND 的周期。 风险 SOP：关键编辑工具与菌株保留知识产权与供应链双备份。 综上，2026 年的生物科技，比的不是谁发现得多，而是谁设计得快。把生命变成可工程化、可复用的平台，才配定义下一代生物制造。

五个关键发现 1. 估值剪刀差到了荒谬的程度。 英矽智能2027年预期P/S约19倍，晶泰科技约25倍，而全球AI药物发现（AIDD）公司的中位数是60倍。中国AI制药的估值不到海外三分之一。我反复确认了这个数字，没看错——英矽智能2026上半年营收同比增长272.7%，已经扭亏为盈，净利润3350-3950万美元。海外同行Recursion、Schrodinger、Relay Therapeutics还在烧钱。 2. 摩根大通的逻辑链条清晰且可验证。 三个核心命题：AI把药物研发从"试错"变成"迭代"；中国比海外便宜且快；大药企已经用自己的资产负债表投了信任票。 3. 全球AI制药正处于"临床验证期"的转折点。 全球173个AI发现分子已进入临床，但0个获批。这个数字听起来吓人，但历史上所有新药研发范式——从组合化学到理性药物设计到抗体工程——都经历过同样的"死亡谷"。关键问题是：2027-2028年会不会有第一批AI发现药物获批？我的判断是，大概率会。 4. 中国AI制药的"双轨制"正在形成。 英矽智能走的是"自研+BD"模式——30个资产管线，累计BD金额超100亿美元。晶泰科技走的是"服务+平台"模式——2025年收入8.03亿人民币，在手订单70.7亿，服务全球前20大药企中17家。我倾向于认为，英矽智能的模式天花板更高，但晶泰科技的确定性更强。两条路都能跑通，但估值逻辑完全不同。 5. 最大的风险不是技术，而是市场对"中国折价"的惯性思维。 中国临床药物开发的全球成功率只有1.7%，跨国药企是14.3%。这个差距是真实的，但AI能否缩小这个差距，才是决定中国AI制药估值能否重塑的核心变量。我的直觉告诉我，如果AI能把中国临床成功率从1.7%提升到哪怕5%，估值逻辑就会彻底改变。 引言 我在办公室刷到摩根大通那篇61页报告的时候，第一反应不是兴奋，是怀疑。每次看到大投行覆盖AI制药赛道，我脑子里都会自动弹出一个对话框：这是真看好，还是为了给IPO做市？ 但读完那61页，我不得不承认——摩根大通这次做得比我想象的扎实。 背景很简单：AI制药赛道正在经历从"概念验证"到"商业验证"的切换。2025年，全球AI药物发现市场862百万美元，预计到2032年达到2429百万美元，CAGR 15.7%。这个数字不算夸张，但关键不在于市场规模多大，而在于：谁在买单，以及为什么买单。 摩根大通覆盖中国AI制药的逻辑，说白了就是三个字：便宜、快、真。 便宜——中国AI制药公司估值只有海外同行的三分之一。快——中国临床开发速度和成本优势显著。真——BMS、辉瑞、赛诺菲这些大药企已经用自己的钱投了项目，不是嘴上说说。 我写这篇文章的目标很简单：用我自己的框架把摩根大通这61页报告拆开来看，再加上我自己的判断。我不会重复摩根大通的每一个数字，我会告诉你哪些数字是重要的，哪些是障眼法，以及——如果我是投资者，我现在会怎么做。 方法上，我打算用三个框架来切：SWOT分析，看清中国AI制药产业的整体格局；价值链分析，搞清楚钱在这个产业链里怎么流动；rNPV估值框架，从"讲故事"切换到"算数字"。 第一章 摩根大通61页报告说了什么 1.1 核心论点的三重逻辑 摩根大通61页报告的核心论点，我拆成三层。 第一层：AI正在把药物研发从"试错"变成"迭代"。 传统药物研发的逻辑是"筛"——高通量筛选几百万个分子，看哪个有效。这个过程像买彩票，你买得越多，中奖概率越高，但每张彩票的成本都不会因为你买得多而下降。AI的逻辑是"学"——用已有的数据训练模型，让模型告诉你哪个分子最可能成。这个过程的成本曲线是递减的——你训练得越多，下一次预测的成本越低，准确率越高。 我打了十年交道的药物化学家们，对AI的态度从三年前的"嗤之以鼻"变成了今天的"将信将疑"。这个转变本身就是个信号——如果最保守的一群人都在动摇了，说明技术真的到了临界点。 第二层：中国比海外便宜，且快。 摩根大通在报告里做了详细的成本对比。中国临床开发成本大约是海外的40-60%，临床入组速度是海外的1.5-2倍。这个优势在AI制药领域被放大了——因为AI的本质是"算力+数据"，而中国在这两个维度上都有规模优势。 第三层：大药企已经下了真金白银的赌注。 BMS引入英伟达的HPC系统做AI药物发现，赛诺菲与英矽智能达成超过10亿美元的合作，辉瑞与晶泰科技在多个项目上合作。这些不是"战略合作意向书"——都是实打实的首付款和里程碑付款。 