美好医疗（301363）：传统业务波动，股权激励彰显发展信心

中心思想 AI制药：生物技术与信息技术融合的创新引擎 AI制药作为生物医药与人工智能两大前沿领域的深度融合产物，正以前所未有的速度推动新药研发模式的变革。它通过整合先进的计算科学、生物技术和海量数据，旨在解决传统药物研发周期长、成本高、成功率低的痛点。AI技术已渗透到药物发现、开发和临床试验的全流程，从靶点识别、化合物筛选、药物设计到ADMET预测及临床试验优化，全面提升研发效率和成功率。 市场格局、投融资与未来挑战 全球AI制药市场正经历快速增长，预计未来十年将实现显著扩张，其中美国和中国是主要的市场参与者。尽管资本市场在2022年以来趋于谨慎，但早期项目仍是投资焦点，且下半年已出现多笔大额融资，显示出市场对AI制药长期潜力的信心。然而，行业也面临技术验证、监管框架完善、复合型人才短缺以及资本寒冬下的企业出清等挑战。未来，AI将成为药物研发的底层工具，并有望在小分子药物和新兴疗法领域取得里程碑式突破，同时监管机构也将逐步出台相关政策以规范行业发展。 主要内容 AI制药发展历程 AI制药的兴起是过去20年生物医药（BT）和信息技术（IT）两大前沿领域重大进展并融合发展的必然结果。随着BT和IT的不断深化，AI制药行业展现出持续快速发展的势头，为人类健康事业注入强大动力。 AI制药行业产业链条分析 AI制药产业链涵盖上游、中游和下游，并由数据库提供支撑： 上游：主要包括提供AI技术（如服务器、芯片、机器学习/深度学习算法、数据平台、云计算平台等，例如AWS、GCP、华为云）和提供生物技术（如CRO服务、冷冻电镜/自动化实验室等先进设备）的企业。 中游：AI制药企业呈现多元化发展，主要分为AI+Biotech（专注于小分子、大分子、细胞和基因疗法等药物研发）、AI+CRO（提供定制化药物研发服务）和AI+软件/服务（提供平台或软件辅助）。此外，IT头部企业（如通过投资、自建平台、提供算力）和AI与其他技术（如大模型、DEL、虚拟临床）的结合应用也占据部分中游市场。 下游：包括传统药企（通过合作丰富药物种类、提高研发成功率、利用销售渠道）、Biotech公司（通过合作开发或授权获取收益）和CXO企业（获取技术提升竞争力）。与AI制药公司合作是药企、Biotech和CXO最常见的参与方式，例如Exscientia已与罗氏、拜耳、赛诺菲等顶级药企合作。 数据库：AI制药领域数据库发展迅猛，得益于大数据、机器学习、结构生物学等技术进步。数据库类型多样，包括多组学系统数据库、小分子化合物数据库、疾病生物学原理数据库、现存药物及靶点数据库、患者临床试验/动物模型数据库等，例如DeepMind的蛋白质结构数据库、Chembl、GEO、PDB、TTD、DrugBank、ClinicalTrials.gov等，为药物筛选、分子模拟和生物信息学分析提供支持。 AI制药技术原理 新药研发长期面临周期长、成本高、成功率低的痛点。AI技术，特别是机器学习和深度学习，已应用于药物靶点发现、化合物筛选和成药性预测等多个环节，优势显著。 技术驱动分类： 以人工智能算法为核心，在硬件和生物数据库基础上开发模型进行新药研发。 以前沿生物技术为核心，人工智能作为提高效率的工具辅助新药发现和设计。 人工智能算法：包括机器学习、深度神经网络、深度强化学习等，各有优劣。 支撑层：数据（实验数据库、开源数据库、物理模拟生成数据库、清理公开信息构建数据库）和算力（CPU、GPU等硬件设备）。 生物技术进步：为AI制药行业带来新机遇和挑战，加速了领域发展和创新。 AI制药技术应用场景 AI技术在传统制药中可应用于八大模块，基本涵盖药物发现、开发和临床全流程： 靶点的发现和识别：利用机器学习、深度学习、大型语言模型、知识图谱等算法，通过多组学分析、蛋白质序列、蛋白质结构和网络、网络药理学等路径赋能靶点发现。例如，英矽智能的PandaOmics平台通过AI挖掘多组学数据发现靶点，TriModel模型基于知识图谱嵌入预测药物-靶标关系。 虚拟筛选：计算药物发现手段，包括基于结构的VS（SBVS）和基于配体的VS（LBVS）。