AI制药行业深度报告：新时代新跃迁

2026年8月26日邮箱 短期来讲，建议关注：1)基因合成。关注：金斯瑞生物科技、义翘神州、百普赛斯、和元生物。2)蛋白表达与纯化：关注：奥浦迈、纳微科技药明生物、药明合联、昭衍新药、益诺思、美迪西。长期来看，建议关注能够持续迭代的研发平台：晶泰控股、英矽智能、剂泰科技、华兰股份等。34456Al制药快速跟进通用AI技术，进入自动化闭环初期。回顾每次通用AI技术突破后，约1-2年核心技术就会渗透到制药垂直领域，之后2-3年进入到产业落地验证期，整体相对于通用Al技术略有滞后。AIDD走过了计算化学、性质预测、分子生成、多模态、智能体与统一模型阶段，目前Al制药板块也正在进入智能体与统一模型并进的阶段。传统机器学习2010-2015-2012年AlexNet开启深度学习序幕；--仍属计算化学体系，AI替代统计回归优-深度学习主要应用在图像识别、语音识化单点预测精度；别领域-后期GNN逐步应用于分子性质预测2013年，RecursionPharmaceuticals成立，开启细胞表型+Al药物重定位路线-CNN、GAN、图神经网络快速成熟；2017年Transformer架构提出；CNN、RNN、GAN、强化学习等算法相继成熟-深度学习全面替代传统算法：生成式对抗网络(GAN)、强化学习首次用于从头药物设计-AI从预测拓展至生成分子；2015年，晶泰成立；2017年，深度智药成立；微调范式的通用性；大模型通用性与涌现能力被证实GPT-3发布小分子相继出现专属预训练模型；2019年，Meta-Al发布ESM-1,验证蛋白预训练模型的底层规律涌现能力；2019年，英矽智能发布GENTRL模型，生成式Al首次落地-生成式AI、大语言模型普及；-多智能体协同成为新核心方向-AI从工具升级为研发主体，干湿闭环成-AlphaFold3、RFAA开启全原子统一建模时代头部企业发布多智能体研发平台，如晶泰科技GeniusAgents、英矽智能Prompt-to-Drug体系基于配体的分子生成基于配体的分子生成分子先验分布+活性分子微调聚焦→全新分子基于结构的分子生成公共数据集先验分布+蛋白结构探索→全新分子数据来源氨基酸序列接触图8>随着通用大语言模型能力的提升，大量基础模型已成功应用于生物信息学问题，包括生物标志物发现、酶设计、抗初，已训练出超200个独立基础模型，对应季度复合增长率约40%,年复合增长率超250%。比约30%。990模型)的演化树，根据功能、数据集、评型可以分为文本、分子级、蛋白质、基因大类LLMs,每个大类之下还衍生出了非常多的细分方向，每个分类之下包含不止过渡的细分导致垂类模型的分类过细、功乏泛化能力。e昱e昱e0早申早定预测任务，例如序列分类(如DNA/RNA/蛋白质序列注释)和GenomicsTranscriptomicsProteomicsDr??Deepmind+与ResNet深度残差网络；距离分布预测(非二值接触图);势能函数+梯度下降优化Evoformer(48层Transformer);IPA不变点注意力；端到端直接回归3D坐标；AF2架构扩展多链输入；同源/异源MSA配对策略；裁剪程序(最大384残基块);链MSA,仅用单序列三轨神经网络(1D/2D/3D);序列+距离图+坐标联合建模；图表示小分子(原子-键);全原子FAPE损失函数首次用深度学习预测蛋白结构；CASP13第一名；FreeModeling类目标24/43高准确率(第二名仅14/43);拉开深度学习方法与CASP14中位GDT92.4,接近实验精度；直接输入MSA→输出原子坐标；AlphaFoldDB覆盖2亿+蛋白结构；近乎解决单蛋白折叠问题DockQ≥0.49达14/17;异源界面成功率67%;同源界面成功率69%;为大复合物结首次实现无MSA的高精度结构预测；比AF2快6-60倍；两周预测6亿+宏基因组蛋平