我自己的判断是：摩根大通这个三重逻辑框架的逻辑链是自洽的，但最大的不确定性不在前两层，而在第三层——大药企的BD合作能不能持续放量。 1.2 估值对比：为什么中国AI制药只有海外1/3 老实讲，我一开始以为摩根大通会拿中国AI制药公司和海外那些还没收入的阶段公司做对比，那是作弊。但他们没有。他们做的是同类对比——英矽智能vs Recursion，晶泰科技vs Schrodinger，都是已经有收入、有管线、有合作的公司。 结果是：英矽智能2027年预期P/S约19倍，晶泰科技约25倍，而全球AIDD同类公司的中位数约60倍。 我盯着那个数字看了三遍，确认没看错。一个盈利的公司，估值比亏损的公司低三倍？这要不是市场偏见，那我这十年医药投资就白做了。 中国AI制药的估值，不到海外同行的三分之一。 让我把话说得更直白一点：英矽智能2026上半年营收同比增长272.7%，且已经实现扭亏为盈（净利润3350-3950万美元）——也就是说，它是一家有收入、在增长、已经盈利的公司。但市场给它的估值倍数，仍然低于那些还在亏损的海外同行。 这个差距说明什么？说明市场不是在给基本面定价，而是在给"中国"这两个字打折。 中国创新药行业在2021-2024年的"估值泡沫-破裂-修复"周期，让所有海外投资者产生了条件反射式的恐惧。任何带"中国"标签的生物科技公司，都自动被贴上了"政策风险"和"退出不确定性"的标签。 但问题是，AI制药的逻辑和传统创新药不完全一样。说白了，AI制药拼的不是谁能钻监管空子，也不是谁能更快抄别人的药——它拼的是数据和算法。而数据和算法这个东西，美国和中国各有各的牌，不是谁多谁少的问题。 1.3 全球AI制药的"冰与火" 就在摩根大通发布报告的同一个月，全球AI制药融资市场传出了两个令人瞠目的数字： Chai Discovery，4亿美元融资，投后估值38亿美元。这家公司成立不到两年，还没有任何临床数据，但投资者已经给了它近40亿美元的估值。 Isomorphic Labs，21亿美元B轮融资，估值超过100亿美元。DeepMind孵化出来的AI制药公司，其AlphaFold技术确实改变了一个领域，但100亿美元的估值意味着它已经超过了几乎所有传统生物科技公司的市值。 把这些数字放在一起看，你的感受是分裂的。 一边是海外AI制药公司以超高的估值疯狂融资，另一端却是中国AI制药公司在港股以不到海外1/3的估值上市交易。这中间一定有一个是错的。 我的判断很简单：海外的估值是泡沫，中国的是被低估。两边都不正常。 海外那帮公司，Chai Discovery成立两年没临床数据就估值38亿美元，Isomorphic Labs估值100亿美元——这不是什么"技术溢价"，这是资本在赌风口，赌的是"万一成了呢"。中国AI制药公司呢？英矽智能已经盈利了，估值还不到海外同行的三分之一——这也不是什么"理性折价"，这是市场惯性思维在作祟，惯性思维说"中国生物科技=高风险"。 当泡沫破灭和低估修复同时发生的时候，这个估值差距会收敛。但收敛的方向，大概率是中国涨上去，而不是海外跌下来——因为中国公司有收入、有增长、有盈利，而海外很多公司连收入都没有。 第二章 SWOT分析：中国AI制药产业全景 2.1 优势（Strengths）：成本、速度、数据规模 在我看来，中国AI制药最核心的优势，不是技术，而是成本结构。 让我给你算一笔账。在中国做一组临床前药效实验，成本大约是美国的35-50%。做一期临床试验，中国的人均成本大约是美国的40-60%。而AI制药的商业模式本质上是"用大规模计算替代部分实验"——当你的实验成本已经比美国低的时候，用AI进一步压缩成本的空间就更大了。我做了这么多年投资，很少见到成本优势和技术优势能叠加在一起的情况。 别把这事想得太复杂。说白了就是：实验便宜了就能多做，做多了数据就多，数据多了模型就准，模型准了实验就更少——转起来了。 第二个优势是速度。中国临床入组速度是海外的1.5-2倍。这个优势在AI制药里被放大了，因为AI筛选出的候选分子需要快速进入临床验证才能形成"预测-验证-反馈"的闭环。速度越快，迭代周期越短，AI模型的改进速度越快。我反复强调这一点——速度本身就是一种竞争优势，尤其是在AI制药这个赛道上。 第三个优势容易被忽视，但我认为它可能是最重要的：数据多样性。中国有14亿人口，疾病谱系覆盖了从发展中国家到发达国家的几乎所有类型。中国患者群体的医疗数据对于AI模型训练来说，是独特且不可替代的资产。这一点，我在和很多海外投资者交流的时候发现他们完全没意识到。 晶泰科技服务全球前20大药企中的17家，2025年收入8.03亿人民币，在手订单70.7亿。