Exscientia Ltd.

AI驱动药物研发革命：从十年到一年，新药发现进入智能时代 人工智能正在重塑药物研发的每一个环节 【免责声明】 本文仅供科普交流，不构成任何投资建议。文中涉及的研究成果来自学术期刊，相关技术产业化进程存在不确定性，读者应理性看待。 引言 开发一种新药需要多长时间？传统答案是10-15年。需要多少资金？平均26亿美元。成功率有多高？从进入临床试验到最终获批，成功率不到10%。这就是药物研发的残酷现实——高风险、高投入、长周期。 然而，人类对新药的需求从未如此迫切。癌症、阿尔茨海默病、罕见病……这些疾病仍在夺走无数生命。COVID-19疫情更是暴露了人类在面对新发传染病时的脆弱——我们急需更快、更高效的药物研发能力。 在这样的背景下，人工智能（AI）正在悄然改变药物研发的游戏规则。从靶点发现到分子设计，从临床试验优化到药物重定位，AI正在每一个环节发挥着越来越重要的作用。一些领先的AI制药公司声称，他们可以将药物发现的时间从3-5年缩短到1-2年，将成本降低90%以上。 2026年，AI制药已经从概念验证走向实际应用。 多个AI设计的药物已经进入临床试验阶段，有的甚至已经获批上市。中国的AI制药企业也在快速崛起，在全球竞争中占据了一席之地。这场由AI驱动的药物研发革命，正在为人类健康带来新的希望。 一、传统药物研发的困境 1.1 药物研发的漫长旅程 一种新药的诞生，需要经历漫长的研发过程： 药物发现阶段（3-6年）： 靶点识别：确定与疾病相关的生物分子（如蛋白质、基因）作为药物作用的靶点 先导化合物发现：通过高通量筛选、计算机辅助设计等方法，找到对靶点有活性的化合物 先导化合物优化：通过化学修饰，改善化合物的活性、选择性、药代动力学性质等 临床前研究阶段（1-2年）： 药效学研究：在细胞水平和动物模型中验证药物的有效性 药代动力学研究：研究药物在体内的吸收、分布、代谢、排泄（ADME） 毒理学研究：评估药物的安全性，包括急性毒性、慢性毒性、遗传毒性等 临床试验阶段（6-7年）： I期临床：在健康志愿者中评估药物的安全性和耐受性（20-100人） II期临床：在患者中评估药物的有效性和初步安全性（100-300人） III期临床：在更大规模的患者群体中验证药物的有效性和安全性（1000-5000人） 审批上市阶段（1-2年）： 向药品监管机构（如FDA、EMA、NMPA）提交新药申请，经过审评后获批上市。 1.2 药物研发的"生产力危机" 尽管过去几十年中，药物研发的技术手段不断进步，但研发效率却持续下降： 成本飙升： 根据Tufts Center的数据，开发一种新药的平均成本从1970年代的约1.8亿美元，上升到2010年代的超过26亿美元。这还不包括研发失败项目的成本。 周期延长： 药物研发的平均周期从1970年代的约8年，延长到现在的10-15年。这意味着患者需要等待更长时间才能获得新药。 成功率下降： 进入临床试验的药物，最终获批的成功率不到10%。大部分药物在临床试验阶段因为疗效不足或安全性问题而失败。 回报递减： 制药行业的研发投入产出比持续下降。每投入10亿美元研发资金，获得的新药数量从1970年代的约10个，下降到现在的不到1个。 这种"生产力危机"的根本原因在于： 低 hanging fruit已被摘完：容易开发的药物已经被开发，剩下的都是难啃的硬骨头 监管要求提高：对药物安全性和有效性的要求越来越严格 疾病复杂性：许多疾病（如癌症、神经退行性疾病）的机制非常复杂，单一靶点难以奏效 1.3 传统方法的局限 传统药物研发方法面临诸多局限： 高通量筛选的低效： 传统的高通量筛选（HTS）方法可以一次性测试数百万个化合物，但命中率极低（通常不到0.1%）。而且，筛选出来的先导化合物往往需要进行大量的化学修饰才能成药。 药物-靶点相互作用的复杂性： 药物与靶点的相互作用涉及复杂的物理化学过程，传统的分子对接等方法难以准确预测。 ADMET性质的预测困难： 药物的吸收、分布、代谢、排泄和毒性（ADMET）性质对成药至关重要，但这些性质的预测非常困难，往往需要在动物实验中验证。 临床试验的高失败率： 即使药物在临床前研究中表现良好，在临床试验中仍可能因为疗效不足或副作用而失败。这往往是因为动物模型不能完全模拟人类疾病。 二、AI如何重塑药物研发 2.1 AI在药物研发中的应用场景 AI可以在药物研发的多个环节发挥作用： 靶点发现： 通过分析基因组学、蛋白质组学数据，识别与疾病相关的潜在靶点 利用知识图谱整合文献、专利、临床数据，发现新的靶点-疾病关联 通过机器学习预测靶点的可成药性（Druggability） 分子设计： 利用生成式AI模型（如GAN、VAE、扩散模型）设计新的分子结构 通过强化学习优化分子的多目标性质（活性、选择性、ADMET等） 利用图神经网络预测分子与靶点的结合亲和力 药物重定位： 通过分析药物-疾病-基因的网络关系，发现已有药物的新适应症 利用AI预测药物在不同疾病中的疗效 临床试验优化： 通过分析电子病历数据，优化患者招募策略 利用预测模型优化临床试验设计（如剂量选择、终点指标） 通过数字孪生技术模拟临床试验，预测药物疗效和安全性 药物警戒： 通过分析真实世界数据，监测药物的不良反应 利用自然语言处理从医学文献中提取药物安全信息 2.2 AI药物发现的核心技术 机器学习： 监督学习：利用已知的药物-靶点相互作用数据训练模型，预测新的相互作用 无监督学习：发现数据中的隐藏模式，如药物的作用机制分类 强化学习：通过与环境的交互，优化分子设计策略 深度学习： 卷积神经网络（CNN）：用于分析分子图像、蛋白质结构等空间数据 循环神经网络（RNN）：用于处理序列数据，如SMILES字符串表示的分子 图神经网络（GNN）：用于处理图结构数据，如分子图、蛋白质相互作用网络 Transformer：用于处理大规模文本数据，如医学文献、临床试验报告 生成式AI： 生成对抗网络（GAN）：生成新的分子结构 变分自编码器（VAE）：学习分子结构的潜在表示，用于分子优化 扩散模型：生成高质量的分子结构，是目前最先进的分子生成方法之一 知识图谱： 整合来自不同来源的生物医学知识（基因、蛋白质、疾病、药物等） 通过图算法发现新的知识关联 支持可解释的AI决策 2.3 AI制药的成功案例 AlphaFold与蛋白质结构预测： 2020年和2021年，DeepMind的AlphaFold在蛋白质结构预测竞赛（CASP）中取得了突破性进展，能够准确预测蛋白质的三维结构。这为基于结构的药物设计提供了重要工具。 AI设计的药物进入临床试验： Insilico Medicine的ISM001-055（特发性肺纤维化）已进入II期临床 Exscientia的DSP-1181（强迫症）已进入I期临床 Recursion的REC-994（脑血管疾病）已进入II期临床 药物重定位： BenevolentAI利用AI发现巴瑞替尼（Baricitinib）可能用于治疗COVID-19，该药物随后获批用于COVID-19治疗 Atomwise利用AI筛选出多个可能用于埃博拉病毒治疗的药物 临床试验优化： Tempus利用AI分析临床和分子数据，优化肿瘤患者的个性化治疗方案 Unlearn.AI利用数字孪生技术减少临床试验所需的样本量 三、AI制药的技术突破与挑战 3.1 技术突破 分子生成模型的进步： 近年来，基于深度学习的分子生成模型取得了显著进步： 可以生成具有特定性质的分子（如针对特定靶点、具有特定ADMET性质） 生成的分子在化学上更加合理，合成可行性更高 可以探索更大的化学空间，发现传统方法难以发现的新颖分子 多目标优化： 药物设计需要同时优化多个目标（活性、选择性、溶解度、代谢稳定性等）。AI可以通过多目标优化算法，在这些目标之间找到最佳平衡。 预测模型的准确性提升： 随着数据量的增加和算法的改进，AI预测模型的准确性不断提升： 分子性质预测（如溶解度、logP）的准确率已达到实用水平 药物-靶点相互作用预测的准确率不断提高 ADMET性质预测的可靠性正在改善 知识图谱的构建与应用： 大规模生物医学知识图谱的构建，使得AI可以整合来自不同来源的知识，进行更全面的推理和决策。 3.2 面临的挑战 数据质量和数量： AI模型的性能依赖于高质量、大规模的训练数据。然而，药物研发数据往往： 分散在不同的机构和数据库中 存在数据质量问题（如实验误差、批次效应） 负样本（失败的实验）记录不完整 可解释性： 深度学习模型往往是"黑箱"，难以解释其决策过程。在药物研发中，可解释性很重要，因为研究人员需要理解为什么一个分子是有效的。 泛化能力： AI模型在训练数据上表现良好，但在面对新的靶点、新的疾病时，泛化能力可能不足。 实验验证： AI预测的分子仍需要通过实验验证。实验验证是瓶颈，限制了AI药物发现的迭代速度。 监管挑战： AI设计的药物如何监管？监管机构正在制定相关指南，但尚未形成统一的标准。 四、中国AI制药的崛起 4.1 中国AI制药企业 中国在AI制药领域已经诞生了一批有影响力的企业： 晶泰科技（XtalPi）： 由三位麻省理工学院博士后创立 利用量子物理和AI进行药物分子设计 与多家跨国制药公司合作 已提交港股上市申请 英矽智能（Insilico Medicine）： 虽然总部在纽约，但在中国有重要布局 利用生成式AI进行靶点发现和分子设计 首个AI设计的药物（ISM001-055）已进入II期临床 深度智耀（Deep Intelligent Pharma）： 专注于临床试验的AI解决方案 提供患者招募、数据管理、监管申报等服务 云深智药（iCarbonX）： 由华大基因前CEO王俊创立 利用多组学数据和AI进行健康管理和新药研发 燧坤智能（Shenzhen Infinia）： 专注于肿瘤免疫治疗的AI药物发现 利用知识图谱和机器学习发现新的免疫治疗靶点 4.2 中国的优势 数据优势： 中国拥有庞大的人口基数和丰富的临床数据资源。在保护隐私的前提下，这些数据可以用于训练AI模型。 人才优势： 中国在AI和生物医学领域都有大量的人才储备。许多海外留学人员回国创业，带来了先进的技术和经验。 政策支持： 中国政府高度重视AI和生物医药产业的发展。《"十四五"生物经济发展规划》明确提出要发展AI制药技术。 产业生态： 中国拥有完整的生物医药产业链，从原料药到制剂，从CRO到CMO，为AI制药的产业化提供了良好的环境。 4.3 面临的挑战 原创性不足： 与欧美相比，中国在AI制药的原创技术方面仍有差距。许多企业主要应用已有的AI算法，缺乏底层创新。 数据共享困难： 由于隐私保护、数据安全、商业竞争等原因，医疗数据的共享和整合仍面临困难。 人才短缺： 既懂AI又懂生物医学的复合型人才仍然稀缺。 资本耐心不足： AI制药是一个长周期的投资，需要资本的长期支持。但部分投资者追求短期回报，可能影响企业的长期发展。 五、应用场景：AI制药的未来 5.1 个性化医疗 AI可以分析患者的基因组、蛋白质组、代谢组等多组学数据，预测患者对特定药物的反应，实现真正的个性化治疗。 精准用药： 通过分析患者的基因型，预测药物的疗效和副作用，选择最适合患者的药物和剂量。 伴随诊断： 开发AI驱动的伴随诊断工具，筛选最可能从特定药物治疗中获益的患者。 5.2 罕见病药物开发 罕见病患者数量少，传统药物研发模式难以盈利。AI可以降低罕见病药物开发的成本和风险，使更多罕见病患者获得治疗。 靶点发现： 利用AI分析罕见病的基因突变，快速识别潜在的治疗靶点。 药物重定位： 通过AI筛选已有药物，发现治疗罕见病的新用途。 5.3 抗生素开发 抗生素耐药性是全球公共卫生威胁。传统抗生素开发已经停滞多年，AI可以为抗生素开发带来新的希望。 新机制抗生素： 利用AI设计具有全新作用机制的抗生素，绕过细菌的耐药机制。 毒性预测： 利用AI预测抗生素的毒性，筛选安全性更高的候选分子。 5.4 中药现代化 中医药是中华文明的瑰宝，但现代化进程缓慢。AI可以加速中药的现代化研究： 活性成分发现： 利用AI分析中药复方的化学成分，识别真正起作用的活性成分。 