20260122-中邮证券-AI制药_从降本增效到分子创新_数据生产构筑长期壁垒_41页_4mb

AI制药：从降本增效到分子创新，数据生产构筑长期壁垒

核心内容概述

AI制药是一种将自然语言处理、深度学习、生成模型等人工智能技术与传统制药环节相结合，以提升新药研发效率、拓展药物创新空间的技术应用。AI医疗大模型整合海量生物医学数据，赋能药物研发全流程，包括新药发现、开发、临床试验优化等。AI在药物研发中的作用主要体现在“增效”和“创新”两个方面。

主要观点

1. AI不会颠覆药物研发逻辑
   药物研发仍基于实验科学，AI的“虚拟”数据无法替代临床的“真实”数据。AI尚未能准确预测药物在人体系统中的反应，且临床试验中的个体异质性使复杂度几何倍增。因此，药物研发的实验本质不会因AI技术的发展而发生根本性改变。

2. AI主要应用于临床前研发阶段
   AI在靶点发现、化合物筛选、分子生成等环节发挥显著的降本增效作用。例如，AI可将靶点发现至临床前候选药物（PCC）的开发费用从94百万美元缩减至0.2百万美元，研发周期从1年缩短至2个月，节省83%。

3. AI的创新价值体现在分子生成
   AI通过生成对抗网络（GANs）、强化学习等模型，可以生成新颖的分子结构，实现“Think out of box”的创新。目前，AI设计的分子尚未成功上市，但已有部分进入临床阶段，如英矽智能的Rentosertib已完成2a期临床。

4. 算法+数据是AI制药的“限速步骤”
   算法和数据是AI制药核心技术迭代的关键，算力虽重要，但并非核心要素。高质量数据的生产能力是行业长期壁垒的核心。

5. AI制药商业模式以CRO/Biotech为主
   目前AI制药行业主要采用三种商业模式：SaaS、AI+CRO、AI+Biotech。其中AI+CRO和AI+Biotech是主要趋势，SaaS模式因市场规模小、收益贡献度低，不被看好。

6. 全球AI赋能药物研发市场规模快速增长
   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%。国内AI制药市场预计在2028年达380亿，2033年超1770亿。

关键信息

• AI技术应用：AI在药物研发中主要应用于靶点发现、化合物筛选、分子生成、ADMET预测、临床试验设计等环节，其优势在于降本增效和创新潜力。
• 数据重要性：高质量数据是AI模型训练和迭代的基础，由于数据孤岛现象，数据生产能力成为行业核心竞争力。
• 行业趋势：AI制药行业将形成马太效应，领先企业将在数据和算法上构建长期壁垒，推动行业向更高效的临床阶段发展。
• 商业模式：AI+CRO和AI+Biotech模式是企业实现盈利的主要方式，而SaaS模式因市场限制和收益低，不被看好。

主要应用场景

• 靶点发现与验证：利用NLP、知识图谱等技术对海量数据库进行交叉引用比对，覆盖未充分研究的疾病。
• 化合物筛选：基于深度学习模型预测化合物性质，减少湿实验投入。
• 分子生成：通过GANs、强化学习等模型生成新颖分子，突破传统设计规则。
• ADMET预测：利用深度学习模型预测药物的吸收、分布、代谢、排泄及毒性等性质。
• 临床试验优化：通过AI技术优化患者分层与剂量预测，提升临床试验效率。

关键企业

• 英矽智能：已进入临床阶段，其AI平台Pharma.AI与自动化实验室结合，推动药物创新。
• 晶泰控股：利用AI与机器人技术，提升药物研发效率和成功率，其技术溢出效应覆盖多个领域。
• 泓博医药：专注于AI驱动的药物发现，具备多维度的数据积累与算法优化能力。
• 成都先导：在AI药物设计领域具有较强的竞争力，通过AI生成分子，推动药物创新。

风险提示

• 研发失败风险：AI制药仍属于新药研发范畴，存在研发失败的可能。
• 行业竞争加剧风险：随着投融资热度上升，行业竞争可能更加激烈。
• 地缘政治风险：部分企业采用BD合作模式，可能受到地缘政治因素的影响。
• 政策变动风险：行业易受监管、药物审批等政策变动影响。

结论

AI制药在降本增效和分子创新方面展现出巨大潜力，但其长期竞争力取决于高质量数据的生产能力。未来，AI制药行业将形成马太效应，领先企业将在数据与算法上构建壁垒，推动行业向高效、创新的方向发展。建议关注英矽智能、晶泰控股、泓博医药、成都先导等具备领先布局的公司。