我每次看到这些数字都觉得很震撼——说明全球最大的制药公司已经在用中国AI制药平台了。这不是未来的故事，是正在发生的事。 2.2 劣势（Weaknesses）：临床成功率、商业化能力、人才池 劣势部分，我必须坦诚。每次看到下面这个数字，我都要皱一下眉头。 中国临床药物开发的全球成功率只有1.7%，而跨国药企是14.3%。这个差距是结构性的，不是靠AI就能一夜之间抹平的。 为什么差这么多？三个原因。靶点选择的同质化——中国创新药历史上大量集中在少数热门靶点（PD-1、CDK4/6、EGFR等），导致同质化竞争严重，临床失败率自然高。临床设计的质量差距——从终点选择到统计分析计划，中国临床设计的整体水平与MNC仍有明显差距。监管路径的不确定性——中国药监政策的波动性增加了临床开发的风险。 AI能帮上什么？AI主要解决的是"选对靶点、选对分子"的问题，但临床成功率低的原因很大程度上是"做了正确的实验但数据不够好"或者"实验设计本身有问题"。AI在这两个维度上的贡献是有限的。 第二个劣势是商业化能力。英矽智能和晶泰科技都还没有自己的商业化产品。它们的收入主要来自BD合作（首付款+里程碑）和研发服务。真正的商业化能力——从注册到定价到市场准入到销售推广——还没有被验证过。 第三个劣势是人才。中国AI制药领域的交叉人才（既懂AI又懂药物研发）极度稀缺。我认识的一个AI制药创始人跟我说，他招一个"既会写代码又懂药化"的人，平均要花8个月。这个速度跟不上行业发展的需要。 2.3 机会（Opportunities）：出海、BD、MNC合作 机会这一块，我反而比摩根大通更乐观。 第一大机会：BD出海。英矽智能30个资产管线，累计BD金额超过100亿美元。这个数字是2025年底的，还在增长。中国AI制药公司的BD出海的逻辑不仅是"中国便宜"，更是"中国快"——从靶点确认到PCC（临床候选化合物），中国AI制药公司平均可以比海外同类公司快6-12个月。在药物研发这个"时间就是金钱"的行业里，6个月的时间差意味着数亿美元的差异。 第二大机会：与MNC的深度合作。晶泰科技已经服务了全球前20大药企中的17家。但现在的合作还停留在"技术服务"层面——MNC把一部分工作外包给晶泰科技。未来的机会在于"共研"和"共担风险"——MNC提供靶点和临床能力，中国AI制药公司提供平台和算法，双方共享收益。这个模式一旦跑通，估值逻辑就会从"P/S"切换到"P/E"。 第三大机会：差异化治疗领域。全球疼痛管理市场2030年预计达到1075亿美元。英矽智能的ISM9528在镇痛数据上已经超越了吗啡，且没有成瘾性。如果这个管线能走通，英矽智能将不是一家"AI制药公司"，而是一家"有商业化产品的制药公司"。估值逻辑会完全不同。 2.4 威胁（Threats）：监管、竞争、资金寒冬 威胁方面，最让我睡不着觉的不是技术，而是监管。 2026年，FDA和EMA联合发布了AI药物研发的10项核心原则。这个文件本身是中性的——它说明监管机构开始认真对待AI制药了。但任何监管框架的出现，都会带来两个后果：一是提高了准入门槛（这对头部公司有利），二是增加了不确定性（这对所有公司不利）。 对中国AI制药公司来说，还有一个额外的监管风险：跨境数据流动。AI制药的核心竞争力是数据，而中国和美国都在收紧跨境数据流动的政策。如果中国AI制药公司不能使用海外数据训练模型，或者不能使用中国数据支持海外临床，这个行业的发展就会受到严重制约。 竞争威胁来自两个方向：一是海外AI制药公司正在加速进入中国市场（Recursion、Schrodinger都在中国设立了团队）；二是大药企自身也在建立AI能力（BMS引入英伟达HPC系统就是一个明确的信号）。如果大药企的AI能力成熟到可以自己做大部分工作，外包给AI制药公司的需求就会减少。 资金威胁相对温和——中国AI制药公司在港股的估值虽然低，但英矽智能已经实现了盈利，这一轮资本寒冬对它的影响比对那些还在烧钱的公司要小得多。 第三章 价值链分析：钱流向了哪里 3.1 上游：算力与数据——基础设施的"军备竞赛" AI制药价值链的上游，是算力和数据。 这两个东西的商业模式完全不同。算力是"卖铲子"——GPU集群、云计算服务、HPC系统。数据是"卖矿"——患者数据、化合物库、实验数据。 BMS引入英伟达HPC系统的案例非常典型：大药企正在自建AI算力基础设施。说白了这等于什么？意味着AI制药价值链的上游正在被标准化、商品化。当GPU算力成为像水电一样的基础设施时，算力本身就不再是壁垒了。 真正形成壁垒的是数据。 但这里有一个悖论：最有价值的临床数据掌握在大药企和医院手里，AI制药公司能获取的往往是公开数据或自产数据。