作用机制解析： 利用网络药理学和AI，解析中药多成分、多靶点的作用机制。 质量控制： 利用AI建立中药质量评价体系，确保中药的批次一致性。 六、产业链分析：AI制药的投资机会 6.1 产业链结构 AI制药产业链可以分为上游、中游和下游三个环节： 环节 主要内容 代表企业/机构 上游 数据提供（基因组数据、临床数据）、算力支持（云计算）、生物信息学工具 华大基因、阿里云、腾讯云 中游 AI药物发现平台、AI临床试验服务 晶泰科技、英矽智能、深度智耀 下游 制药企业、CRO、医疗机构 恒瑞医药、药明康德、各大医院 6.2 上游：数据与算力 基因组数据： 华大基因、贝瑞基因等企业积累了大量的基因组数据，是AI制药的重要数据资源。 云计算： AI模型训练需要大量算力。阿里云、腾讯云、华为云等云计算服务商为AI制药企业提供算力支持。 投资建议：关注在生物医学数据积累和云计算服务方面有优势的企业。 6.3 中游：AI制药平台 AI药物发现： 晶泰科技、英矽智能等企业开发了AI药物发现平台，为制药企业提供技术服务或合作开发新药。 AI临床试验： 深度智耀等企业专注于临床试验的AI解决方案，提高临床试验的效率。 投资建议：关注在AI制药技术方面有核心竞争力的企业。晶泰科技已提交港股上市申请，值得关注。 6.4 下游：制药与应用 传统制药企业： 恒瑞医药、石药集团等传统制药企业正在积极布局AI制药，与AI制药企业合作。 CRO企业： 药明康德、康龙化成等CRO企业也在引入AI技术，提高服务效率。 投资建议：关注积极拥抱AI技术的传统制药企业和CRO企业。 6.5 相关上市公司概览 公司 股票代码 投资逻辑 华大基因 300676.SZ 基因数据龙头，AI制药数据提供商 药明康德 603259.SH CRO龙头，布局AI制药 恒瑞医药 600276.SH 制药龙头，积极拥抱AI技术 晶泰科技 未上市 AI制药领先企业，已提交港股上市申请 英矽智能 未上市 AI药物发现先驱 七、投资建议与风险提示 7.1 投资机会 AI制药是生物医药领域最具前景的方向之一，具有长期的投资价值。投资者可以关注以下几个方向： AI制药企业： 晶泰科技、英矽智能等AI制药企业，代表了药物研发的未来方向。 数据提供商： 华大基因等拥有大量生物医学数据的企业，是AI制药的基础设施。 积极拥抱AI的制药企业： 恒瑞医药等传统制药企业，通过与AI制药企业合作，提升研发效率。 7.2 风险提示 技术风险： AI制药技术仍在快速发展中，技术路线存在不确定性。AI设计的药物能否在临床中表现出预期的疗效和安全性，仍需验证。 监管风险： AI制药的监管框架尚未完全建立，监管政策的变化可能影响行业发展。 竞争风险： AI制药领域竞争激烈，全球众多企业和机构都在布局。中国企业能否在竞争中脱颖而出，存在不确定性。 投资回报周期长： 药物研发周期长，AI制药企业的投资回报周期可能很长。投资者需要有长期持有的准备。 八、结语 AI正在重塑药物研发的全流程，从靶点发现到临床试验，每一个环节都在被AI技术改变。虽然AI制药仍面临诸多挑战，但其潜力已经显现。多个AI设计的药物已经进入临床试验，有的甚至已经获批上市，证明了这一技术的可行性。 中国在AI制药领域已经取得了重要进展，诞生了一批有影响力的企业。随着技术的不断进步、数据的不断积累、政策的持续支持，中国有望在全球AI制药竞争中占据重要地位。 对于投资者而言，AI制药是一个值得长期关注的投资方向。虽然短期内仍面临技术、监管、竞争等不确定性，但从长期来看，AI制药作为生物医药领域的技术革命，将为解决人类健康问题提供新的工具，具有巨大的发展潜力和投资价值。 参考资料 Jayatunga MKP, Xie W, Ruder L, et al. AI in drug discovery. Nature Reviews Drug Discovery. 2022;21(3):175-176. Vamathevan J, Clark D, Czodrowski P, et al. Applications of machine learning in drug discovery and development. Nature Reviews Drug Discovery. 2019;18(6):463-477. Zhavoronkov A, Ivanenkov YA, Aliper A, et al. Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nature Biotechnology. 2019;37(9):1038-1040. 中国药学会. 中国AI制药发展报告. 2023. Evaluate Pharma. World Preview 2023. 2023. 本文撰写于2026年3月31日，综合了AI制药领域的最新进展。如有疏漏，敬请指正。

2026年3月29日，一则“礼来收购英矽智能（Insilico Medicine）”的传闻引爆全球医药圈。然而，真相远比并购更富戏剧性：一份总价值高达27.5亿美元、首付款1.15亿美元的全球研发与授权合作协议，将两家公司紧紧捆绑。这不仅是“大象”对“羚羊”的认可，更是一纸宣告：AI制药的竞争，已从比拼“算法故事”的PPT时代，全面迈入检验“临床管线”与“商业订单”的价值兑现期。01 一则“乌龙收购”背后的真相：一笔“天价”订单与一场“压力测试”的终点 2026年3月下旬，一则截图在业内疯传：美国联邦贸易委员会官网显示，礼来公司就收购英矽智能相关实体事宜，已获得“提前终止”批准。市场哗然，以为万亿市值的制药巨头要吞下这家AI新贵。 反转在3月30日到来。路透社披露，英矽智能官方确认——不是收购，而是合作。一项总价27.5亿美元的超级BD（业务发展）协议，其首付款高达1.15亿美元。这笔交易的金额之巨，甚至触发了美国的HSR反垄断审查，在全球生物医药BD交易中也属凤毛麟角。 这笔“天价”订单，是礼来对英矽智能长达三年“渐进式压力测试”的最终答卷：从2023年的软件授权合作，到2025年加码至1亿美元的药物研发合作，再到2025年底作为基石投资者参与其港股IPO，礼来一步步加码，最终用这笔相当于英矽智能2025年全年收入两倍的首付款，锁定了其最核心的资产与能力。这标志着，传统制药巨头对AI制药公司的评估，已从“技术概念验证”进入“实质性订单与产出”阶段。02 AI制药——如何从“大海捞针”到“精准设计”？ 要理解这场“天价”合作的意义，首先得明白传统药物研发的“痛”与AI带来的“变”。传统模式：十年、二十亿美元、90%失败率的“痛苦赌博” 发现一款新药，如同在茫茫分子宇宙中寻找一把能打开特定疾病“锁”的钥匙。科学家需要在数亿甚至数十亿个化合物“海洋”中，凭借经验和运气“大海捞针”。从靶点发现到药物上市，平均耗时超10年，耗资超20亿美元，成功率不足10%。这是一个高成本、高风险、极度依赖运气的“艺术”过程。AI模式：数据、算法与自动化的“药物设计引擎” AI制药旨在将这门“艺术”升级为可计算、可预测的“工程”。其核心是构建一个“药物设计引擎”，它通常包含几层“技术栈”： 生物大数据层（燃料）：海量的基因组、蛋白质结构（如AlphaFold预测的2亿+结构）、临床试验数据，构成了数字世界的“生命图谱”。 AI算法层（大脑）：生成式AI（如扩散模型）能“凭空”设计出自然界不存在的全新分子结构；预测模型能评估这些分子的药效、毒性和合成难度；强化学习能让AI在虚拟环境中自我博弈，优化设计策略。 自动化实验层（验证闭环）：机器人实验室7x24小时合成、测试AI设计的分子，将真实实验结果反馈给AI，形成“干湿实验闭环”，不断迭代优化。 英矽智能的Pharma.AI平台，正是这类引擎的杰出代表。它并非简单的辅助工具，而是能够贯穿从靶点发现、分子生成、到临床前优化全流程的“AI原生药物发现平台”。礼来砸下重金，买的正是这个引擎产出的、具有“同类最佳”潜力的“钥匙”，以及未来持续产出“钥匙”的能力。03 历史的“回响”：从“AI幻觉”到“临床管线”的产业进化 AI制药并非一夜成名，其发展史是一部从狂热到冷静、再到务实突破的进化史。 1.0概念验证期（2010年代中后期）：以DeepMind的AlphaFold在蛋白质结构预测上取得突破为标志，证明了AI在解决复杂生物问题上的巨大潜力。一批AI制药公司（如Exscientia, Recursion）诞生，资本涌入，但多停留在算法和早期验证。 2.0临床探索与质疑期（2020年代初期）：AI设计的分子开始进入临床试验。然而，进展缓慢，质疑声起：“AI幻觉”（生成无效分子）、临床失败案例，让行业经历“幻灭低谷”。人们开始意识到，仅有算法不够，必须有真实的生物学数据和临床验证。 3.0价值兑现与分化期（2025年至今）：以英矽智能与礼来27.5亿美元合作、Recursion与罗氏/拜耳的数十亿美元合作为标志，行业进入“订单驱动”新阶段。AI制药公司必须用实实在在的临床管线进展和高价值BD订单来证明自己。资本开始向那些能形成“干湿实验闭环”、拥有自主管线的公司集中。04 礼来的“野心”：买“鱼”更买“渔”，豪赌下一代增长曲线 作为GLP-1“药王”替尔泊肽的制造商，礼来2025年市值突破万亿美元。它为何要对一家中国AI制药公司下如此重注？战略一：锁定“同类最佳”口服分子，巩固代谢领域“护城河” 尽管GLP-1市场巨大，但竞争已白热化。礼来需要下一代“同类最佳”或具备全新作用机制的分子来维持领先。公告虽未明说，但业内普遍推测，合作涉及一款针对GLP-1受体等代谢靶点的口服临床前候选药。在临床前阶段就支付“临床阶段”的天价首付款，表明礼来对其潜力有极高置信度，这是在为未来5-10年的市场竞争提前布局“王牌”。战略二：内化“AI发现引擎”，赢得“药物发现效率”的军备竞赛 对礼来而言，这27.5亿美元不仅是买一款药，更是买下一个高效的“AI药物发现引擎”的长期、独家合作权。在靶点日益稀缺、研发成本高企的背景下，药物发现效率成为核心竞争力。拥有英矽智能的Pharma.AI平台作为“外挂大脑”，礼来有望在多个疾病领域更快、更准、更低成本地发现候选药物，实现研发范式的代际领先。这标志着，AI正从被“租用”的外部工具，转变为被巨头内化的核心基础设施。05 产业的“分水岭”：AI制药从“合作时代”迈向“订单驱动时代” 这笔交易，为整个AI制药产业投下了一颗“深水炸弹”，明确了新的游戏规则。 估值锚点被重新定义：27.5亿美元的总价和1.15亿首付款，为顶尖AI制药平台的产出价值设立了一个清晰的、国际化的“定价基准”。未来，公司的价值将更直接地与其产生高价值BD订单的能力挂钩。 商业模式从“讲故事”到“拼交付”：单纯靠算法融资的时代结束。未来的赢家，必须是能持续将AI能力转化为进入临床的管线和获得MNC认可的巨额订单的公司。自我造血能力变得至关重要。 行业集中度提升，马太效应加剧：拥有全栈技术平台、强大实验能力和丰富管线的头部AI制药公司（如英矽智能、Recursion、Exscientia），将获得更多巨头的青睐和资源，形成“强者恒强”的格局。缺乏交付能力的小公司生存空间将被挤压。06 中国的“进击”：从“技术跟跑”到“价值输出”的历史性跨越 英矽智能的案例，是中国创新药出海模式的一次“升维”。 从“产品出海”到“平台出海”：过去，中国药企出海多依靠授权单个产品。而英矽智能是将整个AI药物发现平台的能力和IP进行全球化输出，获得了顶级买家的高阶定价，这标志着中国在医药研发的“基础设施”层面开始具备全球竞争力。 从“资本输入”到“价值输出”：礼来不仅是买家，也曾是英矽智能的基石投资者。这形成了一个“资本认可→技术验证→巨额订单”的完美闭环，证明了中国AI制药的创新价值能够被全球最顶尖的产业资本和战略资本双重认可，并实现高溢价变现。07挑战与未来：在源头创新与生态构建中争夺“定义权” 欣喜之余也需清醒。中国在AI算法的工程化落地和应用创新上优势明显，但在底层生物计算模型、原创AI框架等方面，仍需向DeepMind等机构看齐。未来，中国AI制药的更高使命，不仅是做出“同类最优”的候选药，更要在全新靶点发现、颠覆性研发范式上取得“首创”突破，并构建融合算力、数据、算法的健康产业生态，从全球创新的“贡献者”迈向“定义者”。结语：一场始于算法、成于订单、归于健康的“无限游戏” 礼来与英矽智能的27.5亿美元牵手，是一场始于硅谷算法、成于上海张江实验室、最终将在印第安纳波利斯的礼来研发中心开花结果的跨国协作。它撕去了AI制药“PPT融资”的最后标签，将行业锚定在“交付价值、解决痛点”的坚实土地上。 这条道路的终点，不是取代科学家，而是让人工智能成为科学家最强大的“延伸心智”；不是让制药变得更“虚拟”，而是通过“干湿闭环”让每一次实验都更富智慧；最终目标，是系统性地降低那“90%的失败率”，让更多针对阿尔茨海默病、癌症等顽疾的新药，能以更高的效率、更低的成本被创造出来，惠及全球患者。 当AI从“炫酷的概念”变为礼来这样的巨头愿意押注27.5亿美金的“生产力引擎”，我们迎来的，或许是人类药物研发史上百年未有的效率革命开端。未来已来，就在一行行代码与一个个分子交汇的化学反应中。你，准备好迎接这个“AI定义药物”的新纪元了吗？ 免责声明： 1、文中提到的任何信息或上市公司相关信息均来自公告或公开渠道；图片均为AI生成或网络公开图片； 2、文中所有相关分析或科普仅供读者参考，不构成任何形式的诊断治疗建议、投资建议或者商业决策建议； 3、若根据本文信息或分析进行任何形式的决策，包括但不限于诊断治疗决策、投资决策或商业决策等，请风险自担。 文章如有侵权请联系删除。 特此声明！