均GDT仅约60分；距实验精度(>90)差距大；预测分辨率约0.66nm;无法处理表现差仍依赖MSA,孤儿蛋白/低同源序列精度骤降；约20%蛋白RMSD95>8A;无序区域基确率低于同源；依赖模板和MSA,新靶点泛精度明显低于AF2/AF3/RoseTTAFold;高置无扩散模块，生成能力弱于AF3;配体建模精无扩散模块，生成能力弱于AF3;配体建模精学提供工具Pairformer替代Evoformer;扩散模块从噪声云复合物结构预测精度提升50%+;统一架构预测分布外泛化弱(最难样本仅23.3%);对映异生成全原子坐标；交叉蒸馏(AF2IAF-Mv2生成任意生物分子组合；CASP15RNA预测超越专构/手性偶尔预测错误；静态结构，动力学刻画数据)用模型；蛋白-配体PoseBusters准确率76.4%不足；大分子复合物(>2000残基)空间冲突AF3扩散原则+底层架构重构；定制分布外泛化翻倍(50%vsAF323.3%);亲和和力+口袋端到端；闭源，与湿实验数据飞轮迭秘口袋(CRBN等);抗体-抗原DockQ>0.8代超AF3达2.3x；递归自我改进(RSI);先攻ML为研究者角色；并行数千实验压缩迭代周期；件授权；仅通过药企合作(礼来诺华/强生)使浙商证券股份有限公司浙商证券股份有限公司BBθ架构：端到端单流程：1)输入模块：整合MSA和模板结构信息；2)编码器(Evoformer):利用48层注意力机制深度挖掘序列与结构间的复杂依赖关系；3)解码器(结构模块):通过迭代细化(Recycling)直接输出原子坐标。结果：CASP14实现原子级精度突破。中位GDT分数达924,TM-score接近0.96,精度媲美实验方法。成功解决了单链AlphaFolaa浙商证券股份有限公司AlphaFold3:实现“生命分子全谱系”结构预测AlphaFold3:实现“生命分子全谱系”结构预测集并整合多序列比对(MSA)与模板结构信息，作为整个模型的输入数据；2)编码器模块，采用Pairformer模块替代AF2中的Evoformer模块，以实现输入数据的处理与特征提取；3)解码器模块：通过去噪过程生成目标生物大分子的三维结构。结果：实现“生命分子全谱系”结构预测。不仅能预测蛋白质，还能高精度预测核酸(DNA/RNA)、小分子配子以及它们的复合物。在CASP16中表现卓越，解决了生物分子互作界面预测难题，极大地推动了药物设计和分子机理研究BotanicalBotanicalresearch资料来源：《A/phaFold3:anunprecedentoRFdiffusion2:无需指定残基序列顺序，也不用进行逆旋转异构体生成，直接依据官能团几何结构完成酶的设计。为全部41个活性位点成功生成支架结构，而此前的方法仅能完成16个。还针对三种不同的催化机制开展酶设计，每种机制下仅实验测试不到96条序列，便筛选得到有活性的候选酶。ESM3(EvolutionaryScale):98B参数多模态蛋白质语言模型(2024年7月发布，2025年1月Science正式发表),生成esmGFP全新绿色荧光蛋白，与已知荧光蛋白序列相似性达58%(≈5亿年自然进化等效),首次证明生成式AI可在蛋白质序列空间走出一条自然演化从未走过的路径。nn0c0.42TM资料来源：《Atom-level原理：引入生成模型与端到端设计。基于“生成器+过滤器”架构，直接以目标蛋白结构为输入，利用扩散模型从头生成全新的高亲和力蛋白结合剂(Binder),实现了从“结构预测”向“功能分子创造”的跨越。架构：端到端双模块流程：1)输入模块：接收目标蛋白结构及指定结合表位；2)生成模型：利用几何感知的生成网络直接构建候选结合蛋白的三维骨架与序列；3)过滤器：通过预训练模型对候选分子进行功能打分，筛选出具备高结合潜力的设计进行实验验证。结果：实现近原子级亲和力与超高成功率。