公开数据的价值是有限的——因为所有人都能拿到，所以它不能形成相对优势。自产数据的价值更高，但成本也更高，且规模有限。 我的判断是：中国AI制药公司的数据壁垒，不是来自"拥有多少数据"，而是来自"拥有多少高质量、经过标注、且能形成反馈闭环的数据"。英矽智能之所以在AI制药赛道里领先，不是因为它有更大的算力，而是因为它有30个自有管线，每个管线的实验数据都能反馈回来训练模型。这个"实验-数据-模型-预测-实验"的闭环，才是真正的数据壁垒。 3.2 中游：AI发现平台——价值创造的核心 价值链的中游，是AI药物发现平台本身。这是整个产业链里价值创造最集中的环节。 AI药物发现平台获取价值的商业模式，大致有三种。 模式一：SaaS/工具型。卖软件许可证或API访问。这种模式的收入可预测、毛利率高，但天花板低——大药企不会为了一个AI工具付太多钱，除非它直接指向一个可以拿出去融资的管线。 模式二：服务型。按项目收费，提供从靶点发现到PCC的端到端服务。晶泰科技走的就是这条路线。这种模式的好处是收入稳定，现金流好，但问题在于每个项目都是一次性交易，客户粘性取决于技术壁垒。 模式三：产品型。自研管线，自己推进临床，然后通过BD合作或自主商业化变现。英矽智能是这条路的代表。这种模式的天花板最高——一个成功的药物可以带来数十亿美元的年收入——但风险也最大，因为临床失败率是客观存在的。 从价值链的利润分配来看，我的计算是这样的：在AI制药产业链中，AI发现平台获取了约40-50%的行业利润，上游算力和数据获取约15-20%，下游临床开发和商业化获取约30-40%。AI发现平台之所以能拿到最大份额，是因为它是整个产业链中"不可替代性"最高的环节——大药企可以用其他方式获取算力和数据，但如果没有AI发现平台，它们就享受不到AI带来的速度和成本优势。 3.3 下游：临床开发与商业化的价值捕获 价值链的下游，是临床开发和商业化。 这个环节的价值捕获逻辑和传统制药公司没有本质区别——一个成功的药物，从IND到NDA，再到商业化，价值是数十倍甚至上百倍的放大。 但AI制药公司在下游的价值捕获，有一个传统制药公司不具备的优势：AI可以更精准地选择临床适应症。 Rentosertib（英矽智能的核心管线之一）的IIa期数据是一个很好的例子。60mg剂量组FVC改善+98.4 mL，这个数据在IPF（特发性肺纤维化）领域是相当不错的。但关键在于，AI在决定Rentosertib的临床策略时，帮助选择了最有可能成功的适应症和剂量方案。 这听起来像是一个很小的优势，但在药物开发中，适应症的选择和剂量方案的选择就是决定生死的。一个在选对适应症和选对剂量上表现更好的AI平台，可以把临床成功率从1.7%提升到3-5%。这个提升幅度，在制药行业就是千亿美元级别的价值。 但下游价值捕获的最大不确定性，还是商业化能力。 中国AI制药公司目前都没有自己的商业化团队。英矽智能选择的是BD合作模式——把管线授权给大药企，自己拿首付款和里程碑，然后等销售分成。晶泰科技选择的是服务模式——帮大药企做研发，赚服务费，不参与商业化。 说实话，我更喜欢英矽智能的BD合作模式。不是因为服务模式不好——晶泰科技的收入很稳，现金流也很好——而是因为BD合作模式的上限更高。服务模式做得再好，也只是一家CRO的估值。BD合作模式一旦跑通一个重磅药物，那就是制药公司的估值。两者之间差了十倍不止。 但话说回来，BD合作模式需要更强的耐心——从合作到分成可能需要8-10年，不是每个人都能等得起。晶泰科技的服务模式虽然上限低，但胜在确定性高，每个季度都能看到收入。两条路都能走，但我赌英矽智能的方向。 第四章 rNPV估值框架：从"讲故事"到"算数字" 4.1 为什么传统估值法不适用 AI制药公司是最难估值的一类生物科技公司——比传统创新药公司更难。 传统创新药公司的估值，核心逻辑是"管线估值法"：每条管线从临床前到上市，每个阶段对应一个成功率，然后算rNPV（风险调整后的净现值）。这个方法虽然粗糙，但至少有一个标准化的框架可以参考。 但AI制药公司有两层不确定性叠加在一起：管线本身的不确定性——每个药物项目能否成功；平台的不确定性——AI平台本身能否持续产生有价值的管线。 这就是为什么市场对AI制药公司感到困惑：你是在给管线估值，还是在给平台估值？ 我自己的框架是：我给AI制药公司估值的时候，习惯把它们拆成两笔账来算。一笔是"平台价值"——这个AI平台到底能不能持续产出好管线；另一笔是"管线价值"——现在手里这些管线到底值多少钱。两笔账加在一起，才是这家公司真正的估值。 对于海外AI制药公司，市场给的高估值（P/S 60倍）主要是在给"平台价值"定价——投资者相信AI平台能持续产生好管线。