主要目的：以北京新美泰克医药科技有限公司生产的利多卡因丁卡因乳膏为受试制剂，以DIFA COOPER S. P. A.公司持有的利多卡因丁卡因乳膏(商品名: Pliaglis®)为参比制剂，在成人浅层皮肤手术前对完整皮肤局部麻醉的受试者中，通过以患者临床疗效为终点，评价两种利多卡因丁卡因乳膏的临床等效性。次要目的：评价成人浅层皮肤手术前对完整皮肤局部麻醉的受试者使用利多卡因丁卡因乳膏受试制剂和参比制剂(商品名：Pliaglis®)后的安全性。

开始日期2026-03-20

申办/合作机构

药源生物科技（启东）有限公司

[+1]

CTR20251251

/ CompletedN/A

评估维莫非尼片与佐博伏®药代动力学的对比研究

评价健康受试者空腹单次口服维莫非尼片（240 mg/片）和佐博伏®（参比制剂）（240 mg/片）的药代动力学（PK）特征比较。

开始日期2025-04-16

申办/合作机构

药源生物科技（启东）有限公司

CTR20221021

/ Recruiting临床1/2期

EN002外用凝胶剂在非黑色素瘤皮肤癌以及癌前病变患者中的耐受性、安全性、药物代谢动力学及初步有效性的Ⅰ-Ⅱ期临床试验研究

第一阶段主要目的： 1）评价EN002外用凝胶治疗非黑色素瘤皮肤癌的安全性和耐受性；次要目的： 1）评价EN002外用凝胶在非黑色素瘤皮肤癌受试者中的药代动力学特征； 2）探索EN002外用凝胶治疗非黑色素瘤皮肤癌的疗效，为后续阶段试验给药剂量和给药方案提供依据；第二阶段主要目的： 1）评价EN002外用凝胶治疗非黑色素瘤皮肤癌的抗肿瘤疗效，并确定适应症；次要目的： 1）评价EN002外用凝胶治疗非黑色素瘤皮肤癌的有效性和安全性； 2）评价受试者的生活质量改善情况。

开始日期2022-08-22

申办/合作机构

药源生物科技（启东）有限公司

[+1]