药明康德（WuXi AppTec）深度研究内参报告1. 核心战略定位与商业模式1.1 一体化CRDMO平台架构1.1.1 "R+D+M"端到端服务定义与价值主张 药明康德的核心战略定位建立在独特的CRDMO（Contract Research, Development and Manufacturing Organization，合同研究、开发与生产组织）模式之上，这一模式将传统的CRO（合同研究组织）与CDMO（合同开发与生产组织）功能进行深度整合，形成覆盖药物全生命周期的"R+D+M"端到端服务平台  。与行业常见的分段式外包模式不同，药明康德的CRDMO架构将早期发现研究（Research）、临床前及临床阶段开发（Development）、以及商业化规模生产（Manufacturing）三大环节纳入统一运营体系，为客户提供从靶点验证到上市供应的无缝衔接服务。 这一模式的价值主张体现在三个核心维度。时间效率维度：传统模式下客户需要在不同供应商之间进行多次技术转移，每个交接点平均消耗3-6个月验证周期；而CRDMO模式通过内部知识沉淀和流程标准化，可将早期发现到IND申报的时间压缩30%-40%  。成本优化维度：客户无需重复投入固定资产建设，药明康德2025年上半年化学业务已服务2,550家客户，规模效应带来的单位成本下降可转化为客户的显著成本优势  。风险管控维度：单一供应商责任边界清晰，避免了多供应商模式下常见的质量责任推诿和沟通摩擦，2024年全球客户、监管机构和独立第三方进行的802次审计实现100%通过率  。 CRDMO模式的战略深度在于其对"Research"组件的特别强调。传统CDMO往往聚焦于后期工艺开发和生产，而药明康德将研究能力前置，使其能够捕捉新兴分子类型的早期机会。这一设计使公司得以在PROTAC、多肽、寡核苷酸等新兴疗法领域建立先发优势——2024年至2025年上半年，药明康德参与生产了美国FDA批准的40个小分子新药中的8个，占比达20%  。摩根士丹利对全球108个医药企业负责人的调研显示，端到端一体化服务被企业挑选CXO时视为最看重的能力  。1.1.2 五大业务板块协同机制（化学/测试/生物学/ATU/DDSU） 药明康德的业务架构由五大核心板块构成，形成高度协同的服务矩阵： 业务板块 核心定位 2025年关键指标 战略地位WuXi Chemistry（化学业务） 小分子及新分子CRDMO服务 2025H1收入163.0亿元，同比+33.5%  ；全年364.7亿元，同比+25.5%绝对核心，收入占比~80%WuXi Testing（测试业务） 药物安全性评价、临床检测、法规申报 2025年收入40.42亿元，同比+4.69% 质量保障与合规枢纽WuXi Biology（生物学业务） 靶点验证、体外/体内药效、新分子发现 2025年收入26.77亿元，同比+5.24%  ；贡献>20%新客户 创新引流与下游转化WuXi ATU（先进疗法业务） 细胞与基因治疗、核酸药物CTDMO 战略调整中，不再单独预测收入 前沿疗法布局，产能爬坡期WuXi DDSU（国内新药研发服务部） 中国创新药临床前开发，分享商业化权益 战略收缩，聚焦核心CRDMO 区域市场深耕，风险共担模式 五大板块的协同机制体现为**"漏斗式"客户转化与价值放大**。WuXi Biology作为前端创新引擎，通过持续强化在新兴治疗领域的药物发现能力，高效生成下游CRDMO业务机会——2025年第一季度，该板块持续贡献公司超过20%的新客户  。体外与体内平台的协同效应显著：体外综合筛选平台收入增长28.9%，体内药效学平台收入增长9.4%  。化学业务内部同样存在清晰的协同逻辑：R端（药物发现）的高通量化合物合成能力为D端（工艺开发）和M端（生产）持续输送项目管线，而D&M阶段的深度介入又反过来增强客户黏性，形成"研发-生产"的正向循环。2024年，公司R端产生的46万个合成小分子中，有366个成功转化到D&M阶段  。 多部门服务的客户贡献了公司整体收入的93%  ，这一数据印证了深度客户绑定的成效。与单一服务提供商相比，使用多项服务的客户不仅收入贡献更高，项目保留率和生命周期价值也显著提升——小分子项目从早期阶段推进至III期临床及商业化的保留率显著高于行业平均水平  。1.1.3 从早期发现到商业化生产的无缝衔接优势 CRDMO模式的无缝衔接优势在运营层面体现为**"分子跟随"（Molecule Follow）**策略。药明康德通过早期发现阶段介入，与客户建立深度技术信任，随着项目推进至开发阶段，客户切换供应商的成本急剧上升，从而形成高粘性的"锁定效应"。数据显示，约70%的2022年WuXi Biology收入来自同时使用WuXi Biology和WuXi Chemistry平台的客户（2017年仅为41%）  ，这一比例提升反映了跨板块协同的深化。 无缝衔接的技术基础在于统一的质量管理体系（QMS）和知识管理平台。药明康德建立了覆盖全球30+站点的标准化运营框架，确保数据完整性、可追溯性和监管合规性。2025年3月，常州和泰兴API生产基地通过美国FDA现场检查，零483表格观察项（零缺陷）  ；2024年全年802次审计100%通过率  ，在全球CRO/CDMO行业中处于顶尖水平。这一质量记录是25年运营know-how的系统化积累，构成了难以复制的竞争壁垒  。 从客户价值视角看，无缝衔接意味着决策效率提升和技术风险降低。传统分段模式下，客户需要协调多个供应商的技术接口，工艺参数转移、分析方法验证、监管文件准备等环节的摩擦成本高昂；而CRDMO模式下，客户面对单一接口，项目管理复杂度指数级下降。对于资源受限的Biotech公司，这一价值尤为突出——它们可以将有限的管理带宽聚焦于科学和临床策略，而非供应商协调。药明康德明确将"赋能Biotech"作为战略重点，其CRDMO模式本质上是一种"基础设施即服务"（Infrastructure-as-a-Service）的创新，降低了创新药开发的资本门槛  。1.2 服务矩阵与能力边界1.2.1 小分子药物全生命周期服务 小分子药物是药明康德的传统优势领域，也是当前收入贡献最大的业务板块。公司在该领域构建了全球最完整的服务链条，覆盖从靶点筛选、苗头化合物（hit）识别、先导化合物（lead）优化、临床前候选化合物（PCC）确定、CMC开发、临床样品供应，到商业化规模生产的全周期。2024年至2025年上半年，药明康德参与生产的FDA批准新药中，小分子占比持续领先，反映了其在该领域的深度渗透  。 技术能力的多专业集成是核心壁垒。药物化学团队负责结构-活性关系（SAR）研究和分子设计优化；合成化学团队提供从毫克到公斤级的灵活合成能力；工艺化学团队专注于路线优化、成本控制和绿色化学；分析化学团队建立质量标准和方法验证体系；制剂团队则解决溶解性、稳定性和生物利用度等关键问题。这种多专业集成的组织设计，使复杂分子的开发难题能够在内部快速迭代解决。药明康德披露已累计合成超过188,000个复杂的TPD（靶向蛋白降解）化合物，其中70余个推进至PCC阶段，10余个进入后期开发  ，这一数据量级在全球处于领先地位。 规模优势具有显著的行业壁垒。截至2025年6月，化学业务拥有23,445名员工，这一数字超过多数全球竞争对手的化学服务团队规模  。大规模团队带来的不仅是产能弹性，更是知识积累的速度优势——每年处理数千个不同结构类型的分子，形成的数据库和经验图谱构成难以复制的组织资本。反应釜总体积超过2,400立方米  ，2025年底小分子API反应釜总体积预计超过4,000千升  ，为全球最大规模之一。1.2.2 新兴疗法布局（TIDES/TPD/细胞基因治疗） 面对行业技术迭代，药明康德通过前瞻性产能投资和专业化平台构建，积极布局新兴疗法领域： 新兴疗法平台 核心能力 2024-2025年表现 战略定位TIDES（寡核苷酸、多肽及偶联物） 固相/液相肽合成、寡核苷酸化学修饰、复杂偶联物制备 2024年收入58.0亿元，同比+70.1%  ；2025年113.7亿元，同比+96.0%  ；在手订单同比+103.9%第二增长曲线，产能快速扩张TPD（靶向蛋白降解） PROTAC、分子胶等降解剂设计、合成、生物评价 合成>188,000个TPD化合物，70+ PCC，10+后期开发 前沿技术储备，攻克"不可成药"靶点ATU（细胞与基因治疗） 病毒载体CDMO、细胞工艺开发、质粒DNA/mRNA生产 战略调整中，不再单独预测收入 长期布局，技术迭代快，商业化路径待验证 TIDES平台的爆发式增长是药明康德战略前瞻性的最佳验证。公司迅速捕捉了GLP-1类药物（如司美格鲁肽、替尔泊肽）的全球需求激增——过去12个月全球GLP-1临床候选药物从51个增至79个（增速55%），药明康德赋能项目从10个增至18个（增速80%），市占率显著提升  。多肽固相合成反应釜总体积从2024年初的12,000升快速提升至2025年底的超100,000升  ，产能扩张速度行业领先。管理层计划未来3年进一步提升至150,000升，并加速新加坡基地建设（2027年投用）  。 TPD平台代表了小分子药物的技术前沿。PROTAC、分子胶等降解剂通过利用细胞自身的蛋白质降解机制，实现对传统"不可成药"靶点的干预。药明康德的投入包括：建立专门的化合物库合成能力，开发适用于PROTAC的linker和E3配体化学；构建生物评价平台，评估三元复合物形成、降解效率和选择性；以及开发适用于TPD分子的CMC策略，解决其分子量大、理化性质复杂等挑战。 ATU业务承载公司在细胞与基因治疗领域的战略雄心。该板块涵盖病毒载体生产（AAV、慢病毒、逆转录病毒等）、细胞治疗工艺开发（CAR-T、TCR-T、NK细胞等）、质粒DNA和mRNA制造等关键能力。2024-2025年处于战略投入期，产能建设和客户积累并行推进。该领域的挑战在于：技术迭代快速、监管标准演进中、产能建设资本密集、客户项目失败率高。长期成功取决于技术路线选择的准确性、产能爬坡的速度、以及客户项目的推进率。