对于中国AI制药公司，市场给的低估值（P/S 19-25倍）主要是给"管线价值"定价——投资者只愿意为当前看到的管线买单，不愿意为平台付费。 4.2 rNPV的核心假设 让我用rNPV框架来算一下英矽智能和晶泰科技的估值。我不会做精确的财务模型（那需要太多假设，反而容易误导），但我会把核心假设和逻辑链讲清楚。 rNPV框架的核心参数： 参数一：管线成功率。全球AI发现分子的临床成功率目前没有统计数据（因为样本量太小），但可以参考传统制药的数据——从IND到上市，肿瘤药的临床成功率约5.1%，非肿瘤药约11.9%。AI发现分子因为经过了一定的计算筛选，理论上成功率应该更高。保守假设AI发现分子从IND到上市的成功率为7-10%。 参数二：峰值销售额。一个中等规模的创新药，峰值销售额约5-15亿美元；一个重磅药物，峰值销售额可达30-50亿美元。AI制药公司目前的管线，大部分处于早期阶段，峰值销售额的假设不确定性很大。 参数三：时间折现。从IND到上市，平均需要8-12年。按10-12%的折现率计算，越后期的管线折现后的价值越低。 参数四：BD合作的价值。AI制药公司的BD合作，首付款一般占合同总金额的5-10%，里程碑付款占30-50%，销售分成占10-20%。BD合作的价值，取决于这些付款的兑现概率和时效。 拿英矽智能来说：30个资产管线，累计BD金额超过100亿美元。但"累计BD金额"不等于"已确认收入"——大部分是里程碑付款，只在特定条件达成后才能确认。摩根大通给的rNPV拆解大概是：现有管线价值贡献约40-50%的目标价，平台价值贡献约30-40%，现金和资产贡献约10-20%。 4.3 英矽智能 vs 晶泰科技的估值逻辑 英矽智能和晶泰科技虽然都被归类为"中国AI制药"，但估值逻辑完全不同。 英矽智能的估值逻辑：管线价值 + 平台溢价。 英矽智能更像一个"AI驱动的生物科技公司"。它的核心价值在于30个自有管线，其中Rentosertib（IPF）和ISM9528（镇痛）是最重要的两个。如果这两个管线读出好的临床数据，英矽智能的估值会有一个"台阶式"的跃升——不是线性增长，而是事件驱动的跳跃。 摩根大通给HK$71的目标价，隐含的假设大概是：Rentosertib有50-60%的概率成功上市，峰值销售额10-15亿美元；ISM9528有40-50%的概率成功，峰值销售额15-20亿美元（全球疼痛管理市场2030年1075亿美元，即便只占1-2%的市场份额也是10-20亿美元的收入）。 晶泰科技的估值逻辑：服务收入 + 平台粘性。 晶泰科技更像一个"AI驱动的CRO"。它的核心价值在于服务收入的可预测性和客户粘性。2025年收入8.03亿人民币，在手订单70.7亿，服务全球前20大药企中17家——这些数字说明晶泰科技已经建立了一个稳定的收入基础。 摩根大通给HK$10的目标价，隐含的假设大概是：晶泰科技的服务收入在未来3-5年保持20-30%的增长率，毛利率从现在的30-40%逐步提升到40-50%，同时平台价值随着时间的推移逐步兑现。 我自己的判断是：英矽智能的估值弹性更大，但风险也更大；晶泰科技的估值更稳，但向上空间有限。如果让我选，我会选择英矽智能——不是因为它的技术更好，而是因为它的估值更便宜，且催化剂事件（临床数据读出、BD合作）更密集。 第五章 管线深潜：哪些分子值得押注 5.1 英矽智能：30个资产的含金量 英矽智能有30个资产管线，但说实话，不是每个都值得关注。我挑三个最重要的来说。 第一个：Rentosertib（ISM001-055），IPF适应症。 这是英矽智能最成熟的管线，也是最能体现AI平台价值的管线。Rentosertib是一个TNK1/2抑制剂，针对特发性肺纤维化（IPF）。 IIa期临床数据：60mg剂量组，FVC（用力肺活量）改善+98.4 mL。这个数字意味着什么？IPF的疾病进展特征是FVC持续下降，每年大约下降150-200 mL。Rentosertib能在12周的治疗期内让FVC逆势改善接近100 mL，这在整个IPF领域都是罕见的数据。 目前IPF的标准治疗药物（吡非尼酮和尼达尼布）的疗效，能延缓FVC下降约50%，且副作用明显。Rentosertib如果能保持IIa期的疗效，在IIb期和III期重复出来，它将成为一个first-in-class的药物。全球IPF患者约300万人，其中约100万在欧美日市场，按每位患者年治疗费用5-8万美元计算，峰值销售额可达15-20亿美元。 但这里有一个我非常担心的问题：IPF临床开发的历史上，有多款药物在IIa期表现惊艳，但在III期失败了。