100 项与上海皓元医药股份有限公司相关的临床结果

登录后查看更多信息

0 项与上海皓元医药股份有限公司相关的专利（医药）

登录后查看更多信息

2,650

项与上海皓元医药股份有限公司相关的新闻（医药）

2026-09-18

·萝卜投研

AI制药十家核心公司全景解读！

前言：一场迟到但必然的"研发革命"新药研发圈一直流传着一个令人绝望的"双十定律"：一款新药从立项到获批，平均要烧掉十年时间、十亿美元，而全球新药研发的整体成功率仅在 2%—15% 之间。更残酷的是，生物制药还自带一条"反摩尔定律"——随着监管趋严与靶点火药味渐浓，单位研发成本的下降速度，远赶不上新药变难的加速度。AI 的出现，第一次让产业看到了"换道超车"的缝隙。但这绝不是一夜之间的神话。2024—2025 年，AI 制药完成了从"PPT 概念"到"临床验证"的关键一跃：据波士顿咨询研究，AI 生成的药物分子Ⅰ期临床成功率高达 80%—90%，显著高于 50% 的历史平均水平；头豹研究院数据显示，中国 AI 制药市场规模从 2019 年的 0.7 亿元增至 2024 年的 7.3 亿元，年复合增速达 47.8%。资本也在用脚投票——2024 年全球 AI+制药融资 128 起、总额约 57.95 亿美元，同比继续走高。不过，喧嚣之下更需要冷思考。截至当下，全球尚无一款完全由 AI 发现的药物获批上市，数据孤岛、模型泛化性差、合规边界模糊，依然是横在所有人面前的三座大山。也正因为此，真正值得关注的，不是谁的 Slogan 喊得响，而是谁把 AI 扎进了真实业务闭环——它能否缩短周期、降低成本、提高命中率，并转化为可验证的订单与管线。从刚披露的 2026 年半年报来看，这条主线正在被业绩兑现：药明康德上半年营收同比增长近四成、凯莱英新兴业务近乎翻倍、成都先导利润创历史同期新高、博济医药净利润翻倍以上……AI 与研发效率，已经不再是故事，而是写进了财务报表的"增长引擎"。带着这个视角，我们把镜头对准十家 A 股核心公司，它们分处产业链的不同坐标：有全链条 CXO 巨头，有 DEL、CADD 起家的技术流"掘金者"，也有上游试剂"卖铲人"与中药、创新药转型者。把它们放在一起，恰好拼出一张中国 AI 制药的"生态拼图"。第一章　AI 制药的"寒武纪大爆发"：为什么是现在？要理解十家公司的动作，先要理解行业为何在 2024—2025 集中"变天"。第一，底层技术从"辅助"走向"主导"。 AlphaFold2 把蛋白质结构预测从"难题"变成"秒答"，生成式 AI 让分子设计从"试错"走向"生成"。业内共识是，AI 的核心价值不在于取代科学家，而在于把早期分子发现的速度与确定性同时抬高一个数量级。第二，资本从"追算法"回归"看闭环"。正大天晴数字创新中心负责人曹奋泽的判断很有代表性：市场不再聚焦单点算法能力，而更看重平台化能力、数据闭环与真实药物开发流程的深度融合。能跨模态建模、能孵化管线、能与监管协同的企业，才具备长期竞争力。第三，商业落地出现"正反馈"。英矽智能把 ISM001 分子发现时间从传统 2 年压缩到 11 个月，费用从数亿美元降到 20 万美元；石药集团 AI 平台让新药早期发现时间缩短超 30%、成本降低近一半。当"降本增效"从口号变成财报里的数字，CXO 与药企的拥抱便不再犹豫。这三个变量叠加，恰好解释了为什么本文的十家公司——无论体量大小、赛道冷热——都在 2026 半年报里不约而同地写下了"AI"二字。第二章　平台型巨头：把 AI 写进 CXO 的"DNA"药明康德（603259 / 2359.HK）：全球 CXO 龙头的"平台即服务"作为国内最早一体化布局的 CXO 龙头，药明康德对 AI 的态度是"自建平台 + 外延投资"双轮驱动。其自研 AI 药物发现平台 Chemistry42 基于深度生成模型与强化学习，可自动化设计具有特定生物活性的小分子、优化成药性，据公开披露已把化合物设计周期缩短 60% 以上，服务超百家客户、生成数万种候选分子。业绩是平台价值最硬的底气：2026 年上半年，药明康德实现营业收入 289.0 亿元，同比增长 38.9%；归母净利润 110.8 亿元，同比增长 29.4%；截至 6 月底，持续经营业务在手订单达 664.3 亿元，同比增长 25.2%。在 CRDMO 模式加持下，公司上半年全面上调全年指引，AI 与自动化带来的产能与效率红利正在集中释放。康龙化成（300759 / 3759.HK）：在临床端"用 AI 找病人"康龙化成 2026 年上半年实现营业收入 75.95 亿元，同比增长 17.92%；归母净利润 7.50 亿元，同比增长 6.96%；扣非归母净利润 6.93 亿元，同比增长 8.87%。它的 AI 布局，最鲜明的标签是 "临床智能化"。公司测试、评估并引入了多个 AI 应用，覆盖注册、医学、统计学、药物警戒等业务领域。更关键的两笔动作是：此前以约 4300 万元收购上海机颖智能 78.5% 股权，补强数据分析与 AI 算法；并完成对浙江海心智惠的控股——后者是专注肿瘤领域的 AI 数字医疗企业，拥有覆盖全国 30 余省份的真实世界数据（RWD）网络，服务数十万患者、数万名医生。整合之后，康龙化成意在用 AI 提升临床研究中的患者入组匹配、随访与数据管理效率，把"找病人、管数据"这件最烧钱也最低效的事，交给算法。上半年公司新签订单同比增超 30%，其中小分子 CDMO 新签增超 50%，AI 提效正转化为订单厚度。凯莱英（002821 / 6821.HK）：合成生物学里的"AI 驯酶师"凯莱英 2026 年上半年实现营业收入 36.07 亿元，同比增长 13.13%；归母净利润 5.20 亿元（受汇率波动扰动同比下降 15.71%），但经调整净利润 7.53 亿元，同比增长 12.90%；截至报告披露日在手订单 16.73 亿美元，同比增长 53.77%，新签订单同比增长 54.59%，公司预计全年收入增长 19%—22%。