1.2.3 全球化产能网络（30+站点，中美欧新四极布局） 药明康德已构建覆盖全球主要医药市场的物理网络，截至2025年拥有超过41个运营基地  ，形成**"中美欧新"四极布局**： 区域 核心基地 功能定位 战略进展中国 上海（总部/研发中心）、苏州（小分子研发）、常州/泰兴（大规模API生产）、武汉/天津/成都等 研发创新中枢与规模化制造基地 核心产能持续扩建，Pyxis智能系统全面部署，多肽产能12个月翻倍美国 米德尔顿（Middletown, Delaware，制剂生产，2026年底前运营）  、费城/圣迭戈/亚特兰大（研发与临床服务） 北美本地化生产与贴近客户服务 API设施规划中，强化供应链韧性，应对地缘政治风险欧洲 瑞士Couvet（口服制剂产能翻倍，SDD设施2026年投运）  、德国慕尼黑（早期发现）、2023年收购拜耳德国生产基地 欧洲市场深度覆盖与高端制造 正式纳入欧洲医药市场版图  ，EMA监管认可新加坡 新建API设施（预计2027年运营） 亚太区域枢纽与全球供应链备份 地缘政治风险分散，A*STAR BTI合作推进TESSA™技术 全球化布局使公司能够提供更具韧性的供应链选择。2024年，公司支持客户商业化产品实现100%准时交付，近3万批次的偏差率低于0.3%  。运营效率的持续提升体现在：新车间投产周期从2017年的22.6个月缩短至2024年的2.4个月  ；Pyxis智能系统将车间整体使用率从60%提升至72%  ，接近理论极限；小分子生产90%自动化，多肽生产80%自动化  。1.3 客户生态与价值创造1.3.1 客户结构分层（大型药企vs新兴Biotech） 药明康德的客户群体呈现**"金字塔型"结构**，涵盖从全球Top 20大型制药企业到初创Biotech的广泛谱系： 客户层级 典型特征 2024-2025年表现 战略价值全球前20大制药企业 项目管线丰富、决策周期长、质量要求极高、价格敏感度较低 2024年收入166.4亿元，剔除特定项目后同比+24.1%  ；2025H1前20强客户收入同比+43% "压舱石"客户，提供可预测的基础订单中型生物技术公司 临床阶段资产、寻求商业化合作伙伴、决策快速 项目单价高、转化确定性强 价值转化的关键节点新兴Biotech与虚拟制药公司 团队精简、技术导向、资金依赖融资、对速度和灵活性要求极高 2025H1化学业务服务2,550家客户  ；累计服务>9,000家临床前客户 增长引擎，早期项目储备，未来转化潜力 大型制药企业是收入稳定性的基石。药明康德与多家全球Top 20药企建立了战略合作关系，涵盖多个治疗领域的长期项目。对于Big Pharma，药明康德的价值主张在于帮助其优化研发成本结构、加速管线推进、以及获取外部创新。在专利悬崖压力和研发产出率下降的背景下，Big Pharma increasingly 依赖外包合作伙伴维持竞争力。 新兴Biotech是增长弹性和品牌放大器。药明康德为Biotech设计了专门的服务模式：降低合作门槛（灵活的项目规模和付款安排）、加速项目推进（dedicated项目团队和快速响应机制）、赋能价值创造（不仅提供服务，更帮助客户建立监管文件、吸引投资、推进临床）  。这种"超越服务提供商"的定位，使药明康德成为众多成功Biotech的"共同创始人"角色。 客户留存率表现卓越：前十大客户稳定合作，客户留存率高达100%  。广泛的客户基础（2,550家活跃客户）不仅分散了单一客户风险，更形成了网络效应——成功案例吸引更多客户，客户增长带来数据积累，数据积累提升服务能力，服务能力增强又吸引更多客户。1.3.2 "赋能者"角色定位与飞轮效应 药明康德的战略叙事中，**"赋能者"（Enabler）是核心身份认同。这一定位区别于传统的"供应商"或"承包商"角色，强调与客户共同创造价值、分享成长收益的长期伙伴关系。"赋能"的具体内涵包括三个层面：基础设施赋能——提供客户自建成本过高的研发和生产设施；专业能力赋能——提供客户内部难以构建的跨学科技术团队；监管经验赋能**——提供客户缺乏的全球申报和合规知识。 "赋能者"定位的商业模式创新在于将客户的成功内化为自身的增长动力。对于Biotech客户，药明康德的服务直接帮助其提升估值、吸引融资、推进临床，客户的每一个里程碑都转化为药明康德的订单增长和口碑传播。这种机制被公司称为**"飞轮效应"（Flywheel Effect）**  ：质量、速度和成本效率的持续优化，驱动客户创新和成功；客户成功带来更多客户和项目；项目积累形成数据和经验资产；资产沉淀进一步提升服务能力，飞轮由此加速旋转。 飞轮效应的量化体现包括：客户留存率、项目推进率、以及客户终身价值（LTV）。多部门服务的客户贡献了公司整体收入的93%  ，从早期发现到商业化生产的持续服务比例显著高于行业平均。更重要的是，飞轮效应具有自我强化特征——一旦建立领先优势，后进入者难以通过价格竞争或单一能力突破实现追赶，因为客户切换成本不仅包括合同转移的显性成本，更包括知识转移、关系重建、质量重新验证等隐性成本。1.3.3 长期合作关系的构建与深化机制 药明康德的客户关系管理遵循**"深度优先于广度"**的原则，追求与核心客户的全方位、多项目、长期绑定。实施机制包括： 账户管理体系：为战略客户配置dedicated的跨职能团队，包括业务开发、项目管理、科学顾问、质量监管等角色，确保客户需求的快速响应和内部资源的有效协调。 技术信任建设：通过早期项目的卓越交付，逐步获得客户的技术认可，进而承接更高价值、更复杂的项目。典型案例包括帮助Biotech合作伙伴重新设计复杂分子合成路线，将步骤减少三分之一、消除昂贵催化剂、提升生物利用度，最终提前两个月完成生产  。 战略合作升级：在项目合作基础上，探索联合研究、技术平台共建等更深层次的绑定形式。DDSU模式通过参与客户项目的后期权益分享，实现了风险共担、收益共享。 客户成功指标：将客户的监管获批、融资里程碑、临床进展等定义为共同成功指标，internalize客户视角，超越单纯的交付考核。2. AI技术在药物研发中的应用2.1 官方战略立场澄清2.1.1 2024年业绩电话会核心表态：不自行开发AI新药 药明康德在AI技术应用上的战略立场，经过2024年的公开澄清后已十分明确。2025年3月18日，公司高管在业绩电话会上明确表示： "医药行业，尤其是在研发阶段，正在探索如何用AI加速创新药物研发，这处于比较早期的阶段，我们也有服务赋能很多这样的客户。我们相信AI作为创新工具，能够帮助整个行业提升效率和速度，并且可能在未来帮助新药研发打开更多原来不可成药的空间，我们也会顺应潮流，更好地为客户提供极致的服务。" "需要明确的是，药明康德历来不自行开发新药，也没有用AI来开发新药。" 这一表态包含三层核心信息：第一，承认AI技术在药物研发中的潜在价值，尤其是提升效率、加速开发、拓展"不可成药"靶点空间等方面；第二，明确公司角色是**"服务赋能者"而非"技术开发者"**——即为使用AI的客户提供实验验证、工艺开发、生产等服务，而非自行构建AI平台发现药物；第三，重申"不自行开发新药"的长期承诺，这一承诺自公司创立以来一以贯之，是维护客户信任、避免利益冲突的基石。 从战略逻辑分析，这一选择具有深刻的商业合理性。商业模式的清晰性：药明康德的CRDMO模式建立在"服务提供商"身份之上，其收入来源于为客户执行研发和生产任务的服务费用。若转向AI自主开发新药，则意味着商业模式向"产品公司"转型，涉及完全不同的资本结构、风险profile、估值逻辑和组织能力。对于已经建立显著规模优势的CRDMO平台，这一转型的机会成本极高。客户关系管理：药明康德的客户包括相互竞争的制药企业，若公司同时作为AI新药开发者，将面临严重的利益冲突——客户可能担忧其项目数据被用于训练服务于竞争对手的AI模型。明确切割AI自主开发，是维护客户信任、保护商业关系的必要之举。2.1.2 与Chemistry42关系的明确切割 市场此前曾流传药明康德拥有名为Chemistry42的AI药物发现平台，并将其与2018年与Insilico Medicine的合作相联系。2024年的澄清明确否定了这一关联： "包括网上最近有消息称，药明康德通过Chemistry42来进行AI新药制药。我们也要澄清的是，这里提到的技术是一家生物科技公司的，跟药明康德没有任何关系。" Chemistry42是Insilico Medicine自主开发的生成化学平台，于2020年正式推出，整合了42种生成式AI算法，包括生成对抗网络（GAN）、强化学习（RL）、流模型、进化算法和语言模型等多种技术路径  。该平台已被超过20家制药公司和15个外部项目采用，在Insilico Medicine多款内部药物研发项目中发挥核心作用，包括其首个进入临床试验的AI发现药物ISM001-055（用于治疗特发性肺纤维化）  。 误解的起源可追溯至2019年的一次早期合作。当时，Insilico智能利用自主开发的生成化学人工智能模型GENTRL与药明康德等机构合作，在21天内针对给定靶点DDR1设计出苗头化合物，并在46天内完成初步生物学验证，相关研究成果发表于《Nature Biotechnology》期刊  。这一合作案例在业界引起广泛关注，但随后经过部分自媒体的"添油加醋"，Insilico Medicine后续开发的Chemistry42平台被错误地归属为药明康德的技术资产。药明康德的及时澄清，既是对自身战略定力的坚守，也是对投资者负责任的表现。2.1.3 "AI赋能服务"而非"AI自主开发"的战略选择 综合官方表态，药明康德的AI战略可概括为**"HI+AI"双轮驱动模式**——以人类智能（Human Intelligence）为主导，人工智能为辅助工具，服务于现有CRDMO业务流程  。具体内涵包括三个层面： 战略维度 药明康德选择 与AI制药公司（如Recursion/Exscientia）的本质区别技术定位 AI作为效率工具，嵌入现有服务流程 AI作为核心竞争壁垒，持续研发投入商业模式 服务外包（Fee-for-service），收入可预测 技术授权+管线权益（Platform+Pipeline），高风险高回报数据策略 项目隔离，不跨客户积累，保护客户信任 统一平台，持续训练优化，构建数据飞轮人才结构 实验科学家主导，AI人才占比极低 计算生物学家+AI工程师主导资本配置 产能扩张优先，AI投入有限且务实 研发投入优先，大规模押注技术路线IP策略 不主张AI生成化合物的IP权益 通常保留AI发现分子的部分权益 这一战略选择的合理性在于：技术成熟度与商业可行性的理性评估。AI药物发现技术尚处于"比较早期的阶段"  ，从算法成功到临床成功存在巨大鸿沟。截至2025年，全球尚无完全由AI自主设计并成功上市的药物，多数AI制药公司的管线仍处于早期临床阶段。药明康德作为服务型企业，难以承担长期押注未成熟技术的风险。机会成本考量：开发具有竞争力的AI药物发现平台需要数亿美元的持续研发投入，周期长达5-10年，且成功概率不确定。相比之下，将同等资源投入核心CRDMO业务扩张，能够产生更确定、更快速的财务回报。2025年化学业务25.5%的增速和TIDES业务96%的爆发，验证了资源聚焦策略的有效性。2.2 历史合作与生态参与2.2.1 2018年与Insilico Medicine战略合作回顾 药明康德与AI制药领域的交集，可追溯至2018年与Insilico Medicine的战略合作  。该合作是CRO行业早期拥抱AI技术的标志性事件之一，体现了公司对前沿技术的开放态度。 合作背景是2016-2018年AI在生命科学领域应用的热潮：AlphaGo击败李世石、AlphaFold发布初步成果等事件引发广泛关注，制药行业开始探索AI加速药物发现的可能性。药明康德作为创新服务模式的先行者，希望通过实际项目了解AI技术的capabilities与limitations，为未来服务此类客户积累经验。 合作内容聚焦于将Insilico Medicine的生成对抗网络（GAN）和强化学习（RL）技术整合入药明康德的药物发现流程  。具体分工为：Insilico Medicine负责AI算法开发和靶点识别，药明康德提供实验验证和化学合成能力。