在涵盖病毒蛋白与致病人类蛋白的7个靶点测试中，湿实验成功率高达88%(如BHRF1靶点),平均结合强度比现有最佳办法高出10倍，成功解决了传统蛋白质设计周期长、成功率低的难题。TargetPro的靶点发现能力明显强于通用大模型。英矽智能的TargetPro(2025年8月公布，覆盖肿瘤、代谢、免疫、纤维化、神经五大类共38种疾病的疾病特异性模型):在靶点发现基准TargetBench10上，临床靶点检索率71.6%,相较GPT-40、DeepSeek-R1、BioGPT等大模型(15%40%)和OpenTargets(<20%)提升2-3倍。而且其优异性能并非局限于单一领域，在肿瘤、代谢、免疫、纤维化、神经系统疾病等多元治疗领域均保持稳定高位。AOverall80%K25%-k20单点模型解决的是“单一任务的虚拟预测”,但新药研发是一条长链条的系统工程。模型能力的提升，没有解决：干湿实验脱节：计算世界≠生物真实世界，药物成药需要过细胞、动物、人体层层物理实验(湿实验);阴性数据严重缺失：文献公开大多是成功实验；大量失败分子、失败靶点数据掌握在药企、CRO手里，几乎不公开；流程碎片化：各个单点模型互相独立，没有统一工作流；AIDD平台之间格式不兼容，需要大量人工做数据转换、专家校验；面临监管合规、跨学科人才短缺以及商业模式验证的多重约束，技术突破到面临监管合规、跨学科人才短缺以及商业模式验证的多重约束，技术突破到商业价值的转化周期漫长低下游湿实验的失败率，低下游湿实验的失败率，研发转化的“死亡之谷”03链条割裂04生物学黑箱02数据缺陷资料来源：《FoundationModelsforDrugDiscovery,ASystematicReview 资料来源：《A/phaFold3:anunprecedentopportunityforfundamentalresearchanddrugdevelopment》,安永，浙商证券研究所 100B未开源)。NVIDIA的BioNeMo平台。尤其是Google的AlphaFold系列。Meerkat-7B[159]Qilin-Med[385]ChatDoctor[188]2023.112024.032023.10340B6.2BLLAMA-2LLAMA-2BiMed1.3M2019.042019.052019.072023.09117M117M235M7B13B7BELMoBERTLlama-2PubMed,PMCPubMed,PMCPubMed,PMC2022.092019.092024.03wikipedia,PubMed,PMC,et×端到端的生成式Al建立在强大的工具矩阵基础之上。以英矽智能为例，整套平台由三大核心底层模块组成：Biology42、Chemistry42、Medicine42,串联从疾病靶点挖掘、全新分子生成、临床试验设计全流程，实现A DesignandPredictClinicaMulti-agentGenerativeResearchAssistGenerativeAlTechnologiesfoDORA、Nach01、MMAI、IsoDDE、PandaClaw,再到2026年集中爆发的Robin、OwkinKPro、Schrödinger2024年8月2025年12月2026年2月2026年4月2026年8月基础模型库+实验设计AlagentOwkin在AACR2026披露K文件)中披露BMS战略合作协议2025年2月2026年1月2026年3月2026年7月LLM框架)智能体)其平台分三层，底层是200+个垂直AI模型，覆盖小分子、抗体、分子胶、多肽、小核酸等多种模态；中间是Genius度中枢；上层是200+台机器工作站组成的自动化实验室，7×24小时运行。