计算机行业深度报告：AI制药：从概念验证到商业化落地

　　投资要点

　　AI制药突破传统制药行业“双十定律”的制约：传统制药行业，一款创新药从启动研发到上市，平均成本超过10亿美元，研发时间超过10年。AI技术通过整合文献、基因组学、蛋白质组学、医学临床等多维度数据，对靶点发现、分子设计、临床试验优化等环节进行赋能。据BCG2024年报告，AI生成的药物分子在I期临床试验中成功率达到80%-90%，远高于40%-65%的历史行业平均水平。AI有望助推新药研发整体成功率显著提升。

　　AI制药技术栈完成了从单一算法工具到多模态技术矩阵的根本性重构。目前主流模型有两类：1）扩散模型（Diffusion）：分子设计当前主要使用模型。通过逐步加噪再学习逆转来重建样本。这条路线解决了早期生成方法不现实键长、不稳定构象的关键限制，是当前产业投入最密集的方向之一。2）Transformer：从蛋白结构到临床设计的通用底座。以自注意力机制为核心，并行高效处理长序列。扩散模型与Transformer具备预训练大模型+泛化能力的复利效应，是少数能沉淀为平台型壁垒的路线；而CNN/GNN/RNN作为成熟工具，难以形成差异化竞争。

　　技术演进由三条底层逻辑共同驱动：1）数据可获得性：AlphaFold系列之所以率先取得突破，根本原因在于蛋白质结构预测是一个数据富矿领域，相比之下，药物在人体内的真实疗效数据（如临床试验结果）非常稀缺，且标注高度主观（疗效评价标准不一）。2）计算范式成熟度：纯统计学习面临两个瓶颈：一是分布外泛化；二是因果混淆问题。物理机制+AI大模型融合，缓解了这两个问题。3）产业验证闭环能力：AI制药早期最大的质疑是干实验（计算预测）与湿实验（实验室验证）的脱节。传统模式下，AI模型依赖公开数据集训练，数据质量参差不齐且无法迭代优化；闭环模式下，每一轮实验产生的数据（无论成功或失败）都成为模型的训练素材，模型性能随实验次数增加而持续提升。

　　市场空间和竞争格局：据Global Market Insights，2025年全球AI制药市场约31亿美元，预计2035年达439亿美元，CAGR30.5%。全球AI制药公司可以分为三类：1）AI科技巨头，如谷歌、Anthropic等，构建大模型+算力+全球生态，与MNC深度绑定；2）头部AI Biotech，核心优势在于临床验证数据+专有AI平台+BD合作深度；3）MNC自研AI平台，核心优势在于专有数据积累+临床资源+全球商业化能力。

　　投资建议与相关标的：短期：布局上游“卖铲人”。AI生成的海量候选分子都必须经过蛋白表达、临床前湿实验验证等环节。上游重组蛋白、试剂、培养基等环节供应商有望逐步兑现订单和业绩，关注金斯瑞生物科技、百普赛斯等。中长期关注：1）AI平台型公司。未来可能成为弹性最大的方向之一，主要跟踪平台型公司的BD交易和临床数据。关注英矽智能、晶泰控股、剂泰科技等；2）AI药物获批上市有望带来行业价值重估。目前全球仍无一款完全由AI主导发现或设计的药物获得监管完全批准，一旦落地，整个赛道的估值中枢有望上移。建议关注恒瑞医药、百济神州、华东医药、翰宇药业、华兰股份等。

　　风险提示：研发和试验进展不及预期；商业化落地不及预期；行业竞争加剧。