双方设定了一系列里程碑目标，计划将下一代AI技术应用于发现针对新型且具有挑战性的生物靶点的理想临床前药物，包括那些没有已知晶体结构、也没有已知配体的"孤儿靶点"  。 Insilico Medicine创始人兼CEO Alex Zhavoronkov博士当时表示："与药明康德的合作使我们能够专注于人工智能，而无需投资昂贵的实验室基础设施。这也使我们能够与一些世界上最优秀的药物化学家和生物学家合作，优化药物开发流程。"  药明康德国际发现服务部副总裁郭涛博士则回应称："英矽智能创新的人工智能方法所生成的化合物，具有缩短周期时间和提高临床前候选药物质量的潜力。"2.2.2 GAN与强化学习在早期靶点发现中的联合探索 2019年的DDR1靶点研究是双方合作的最重要成果，也是生成式AI在药物发现领域的里程碑式验证。该研究的技术路径和效率提升数据值得详细分析： 技术架构：研究采用Insilico Medicine开发的GENTRL模型（Generative Tensorial Reinforcement Learning），这是一种基于生成对抗网络和强化学习的分子生成系统。模型在ZINC数据库和公开激酶抑制剂数据集上进行预训练，然后针对DDR1靶点进行微调优化  。 效率突破：传统药物发现中，从靶点确定到苗头化合物（hit identification）通常需要2-3年时间，而GENTRL模型在21天内生成了40个候选结构，其中6个被选中合成，4个在体外实验中显示出DDR1抑制活性  。从靶点到初步生物学验证的总周期压缩至46天，效率提升约20-30倍。 学术影响：该研究于2019年9月发表于《Nature Biotechnology》，成为首批在顶级期刊发表的生成式AI药物发现实证研究之一，引发了学术界和工业界的广泛关注  。 然而，需要客观评估这一案例的局限性：DDR1是一个研究较为充分的激酶靶点，具有大量已知配体结构数据，属于AI算法的"友好型"场景；研究仅完成体外活性验证，距离临床候选药物尚有漫长距离；化合物合成和测试仍需传统化学和生物学实验支持，AI并未完全替代人工流程。这些局限性提示，AI在早期药物发现中的价值更多体现在效率提升和假设生成，而非对整体成功率的革命性改善。2.2.3 合作终止与战略转向的深层逻辑 药明康德与Insilico Medicine的合作在2019年后未再有公开的重大进展披露，双方关系逐渐淡化。这一"合作终止"并非正式的协议解除，而是表现为战略注意力的转移与资源投入的减少。深层原因可从三个维度解析： 战略目标错配。Insilico Medicine逐步从"AI+CRO服务"向"自主管线开发"转型，其商业模式更接近生物技术公司而非服务提供商。2024年，Insilico Medicine再次向港交所递交上市申请，披露其业务包括"管线药物开发、药物发现服务及软件解决方案服务"三大板块，其中自主管线占据越来越重要的地位  。这与药明康德"绝不自行开发新药"的立场形成直接冲突，合作基础随之削弱。 数据所有权与竞争敏感性。药明康德作为CRO平台，处理大量客户的保密研发数据，若与Insilico Medicine的AI平台深度绑定，可能引发客户对数据安全和利益冲突的担忧。特别是当Insilico Medicine开始自主开发药物时，药明康德的客户可能不愿意其项目数据用于训练潜在竞争对手的AI系统。 技术成熟度的理性评估。2019年的DDR1研究虽具轰动效应，但后续AI制药领域经历了"期望膨胀-幻灭低谷"的技术成熟度曲线。药明康德管理层对此有清醒认知，其"AI仍处于探索阶段"的判断  ，反映了对技术成熟度的保守评估。将资源集中于已验证的CRDMO能力扩张，而非追逐技术热点，是更为务实的选择。2.3 数据资产与潜在壁垒2.3.1 650万化合物库与200万生物活性数据点积累 尽管不自主开发AI平台，药明康德在运营过程中积累了庞大的化学和生物数据资产。根据市场流传的信息（未经公司官方确认），药明康德拥有650万种化合物库和200万个生物活性数据点的规模积累  。这一数据规模在全球CRO行业中处于领先地位。 数据资产的来源和特征包括： 数据类型 规模与来源 质量特征 潜在AI价值 DEL筛选数据 DNA编码化合物库技术平台，2018年起运营 高通量、标准化、与DNA标签关联 结构-活性关系学习，但客户隔离限制跨项目使用 化合物合成数据 历年为客户合成交付的化合物集合，2024年46万+新化合物 工艺导向，合成路线、产率、杂质谱等 反应条件优化，合成可行性预测 生物活性数据 筛选、测试服务中产生的活性数据，覆盖多靶点、多维度 实验验证，GLP/GCP标准，但标注标准不一 靶点预测，ADMET性质建模 工艺开发数据 3,400+小分子D&M项目，临床至商业化阶段 参数丰富，规模放大经验，客户专有技术保护 工艺优化，质量预测，供应链规划 临床前ADMET数据 大量，项目定制，种属差异显著 可靠性高，但转化不确定性 体内外相关性建模，剂量预测 这些数据资产的形成源于药明康德二十余年的服务历程。DEL技术为每一个小分子化合物配上独特的DNA"条形码"，可实现对数十亿化合物的快速筛选  。2025年2月发表的研究显示，公司成功将Van Leusen咪唑合成反应引入OBOC-DEL平台，填补了DEL技术中高效合成咪唑类分子这一高成药性骨架的空白  。2.3.2 数据规模与AI训练潜力的客观评估 然而，将数据资产转化为AI模型能力面临多重挑战，这也解释了为何药明康德未选择自主开发AI平台： 约束因素 具体表现 对AI开发的实际影响数据所有权 客户项目数据归客户所有，受保密协议（CDA）严格约束 无法自由聚合用于通用模型训练，跨项目使用需逐案授权数据孤岛效应 分散于不同业务板块、地理区域、IT系统，缺乏统一治理 数据清洗、标注、整合成本高昂，数据工程投入巨大数据结构化程度 历史数据格式多样，早期项目元信息不完整 非结构化数据的AI可用性远低于结构化数据库数据偏倚问题 成功案例数据丰富，失败案例记录不完整；特定客户/领域过度代表 训练模型泛化能力受限，预测偏差风险标注完整性 部分数据缺乏系统的专家标注和验证 监督学习效果受限，需大量人工标注投入技术迭代风险 AI药物发现技术路线快速演进 基于历史数据训练的模型可能无法适应新分子类型 雪球分析尖锐指出："客户保密协议使其无法跨项目积累数据资产，难以形成数据飞轮"  。这一判断揭示了药明康德数据资产的核心悖论：规模可观但可用性受限，质量较高但整合困难。与AI原生公司（如Insilico Medicine、Recursion）从设计之初就将数据积累和控制作为核心战略不同，药明康德的数据资产更多是服务业务的副产品，而非专门为AI训练构建的战略资源。2.3.3 未转化为自有AI平台的原因分析 药明康德未将数据资产转化为自有AI平台，是战略选择、组织能力与外部环境共同作用的结果： 战略层面：定位清晰，拒绝诱惑。公司始终坚守"赋能者"定位，将自身定义为医药创新生态的基础设施提供商，而非技术平台竞争者。开发自有AI平台将模糊这一边界，引发客户对其"既当裁判又当运动员"的担忧。即使技术上可行，战略上的代价也可能超过收益。 组织层面：基因冲突，能力错位。AI平台开发需要"探索导向"的组织文化——容忍失败、快速迭代、技术冒险，这与药明康德"交付导向"的服务文化存在根本张力。AI人才占比极低  ，核心能力积淀在于实验科学和项目管理，而非算法开发和软件工程。强行转型将涉及大规模组织重构，成功概率不确定。 商业层面：投入产出，理性计算。建设企业级AI平台需要数亿美元持续投入，商业化变现路径尚不清晰。相比之下，同等资源投入TIDES产能扩张（2025年资本开支65-75亿元）  ，能够产生更确定、更快速的财务回报。2025年TIDES业务96%的增速，验证了这一资源配置的有效性。 环境层面：技术不确定，风险规避。AI制药领域的技术路线尚未收敛，2018年的GAN-RL架构已被2022年后的扩散模型、2023年的大语言模型应用等新范式部分超越。在路线收敛前大规模押注，面临显著的沉没成本风险。2.4 行业AI趋势下的应对策略2.4.1 顺应客户AI需求的服务适配 面对AI技术在药物研发领域的持续渗透，药明康德采取**"被动适配"而非"主动引领"**的策略。这一策略的具体体现包括： 服务能力升级：为使用AI设计分子的客户提供快速、高质量的合成与测试服务，缩短"设计-合成-测试"循环周期。2025年上半年，公司持续优化实验工作流程，以兼容客户指定的AI工具和输出格式。 内部流程智能化：将AI/机器学习技术应用于项目管理、资源调度、质量控制等内部环节，提升运营效率。2023年投资者开放日披露，"数据化、智能化、自动化已经融入公司的各个业务平台"，例如WuXi Testing的部分测试环节已实现全面自动化，通过机械臂和系统集成实现24小时不间断智能生产  。 技术咨询支持：利用其在药物化学、生物学领域的专业知识，为客户AI设计分子的可合成性、成药性评估提供专家意见，扮演"AI+人类专家"的混合决策角色。 这一适配策略的优势在于风险可控、投入有限、与客户需求紧密绑定；劣势在于技术附加值低、差异化弱、难以形成可持续的竞争壁垒。当AI成为行业标配后，可能面临价格竞争的压力。2.4.2 与外部AI公司的合作模式探索 药明康德参与AI制药生态的主要方式是通过投资布局和选择性合作，而非深度技术整合： 合作/投资对象 关系类型 持股比例 合作内容 战略意图Insilico Medicine（英矽智能） 股权投资 6.45%（通过WuXi实体） 历史合作已终止，保留财务投资 财务回报+生态观察，技术学习窗口Schrödinger 合资成立Faxian Therapeutics 未披露 AI加速新药发现 技术学习+客户引流其他AI制药公司 潜在投资评估 - - 保持选项开放，分散技术路线风险 这一投资组合的设计体现了"轻参与、重观察"的特点：持股比例不足以构成控制或重大影响，保持灵活退出空间；不深度绑定单一技术平台，避免技术路线风险；通过财务投资获取行业洞察，为服务策略调整提供信息支持。 值得关注的是，药明康德对AI制药公司的投资与其主业存在潜在协同：被投公司可能成为客户，将其AI发现的候选分子委托药明康德进行后续开发；投资关系有助于建立信任，优先获取合作机会；行业网络效应增强药明康德在创新生态中的枢纽地位。然而，这些协同效应并非自动实现，需要主动的管理整合。2.4.3 技术投入优先级与资源分配逻辑 药明康德的研发投入结构清晰反映了其技术优先级判断。2024年，公司研发费用为12.39亿元，同比下降14.0%，占营业收入比例约3.2%  ；2025年研发费用11.19亿元，同比-9.61%  。这一投入水平在CRO行业中处于中等，但绝对规模领先，且分配方向明确： 投入层级 具体领域 典型项目 2024-2025年资本配置P0（最高优先级） 产能扩张与质量体系建设 泰兴/常州多肽产能扩建（12个月内提升20,000升→100,000升）  ；新加坡基地（2027年投产） 2025年资本开支65-75亿元P1 新兴疗法能力建设 TIDES平台（寡核苷酸、多肽、偶联物）；TPD平台（PROTAC、分子胶） 产能与平台同步扩张P2 自动化与数字化升级 Pyxis智能排程系统（设备使用率60%→72%）  ；鹰眼系统（人为失误率降至0.05/百批次） 运营效率提升，成本优化P3 前沿技术探索性合作 AI公司投资、量子计算合作（编号  提及的量子药物设计工具探索） 保持技术敏感性，期权价值 这一优先级排序体现了药明康德**"硬产能优先、软能力适配、算法能力回避"**的资源配置逻辑。AI相关投入被严格限定于与核心服务能力直接相关的领域（如自动化、数据分析），而非算法原创或平台开发。这与泰格医药（医雅AI大模型平台）  、康龙化成（海心智惠AI患者管理平台）  等国内同行的AI战略形成鲜明对比，反映了不同的风险收益偏好和战略选择。3. 