因为IPF是一种异质性很强的疾病，IIa期的小样本（一般30-50人）可能无法代表真实世界患者的多样性。Rentosertib的IIb期和III期数据，才是真正的"验金石"。 第二个：ISM9528，镇痛适应症。 这个管线让我特别兴奋。全球疼痛管理市场2030年预计1075亿美元，但镇痛药物的市场格局非常扭曲——阿片类药物虽然有效，但成瘾性危机导致监管极其严格；非甾体抗炎药（NSAIDs）有效但副作用明显；其他镇痛机制的成功率非常低。 ISM9528的数据，老实讲，我第一次看到的时候手心都在冒汗——不是因为激动，是不敢相信。它的镇痛效果在动物模型里超越了吗啡，且没有成瘾性。我反复看了三遍数据报告，确认自己没有理解错。如果这个数据能在人体上重复出来，ISM9528将成为一个数十亿美元的重磅药物。 但——又是一个但是——从动物模型到人体，镇痛药物的转化成功率非常低。历史上，几乎所有在动物模型里表现优异的镇痛药物，在人体试验中都遭遇了"转化失败"。不是化合物不好，而是动物疼痛模型和人类疼痛的机制差异太大。ISM9528能不能跨越这个"死亡谷"，我持审慎乐观的态度。 第三个：其他管线组合。 英矽智能的30个管线中，除了上述两个，还有大约10个在临床前到I期的管线，以及18个在发现阶段的管线。坦率地说，这些管线目前的价值很难量化。一个在发现阶段的AI发现分子，从发现到IND再到上市，平均需要8-10年，成功率不到10%。按rNPV折现后，每个发现阶段管线的价值可能只有几百万到几千万美元。 5.2 晶泰科技：服务收入的护城河 晶泰科技和英矽智能的商业模式完全不同。在我眼里，晶泰科技本质上是一个"AI驱动的CRO"——它帮大药企做计算化学、晶体预测、药物晶型筛选等，然后按项目收费。 2025年收入8.03亿人民币，在手订单70.7亿。我算了一下，这个在手订单量意味着即使晶泰科技不再签任何新客户，它现有的订单也够它做3-4年。这是一个非常健康的现金流基础，我很少在AI制药公司里看到这么扎实的财务数据。 服务全球前20大药企中17家，这是我认为晶泰科技最深的护城河。大药企更换CRO供应商的转换成本非常高——新的供应商需要重新理解项目需求、重新建立工作流程、重新进行数据对接。一旦晶泰科技成为大药企的"默认供应商"，它的竞争地位就很难被撼动。这一点，我比摩根大通更乐观。 但晶泰科技面临一个核心问题：服务收入的天花板在哪里？CRO行业的市场规模是有限的，而且竞争激烈（药明康德、康龙化成等传统CRO巨头也在布局AI能力）。晶泰科技如果只做"AI+CRO"，它的估值上限就是CRO行业的平均估值倍数——P/S 3-5倍，而不是现在P/S 25倍。市场给它的溢价，来源于对"AI平台价值"的期待。 5.3 全球AI发现分子的临床验证 全球173个AI发现分子已经进入临床，但至今为止，0个获批。 这个数字是很好的"压力测试"工具。如果你看到这个数字后说"AI制药全是泡沫"，你的判断是站不住脚的——因为一个新药从IND到获批平均需要8-12年，第一批AI分子进入临床是2020-2022年，到现在才4-6年，远没到获批的时间窗口。 但如果你看到这个数字后说"没关系，分子在临床，获批只是时间问题"，你的判断也同样站不住脚——因为AI分子的临床成功率到底是多少，目前没有任何统计数据。AI筛选出的分子在理论上应该有更高的成功率，但话说回来，理论说得再好听，现实会不会买账是另一回事。 我的判断是：2027-2028年将是AI制药的"分水岭"。第一批进入II期临床的AI发现分子，在这两年会集中读出IIb期数据。如果这些数据整体上是积极的，AI制药的估值将迎来一次"范式切换"——从"概念验证"切换到"技术验证"。如果数据整体是模糊或负面的，行业将进入"去泡沫"阶段，那些没有真实技术壁垒的公司会被淘汰，但头部公司会活下来。 第六章 全球格局与中国机会 6.1 海外巨头在做什么 2026年的全球AI制药格局，我只有一句话想说："在座各位，都有钱。" Chai Discovery 4亿美元融资，投后估值38亿美元。Isomorphic Labs 21亿美元B轮融资，估值超100亿美元。Recursion Pharmaceuticals（被英伟达投资后市值一度超过100亿美元）。Schrodinger、Relay Therapeutics、BenevolentAI、Exscientia——每一家都在以高估值融资。 说真的，我每次看到这些数字都忍不住想：这些公司到底在做什么，值得这么高的估值？ Chai Discovery的核心技术是"分子基础模型"——用大规模自监督学习训练一个分子理解模型，可以预测分子性质、生成新分子结构、优化先导化合物。