它的 AI 故事，落在合成生物学与智能制造上。凯莱英已建成从基因合成、测序到 AI 辅助酶进化的全流程能力，自研 AI 蛋白设计平台；其酶库储备常用酶 3000 余个、突变体超 30 万个，固定化酶连续反应技术产能较传统技术最高提升约 1500 倍、酶量节省超 70%。制造端，公司智能制造技术中心（CIMT）将 AI 分析算法与 PAT、自动化高通量结晶结合，推动研发与生产向数字化、智能化升级。业务结构上，新兴业务上半年收入 13.04 亿元、同比大增 72.49%（其中化学大分子 CDMO 收入 7.36 亿元、同比增长 94.14%），多肽、寡核苷酸与 ADC 等新赛道成为新增长极。小结：三家巨头路径各异——药明"平台输出"、康龙"临床提效"、凯莱英"智造+生物催化"。共同点是都把 AI 从"工具"升级为"组织能力"，并已在半年报的订单与利润里看到回响。第三章　技术流"掘金者"：用 AI 重构发现逻辑成都先导（688222）：DEL 世界的"1.2 万亿分子图书馆"成都先导是国内新药发现 CRO 的标杆，护城河是 DNA 编码化合物库（DEL）技术——其 DEL 库分子数量已突破 1.2 万亿。公司 2026 年上半年营业收入 3.46 亿元，同比增长 52.41%；归母净利润 8067.53 万元，同比增长 61.21%，营收与利润双双创下历史同期新高；其中 DEL 板块上半年获得 IP 转让及里程碑费合计约 3700 万元，带动整体利润提升。它的 AI 打法，是 "DEL + AI + 自动化"三位一体。公司与 Cambridge Molecular 合作引入为 DEL 高度优化的深度学习系统 DeepDELve 2，并与腾讯 AI Lab 联合开发分子骨架跃迁算法 GraphGMVAE（在保持侧链不变的情况下生成骨架不同、活性相似的新分子，相关成果发表于 ACS Omega）。再叠加自建的虚拟筛选、3D-CNN 对接重打分、ADMET 预测平台，成都先导已跑通"设计—合成—测试—分析"（DMTA）的首轮循环，用"海量信息制造（DEL）+ 海量信息处理（AI）"的组合，大幅拓展了可探索的化学空间。泓博医药（301230）：把 CADD/AIDD 做成"水电煤"泓博医药是一家创新药 CRO/CDMO 一站式综合服务商，早在 2019 年就设立了 CADD/AIDD 技术平台，并自研落地一站式新药发现平台 DiOrion，叠加 PR-GPT 项目的持续迭代。公司 2026 年上半年营业收入 3.64 亿元，同比增长 3.31%；归母净利润 2872.94 万元，同比增长 16.02%；其中药物发现收入 2.46 亿元、商业化生产收入 6164 万元、工艺研究与开发收入 4722 万元。泓博的逻辑很朴素：把 AI 当成药物研发的"水电煤"，让客户在药物设计与优化、筛选等环节获得确定性的效率提升。其 CADD/AIDD 平台已累计为数十个新药项目提供技术支持、服务客户数十家，覆盖小分子、PROTAC、多肽等新分子实体。商业化生产业务同样稳健，替格瑞洛 API 等品种持续放量，上半年营收同比增长 51.02%。皓元医药（688131）：化合物库 + ADC 的"双引擎玩家"皓元医药 2026 年上半年营业收入 16.48 亿元，同比增长 25.71%；归母净利润 1.71 亿元，同比增长 12.81%；境外收入 6.91 亿元，同比增长 23.24%。它的 AI 叙事有两条主线：一是化合物库的生成式设计。公司构建了包含 MegaUni 库在内的多个兼具新颖性、多样性与成药性的独特化合物库，依托生成式 AI 缩短研发周期、助力新颖产品设计与新合成方法开发。截至上半年末，公司累计储备生命科学试剂约 18.2 万种（其中工具化合物和生化试剂约 6.9 万种、分子砌块约 11.3 万种），前端生命科学试剂业务上半年收入 12.12 亿元、同比增长 34.03%，毛利率达 62.0%。同时，公司与德睿智药、英矽智能等 AI 制药企业合作，并与华东师范大学共建"AI 药物探索联合实验室"，聚焦药物空间探索与逆合成分析。二是ADC 赛道的平台型价值。作为国内 ADC Payload-Linker 研究的先行者，皓元已构建 XDC Payload-Linker CMC 一体化服务平台，上半年承接 ADC 项目超 100 个，16 个 ADC 小分子产品完成美国 FDA sec-DMF 备案、参与 6 个 BLA 申报，合作客户超 1500 家，ADC 大分子在手订单超 1.5 亿元。"AI 找更低毒、更高活性的下一代 Payload"，正成为它新的效率杠杆。小结：成都先导拼"数据体量"、泓博拼"平台渗透"、皓元拼"化合物库×ADC"。技术流玩家的共同信条是：AI 必须落到具体的分子与订单上——而半年报的营收高增，正是这一信条最好的注脚。第四章　上游"卖铲人"：AI 重塑试剂与蛋白百普赛斯（301080）：用 AI 给蛋白质"做减法"百普赛斯是重组蛋白试剂领域的龙头，2026 年上半年实现营业收入 4.996 亿元，同比增长 28.97%；归母净利润 9835.62 万元，同比增长 17.36%；整体毛利率高达 90.27%，盈利质量保持高位；上半年新签订单同比增长超 30%。它的 AI 切入点非常"硬核"——蛋白质改造。公司深度融合 AI for Science 与自主研发平台，构建"AI 预测—实验验证"双轮驱动的蛋白质设计开发模式，已在耐高盐全能核酸酶、高稳定性 CD19 蛋白、热稳定 FGF-B 蛋白、高溶解度 IL-2 等多款工业级产品上完成 AI 优化改造。更独特的是它的"卖铲"角色：依托 HEK293/CHO 真核表达体系为 AI 设计的抗体分子提供高通量表达与标准化纯化，并凭借超 5000 种经活性验证的高质量重组靶点蛋白支持 SPR/BLI 亲和力检测，为 AI 模型输出标准化、可反馈的分子结合数据——这正是"AI 设计—实验验证—数据反馈—模型迭代"闭环里最稀缺的湿实验底座。