财务表现与估值分析3.1 核心财务指标（2023-2025）3.1.1 营业收入与增长轨迹：从周期调整到强劲复苏 药明康德近年财务表现经历了**"高速增长—周期调整—强劲复苏"**的完整周期，体现了CRDMO模式的韧性和战略聚焦的成效： 年度 营业收入（亿元） 同比增速 关键驱动因素 结构性特征 2022 393.55 +71.84% 新冠商业化项目高峰，核心业务扩张 疫情特殊红利，基数效应 2023 403.41 +2.51% 新冠项目退坡，核心业务内生增长14.6%（剔除新冠） 增速放缓，质量提升 2024 392.41 -2.73% 新冠项目完全退出，特定商业化项目影响 表面下滑，实际稳健 2025 454.56+15.84% 化学业务+25.5%，TIDES+96.0%，核心CRDMO全面复苏高质量增长，结构优化 2025年的强劲复苏具有多重标志性意义。第一，增长质量显著提升：剔除新冠项目后的可比增速达22.5%，较2024年的5.2%大幅加速  ；第二，业务结构优化：TIDES业务占比从2024年的约15%提升至2025年的25%，高毛利业务贡献增强；第三，全球化韧性验证：美国客户收入同比增长34.3%  ，在地缘政治压力下展现客户粘性；第四，运营效率跃升：经调整Non-IFRS净利润率从2024年的约28%提升至37.15%（前三季度）  ，规模效应和精益管理成效显著。 季度节奏显示增长动能持续强化。2025年第一季度营业收入96.55亿元，同比增长21.0%  ；前三季度累计328.57亿元，同比增长18.61%  ；第三季度单季120.57亿元，同比增长15.26%、环比增长8.2%  。管理层于2025年三季度上调全年业绩指引至435-440亿元（原425-435亿元），最终实际完成454.56亿元，超出修订后指引上限  。3.1.2 盈利能力分析：利润率跃升与盈利质量优化 药明康德的盈利能力在全球CRO/CDMO行业中处于顶尖水平，且呈现持续改善态势： 盈利指标 2023年 2024年 2025年 变化趋势 关键驱动 归母净利润（亿元） 96.07 94.50191.51+102.65% 含出售药明合联收益32.23亿元，核心主业+32.56% 扣非归母净利润（亿元） 97.48 99.88132.41+32.56% 主业盈利能力实质性提升 基本每股收益（元） 3.27 3.276.70 +104.27% 与净利润增速匹配 综合毛利率 41.2% 41.5%47.64%+6.16pct 高毛利业务占比提升，运营效率改善 化学业务毛利率 45.1% 45.5%51.3%+5.8pct 产能效率，工艺优化 经调整Non-IFRS净利率 ~28% ~28% **37.15%**（前三季度）+9pct 精益运营，规模效应释放 2025年净利润翻倍增长需辩证分析。一次性因素：出售药明合联股权贡献投资收益32.23亿元  ，以及部分资产处置收益，合计约占总利润的25-30%。核心主业增长：扣非净利润132.41亿元，同比增长32.56%，增速显著高于营收增速，反映盈利质量的实质性改善。这一改善源于三重机制：产品结构优化（临床后期和商业化高附加值项目占比提升）、成本管控见效（营业成本同比仅+3.64%，远低于营收增速）、运营效率优化（Pyxis系统、自动化升级等）。 费用结构显示管理效率提升。2025年期间费用合计50.0亿元，费用率11.00%，其中：销售费用8.07亿元（+8.25%），与市场拓展匹配；管理费用26.61亿元（**-7.59%），体现优化管理流程、整合资源的效果；研发费用11.19亿元（-9.61%**），反映聚焦核心研发项目、优化投入结构的战略选择  。3.1.3 现金流质量与资本效率：从投入到收获的质变 药明康德的现金流生成能力经历了从"投入期"到"收获期"的关键转变，为战略扩张和股东回报提供了坚实基础： 现金流指标 2022年 2023年 2024年 2025年 战略意义 经营活动现金流净额（亿元） 106 124.06 ~120172.03 主业造血能力持续增强 经调整经营现金流（亿元） - 119.8 ~120166.7 剔除一次性因素后的真实质量 资本开支（亿元） 96 ~75 ~7555-60 （实际） 效率提升，节奏优化 自由现金流（亿元） ~10 ~45 ~4580-85   →105-115（2026E）自我造血能力质变 自由现金流/营收比率 ~2.5% ~11% ~11% **18%→24%**（2026E） 财务可持续性显著改善 关键里程碑：2022年经营活动现金流净额106亿元首次超过资本开支96亿元  ，标志着从"烧钱扩张"到"自我造血"的转折。2025年自由现金流达80-85亿元，2026年指引进一步提升至105-115亿元  ，这一水平在全球大型制造和服务企业中极为罕见，为持续分红回购、战略并购、以及应对不确定性提供了充足弹药。 股东回报力度空前。2025年累计分红及回购68.42亿元，占2024年归母净利润的72%，包括：常规分红28.32亿元、特殊分红10.1亿元、中期分红10亿元、注销式回购20亿元（直接减少总股本提升EPS）  。2025年全年现金分红总额达67.55亿元，占当年净利润的45.72%，并承诺2026年现金分红总额提升至57.1亿元  。这种高比例、可持续的股东回报策略，在成长型公司中较为罕见，体现了管理层对现金流生成能力的信心。3.2 收入结构深度拆解3.2.1 化学业务主导地位：CRDMO模式的飞轮效应 化学业务是药明康德无可争议的核心引擎，2025年实现收入364.66亿元，同比增长25.52%，占总营收比重超过80%  。该板块的成功源于"Follow the Molecule + Win the Molecule"双轮驱动战略的深度执行，以及CRDMO模式对行业价值链的重构。 化学业务细分 2025年收入（亿元） 同比增速 占化学业务比重 关键驱动因素 小分子D&M（开发与生产） 199.2 +11.4% 54.6% 商业化项目增至80个，管线深化，保留率优势TIDES业务113.7+96.0%31.2%GLP-1赛道爆发，产能释放，在手订单+20.2% 其他化学服务 51.76 ~+20% 14.2% 新分子类型拓展，偶联物等化学业务合计364.66+25.52%100%CRDMO模式驱动，双轮战略执行 小分子D&M业务的稳健增长（+11.4%）体现了CRDMO模式的"飞轮效应"。截至2025年6月，小分子D&M管线累计超过3,430个分子，新增621个；其中临床III期及商业化项目占比提升至4.9%，商业化项目增至80个  。这一管线结构的持续优化——从早期发现向后期开发和商业化阶段延伸——是毛利率提升的关键驱动。过去12个月交付超过44万个新化合物  ，规模效应与复杂度提升并行，体现了客户对"药明速度"与质量体系的深度信任。 TIDES业务的爆发式增长是2024-2025年的最大亮点，也是战略前瞻性的最佳验证。2024年收入58.0亿元（+70.1%），2025年进一步跃升至113.7亿元（+96.0%），两年翻两番  。这一增长与GLP-1类药物（司美格鲁肽、替尔泊肽等）的全球需求激增高度绑定——公司支持约七分之一的商业化阶段GLP-1药物，横跨临床和商业化阶段的GLP-1项目达24个  。产能扩张速度行业领先：多肽固相合成反应釜总体积从2024年初的12,000升，到2024年底的32,000升，再到2025年底的超100,000升  ，12个月内实现8倍扩张。管理层计划未来3年进一步提升至150,000升，并加速新加坡基地建设（2027年投用）  。3.2.2 测试与生物学业务：协同价值与结构性压力 测试业务和生物学业务作为化学业务的自然延伸，贡献协同性收入，但也面临结构性压力： 业务板块 2025年收入（亿元） 同比增速 占总营收比重 关键特征 测试业务 40.42 +4.69% 8.9% 实验室测试恢复正增长（+2.7%），临床CRO/SMO下滑6.4% 生物学业务 26.77 +5.24% 5.9% 新模态占比>30%，海外客户占比提升至45% 两项合计 67.19 +4.9% 14.8% 增速低于整体，但战略协同价值显著 测试业务的内部分化明显。实验室分析与测试服务恢复正增长（+2.7%），药物安全性评价服务维持亚太行业领先地位，苏州设施2024年上半年成功通过四次连续FDA现场检查  。然而，临床CRO及SMO因市场价格压力下滑6.4%  ，这一压力促使管理层做出战略调整——2025年出售临床CRO及SMO业务给高瓴资本，回笼资金聚焦核心CRDMO能力  。 生物学业务的战略价值在于"Follow the Science"——通过平台整合与跨区域协作，为CRDMO模式持续贡献超过20%的新客户  。2025年上半年收入12.5亿元，同比增长7.1%，新分子类型（如多特异性抗体）贡献超过30%收入，海外客户占比提升至45%  。体外与体内平台的协同效应显著：体外综合筛选平台收入增长28.9%，体内药效学平台收入增长9.4%  。尽管毛利率受市场定价影响有所承压（调整后Non-IFRS毛利率36.3%，同比-2.2pct  ），但其客户引流和下游转化价值不可替代。3.2.3 ATU与DDSU新兴业务：战略调整与长期布局 ATU业务（细胞与基因治疗）在2024-2025年经历了重大战略调整。2024年12月，公司宣布将其美国和英国运营实体转让给美国股权投资基金Altaris；2025年进一步剥离相关资产，该业务不再单独预测收入  。这一决策反映了管理层对复杂技术领域风险收益的审慎评估：CGT技术迭代快、监管路径不确定、产能建设资本密集、客户项目失败率高，短期内难以贡献可观回报。将资源集中于确定性更高的CRDMO主业，是股东价值最大化的理性选择。 DDSU业务（国内新药研发服务部）同样处于战略收缩状态。该业务模式涉及与客户共同开发新药并分享后续商业化权益，具有"高风险高回报"特征。2023年实现首个客户项目获批上市，销售分成"从0到1"突破  ，但后续贡献有限。中国本土创新药融资环境趋紧、行业竞争加剧，以及地缘政治敏感性，共同促使管理层降低该业务的战略优先级。 新兴疗法布局的延续性体现在：TIDES业务的成功部分承接了原有ATU的战略定位——代表创新疗法方向、具有高成长潜力。同时，TPD等前沿领域的平台能力建设仍在推进，通过化学业务的技术延伸保持对新兴modalities的覆盖能力。这种"聚焦核心能力圈、灵活适配市场需求"的策略，较之于全面铺开的新兴业务布局，更符合当前阶段的股东价值最大化原则。3.3 区域收入分布与风险敞口3.3.1 北美市场依赖度：高增长与地缘风险并存 北美市场是药明康德最重要的收入来源，其占比和增长动态对整体表现具有决定性影响： 区域市场 2024年收入（亿元） 2025年表现 收入占比 关键特征美国 250.2 2025H1同比+38.4%  ；全年同比+34.3%~65%核心增长引擎，客户粘性强 欧洲 52.3 2025H1同比+9.2% ~12% 稳健增长，质量认证标杆 中国 70.7 2025H1同比-5.2%  ；全年下滑 ~15% 融资环境收紧，战略调整 其他 19.3 2025H1同比+7.6% ~5% 新兴市场，基数较低 美国市场的高度集中（~65%）既是全球竞争力的体现，也构成了显著的地缘政治风险敞口。2024年美国客户收入250.2亿元，剔除特定商业化生产项目后同比增长7.7%  ；2025年上半年进一步加速至38.4%  ，全年增长34.3%  ，在地缘政治压力下展现强劲韧性。前20强全球药企客户收入2025年上半年同比增长43%，其他美国客户收入增长16%  ，呈现"大药企深化+长尾拓展"的双轮驱动。 然而，BIOSECURE Act的潜在影响不容忽视。2024年美国国会提出的该法案，将药明康德列为"受关注生物技术公司"，提议限制美国联邦资金支持的研发项目与其合作。尽管2025年实际经营未受实质性冲击，但风险敞口的真实规模需要更深入分析：联邦资金限制的间接影响（美国制药企业研发资金可能部分来源于联邦补助）、客户决策的滞后性（大型药企供应商变更需要长期评估）、以及立法进程的演变（2024年美国大选后的政治格局）。