农用化工行业研究：AI助力农药创新药研发-摩熵咨询

报告内容

AI精读报告

报告摘要

　　投资逻辑

　　农药分为创新药和仿制药，少数拥有创新能力的跨国巨头掌握着产业链高附加值环节。农药是用于防治农林业病虫害以及调节植物生长的各种物质，按照防治对象的不同，主要分为除草剂、杀虫剂、杀菌剂、植物生长调节剂等。农药原药分为创制药和仿制药两类，少数拥有创制能力的跨国巨头掌握关键专利及产业链高附加值环节，技术壁垒在短期内难以被完全跨越；新兴市场企业则正通过“联合创制”、并购技术平台等方式逐步切入这一高端领域。2024年富美实、CORTEVA、拜尔、巴斯夫研发研发费用合计99.5亿元，较2016年上涨21.67%，平均研发费用增速为3.13%。

　　医药与农药具有相似的研发逻辑，农药创新药的研发可以借助医药行业的经验。农药和医药尽管应用领域有所不同，但其底层逻辑与技术框架具有高度相似性，二者均包括仿制药与创制药的开发路径，其核心流程均涉及活性分子的筛选、靶点识别、结构优化与安全性评价等关键技术环节。从产业规模来看，中国医药行业年研发投入已达约1300亿元，反映出医药行业在研发体系构建、平台搭建、产业协同等方面更为成熟。因此，农药行业可以借鉴医药行业从仿制向创制转型的成功经验，特别是在AI辅助分子设计、高通量筛选等方面，通过引入先进理念和成熟机制，加速农药研发的效率与创新水平。

　　搭建AI创新药研发平台的案例研究。搭建农药创新药研发平台的底层逻辑在于构建一个以数据为驱动、模型为支撑、算法为引擎的系统，实现从靶标发现到候选分子筛选、优化与评估的全流程智能化。在构建模型方面，Kruger等人（2023）提出了一个基于机器学习判断化合物是否具有杀虫活性的典型数据筛选案例，其通过构建杀虫剂与非杀虫剂样本的数据集，训练机器学习模型以识别潜在杀虫剂分子，并依据特征数据进行性能评估。在优化模型方面，Chen等（2023）提出Pesti-DGI-Net深度学习结构，该架构通过多模态机器学习手段优化农药识别模型。考虑到当前许多成熟的机器学习模型辅助药物研发工具主要针对药品单一属性，构建综合性工具平台是AI辅助农药创新药研发较为实用的解决方案。例如，PDAI平台（Pesticide Designbasedon Artificial Intelligence）就是一个专门为农药分子设计量身打造的综合性开发平台，通过整合多种技术模块，覆盖从靶点识别到候选物筛选等多个关键研发阶段，为农药研发提供一站式服务。

　　风险提示

　　农药需求下滑；农药价格下跌；转基因推广不及预期；安全环保检查

中心思想

农药行业竞争格局与创新药趋势

全球农药市场以仿制药为主导（93%），但创制药掌握高附加值环节，技术壁垒难以短期跨越；新兴市场企业正通过“联合创制”与并购技术平台切入高端领域，预示行业格局的渐进式重塑。
创新药研发成本持续攀升（2014-2019年平均超3亿美元、周期近12.3年），全球主要创制药企业研发费用合计从2016年的81.8亿元增至2024年的99.5亿元，年均增速3.13%，同时新有效成分上市数量下降，凸显传统研发模式的效率瓶颈。

AI技术加速农药研发转型

医药与农药在研发逻辑、靶点同源性及方法论上高度相似，医药行业年研发投入约1300亿元且AI应用已显著缩短周期（如英矽智能将靶点发现缩短90%），为农药行业提供可迁移的降本增效路径。
搭建以数据、模型、算法为核心的AI研发平台（如PDAI），可通过机器学习筛选分子（如Kruger模型）和深度学习优化预测（如Pesti-DGI-Net），提升创制成功率；日本企业的合作开发与机理创新模式进一步验证了低投入高产出的可行性。

主要内容

行业全景与创新驱动

一、农药行业概况

1.1、农药产业链分为五大环节

农药分为除草剂、杀虫剂、杀菌剂、植物生长调节剂等，产业链涵盖“原材料-中间体-原药生产-制剂包装-销售”五大环节；创制药（专利期内）与仿制药（到期后）是原药两大类型，跨国巨头占创制药主导，新兴企业以仿制为主。
2021年全球农药市场规模达658亿美元，预计2026年达734亿美元；中国市场规模2021年480亿元，预计2026年达628亿元，增长驱动力来自先进可持续产品的推广。