凭借苏州 GMP 生产基地全面投产，公司已开发超 80 款 GMP 级产品，正从"研发端小批量试剂供应商"向"工业化生产核心物料长期合作伙伴"跃迁。第五章　临床与中药的 AI 破壁：从实验室到病床博济医药（300404）：中医药 + 临床 CRO 的"AI 双线突围"博济医药 2026 年上半年实现营业收入 4.54 亿元，同比增长 25.64%；归母净利润 3720.05 万元，同比增长 138.93%；扣非归母净利润 2239.11 万元，同比增长 86.77%；上半年新增业务合同约 7.64 亿元，期末在执行合同未确认收入约 36.34 亿元，是国内少有的能提供"药物发现—临床前—临床—注册—CDMO"全链条服务、且中药 CRO 能力独占的上市公司。它的 AI 布局同样"双线"：在临床端，公司与深圳埃格林医药合作，用 AI 优化临床试验策略；已全面接入 DeepSeek，通过图神经网络（GNN）整合多组学数据构建靶点筛选网络，并在靶点发现到临床前试验全流程进行革新，引入 AI 后临床试验设计周期可缩短 15%—20%。在中药端，公司与博奥晶方战略合作，依托后者世界首创的中药组方筛选 AI 大模型与"分子本草"数据库，对积累的中药复方、组分进行快速评估，打通"中药资源—新药发现—临床—注册"全链条。上半年临床研究服务收入 3.60 亿元（+24.29%）、临床前研究服务收入 5638.55 万元（+37.96%），AI 提效与新签订单高增形成共振。振东制药（300158）：和西湖大学一起"解码中药黑箱"振东制药 2026 年上半年实现营业收入 10.97 亿元，同比下降 24.74%；受集采降价、主动收缩非核心低效业务及投资收益减少影响，归母净利润 -9272.55 万元，同比由盈转亏，扣非净利润 -1.07 亿元；但经营现金流净流出同比收窄，研发投入持续增加以支撑创新转型。分板块看，中药板块收入 6.37 亿元（-20.18%）、化药板块收入 4.08 亿元（-35.08%）但毛利率提升至 57.14%。作为拥有 611 个药品批文、近 150 万亩中药材种植基地的中药企业，它的 AI 故事发生在与西湖大学、北京自然智药科技的合作——引入了全球首创的人工智能中药大模型，三方依托道地药材资源、AI 中药大模型与 AI 药物研发平台，共同推进复方中药的药效物质基础挖掘、复方配伍优化与作用机制解析。对长期受"作用机制不清"困扰的中医药而言，AI 大模型第一次提供了用数字化语言"翻译"君臣佐使的可能——这既是技术突破，更是中药现代化、国际化的制度性契机。众生药业（002317）：从中药老字号到 First-in-Class 创新药企众生药业 2026 年上半年实现营业收入 10 亿元，同比下降 23.03%；归母净利润 1.11 亿元，同比下降 40.70%；扣非净利润 1.21 亿元，同比下降 35.26%，但经营活动现金流净额同比增长 1265.85% 至 5.42 亿元。业绩承压之下，其创新转型的"含金量"反而更加清晰：三大核心创新药分别布局流感治疗、GLP-1 代谢疾病、MASH 肝病三大黄金赛道。已上市产品中，来瑞特韦片（乐睿灵）是全球首个获得常规批准的 3CL 单药抗新冠病毒一类创新药；昂拉地韦片（安睿威）是全球首款靶向流感病毒 RNA 聚合酶 PB2 亚基的一类创新药，已纳入国家医保乙类目录，其儿童剂型昂拉地韦颗粒新药上市申请已获 NMPA 受理并纳入 CDE 优先审评。在研管线上，RAY1225 注射液作为全球首创全偏向型 GLP-1/GIP 双靶点激动剂，实现超长效两周注射一次，报告期内新增 OSA 适应症临床试验获批，并与齐鲁制药达成大中华区商业化与生产授权许可；ZSP1601 片（MASH 一类创新药、全球唯一进入临床阶段的泛 PDE 抑制剂）Ⅱb 期获积极数据，治疗 48 周后主要疗效终点应答率较安慰剂组率差达 31.85% 和 27.37%。在商业化端，众生强调"数据化服务升级"——以数字化赋能诊疗与药事服务，背后同样离不开 AI 对真实世界数据与患者管理的支撑。对众生而言，AI 不是标签，而是支撑其从重磅中药走向 First-in-Class 创新药的研发效率底座。第六章　十剑客图谱：一张表看懂 2026 半年报定位与打法总结：AI 不是风口，是新的"研发操作系统"把十家公司 2026 半年报摊开来看，一个清晰的产业图景浮现出来：1. 从"单点工具"到"全链条渗透"。两年前，AI 还多停留在分子生成、虚拟筛选等早期环节；如今它已贯穿靶点发现、化合物设计、合成路线、毒理预测、临床试验患者招募与数据管理，乃至中药组方挖掘——AI 正从"插件"进化为新药研发的"操作系统"。半年报里，药明的平台红利、凯莱英的新兴业务高增、成都先导的利润新高，都是这条主线的最直接印证。2. 三种角色，殊途同归。 CXO 巨头（药明、康龙、凯莱英）用 AI 守住平台与效率护城河；技术流玩家（成都先导、泓博、皓元）用 AI 重构发现逻辑与化合物空间；上游与特色玩家（百普赛斯、博济、振东、众生）则把 AI 嫁接到试剂、临床、中药与创新药转型的具体场景。无论哪种路径，"干湿结合 + 数据闭环"都是胜负手。3. 中国公司的"换道超车"窗口已经打开。 DeepSeek 等国产大模型的突破、张江等地 AI 新药联盟的聚集效应，以及政策对创新药与 AI+医疗的持续加码，让中国 CXO 与创新药企有机会在细分领域建立早期优势。正如皓元医药董事长郑保富所言，AI 正在为初创与追赶者创造"换道超车"的战略机遇。但必须清醒：AI 制药仍处"爬坡期"，尚无 AI 原研药获批上市。数据合规、模型泛化、临床高风险与长周期，仍是悬在头顶的达摩克利斯之剑。对投资者与产业人而言，短期应聚焦"AI 是否转化为订单、管线与成本优化"，而非沉迷故事；长期则可期待临床里程碑与大额 BD 的持续兑现。一句话收束：AI 不会取代药企，但会用 AI 的药企，终将取代不用 AI 的药企。这十家公司的半年报，正是这场静默革命在中国大地上最先亮起的灯火。来源：兰板套利