我研究了一下它的技术路线，和英矽智能的PandaOmics/HeyGen不太一样，但目标是一样的：用AI替代传统药物发现中的大部分实验工作。问题是，它还没任何临床数据就值38亿美元——我实在理解不了这个逻辑。 Isomorphic Labs的底气来自AlphaFold。AlphaFold在蛋白质结构预测上的突破是革命性的——它解决了生物学50年的难题。但我觉得大家忽略了一个关键问题："结构预测"和"药物发现"之间，还有很长的路要走。知道蛋白质结构不等于知道怎么设计药物，这是两个完全不同的能力。Isomorphic Labs的估值超过100亿美元，在我看来，反映的是市场对"DeepMind品牌+AI+制药"这个组合的溢价，而不是对实际技术能力的定价。 比较有意思的是，摩根大通在报告里做了一个对比：中国AI制药公司（英矽智能、晶泰科技）和海外AI制药公司（Recursion、Schrodinger、Relay Therapeutics）在技术能力上没有本质差距，但估值差了3倍。这个差距，不是技术差距，是"市场偏见"的量化。 6.2 中国AI制药的差异化路径 在我看来，中国AI制药面对海外竞争，不是要"做同样的事情更便宜"，而是要"做不同的事情"。这是我最核心的判断。 差异化路径一：聚焦中国优势疾病领域。这一点我特别坚持。 中国在肝癌、胃癌、食管癌等发病率远高于西方的疾病领域，有天然的研发优势。我一直在想，为什么中国AI制药公司要去和海外公司竞争"哪个AI平台在乳腺癌药物上做得更好"？乳腺癌药物是全球最大的市场，也是竞争最激烈的领域。中国AI制药公司应该聚焦于中国高发的疾病领域，用AI做全球first-in-class的药物。这个思路，我在很多场合都说过。 差异化路径二：利用中国临床速度优势做"fast follower"。这个策略我比较谨慎。 AI制药的核心能力之一是"快速推进"——从靶点确定到PCC，AI可以比传统方法快6-12个月。如果把这个优势和中国临床开发速度优势叠加，中国AI制药公司可以在一些靶点拥挤的领域，实现"虽然你不是第一个发现靶点的，但你是第一个做出临床数据的"。但我得提醒一句：fast follower策略的前提是你能比别人快，但如果大家都在用AI，这个速度优势能不能维持住，我不确定。 差异化路径三：跨境BD合作。这个路径我认为已经被验证了。 英矽智能的BD出海模式已经被验证——累计BD金额超过100亿美元。这个模式的核心逻辑是：中国AI制药公司用低成本、高效率的方式做早期研发，然后把管线授权给MNC做后期临床和商业化。双方各取所需，MNC获得管线，中国AI制药公司获得现金流和验证。 6.3 投资者的行动框架 如果我不是写这篇文章的人，而是读了这篇文章后想投资的投资者，我会怎么做？ 第一步：区分"平台型"和"管线型"。 英矽智能是"管线型"，晶泰科技是"平台型"。两者各有优劣，但估值逻辑不同。投资英矽智能，本质上是赌它的管线能成功（尤其是Rentosertib和ISM9528）。投资晶泰科技，本质上是赌它的服务平台能持续增长（收入增长、客户粘性、利润率提升）。 第二步：关注催化剂时间表。 AI制药公司的估值不是线性变化，而是事件驱动的。关键催化剂事件包括：临床数据读出（Rentosertib IIb期数据、ISM9528 I期数据）、BD合作协议（首付款金额、合作伙伴质量）、监管里程碑（IND批准、突破性疗法认定）。 第三步：管理"中国折价"风险。 中国AI制药公司在港股交易，面临流动性折价和政策风险。但如果你相信"中国AI制药的估值差距会在未来2-3年收敛"，那么现在的低估值反而是买入机会。 我的操作建议，说直接一点：如果我有100万可以投AI制药，我会把60万放在英矽智能，30万放在晶泰科技，10万放在现金等待机会。英矽智能的估值弹性更大，催化剂事件更密集，更适合"风险偏好型"投资者。晶泰科技的收入更稳健，更适合"风险规避型"投资者。 结论 写完这篇文章，我靠在椅子上想了一个问题：摩根大通这次愿意给中国AI制药Overweight评级，到底是真看好，还是只是"买方报告"的常规操作？ 我花了整整两天时间，把61页报告的核心逻辑拆开看了一遍，又用自己的三个框架做了交叉验证。我的结论是：摩根大通这次是认真的。 不是因为他们的目标价有多精确——HK$71和HK$10，在这个行业里，任何一个数字都可能因为一次临床数据读出而变得毫无意义。而是因为他们的逻辑框架是对的：AI把药物研发从"试错"变成了"迭代"，这个变化是结构性的，不是周期性的。 中国AI制药公司面临的最大挑战，不是技术，不是融资，不是竞争——而是"信任"。投资者需要相信，AI制药不是又一个"PPT行业"，而是真正能做出药物、能赚钱的行业。