AI融合的ML/DL评分函数在SBVS中显示出更优预测精度，如Schrödinger的Active Learning Glide。深度学习推动LBVS发展，如DeepScreening系统结合分子指纹和深度神经网络实现快速筛选。 药物从头设计：从原子、片段或反应角度进行分子设计。采用SMILES描述可使用LSTM，图形描述可采用蒙特卡罗树搜索，自动编码器和生成对抗网络也用于分子生成。例如，英矽智能的Chemistry42平台利用42种预训练生成算法设计类药物分子结构。 大分子药物从头设计：AI在大分子药物发现中应用迅速增加，2021年AI大分子公司筹集39亿美元。AI和机器学习有助于探索更大的蛋白序列和结构空间，避免天然多肽和蛋白的成药性问题。 蛋白质结构预测：AlphaFold2是迄今最准确的蛋白质三维结构预测模型，Google Deepmind联合Isomorphic Labs发布的新一代AlphaFold可预测几乎任何分子的结构。 蛋白质与多肽类药物设计：机器学习和深度学习已用于抗癌肽、抗菌肽、药物结合肽等设计，如Peptilogics的Nautilus™平台。 ADMET性质预测：AI助力药物发现的关键领域，ML/DL模型可学习化学结构与药效学关联，进行高通量筛选，降低临床失败率。例如，拜耳公司利用ML构建模型预测ADMET性质。 药物晶型预测：AI技术为晶型预测提供新手段。晶泰科技的XtalCSP™平台支持复杂体系的晶型研究，有效评估晶型稳定性并提供准确晶体结构。 逆合成预测：对药物研发至关重要，可降低制造成本、解决生产途径单一问题。包括单步（基于模板/无模板，如Transformer、GNN）和多步（如蒙特卡洛树搜索、束搜索）逆合成预测。例如，智化科技的ChemAIRS平台可预测未报告分子的合成路线。 临床试验：药物研发最漫长、昂贵、高风险的阶段。AI技术可应用于预测临床试验结果、辅助临床试验设计、患者招募和临床试验数据处理，以提高成功率、降低成本。例如，ConcertAI公司针对真实世界数据推出RWD360™、Patient360™、Genome360™等产品。 海外上市企业发展现状 海外AI制药上市企业数量逐渐增加，上市时间集中在2020年之后。尽管近期市值波动，但整体发展强劲。商业模式主要有SaaS供应商（如Schrödinger，市值22亿美元）、AI赋能的Biotech公司（如Relay Therapeutics，市值10.4亿美元）和AI驱动的CRO公司（如Exscientia，市值6.9亿美元）。2022年，AbCellera营收4.85亿美元，Schrödinger营收1.81亿美元。 主要企业：Schrödinger（薛定谔）、Recursion Pharmaceuticals、AbCellera、Relay Therapeutics、Exscientia、Roivant Sciences、C4X Discovery、Structure Therapeutics（硕迪生物）、Syntekabio等。这些公司各有侧重，如Schrödinger专注于基于物理的计算平台，Recursion Pharmaceuticals整合多领域技术发现药物，AbCellera拥有AI驱动抗体发现平台，Relay Therapeutics以分子动力学模拟见长，Exscientia提供AI技术服务，Roivant Sciences通过“Vant帝国”加速研发，C4X Discovery强化DNA靶点识别和分子设计，Structure Therapeutics专注于GPCR靶向疗法，Syntekabio是AI驱动的基因组解决方案公司。 海外非上市企业发展现状 海外AI制药非上市企业蓬勃发展，积极投入AI技术用于药物研发、临床试验和医疗数据分析。这些初创公司大多采用深度学习为核心技术，拓展到大分子、细胞、基因等新兴疗法，治疗领域也更加广泛。 融资情况：2023年国外AI制药领域融资势头迅猛，多家公司收获种子轮资金，总计筹集6.73亿美元。Generate:Biomedicines完成C轮2.73亿美元融资，是今年AI制药领域最大一笔。 