2026-09-18

·同写意

迈邦生物与百普赛斯达成战略合作 | 会员动态

2026-09-17

·楚岳智见

创新药通过AI赋能带来的核心增量思考

创新药通过AI带来的核心增量思考 AI正在显著提高创新药前端研发效率。从医学文献分析、疾病靶点发现，到蛋白质结构预测、虚拟筛选和药物分子生成，过去可能需要数月甚至更长时间完成的工作，如今正在被压缩到数周乃至更短。但如果站在产业链角度，一个更重要的问题是：当AI大幅提升靶点发现和药物设计效率以后，究竟会给哪些环节带来真正的增量需求？市场容易形成一个简单判断：AI加速创新药研发，所以创新药、CXO和所有上游供应商都会受益。实际情况并没有这么简单。 AI最先提升的是虚拟世界中的信息处理和药物设计效率，却不能直接替代现实世界中的样本测序、分子合成、细胞实验、动物评价、人体临床试验和规模化生产。因此，AI对创新药产业最重要的影响，可能不是让每个环节同步提速，而是推动研发瓶颈发生转移：过去的瓶颈是找不到靶点、设计不出分子；未来的瓶颈可能变成缺少高质量数据，以及没有足够高效的实验能力验证这些分子。从这个角度看，AI制药最大的产业机会，未必只属于算法公司，也可能属于那些掌握真实数据、实验材料、湿实验平台和工程化制造能力的“卖铲人”。一、AI能缩短药物发现，却不能跳过真实验证一款创新药从提出概念到最终上市，大致需要经历：疾病研究—靶点发现—苗头化合物筛选—先导化合物优化—临床前评价—IND申报—临床一期至三期—注册审批—商业化生产。 AI当前最能提高效率的，主要集中在前端环节：医学文献和专利分析；基因组与多组学数据挖掘；疾病靶点发现；蛋白质结构预测；虚拟筛选；药物分子生成；成药性初步预测；先导化合物优化；患者分层和生物标志物识别。但是，一个由AI生成的分子，并不等于一款真实药物。它能否被合成出来，能否进入目标细胞，是否可以到达目标器官，会不会迅速被代谢，是否存在脱靶效应和全身毒性，最终能否改善患者病情，仍然需要通过真实实验回答。尤其进入人体临床以后，必要的患者招募和疗效观察时间很难被完全压缩。AI可以优化试验设计和数据分析，却不能取消人体试验。因此，AI对创新药研发周期的影响更可能呈现为：前端设计显著提速，后端实验、临床和生产相对刚性。这意味着，AI不是在消灭实验，而是在更快地制造大量需要被验证的可能性。二、AI能否带来产业增量，取决于一个核心变量 AI对医药研发存在两种方向相反的影响。一方面，AI可以减少无效设计、重复实验和低价值人工工作，降低单个项目的研发成本。另一方面，AI也会降低创新药研发门槛，让更多团队有能力发起更多项目。所以，产业链总需求是否增长，最终取决于：新增研发项目的增长，能否超过单个项目工作量的下降。假设AI让单个项目需要合成和测试的分子数量下降了，但与此同时，全行业能够启动的研发项目增加得更快，那么测序、多组学、科研试剂、分子砌块和临床前服务的总需求依然会增长。这类似于“杰文斯悖论”：一种资源使用效率提高、单位成本下降以后，其总使用量反而可能上升。过去，一家小型Biotech可能没有能力同时组建计算生物学、结构生物学、药物化学和生物信息学团队。随着AI工具成熟，小型研发团队也可以快速提出多个靶点和候选分子，再将测序、合成、筛选、药代、毒理和生产环节外包。创新药产业可能因此从：少数大型团队推进有限数量的高成本项目逐渐转向：更多轻资产团队并行推进更多早期研发项目。这相当于扩大了创新药研发漏斗最上端的入口。三、第一类增量：测序与多组学数据 AI模型无法凭空发现高质量靶点。它首先需要大量来自真实患者、组织和细胞的数据，包括基因组、转录组、单细胞、空间组学、蛋白组、代谢组，以及临床表型和随访数据。如果把AI比作发动机，那么高质量生物数据就是燃料。 AI需要利用这些数据回答：哪些基因和通路与疾病真正相关；靶点具体在哪类细胞中表达；靶点变化究竟是疾病原因还是疾病结果；哪类患者更可能从药物中获益；哪些患者可能产生耐药；靶点在正常组织中是否存在安全风险。其中，单细胞测序能够识别组织中的不同细胞亚群，空间组学则可以进一步判断这些细胞位于什么位置、彼此如何相互作用。两类数据在肿瘤免疫、自身免疫、神经系统疾病和耐药机制研究中尤其重要，而且其数据规模大、维度高，天然需要AI辅助分析。相关中国企业主要包括：诺禾致源：提供基因测序、多组学研究和生物信息分析服务，连接生物样本与AI模型；华大智造：提供测序仪、配套试剂和自动化设备，属于数据生产工具供应商；华大基因：覆盖科研测序、医学检测及相关数据应用。诺禾致源在这里是多组学数据服务方向的代表企业之一，但这一逻辑并不意味着所有测序业务都会无条件受益。测序行业仍然存在价格下降和竞争加剧的问题。真正有价值的增量，可能更多集中在单细胞、空间组学、临床样本、多组学整合、生物标志物开发和药物响应分析等高附加值业务，而不是简单增加普通测序样本数量。四、第二类增量：结构生物学与高通量筛选 AI可以预测蛋白质结构，却很难完全还原蛋白质在真实生理环境中的动态状态。真实蛋白可能存在多种构象、蛋白复合体、膜环境和翻译后修饰；与药物结合以后，蛋白质结构还可能发生变化。因此，AI预测结果仍需要通过X射线晶体学、冷冻电镜、共晶结构解析以及分子相互作用实验进行校准。未来可能形成这样的研发闭环： AI预测结构—实验解析结构—校正模型—重新设计分子。国内相关代表性平台包括：维亚生物：在结构生物学和基于结构的药物发现领域具有较强积累；药明康德：覆盖蛋白制备、结构解析、药物化学和生物学验证；康龙化成：覆盖药物发现、结构生物学和后续临床前服务。