医药健康行业研究：AI制药行业深度报告（一）：从工具到引擎，加速卡位催生湿实验机遇

　　投资逻辑 　　传统药物研发长期处于"周期长、成本高、成功率低"的状态：一个候选药物从靶点确认到最终获批，需经历命中发现、先导优化、临床前评价及大规模临床试验等顺序推进的环节，环环依赖海量资源与反复验证，导致平均研发周期超过10年、单药累计投入逾20亿美元。AI制药的介入有望显著压缩研发周期与开支：1）显著压缩研发周期。各研发阶段均能受益，其中药物发现阶段节约时间最为可观，约70–90%；临床前研究可节约50–80%；临床研究可节约50–60%。2）大幅降低研发成本。AI制药在药物发现与临床研究阶段的参与，有望为制药公司节省约50%的成本，对应体量约540亿美元。 　　AI制药成兵家必争之地，MNC加速布局。全球AI制药交易自2024年起持续升温，交易首付款与总金额屡创新高。据医药魔方数据库统计，2026年上半年全球已披露AI技术交易的首付款已达18亿美元，交易总金额更是突破500亿美元，双双大幅超越2025年全年水平。细分领域上，AI制药已跃升为全球第三大融资赛道。面对AI制药这一确定性成长赛道，全球大型药企（MNC）自2024年起密集入场，2026年更是将布局推向新高潮：从交易趋势来看。头部药企已将"AI能力"视作与靶点、管线同等重要的战略资产，交易从单点技术授权走向平台级并购。MNC正以多种方式将AI深度嵌入研发、临床与生产全链条。 　　AI制药可大幅提升早期成功率，后期成功率仍待验证。从现有数据看，AI赋能生物制药在临床I期成功率方面已显露积极信号，但需注意其样本量仍较小，结论有待更大规模数据验证；II–III期临床的优势则尚待确认。根据IQVIA对2020–2022年与2023–2025年两段AI制药管线成功率的统计：AI赋能药物在部分I期临床中表现出高于70%的成功率（传统路径约50%），早期提效明显；但进入II期后，因样本量尚不足以形成统计判断，AI赋能的优势目前难以确证，仍需更多管线数据累积验证。 　　AI制药加速湿实验需求扩张。干湿闭环（Dry–Wet Loop）是现阶段AI制药最核心的应用范式：通过"AI设计预测（干实验）"与"自动化合成测试（湿实验）"的反复联动，实现Design-Make-Test-Analyze闭环，让模型以实验结果持续自我校正，当前主要落地于靶点验证、分子设计、先导优化、ADMET评估等早期环节。AI模型的精度高度依赖高质量、可迭代的实验数据来训练与校正，且生成出的候选分子仍需实验合成与活性验证才能进入下一阶段。同一轮实验要验证更多候选、产出更多数据，推动实验需求总量持续上行。据Twist2026年投资者日演示材料，截至2026年3月5日，Twist在湿实验阶段已累计完成20万+蛋白表达、13万+抗体检测，并据此生成超过700万数据点。 　　投资建议与估值 　　AI制药行业正处于快速成长期，市场空间广阔。产业链公司包括：1）湿实验服务商：Twist Bioscience、金斯瑞生物、百普赛斯、药明生物等；2）AI制药公司：英矽智能、剂泰科技、晶泰科技；3）实验室服务：药明康德、康龙化成、美迪西等。 　　风险提示 　　技术与临床风险；数据风险；监管风险；商业化风险；产业与成本风险。