管理层应对策略包括：加速新加坡基地建设（2027年投产）、强化美国本土产能（米德尔顿制剂设施2026年运营）、提升质量合规透明度、以及深化客户关系信任。3.3.2 中国市场根基：转型压力与结构性价值 中国市场收入2025年呈现下滑态势，与海外市场的强劲增长形成对比。2025年上半年同比下降5.2%  ，全年继续下滑  。这一变化反映了多重结构性因素：国内创新药融资环境趋紧，Biotech客户研发预算收缩；仿制药带量采购深化，传统药企转型创新药的节奏放缓；本土CXO竞争加剧，价格压力传导至头部企业。 然而，中国市场的战略价值不容忽视。第一，人才与成本优势：全球4.1万员工中，亚洲（primarily China）38,882人，占比94.6%  ，工程师红利和规模化运营效率短期内难以被替代。第二，产业链配套：化学试剂、设备、物流等供应链成熟完善，支撑全球服务交付。第三，创新生态枢纽：超过30%的NMPA IND项目由公司支持  ，SMO业务在中国市场的领先地位无可撼动，为早期项目储备和全球客户引流提供独特价值。 管理层对中国市场的策略调整为：从"规模扩张"转向"质量提升"，聚焦高附加值服务与头部客户；利用中国基地的产能与成本优势，服务全球客户需求（即"在中国，为全球"），而非单纯依赖本土市场增长。这一策略转型与公司的全球化布局相辅相成。3.3.3 欧洲及其他市场：拓展空间与战略平衡 欧洲市场2025年上半年同比增长9.2%  ，呈现稳健增长态势。2023年收购拜耳德国生产基地后，公司正式纳入欧洲医药市场版图  ，EMA监管认可为获取高端项目奠定基础。瑞士Couvet基地口服制剂产能翻倍，喷雾干燥（SDD）设施2026年投运  ，强化欧洲本土服务能力。 亚太其他市场（日本、韩国、东南亚等）和新兴市场（中东、拉美等）目前占比较低，但增长潜力值得关注。2025年10月，公司宣布与沙特新未来城（NEOM）及卫生部签署战略合作备忘录，探索中东地区研发与生产服务本地化  ，体现了对新兴市场的前瞻性布局。 新加坡枢纽是区域布局的关键落子。2027年投用后，将形成"中美欧新"四极产能网络，既贴近东南亚新兴市场需求，又为应对潜在的地缘政治风险提供产能备份。这一布局的前瞻性，较之于国内同行的单一中国基地，构成了显著的战略优势。3.4 估值框架与市场预期3.4.1 当前估值水平与历史分位 药明康德的估值水平受多重因素影响，包括业绩增长预期、地缘政治风险、行业比较估值、以及市场情绪等。2023-2024年，受BIOSECURE Act等事件影响，公司估值承受显著压力；2025年随着业绩增速恢复和风险预期部分消化，估值有所修复： 估值指标 当前水平（2025年底-2026年初） 历史分位 近一年区间 评估 PE（TTM，A股） 18.04-18.74倍 52%-58% 11.44-25.40倍 中等偏低，业绩增速支撑 PB 3.81倍 - - 资产质量溢价 PS 6.89倍 - - 成长型估值 港股PE（TTM） 31.8倍（2026年2月） - - 较A股显著溢价，流动性差异 华兴证券2025年3月报告将DCF目标价上调至92.00港币（原73.00港币），对应2025年21倍P/E，低于行业可比公司23倍的均值  。这一估值折价反映了市场对地缘政治风险的定价，也为潜在修复预留了空间。3.4.2 与全球同行的估值比较 可比公司 核心业务 估值水平 与药明康德比较IQVIA 数据+临床CRO PE~20-25倍 数据资产溢价，药明化学业务占比更高Lonza 生物药CDMO PE25-32倍，EV/EBITDA15-20倍 生物药赛道溢价，药明TIDES增速领先Thermo Fisher（PPD/Patheon） 综合科学服务+CDMO PE~25-30倍 多元化折价，药明专注度与增速优势Charles River 临床前CRO PE~18-25倍 专业化溢价，药明规模与整合深度领先Samsung Biologics 生物药CDMO PE~35-50倍 成本竞争叙事，高增速溢价，地缘政治中性康龙化成 国内综合CRO PE~33倍 细分聚焦溢价，规模与全球化差距显著泰格医药 临床CRO PE~81倍 高估值泡沫，业绩波动大药明康德 CRDMO全链条PE~19倍一体化溢价+地缘政治折价，增速领先 药明康德相较于全球同行的估值折价，核心源于地缘政治风险溢价。从基本面指标看，公司25%+的营收增速、32%+的扣非利润增速、37%的经调整净利率，均显著优于国际同行10-15%的增速和25-30%的利润率水平。这一"高成长+低估值"的错配，为风险收益比敏感的投资者提供了潜在机会。3.4.3 地缘政治折价与风险溢价评估 地缘政治风险是药明康德估值的最核心不确定性来源，需要从概率和影响两个维度进行情景分析： 情景 假设条件 对美国业务影响 估值影响乐观情景（概率25%） BIOSECURE Act未通过或条款大幅弱化；新加坡/美国产能布局有效分散风险；客户关系深度绑定抵御政策波动 维持现状，增速20-30% PE修复至25-30倍，市值提升40-60%基准情景（概率50%） 法案通过但执行缓冲期长，现有合同受"祖父条款"保护；客户逐步调整供应商结构，但核心关系维持 增速降至10-15%，份额缓慢流失 PE维持18-22倍，估值区间震荡悲观情景（概率25%） 法案严格执行，扩展至州级/商业保险项目；客户大规模转移订单；中国基地运营受限 收入下滑30-50%，全球网络重构 PE压缩至12-15倍，下行空间20-35% 管理层的风险缓释措施——新加坡基地建设、美国本土产能强化、质量合规透明度提升、客户关系深化——在基准情景下可有效缓释风险，但在悲观情景下可能不足以完全对冲。投资者需在"成长确定性"与"政策不确定性"之间权衡，这一权衡因机构风险偏好差异而分化。4. 竞争格局与行业地位4.1 全球CRO/CDMO市场格局4.1.1 市场规模与增长预期 全球医药外包服务市场正处于结构性扩张期，多重驱动因素支撑长期增长： 细分市场 2025年规模 2030-2033年预期 CAGR 核心驱动因素 全球CRO市场 ~923亿美元 1,755亿美元（2033年） 7-8% 研发投入增长，外包渗透率提升 临床CRO服务 >55%市场份额 持续主导 ~7% 试验复杂度增加，患者招募挑战 数据管理与生物统计 增速最快细分 持续领先 ~9% 数字化转型，真实世界证据需求 亚太CRO市场 ~110-120亿美元（2024年） 翻倍（2030年代初） >10% 中国、印度等新兴市场崛起 全球医药研发投入持续增长，平均单药研发成本超过26亿美元  ，成功率下降和专利悬崖压力推动药企增加外包比例。新兴Biotech企业的"虚拟制药"模式成熟，一站式CXO依赖度提升。创新疗法（CGT、RNA、TPD等）的技术迭代带来新外包机会，但技术复杂度和监管不确定性也提高了外包门槛。4.1.2 行业集中度与整合趋势 全球CRO/CDMO市场呈现**"分散中的集中"**特征——整体市场参与者众多，但头部企业份额持续提升。2026年全球领先CRO包括  ： 排名 公司 核心定位 收入规模 关键特征 1IQVIA 数据+临床综合 ~150亿美元 真实世界数据资产，高级分析能力 2Thermo Fisher/PPD 科学工具+临床+CDMO ~100亿美元（服务） 全产业链整合，渠道协同 3Lonza 生物药CDMO ~70亿瑞郎 哺乳动物细胞培养，CGT领先 4ICON 全球全服务CRO ~60亿美元 并购扩张，临床专长 5Medpace 专业化全服务 ~40亿美元 高质量交付，客户粘性 6-10 Parexel, Syneos, Charles River等 细分专长 20-40亿美元 区域或功能专业化前列药明康德CRDMO一体化~65亿美元（2025年）规模最大中国CXO，增速领先 药明康德在全球临床CRO排名中位列第9  ，但若综合考量CRDMO全链条能力，其市场地位更为突出。行业整合的主要驱动力包括：客户对一站式服务能力的需求、数字化转型的资本门槛、以及规模效应带来的成本竞争压力。Thermo Fisher整合PPD+Patheon、丹纳赫收购Aldevron等案例，推动了"平台型巨头"的崛起。4.1.3 亚太崛起与全球产能再平衡 亚太地区是全球CRO市场增长最快的区域，中国在全球临床试验中的占比显著提升，2023年占全球肿瘤试验启动量的29%  。药明康德和泰格医药等中国CRO的全球化扩张，是亚太崛起的重要推动力。 然而，地缘政治因素正在推动"中国+1"供应链策略：跨国药企寻求供应商多元化，部分产能向印度、东南亚转移；美国《生物安全法案》等立法动向加速了这一趋势。药明康德的新加坡布局——2027年投产的API设施  ——正是对这一趋势的主动响应，旨在构建"中国主基地+新加坡备份"的亚太产能双枢纽，既满足客户多元化供应需求，又为潜在风险提供对冲。4.2 主要竞争对手对标4.2.1 国际巨头：差异化竞争与局部对标 竞争对手 核心优势 相对劣势 与药明康德竞争关系IQVIA 真实世界数据（RWE）资产；高级分析能力；与FDA长期关系 化学制造服务薄弱；成本结构较高 临床阶段竞争，数据服务差异化Lonza 生物药CDMO全球龙头；CGT制造领先；瑞士质量品牌 小分子能力有限；成本高；产能扩张激进 生物药/CDMO直接竞争，TIDES领域追赶Thermo Fisher（PPD/Patheon） 科学仪器+试剂+服务整合；财务资源雄厚；渠道协同 服务深度不足；整合仍在进行；CRO文化差异 全方位竞争，模式最相似Charles River 临床前CRO百年品牌；动物模型；安全性评价专长 后期开发和生产有限；规模较小 临床前测试直接竞争，药明整合深度领先 Lonza是药明康德在生物药和新兴疗法领域最直接的竞争对手。2025-2026年，Lonza加速产能扩张，直接竞争药明康德在生物药和细胞治疗领域的市场份额  。Lonza的瑞士总部location使其在地缘政治敏感性上具有一定优势，但药明康德在TIDES领域的96%增速和成本效率，正在缩小差距。 Thermo Fisher的整合路径与药明康德最为接近，但CRO与CDMO业务的协同效应仍在培育中。其科学仪器和试剂业务为服务业务带来客户触达优势，但药明康德的专注度和运营效率构成差异化竞争力。4.2.2 区域specialist：细分领域的深度竞争 竞争对手 细分领域 核心能力 竞争威胁评估Charles River Laboratories 临床前CRO 安全性评价、动物模型、早期发现 中等：药明临床前份额领先，但Charles River品牌历史悠久Catalent （Novo Holdings收购） 药物递送技术 口服固体制剂、吸入剂、CGT生产 中等：递送技术壁垒高，药明通过TIDES追赶；收购后格局变化Samsung Biologics 生物药CDMO 超大规模产能、成本竞争、韩国制造高：最威胁性新兴竞争者 Samsung Biologics是药明康德最具威胁性的新兴竞争对手。2022年美国市场收入6.53亿美元，2022年4月完成从渤健手中收购三星Bioepis股份后，进一步强化了生物类似药和CGT领域的布局  。2023年6月，药明生物股价单日暴跌17.02%，药明康德下跌8.19%，直接诱因正是新签项目不及预期和三星生物的低价竞争压力  。 Samsung Biologics的竞争优势可归纳为：产能规模——韩国仁川基地的大规模建设提供充足供给弹性；价格策略——以激进定价争夺市场份额，与药明康德"不打价格战"的立场形成鲜明对比  ；集团支持——三星集团的财务实力和品牌背书为长期竞争提供资源保障；地缘政治中性——韩国基地不受中美博弈直接影响，成为跨国药企"中国+1"策略的受益者。 这一竞争态势对药明康德的启示：成本效率不仅是优势来源，也可能成为被攻击的弱点；地缘政治风险需要通过真正的全球产能多元化来对冲，而非仅停留在声明层面；在价格敏感型细分市场，需要灵活的策略响应，而非固守"高端定位"。