与结构生物学类似，DNA编码化合物库，也就是DEL，同样是AI进入真实实验世界的重要接口。 DEL能够在大规模化合物库中筛选与目标蛋白结合的候选结构，并产生真实的实验结合数据。AI可以帮助提出靶点和优化方向，DEL负责实验筛选，筛选结果再用于改进模型。国内具有代表性的企业包括：成都先导：国内DEL技术领域的代表性上市公司，也是全球独立DEL平台的重要参与者；药明康德：拥有DEL、高通量筛选和后续药物化学服务能力。结构生物学和DEL的单项目金额未必能与商业化CDMO相比，但它们距离AI药物发现最近，有望率先承接早期项目增量。五、第三类增量：分子砌块与定制合成 AI能够快速生成大量候选分子，却无法直接将它们从计算机中“打印”出来。一个候选分子只有被真实合成，才能进行后续的活性、药代和毒理实验。 AI药物生成可能因此增加以下需求：新颖分子砌块；手性砌块；含氟、含硼和复杂杂环砌块； PROTAC连接子；核苷类砌块；特殊氨基酸；毫克级和克级定制合成；自动化、并行化合成服务。相关中国企业包括：毕得医药：药物分子砌块及研发试剂头部企业之一；药石科技：在独特分子砌块、复杂结构设计和后端CDMO方面具有一定协同；皓元医药：覆盖分子砌块、工具化合物、原料药和CDMO；阿拉丁、泰坦科技：具有科研试剂和实验室综合服务属性。但AI对分子砌块并非无条件利好。一方面，AI会生成更多新颖结构；另一方面，AI也可能提前淘汰低质量分子，减少部分无效合成。因此，真正的增量未必表现为砌块总重量大幅增长，而更可能表现为：品种更多、结构更复杂、批量更小、交付频率更高。普通、同质化的基础砌块仍可能陷入价格竞争。真正受益的将是新颖、高难度、长尾以及能够快速交付的产品。六、第四类增量：基因合成与高端生物试剂当AI发现一个新靶点后，研究人员还需要把对应的基因、蛋白、抗体或细胞株真实制造出来。只有拥有这些实验材料，才能进一步确认：靶点是否真实存在；靶点是否参与疾病发展；调控靶点能否产生治疗效果；靶点是否会影响其他正常生理功能。因此，AI制药将增加以下需求：基因合成；质粒和载体构建；重组蛋白；抗体和抗原；细胞因子；稳定细胞株； CRISPR工具；蛋白表达和纯化服务；细胞功能检测试剂。相关中国企业包括：金斯瑞生物科技：全球基因合成及生命科学研发服务的重要参与者，覆盖蛋白、抗体、质粒和细胞株；百普赛斯：国内高端重组蛋白和抗体试剂代表企业，海外市场拓展较快；义翘神州：覆盖重组蛋白、抗体、基因和细胞服务；诺唯赞：布局分子酶、PCR和生命科学试剂；翌圣生物、近岸蛋白：覆盖工具酶、蛋白和细胞类试剂。这一环节的特点是，研发项目刚启动就可能产生采购需求，不需要等到药物进入临床后期。因此，基因合成和生物试剂可能比CDMO、培养基和层析填料更早感受到AI带来的项目增量。七、第五类增量：湿实验、DMPK与ADMET AI能够预测分子可能与靶点结合，却不能证明它最终能够成为药物。一个候选分子还需要回答：能否进入目标细胞；对靶点是否具有足够选择性；是否影响其他重要蛋白；能否被人体吸收；在体内如何分布；是否能够通过血脑屏障；代谢速度是否合适；是否会形成有毒代谢产物；是否存在肝毒性、心脏毒性和免疫毒性。这将增加对以下实验的需求：酶学和细胞活性检测；靶点结合实验；选择性及脱靶评价；高内涵细胞成像； ADMET评价； DMPK研究；制剂与给药方式探索。相关中国企业包括：药明康德：拥有从早期药物发现到DMPK、毒理和IND申报的综合平台；康龙化成：在实验室化学、生物科学和DMPK领域具有较强能力；美迪西：覆盖药效、药代和安全评价等临床前环节；维亚生物、成都先导：分别在结构生物学和早期筛选方面具有特色。这是AI分子生成之后最直接的现实需求之一。不过，传统依赖科研人员数量和工时收费的FTE业务，未必全部受益。AI可能降低部分重复性工作的人工需求，压缩单个项目的工时和报价。真正具有竞争力的平台，需要建立： AI设计—自动合成—生物测试—数据回传—模型迭代的闭环。未来CRO的核心竞争力，不只是拥有多少科研人员，更在于能否高效率地产生标准化、可重复、可供模型学习的真实实验数据。八、第六类增量：实验室自动化与生命科学仪器如果AI只能提出实验方案，却仍然完全依赖人工移液、人工培养细胞和人工录入数据，整个研发效率依然会受到限制。 AI制药的完整形态应该是： AI负责决策，机器人负责执行，仪器负责读取，数据系统负责反馈。这意味着AI不仅需要“脑”，还需要实验室中的“手”和“眼睛”。未来可能增加需求的方向包括：自动移液工作站；自动化样本制备；自动化细胞培养；高通量化合物筛选；高内涵细胞成像；流式细胞分析；高通量质谱；自动化合成设备；基因测序仪；自动化样本存储；实验室信息管理系统。相关中国企业包括：华大智造：测序仪、配套试剂及实验室自动化设备；海尔生物：生物样本存储和自动化管理；禾信仪器：国产质谱仪代表企业；聚光科技：布局分析仪器及相关平台；泰林生物：覆盖微生物检测、无菌隔离和质量控制设备。需要注意的是，全球高端生命科学仪器市场目前仍主要由赛默飞、丹纳赫、安捷伦、沃特世、赛多利斯等国际企业占据。所以，这一方向长期趋势明确，但国内公司的业绩兑现仍取决于仪器性能、软件生态、客户验证、售后服务和核心零部件国产化进度。九、第七类增量：模式动物、药效模型与安全评价 AI很难完整预测药物进入复杂生命体后发生的全部变化。例如，药物能否到达目标器官，是否会被肝脏迅速代谢，会不会引发免疫反应，是否存在长期毒性，以及能否在复杂疾病环境中产生真实疗效，都需要进一步验证。