AI制药：从降本增效到分子创新，数据生产构筑长期壁垒-摩熵咨询

报告内容

AI精读报告

报告摘要

　　投资要点

　　前言：AI+制药行业的投资价值在于行业的现状分析和未来判断。投资思路上来看，我们认为在于理解当下AI在制药中的作用地位、商业模式和成长空间、行业成长的关键要素和竞争壁垒。

　　AI在制药中的作用是什么？增效和创新。

　　基于现有的技术和未来的发展状况，我们认为药物研发基于实验科学的本质不会因AI的迭代升级而发生颠覆。AI在制药端最成熟的落地应用在于提升了临床前的降本增效：AI虚拟筛选极大地降低了真实试验中所需要投入的化合物的数量，从而有效缩短了临床前研发周期、大幅减少研发成本。此外，AI分子生成摆脱认知偏见具有创新价值，目前的AI分子（如TNIK）进展进入临床2期阶段，有望逐步兑现其创新价值。

　　市场规模已超百亿美金，AI+CRO/AI+Biotech仍是企业造血盈利的大趋势

　　市场空间来看，全球AI赋能药物研发费用市场规模由2023年的119亿美元有望增长至2032年的746亿美元，CAGR达22.6%。行业投融资热度整体高昂，国内有所收缩。从长远的商业化来看，我们认为AI+CRO/AI+Biotech仍是企业造血盈利的大趋势：一方面利于快速创收，另一方面利用合作项目可以完成企业自身算法模型迭代升级，构筑自身长期竞争力。

　　算法+数据深度绑定，高质量数据的生产能力是核心竞争力。

　　算法+数据是行业核心技术迭代升级的关键生产要素。算法突破的关键因素在于研发人才团队，而数据的竞争在于高质量数据生产能力（而非传统试验数据的堆积），以实现数据积累和算法迭代之间的闭环和正向循环。大规模高质量的数据是行业稀缺资源，原因在于纳入训练集的数据要求苛刻+数据不共享（“数据孤岛”）。由于实验数据涉及核心利益，长期来看“数据孤岛”的行业特征不会改变，因而高质量数据生产能力是长期的核心竞争力。

　　相关标的：行业容易形成马太效应，建议关注领先布局者：英矽智能、晶泰控股、泓博医药、成都先导。

　　风险提示：研发失败风险、行业竞争加剧风险、地缘政治风险、政策变动风险

中心思想

AI赋能制药：核心价值在于增效与创新

AI在临床前阶段实现90%以上研发费用节约和周期大幅缩减，虚拟筛选和分子生成是两大核心应用。
AI驱动的分子创新（如TNIK）已进入临床2期阶段，有望逐步兑现其突破传统认知偏见的创新价值，但尚未有AI设计药物成功上市。

高质量数据生产能力构筑长期壁垒

算法与数据深度绑定，高质量数据生产是实现算法迭代闭环的关键生产要素，大规模高质量数据因“数据孤岛”特征而稀缺。
具备实验平台、AI团队和药物研发团队的企业（如英矽智能、晶泰控股）才能形成可持续的竞争力，行业马太效应明显。

主要内容

AI在制药中的作用：增效和创新

AI+药物研发概述

AI技术（NLP、深度学习等）赋能药物研发全流程，但基于实验科学的本质不会因AI而发生颠覆，临床试验无法被替代。应用重心在临床前阶段，尤其是虚拟筛选，可大幅降低化合物合成与测试投入。

创新价值：Think out of box

AI分子生成可突破传统规则限制，在靶点创新、分子结构创新和药物重定向三条路径上具备First-in-Class潜力。但现有AI药物进展曲折，早期项目如DSP-1181已终止，Rentosertib（INS018_055）完成2a期临床，有望实现零的突破。

底层技术：算法+数据是限速步骤

算法突破依赖研发人才团队，数据竞争聚焦于高质量数据生产能力。算力并非瓶颈（上游巨头可提供支持）。分子生成的限制在于算法难以兼顾创新性与可合成性，且所需多维数据受保护难以获取。

市场规模超百亿美金，分子实体是商业化重点

融资热度结构性分化

全球AI制药融资2024年回暖至58亿美元，但资金向美国集中（占全球融资额）。国内AI制药初创公司融资占比仅8%。行业尚未形成统一技术范式，企业多聚焦于虚拟筛选和先导化合物优化环节。

商业模式：SaaS非优选，AI+CRO/Biotech主导

SaaS模式市场规模有限，头部公司薛定谔软件收入增速放缓，2024年软件收入1.8亿美元，大客户留存率95%。AI+CRO和AI+Biotech模式回归研发本质，通过分子实体商业化创收，同时利用合作数据迭代算法。

市场规模预测

全球AI赋能药物研发费用2023年为119亿美元，预计2032年达746亿美元，CAGR 22.6%。国内潜在市场价值测算：2028年约380亿元，2033年超1770亿元，增速依赖AI管线渗透率和临床成功率提升。

高质量数据的生产能力是核心竞争力

算法与数据重要性大于算力

算力影响可忽略（数百天研发周期中数天差异）。算法需突破CADD框架，兼顾创新性与可解释性。数据需大规模+高质量：结构良好、多维、包含成功与失败案例。数据孤岛长期存在，传统药企和CRO未必拥有AI-ready数据。

高质量数据生产能力的构成

需要成规模的实验平台+AI团队+药物研发团队，实现实验数据与算法迭代的闭环。室内实验平台具备设计针对性实验方案的能力，是构建壁垒的三要素。

行业格局分化，马太效应显现

先发企业凭借技术积累和项目经验形成优势，技术可scale up（数据越多迭代越好）。全球Top40企业中，国内晶泰科技和英矽智能处于高位，管线进度和AI技术双维度领先。

风险提示

研发失败风险：AI制药本质仍属新药研发，临床前到上市多环节验证风险高。
行业竞争加剧风险：投融资带动下竞争趋于激烈。
地缘政治风险：涉及跨国BD合作。
政策变动风险：监管和药物审批政策不确定性。

总结

本报告从AI在制药中的实际作用出发，论证了其核心价值在于临床前降本增效和分子创新潜力，但药物研发的实验科学本质不会因AI颠覆。市场规模超百亿美元且持续增长，AI+CRO/Biotech商业模式回归分子实体商业化，是可持续造血路径。行业长期壁垒在于高质量数据生产能力的构建，算法+数据深度绑定，具备实验平台和AI团队的企业将受益于马太效应。建议关注英矽智能、晶泰控股等领先布局者，同时需警惕研发失败、竞争加剧及政策风险。

报告正文