4.2.3 国内同行：差异化路径与竞争动态 国内同行 2024-2025年营收 核心定位 与药明康德差距 差异化策略康龙化成 ~120亿元 "第二药明"，模仿CRDMO 规模差距显著（约1/4）；全球化程度不足；Q3-Q4收入同比下滑 临床CRO扩张，但稳定性不足泰格医药 ~80亿元 临床CRO龙头 早期发现和生产能力缺失；高估值泡沫（PE~81倍）  ；业绩波动大 中国临床网络最强，但模式单一凯莱英 ~90亿元 小分子CDMO specialist 管线深度差距（~1,500 vs 3,430分子）；R端引流能力弱 工艺化学深度，但服务链条短 国内同行的共性挑战在于：规模效应不足——难以匹配药明康德的全球产能和客户覆盖；全球化程度有限——海外收入占比和监管认证差距明显；品牌认知度差距——跨国药企首选合作伙伴地位难以撼动。药明康德的领先地位在中短期内难以被超越，但需警惕细分领域的competitive pressure，以及国内融资环境波动对同行激进定价策略的激励。4.3 药明康德的核心竞争优势4.3.1 规模效应与成本效率：全球领先的运营杠杆 药明康德的规模优势在全球CRO/CDMO行业中处于顶尖水平： 规模指标 数据 行业地位 竞争意义 全球员工41,116人 亚洲最大，全球前列 人才储备与产能弹性 研发人员 25,983人，占比76.80% 工程师红利最大化 服务交付能力核心 高学历人才 博士1,236人，硕士10,598人 占比超45% 技术复杂度支撑 化学业务员工 23,445人 全球最大化学服务团队 规模效应核心载体 全球站点 41+运营基地 中美欧新四极覆盖 客户贴近与风险分散 反应釜体积 2,400+立方米（小分子）  ；100,000+L（多肽） 全球最大规模之一 商业化产能壁垒 运营效率的持续提升体现在关键指标的显著改善：产能爬坡周期从2017年的22.6个月缩短至2024年的2.4个月  ，新车间快速达产能力行业领先；设备利用率从60%提升至72%  ，Pyxis智能排程系统贡献显著；自动化水平小分子生产90%、多肽生产80%  ；质量卓越鹰眼系统将固体加料人为失误率降至0.05/百批次  。 化学业务2025年上半年33.5%的增速  ，在大型CRDMO中处于领先水平，验证了规模优势向增长动能的有效转化。人均创收约98万元（2023年数据），在成本效率与服务质量之间取得平衡。4.3.2 一体化整合深度：CRDMO模式对行业价值链的重构 药明康德最核心的竞争壁垒，在于CRDMO模式的整合深度。与传统"CRO+CDMO"分段外包相比，CRDMO的优势可通过以下对比清晰呈现： 对比维度 传统分段模式 药明康德CRDMO模式 价值创造供应商结构 多家供应商，协调复杂 单一供应商，责任清晰 管理成本降低30-50%技术转移 多次交接，验证周期长（3-6个月/次） 内部流转，知识沉淀 周期缩短6-12个月文档管理 分散准备，整合成本高 统一体系，监管友好 申报效率提升，风险降低时间效率 交接延迟风险 无缝衔接，并行推进 发现至IND缩短30-40%成本结构 重复投入，摩擦成本高 规模摊薄，流程优化 综合成本降低15-25%客户粘性 阶段性强，易流失 深度绑定，保留率>90% LTV显著提升，飞轮效应 CRDMO模式的飞轮效应已建立自我强化机制：早期发现业务（WuXi Biology）持续为下游化学业务贡献>20%新客户；化学业务的3,430+分子管线为D&M业务提供转化基础；D&M业务的商业化项目经验又反哺早期发现的服务能力。2024年多部门服务客户贡献收入占比达93%  ，深度绑定的客户关系和转换成本构成难以逾越的竞争壁垒。4.3.3 质量认证与监管信任：全球标准的极致践行 在全球医药监管趋严的背景下，质量认证能力成为CXO企业的核心竞争壁垒。药明康德的卓越记录包括： 质量指标 数据 行业意义 2024年质量审计802次，100%通过率 全球顶尖水平，无关键发现项 FDA检查记录 2025年3月常州/泰兴基地零483观察项 最高质量标准，商业化项目信任基础 全球监管覆盖 FDA, EMA, NMPA, PMDA等全认证 全球申报无障碍 准时交付率 2024年商业化产品100%准时交付 供应链可靠性，客户运营保障 批次偏差率 近30,000批次**<0.3%** 卓越运营，质量文化内化 这一质量记录是25年运营know-how的系统化积累  ，涵盖标准操作程序（SOP）、培训体系、质量文化、以及持续改进机制。对于大型药企而言，选择药明康德意味着将质量风险外包给经过验证的合作伙伴，这一信任价值难以用价格衡量。新进入者即使投入同等资源，也需要5-10年才能建立 comparable 的监管信任度。4.4 战略风险与挑战4.4.1 地缘政治与BIOSECURE Act影响评估 BIOSECURE Act及类似立法动向是药明康德面临的最重大外部风险，需要从多维度进行深度评估： 直接影响路径：美国联邦机构合作限制→直接影响公共卫生部门相关项目；联邦资助项目承包商限制→间接影响接受NIH等资助的学术机构和Biotech客户；市场情绪与信心波动→客户预防性增加备选供应商。 2025年实际韧性验证：尽管立法压力持续，美国客户收入同比增长34.3%  ，在手订单增长47%  ，客户流失"仅限于极个别早期研发客户"  。这一韧性源于：客户转换成本高昂（技术转移、重新验证、关系重建）；核心项目的深度绑定（多部门服务占比93%）；以及质量信誉的累积效应。 风险演化的关键监测点：法案在国会委员会的推进节奏（2025年版本较2024年有所软化）；修订条款（"祖父条款"保护现有合同、豁免机制的设计）；2026年美国大选后的政治格局演变；以及公司新加坡/美国产能建设的进度和客户接受度。 管理层的应对策略评估：新加坡基地（2027年投产）是地缘政治风险分散的核心布局，但产能规模和客户认证需要时间积累；美国米德尔顿制剂设施（2026年运营）强化本地化供应能力，但API仍依赖进口；质量合规透明度提升（802次审计100%通过率）是最佳信任背书，但难以完全消除政治风险；客户关系深化通过长期合同和联合投资增强粘性，但极端情景下仍可能被突破。4.4.2 客户集中度与订单可持续性 药明康德的客户结构呈现**"金字塔型"平衡**，但潜在风险仍需关注： 客户层级 收入贡献 增长动态 风险因素 全球前20大药企 ~40% 2025H1同比+43% 供应商多元化策略，长期合同重新谈判 中型生物技术公司 ~30% 项目单价高，转化确定 融资环境波动，管线调整 新兴Biotech ~30% 2,550家客户  ，长尾拓展 融资寒冬，项目延迟或取消 在手订单质量是短期可见性的关键指标。2025年6月末在手订单566.9亿元，同比增长37.2%  ；2025年末约580亿元，同比增长28.8%  ，为2026年业绩增长锁定充足空间。但需关注：TIDES订单增速放缓（2024年+188%→2025年+20.2%）  ，反映GLP-1赛道竞争加剧和产能释放后的需求匹配；订单转化为收入的速度受客户研发进度、监管审批、融资环境等多重因素影响，存在滞后和波动风险。4.4.3 新兴疗法技术迭代与产能适配压力 TIDES业务的爆发式增长验证了战略前瞻性，但也带来产能适配的双刃剑效应： 维度 机遇 风险需求端 GLP-1类药物全球需求持续扩张；肥胖适应症拓展；口服制剂技术突破 竞争加剧（诺和诺德、礼来自建产能；Lonza、Bachem扩张）；小分子GLP-1激动剂替代；专利悬崖后的仿制药冲击供给端 产能从12kL→100kL→150kL快速扩张；新加坡基地2027年投产；成本效率领先 资本密集（2025年资本开支65-75亿元）；产能利用率波动；技术迭代（固相→液相→生物合成）导致的设备沉没风险盈利性 高毛利业务占比提升，拉动整体利润率 价格竞争压力；大客户议价能力；规模效应边际递减 TPD和CGT等前沿领域的技术不确定性更高。PROTAC、分子胶等降解剂的技术路线尚未完全收敛，临床成功率和商业化规模存在变数；CGT领域的技术迭代（体内vs体外基因治疗、自体vs通用型细胞治疗）快速演进，药明康德ATU业务的战略收缩反映了对风险收益的审慎评估。5. 投资要点与战略展望5.1 关键催化剂跟踪5.1.1 小分子商业化项目放量节奏 小分子D&M业务是药明康德收入的稳定器，其增长驱动因素包括：全球在研小分子药物的临床推进（3,430+分子管线，80个商业化项目  ）；公司服务渗透率的提升（FDA批准新药中占比20%  ）；以及新客户获取和现有客户项目扩展。关键监测指标：III期临床项目转化数量、单商业化项目收入贡献、以及客户产品上市后的产能需求扩张。5.1.2 TIDES与TPD平台订单转化 TIDES业务是2024-2025年的最大亮点，也是未来2-3年增长的关键变量。跟踪要点：产能利用率爬坡（100,000L→150,000L扩张后的需求匹配）；与诺和诺德、礼来等GLP-1领导者的合作深度；非GLP-1多肽药物（如胰岛素类似物、抗菌肽）的项目拓展；以及新加坡基地投产后的客户认证和订单获取。 TPD平台需要关注：DEL技术的客户采用率和项目转化效率；与Biotech公司的合作里程碑；以及首个TPD药物获批后的制造服务转化。这一领域的长期价值在于攻克"不可成药"靶点的技术突破，但商业化时间线存在高度不确定性。5.1.3 地缘政治风险的缓释或升级信号 BIOSECURE Act立法动态是估值修复/压制的核心变量。积极信号：法案版本软化（缩小适用范围、延长合规期限、增加豁免机制）；新加坡/美国产能建设进度超预期，客户认证顺利；大型药企公开表态支持现有合作关系。负面信号：法案快速通过且条款严格；关键客户宣布供应商多元化计划；中国基地运营受到实质性限制。5.2 长期价值支撑逻辑5.2.1 全球医药外包渗透率提升趋势 医药研发外包的渗透率提升是结构性趋势，驱动因素刚性且持续：全球医药研发投入持续增长（年均5-7%），但内部研发效率下降（产出率降低、周期延长、成本上升）；新兴Biotech企业的"虚拟制药"模式成熟，对外包依赖度超过70%；创新疗法（CGT、RNA、TPD等）的技术复杂度增加，内部能力建设成本高昂。药明康德的CRDMO模式正处于这一趋势的有利位置——早期发现服务捕获创新项目，后期开发和生产服务实现价值放大，客户生命周期价值显著高于传统分段服务模式。5.2.2 中国工程师红利与成本优势持续性 中国的高等教育扩张培养了庞大的理工科人才供给，药明康德全球4.1万员工中，亚洲（primarily China）占比94.6%  。这一"工程师红利"的成本效率优势在中短期内难以被欧美或印度完全复制：中国研发人员成本约为美国的30-50%，但教育质量和专业训练水平差距不断缩小；产业链配套（化学试剂、设备、物流）成熟完善，支撑全球服务交付；规模化运营经验的累积效应（Pyxis系统、自动化平台）进一步提升效率。长期需关注：中国劳动力成本上升趋势；人才竞争加剧；以及"友岸外包"（friend-shoring）趋势下的产能多元化压力。5.2.3 CRDMO模式对行业价值链的重塑潜力 药明康德的终极战略愿景是通过CRDMO平台重塑医药研发的价值链——"让天下没有难做的药，难治的病"  。这一愿景的实现程度取决于：平台技术的持续领先（DEL库规模和质量、自动化水平、数字化能力）；全球产能网络的效率优化（新加坡基地投产后的协同效应）；以及客户关系从"服务提供商"向"创新伙伴"的升级。若CRDMO模式能够被证明在缩短研发周期、降低失败率、提升商业化成功率方面具有系统性优势，药明康德将不仅是一个成本效率的受益者，更可能成为行业标准的定义者，享受可持续的估值溢价。 报告日期：2026年3月25日 数据来源：药明康德年度报告、业绩电话会记录、投资者开放日材料、JPM/摩根士丹利等券商研究报告、Frost & Sullivan/Technavio等行业研究机构、权威财经媒体报道 扫码加我微信，会自动给大家发送一份很详细的资料，不管咋样了解完再说。 （仅限前 50 名）