因此，更多候选药物进入临床前阶段以后，模式动物、动物药效和安全评价需求可能随之增加。模式动物领域的中国代表企业包括：药康生物：国内实验小鼠、定制模型和人源化模型头部企业之一；百奥赛图：覆盖基因编辑动物、人源化小鼠和抗体发现；南模生物、赛业生物：提供基因修饰和定制动物模型。 AI更可能带来增量的，不是普通标准实验动物，而是针对新靶点、新机制和复杂疾病开发的高价值模型，例如：人源化小鼠；肿瘤免疫模型；自身免疫疾病模型；代谢和肥胖模型；神经系统疾病模型；基因编辑定制模型。安全评价领域的代表企业则包括：昭衍新药；药明康德；康龙化成；美迪西。这一环节的增量具有明显时滞。只有AI项目完成先导优化并确定临床前候选药物以后，才会形成实质性的药效和安评订单。此外，全球监管正在推动减少和替代部分动物实验。未来更值得关注的，不一定是动物数量简单增长，而可能是高价值人源化模型、类器官、器官芯片和新型替代性毒理平台。十、类器官与器官芯片：潜在弹性大，但仍处于产业早期传统二维细胞实验过于简单，而动物模型与人体之间又存在物种差异。类器官和器官芯片有可能成为连接细胞实验、动物实验和人体临床的重要中间层。潜在增量方向包括：患者来源肿瘤类器官；肝脏和心脏毒性模型；神经系统与血脑屏障模型；个体化用药筛选；微流控器官芯片；类器官专用培养基；生长因子和基质材料；自动化成像和表型分析。 AI可以负责设计药物和识别复杂细胞表型，类器官则提供更接近人体的实验环境，两者之间具有较强协同性。国内类器官和器官芯片行业目前仍较为分散，尚未形成非常清晰的上市龙头格局。综合CRO、生物试剂和培养基企业可能从不同角度参与：药明康德、康龙化成：布局新型体外药效和毒理模型；百普赛斯、义翘神州：提供生长因子和重组蛋白；奥浦迈：可能受益于特殊细胞培养基需求。这一方向长期空间值得关注，但短期仍需解决标准化、批次一致性、监管认可和商业收费模式等问题。十一、第八类增量：临床研究与生物标志物 AI无法跳过人体临床试验，但可以提高临床试验设计和执行效率。其潜在作用包括：优化临床试验方案；筛选合适的受试患者；利用多组学数据进行患者分层；识别疗效和安全性生物标志物；预测药物响应；研究耐药机制；辅助临床数据管理和药物警戒。这将带动临床样本测序、中心实验室、生物标志物分析、数字病理和临床数据服务等需求。在这一环节，药明康德、康龙化成等综合CRO可以承接临床开发服务；诺禾致源等多组学服务商则可能参与临床样本测序、患者分层及药物响应研究。但临床研究对质量体系、样本管理、数据合规、跨中心一致性和监管经验要求很高，其进入壁垒明显高于普通科研服务。十二、第九类增量：中后端CDMO 如果AI能够提高候选药物质量，并让更多项目进入临床阶段，CDMO最终会承接：工艺路线开发；临床样品生产；工艺优化与放大；制剂开发；注册批生产；商业化生产。小分子CDMO领域的中国代表企业包括：凯莱英；药明康德旗下制造平台；康龙化成；博腾股份；普洛药业。生物药及新型药物研发生产服务领域包括：药明生物；药明合联；金斯瑞旗下相关生物药研发生产平台。但CDMO并不是AI制药最先兑现的方向。从AI发现靶点到形成规模化生产订单，中间还要经历靶点验证、先导优化、临床前评价、IND申报和人体临床试验。因此，AI对CDMO的影响更偏中长期。短期CDMO订单仍主要取决于全球医药投融资、药企研发预算、外包渗透率、客户项目进展、产能利用率和供应链政策。 AI模型数量增加，并不等于下一年CDMO订单立即爆发。十三、第十类增量：培养基、层析填料和一次性耗材如果未来有更多AI驱动的抗体、双抗、ADC和重组蛋白药物进入临床后期并实现商业化，生物制药上游耗材将进一步受益。相关产品包括：无血清细胞培养基；补料培养基；一次性反应袋和储液袋；无菌管路；过滤膜； Protein A层析填料；离子交换和疏水层析填料；生物反应器和纯化设备。相关中国企业包括：奥浦迈、倍谙基、健顺生物：细胞培养基；纳微科技、博格隆、百林科：层析填料和纯化介质；乐纯生物、多宁生物、洁特生物：一次性生物工艺耗材；东富龙、楚天科技、森松国际：生物制药设备与工程系统。这些方向具有较大的长期市场空间，但距离AI早期药物发现相对较远。培养基和层析填料的消耗量，取决于最终进入临床后期和商业化的生物药数量及产量，而不是AI生成了多少候选分子。因此，它们属于：潜在订单空间较大，但兑现时间较晚、传导变量更多的后周期受益方向。十四、AI制药增量的传导顺序综合来看，AI带来的产业增量大致会按照四个阶段传导。第一阶段：数据生产与早期发现主要方向包括：测序与多组学；单细胞和空间组学；结构生物学； DEL和高通量筛选；基因合成与生物试剂；分子砌块与定制合成； DMPK和ADMET。代表性中国企业包括：诺禾致源、华大智造、成都先导、维亚生物、金斯瑞生物科技、百普赛斯、义翘神州、毕得医药、药石科技、皓元医药、药明康德和康龙化成。这一阶段距离AI最近，需求可能最先出现，但单个项目金额通常相对有限。第二阶段：临床前验证主要方向包括：高价值模式动物；动物药效；安全性评价；类器官和器官芯片；实验室自动化；高端生命科学仪器。代表性中国企业包括：药康生物、百奥赛图、南模生物、昭衍新药、华大智造和海尔生物。这一阶段需要早期项目成功确定候选药物，因此存在一定传导时滞。第三阶段：临床开发与工艺生产主要方向包括：临床样本分析；生物标志物开发；患者分层；临床样品生产；工艺开发；小分子CDMO；生物药和ADC研发生产服务。代表性中国企业包括：药明康德、康龙化成、诺禾致源、凯莱英、博腾股份、药明生物和药明合联。