1.2、近年来国内外创制药和靶标的研发进展

国外代表创制药如环溴虫酰胺（2017）、双丙环虫酯（2018）、核酸农药Calantha（2023）等，国内企业如清原作物科学、先达股份自主研发多个除草剂品种；靶标发现是创新关键，国外近十年发现较多原创靶标（如鱼尼丁受体变构体、OSBP），国内也取得UspA、HPPD等重要靶标进展。

1.3 创新药研发成本增长，研发周期变长

新农药研发平均成本从1995年1.52亿美元升至2010-2014年2.86亿美元，周期从8.3年延长至11.3年；全球主要创制药企业2024年研发费用合计99.5亿元，较2016年增长21.67%，投入占年销售额7%-10%。

2、AI可以助力创新药的研发

2.1、农药创新药研发可以借鉴医药创新药研发的经验

医药与农药共享小分子设计、靶点识别、结构优化等流程，产业链均为“原料-中间体-原药-制剂-销售”微笑曲线，研发投入巨大（医药年投入约1300亿元）；可通过引入AI辅助分子设计、高通量筛选等成熟机制加速农药研发。

2.2、农药可以借鉴医药在研发经验

医药研发费用持续上升（2022年达1261.51亿元），AI已实现靶点筛选时间缩短90%（如英矽智能PandaOmics）、分子设计周期缩短至1/3（如Chemistry42）；晶泰科技6周确定药物优势晶型，为先导化合物筛选提供高效范本。农药可借鉴AI降低原药研发成本、设计田间试验。

2.3 借鉴日本农药企业的研发经验

日本农药企业仅用跨国公司约十分之一的研发费用取得相近创新成果，核心策略包括：早期合作开发模式（实验室阶段后转让给跨国企业分担风险）和基于作用机理的AI模拟优化（如呋虫胺研发基于先导物结构模拟）；日本PCT申请量全球第三。

3、搭建农药创新药研发平台

3.1、基于机器学习进行创新药研发的底层逻辑

底层逻辑是以数据驱动、模型支撑、算法为核心，实现全流程智能化。Kruger等（2023）构建杀虫剂与非杀虫剂数据集，采用SVM、LDA、RF等六种模型训练，可有效判断化合物杀虫活性（输出0为非杀虫剂）。

3.2 、当前面临的主要问题：模型优化困难，输出结果准确性较差

机器学习内部“黑箱”问题导致预测结果信任度不足，尤其在安全关键决策中。Chen等（2023）提出Pesti-DGI-Net，融合分子描述符（ANN）、图结构（GNN）和图像（CNN）三种表征，引入缩放点积注意力机制，DGI模型准确率与鲁棒性优于单一模型。

3.3、当前实用解决方案：基于现有技术搭建综合平台

综合平台PDAI整合靶点识别、分子对接、数据库等模块，覆盖从靶点到候选物筛选的全流程；数据来源涵盖PPDB、PubChem、DrugBank等权威资源，已在HPPD靶点预测、新型杀虫剂设计中验证效率提升。

4、建议关注

4.1、利民股份

主营杀菌剂、杀虫剂、除草剂及兽药，核心产品包括代森锰锌、百菌清、阿维菌素等；子公司德彦智创借助AI布局算力、数据、靶标平台提高创制效率，与巴斯夫合作推进新农药商业化；2025年上半年归母净利润2.69亿元，同比增长747.13%。

4.2、扬农化工

中国中化旗下，全球拟除虫菊酯原药核心供应商；拥有南北两个研发中心，创制品种包括氯氟醚菊酯（销售额超3亿元）、氟吗啉、乙唑螨腈、四氯虫酰胺等，其中氟吗啉为国内首个自主知识产权农药。

4.3、江山股份

主营除草剂、杀虫剂及特种化学品；2024年研发投入2.07亿元，在研项目17个，新增专利授权18项；创制产品JS-T205已处于试生产阶段。

5、风险提示

全球农化需求下滑、农药价格下跌、转基因推广不及预期、安全环保检查政策风险。

总结

农药行业呈现仿制药主导（93%）与创制药高壁垒并存的格局，创新药研发成本与周期持续增长（超3亿美元、12.3年），倒逼行业寻求效率突破。AI技术凭借与医药行业的同源性（靶点、方法学、产业链），可显著缩短研发周期、降低成本，案例包括英矽智能、晶泰科技及农药专用平台PDAI的实践。日本企业的合作开发与基于AI的机理创新模式验证了低投入高产出的路径。建议关注在AI布局及创制能力上领先的利民股份（AI平台+利润高增长）、扬农化工（核心创制品种）、江山股份（新创制产品试产）。风险提示需关注全球需求下滑、价格波动、转基因推广进度及政策变化。

报告正文