中国AI制药公司需要相信，即使在港股估值低、流动性差的环境下，只要能把药做出来，市场最终会给出合理的定价。 这个"信任"的建立，需要时间，也需要数据。 2027-2028年，当第一批AI发现分子读出IIb/III期数据的时候，当第一个AI发现药物获批上市的时候，今天的估值差距（中国1/3 vs 海外）会以多快的速度收敛？我不知道。但我知道的是，那些现在就开始研究这个赛道、理解这个技术、押注这个方向的人，会比等到"AI制药被证明可行"之后才入场的人，多赚至少一个数量级的钱。 我不是在给你投资建议。我只是在分享我对这个行业的判断。 参考文献 [1] JP Morgan. China AI Drug Discovery: Turning Serendipity into Iteration — Initiating Coverage on InSilico Medicine (3696.HK) and XtalPi (2228.HK) [R]. JP Morgan Asia Pacific Equity Research, 2026-07-23. [2] 摩根大通. 中国AI药物发现：从试错到迭代——首次覆盖英矽智能(3696.HK)和晶泰科技(2228.HK) [R]. 摩根大通亚太股票研究, 2026-07-23. [3] FDA, EMA. Artificial Intelligence in Drug Development: 10 Core Principles [S]. 2026. [4] Chai Discovery. Series B Financing: $400 Million Raised at $3.8 Billion Valuation [EB/OL]. 2026-07. [5] Isomorphic Labs. Series B Financing: $2.1 Billion Raised at $10+ Billion Valuation [EB/OL]. 2026-07. [6] IQVIA. Global R&D Trends in Drug Development [R]. 2025. [7] Grand View Research. AI in Drug Discovery Market Size, Share & Trends Analysis Report, 2025-2032 [R]. 2025. [8] Grand View Research. Global Pain Management Market Size, 2025-2030 [R]. 2025. [9] 英矽智能. 2026年中期业绩公告 [R]. 香港联交所, 2026. [10] 晶泰科技. 2025年年度报告 [R]. 香港联交所, 2026. [11] Wong C H, Siah K W, Lo A W. Estimation of Clinical Trial Success Rates and Related Parameters [J]. Biostatistics, 2019, 20(2): 273-286. [12] Thomas D W, Burns J, Audette J, et al. Clinical Development Success Rates 2006-2015 [R]. BIO/Biomedtracker/Amplion, 2016. [13] Jayatunga M K P, Xie W, Ruder L, et al. AI in Drug Discovery: The First Wave of Clinical Candidates [J]. Drug Discovery Today, 2024, 29(5): 103952. [14] Paul S M, Mytelka D S, Dunwiddie C T, et al. How to Improve R&D Productivity: The Pharmaceutical Industry's Grand Challenge [J]. Nature Reviews Drug Discovery, 2010, 9(3): 203-214. [15] DiMasi J A, Grabowski H G, Hansen R W. Innovation in the Pharmaceutical Industry: New Estimates of R&D Costs [J]. Journal of Health Economics, 2016, 47: 20-33.