第四阶段：商业化制造与耗材放量主要方向包括：细胞培养基；层析填料；一次性耗材；生物反应器；制药装备；商业化原料药和制剂生产。代表性中国企业包括：奥浦迈、纳微科技、乐纯生物、东富龙、楚天科技、森松国际、药明生物和凯莱英。整条传导链可以概括为：多组学数据发现靶点→ AI生成候选分子→ 分子合成与湿实验验证→ 药效、药代和毒理评价→ 进入人体临床→ CDMO工艺放大→ 商业化生产→ 培养基、填料和耗材放量。越靠近前端，AI增量兑现越快，但单个项目金额通常较小。越靠近后端，单个项目潜在收入越大，但兑现周期越长，中间的失败率和不确定性也越高。十五、谁才是真正的AI制药“卖铲人”？不是所有与创新药相关的企业，都会自动获得AI红利。真正具备长期竞争力的公司，通常需要拥有以下四项能力。第一，能够生产AI无法凭空生成的真实数据包括患者多组学、蛋白质结构、分子结合、细胞表型、药代毒理、动物药效和临床响应数据。 AI可以学习数据，却不能绕过物理实验无限产生可靠数据。第二，实验流程高度自动化和标准化 AI需要持续、稳定、格式统一、机器可读取的数据。未来实验平台的竞争力，不仅来自科研人员数量，还来自自动化程度、实验重复性和数据质量。第三，拥有难以复制的资源库包括：多组学数据库；临床样本和随访数据； DNA编码化合物库；分子砌块库；重组蛋白和抗体库；特殊模式动物库；结构生物学数据；药代和毒理数据。数据越独特、标注越完整、与临床结果关联越紧密，竞争壁垒就越高。第四，能够形成“设计—制造—测试—反馈”闭环单纯提供算法，可能面临模型同质化。单纯依靠人工实验，也可能受到效率提升和服务价格下降的压力。更有价值的平台，应当能够形成：真实数据输入—AI设计—实物制造—实验验证—数据回传—模型优化。十六、四个需要警惕的错误推导误区一：AI发展，所有CXO都会受益 AI可能减少部分重复实验和人工工作。只有新增项目数量能够跑赢单项目工作量下降，并且企业具备自动化与高质量数据生产能力，才可能真正受益。误区二：AI需要数据，所有测序企业都会增长测序行业仍然面临单价下降和市场竞争。真正值得关注的是单细胞、空间组学、临床样本、多组学整合和生物标志物等高附加值业务，而不是单纯增加样本数量。误区三：AI项目增加，CDMO订单会立即爆发早期发现到商业化之间仍有较长周期和较高失败率。 CDMO可能是中长期受益者，但通常不是最先兑现的环节。误区四：国内头部等于全球高市场占有率测序服务、生物试剂、分子砌块、模式动物和生命科学仪器等行业的市场口径差异很大。判断企业竞争力时，还需要观察：海外收入占比；跨国药企客户数量；客户复购率；高附加值业务占比；是否进入临床项目；毛利率和经营现金流；是否真正进入全球供应链。结语：当设计不再稀缺，验证与制造将成为新的稀缺 AI制药真正的产业意义，不只是让药物设计速度更快，而是降低创新药研发门槛，让更多团队、更多靶点和更多候选分子进入研发流程。当虚拟世界的设计能力迅速扩张以后，整个行业真正稀缺的资源将逐步变成：高质量、多维度的真实生物数据；自动化和标准化的湿实验能力；新颖分子砌块与高端生物试剂；高价值模式动物和人体相关模型；临床前药效与安全评价能力；工艺放大和规模化制造能力。从受益时间看，最先产生需求的可能是：多组学数据、结构生物学、DEL、高通量筛选、基因合成、生物试剂、分子砌块和DMPK。随后传导至：模式动物、药效评价、安全评价、类器官和实验室自动化。再进一步传导至：临床样本分析、患者分层、临床样品生产和CDMO。最终，只有当更多AI药物进入临床后期并获批上市，增量才会全面传导至：培养基、层析填料、一次性耗材和生物制药设备。所以，研究AI制药不能只看谁拥有更先进的模型，还要看谁掌握了模型无法替代的数据入口和物理能力。一句话概括： AI负责在虚拟世界中提出更多可能性，而数据、实验与制造，决定这些可能性中有多少能够真正变成药物。当设计不再稀缺，高质量数据、实验验证和工程制造，便会成为新的稀缺资源。这或许才是AI给未来创新药产业带来的核心增量。风险提示：本文仅用于产业研究与逻辑讨论，不构成任何投资建议。文中企业仅作为产业链案例，不代表个股推荐。部分细分市场尚无统一的市场份额统计口径，企业竞争地位及经营情况也可能发生变化。AI药物研发仍面临数据质量、技术成熟度、临床成功率、监管政策、商业模式、医药投融资和产业传导周期等不确定性。如果本文对你理解AI创新药产业链有所帮助，欢迎点赞、在看和转发。

临床申请

100 项与上海皓元医药股份有限公司相关的药物交易

登录后查看更多信息

100 项与上海皓元医药股份有限公司相关的转化医学

登录后查看更多信息

组织架构

使用我们的机构树数据加速您的研究。

或

查看完整样例数据

管线布局

2026年09月28日管线快照

管线布局中药物为当前组织机构及其子机构作为药物机构进行统计，早期临床1期并入临床1期，临床1/2期并入临床2期，临床2/3期并入临床3期

药物发现

临床申请批准

申请上市

其他

登录后查看更多信息

当前项目

药物(靶点)	适应症	全球最高研发状态

依达拉奉右莰醇 ( CPT1A x PRDX1 )	急性缺血性卒中更多	申请上市
HY-072808 ( PDE4 )	湿疹更多	临床申请批准
马来酸奈拉替尼 ( EGFR x HER2 x HER4 )	EGFR突变的非小细胞肺癌更多	临床申请批准
HSK-38008 ( AR-v7 )	去势抵抗性前列腺癌更多	临床申请批准
CN118546942 ( IL-1β )专利挖掘	炎症更多	药物发现