主要企业：Generate:Biomedicines（ML驱动的生物医学平台Generative Biology™）、Genesis Therapeutics（深度学习平台GEMS）、Inceptive（AI用于mRNA疫苗开发）、Atomwise（深度学习平台AtomNet）、Deep Genomics（AI Workbench平台用于基因药物开发）。 MNC在AI制药领域的布局 全球TOP20药企几乎都已布局AI制药领域，以应对“专利悬崖”和创新痛点。MNC通常采取“两条腿走路”战略： 内部推进数字化：补强专业团队，运用AI技术加强数据管理决策并深度融合至药物开发流程。 加强与AI制药专业公司合作：运用后者专业技术平台赋能药物发现和临床试验。 典型案例： 赛诺菲：宣布“All in”人工智能和数据科学，推出大规模AI平台plai，并深度绑定9家AI药企，合作总潜在价值超100亿美元。 GSK：建立强大的AI/ML团队（超120名专家），并与Exscientia、英矽智能等公司合作。 强生（杨森）：加速数字化进程，数字团队从不到10人增至超100人，AI项目从个位数增至超100个，并与Nference、ConcertAI、BenevolentAI、英矽智能、晶泰科技等公司合作。 海外IT巨头在AI制药领域的布局 生成式AI的发展催化了医疗健康行业采用AI的进程，互联网巨头纷纷入场。它们拥有硬件、软件等先进技术及数据采集处理优势，通过对外投资、自建AI药物研发平台和提供算法服务三种方式跨界入局。 谷歌：2014年收购DeepMind，2015年成立Verily，是互联网企业中入局最早的公司。 微软：利用Azure为核心的智慧云业务赋能药企，Azure AI技术和Azure HPC平台是加速药物研发的重要工具。 国内AI制药企业发展现状 国内AI制药行业起步较晚但追赶势头强劲，2021年是创业高峰。商业模式与海外类似，分为AI+Biotech（如英矽智能，估值8.95亿美元，31个内部管线）、AI+CRO（如晶泰科技，估值19.68亿美元）和AI+SaaS（如智峪科技、碳硅智慧）。晶泰科技和英矽智能已申请IPO。 主要企业：英矽智能（Pharma.AI平台，16条管线）、晶泰科技（AI和机器人驱动的闭环综合技术平台，13条管线）、深势科技（高算力AI驱动分子模拟算法，Bohrium®和Hermite®平台）、冰洲石生物（端到端逆合成系统ChemiRise、对接平台Orbital、ADME特性预测平台Chemi-Net，8条管线）、未知君（AI+BT微生物组研究和产品开发平台，10+条管线）、望石智慧（AI药物分子设计平台StoneMIND®）、锐格医药（rCARD™平台，8条管线）、剂泰医药（AI驱动药物递送及制剂开发，AiLNP、AiRNA、AiTEM平台，10余条管线）、德睿智药（AI新药研发平台，10余条管线）、星亢原生物（AI+生物物理，neoBiologics生物大分子发现平台，14条管线）。 国内药企与AI制药公司的合作 国内大型药企与AI制药公司的合作时间较晚，最早始于2019年，态度相对保守。但随着合作中意识到AI技术的潜在好处，合作有望更加顺利高效。 典型案例：复星医药与英矽智能达成合作协议，共同推进多个靶点的AI药物研发，合作开发的抗肿瘤候选药物已获批进入临床。 国内IT巨头在AI制药领域的布局 中国IT巨头在AI制药领域的布局可追溯到2015年左右。 百度：2015年成立百度健康，2020年成立百图生科，正式加入AI制药市场，提供AI诊断辅助系统和医疗影像诊断平台。 阿里巴巴：成立阿里健康，推出基于大数据和AI的健康管理平台。 腾讯：2015年和2018年参与晶泰科技融资，推出腾讯医典和腾讯医疗AI，2020年打造“云深智药”。 华为：2021年至2023年不断更新盘古药物分子大模型进展，联合中科院上海药物研究所赋能全流程AI药物设计。 新冠疫情期间：百度、阿里云免费开放AI算力，支持病毒基因测序、新药研发等工作。 AI制药市场投融资情况 2022年以来，全球AI药物研发赛道进入验证期，资本情绪趋于谨慎。 全球融资总额：近三年（2021-2023Q3）约为134.66亿美元，其中2021年42.95亿美元，2022年63.61亿美元，2023年前三季度28.1亿美元。 地区分布：美国和中国吸纳大部分融资金额，两国占总投资笔数的95%，中国占比13%。 融资阶段：全球AI制药领域投资集中于早期项目，188起融资事件（约64.4%）处于早期阶段。 活跃度下降：2023年前三季度融资活动75起，同比下降约36%。 国内融资：受全球经济和国内政策影响，国内融资亦下滑。2023年前三季度发生融资事件28起，同比下降21%，累计披露金额25.3亿元。早期项目（B轮及之前47起，占比62.7%）仍是焦点。 下半年回暖：2023年下半年国内外融资环境边际转暖，出现多起大额融资，如深势科技完成7亿元C轮融资，Cellares获得2.55亿美元。 市场预测 AI制药公司通过提供专业平台及团队服务于大型医药企业和传统CXO服务企业，并通过上市药品售卖、管线授权、提供自动化实验室等途径获得收入。 全球市场规模：2023年为12.93亿美元，预计到2031年增长到85.02亿美元，2022-2031年复合增长率约为27.2%。 AI相关药物管线：约90条获批临床，其中约40条推进到II期临床（44%），接近10条推进到III期。 市场高峰：预计2017年后，处于临床II、III期的AI药物进入上市阶段将迎来第一个小高峰；第二个高峰预计在2030-2031年，当前处于临床前、临床I期和II期药物推进到上市阶段将带来新的增量。 中国市场规模：2023年预计达到10.24亿元，未来几年将保持高速增长，有望迅速突破百亿元。 全球市场占比：当前美国占比约61%，亚洲（中国、韩国等）约12%，欧洲10%，英国8%，中东4%，加拿大3%。预计2031年亚洲和欧洲将占据更大市场份额。 未来趋势及建议 趋势1：AI将成为药物研发中的底层技术和基础工具 AI技术已验证其处理复杂生物医药数据的能力，正在改变传统研发模式。 行业已从“讲概念”进入“技术验证期”，AI在制药环节的实际作用被认可。 趋势2：AI制药回归冷静，里程碑式突破有望引领新一波市场浪潮 AI技术在制药流程中仍面临挑战，如数据质量和模型解释性。 生成式AI等新一代技术有望带来更广泛的生物制药领域突破。 趋势3：AI+药物研发引发监管关注，一系列法规/政策即将落地 FDA和EMA已发布相关讨论文件，关注AI在药物研发中的应用及潜在风险。 预计AI制药的监管框架将进一步完善，各国相关法规和引导政策将逐步落地。 趋势4：小分子药物先行一步，AI+新兴疗法的碰撞越来越火热 小分子药物一直是AI在药物发现中应用的领先领域。 新冠疫情以来，AI与蛋白组学、核酸药物、细胞疗法、基因疗法、微生物组学等新兴疗法结合备受关注，例如全球现有超过82家专注于AI大分子药物研发的公司。 趋势5：科技公司与制药企业合作发展正成为趋势 大型科技公司凭借技术和数据优势，正从多个角度进军医药产业链。 近两年科技公司与大型制药企业合作数量激增，如英伟达投资9家AI制药公司。 趋势6：产学研合作加强，IT+BT复合型人才将成为中流砥柱 AI制药行业对复合型人才需求高，全球人才短缺。 需加强科研机构、高校和企业合作，培养多元化人才。 趋势7：资本寒冬与进展不及预期双重因素叠加，国内AI制药公司进入出清阶段 疫情初期AI制药概念受资本追捧，但2021年下半年以来受流动性紧缩和临床进展不顺影响，融资金额下降，股价表现差。 多家AI制药公司面临裁员和融资空窗期，行业洗牌、挤出泡沫将成为主旋律。 总结 AI制药作为生物技术与信息技术深度融合的产物，正深刻改变新药研发的范式，覆盖从靶点发现到临床试验的全流程。全球市场规模预计将高速增长，美国和中国是主要驱动力。尽管行业面临资本趋紧、技术验证和监管完善等挑战，但AI作为底层工具的地位日益巩固，尤其在小分子和新兴疗法领域展现出巨大潜力。未来，随着产学研合作的加强和复合型人才的培养，以及科技巨头与制药企业的深度融合，AI制药有望迎来更多里程碑式突破，但行业洗牌和优胜劣汰也将是其走向成熟的必经之路。