目前每周能独立自主推进上万次化合物合成实验，数据积累速度是普通实验室的40倍；每月稳定产出5万余条反应产率数据和30万条过程数据，累计已沉淀超50万条真实实验记录；合成成功率从人工的30-40%提升到超过80%,DMTA循环2-3个月就能完成3000-4000个全新分子的合成测试，通量约是传统的10倍。每月数据产出人工30-40%(行业普遍水平)中实现超过85%的反应成功率传统2-3个月做几百个分子一累计沉淀超50万条真实实验记录(其中80%是行业稀缺的失败负样本)SureRXN将试错迭代压缩至平均仅需数量级跃升实体库百万级性万倍以上英矽智能2026年2月提出了一种“从提示词到药物”的超级智能体。即只需用自然语言提出一项针对具备任意数量特定属性药物的需求，系统便能返回一款经实验验证的合成药物候选物，该候选物已准备好进入临床试验，同时还附带临床试验方案以及获批后监测计划；如下图所示，向系统发起提示时，可从一个简单请求开始，例如“为特发性肺纤维化(IPF)设计一种药物”。一个具备高级推理能力的人工智能模型将主导后续所有操作流程，其中靶点发现、化学研发和临床开发子系统可自主开展工作，分别负责筛选最优靶点、进行分子设计以及确定患者人群，从而提高研发成功的可能性。LLMLaunch分析),完整链路：文献挖掘→科学假设生成→调用工具做计算分析→输出可湿实验验证候选→迭代假设，完整闭环工作流；效率提升的同时提升了准确度。以实证任务为例干性老年黄斑变性dAMD老药新用，完整科研认知工作流的人工耗时需要359-424小时；Robin耗时30分钟完成全部文献整合与假设生成。单轮完整科研工作流API成本仅10.76美元。输出候选利帕舒ExperimentalassaybyconductingliteratureCrowautonomousanalysesexperimentaldatatodeRobingeneratestherapscientificsynthesisconciseliteraturerebioinformaticanalysesa人类科学家(手动工作流)Robin(半自主)约0.5小时假说构思与排序20-40小时约0.2小时实验设计方案C10-20小时约0.1小时10-20小时约0.1小时探索性数据分析(代码编写)约0.5小时结果解读与绘图5-10小时约0.1小时359-424小时AI制药上半场的胜利——发现端的效率革命。以英矽智能为例，AI药物研发平台相比传统方法，将临床前候选药物成本从4亿美元以上降至300-500万美元、研发周期从4年以上缩短至12-18个月、所需合成分子数从约1000个降至60-200个，同时在蛋白质结构预测、化合物筛选、毒性预测等环节达到较高精度。速度更快速度更快从靶点发现到临床前候选药物耗时(月)Al将蛋白质折叠的预测精度提升至>54个月基于Al的药物毒性预测精AI模型对化合物的分类精传统方法InslicoMedicine成功率更高为识别临床前候选药物合成的分子(个)部分临床前候选药物的成本药物研发中的Al应用传统方法InsilicoMedicine传统方法InsilicoMedicine30早期单一生物/化学基础模型进入验证期。截至2026年中，全球有超过173个AI原创药物项目进入临床阶段，其中15-20个预计在2026年进入关键性临床试验阶段，预计2026-2027年将有首个AI原创药物管线获批上市。·按质量领域划分，其中肿瘤学占比约40%、CNS占比约20%、自免类疾病占比约15%、纤维化疾病占比约10%,同时罕见病药物项目数量也呈现增长趋势。·从经济价值看，并将药物发现时间压缩30%-50%。AI发现的分子在临床一期临床的成功率达到80-90%,远超历史平均的先导化合物先导化合物临床Ⅲ期靶点发现阶段通常持续数月至数十年；多在学术机构中完成：主要依赖政府临床前/开发候选药物$314(资本化),$百万美元，2010数据80%疾病假说与耙点发现**2.0现实世界临床1期31药物发现药物研发产品销售与营销31失败管线：技术主要是分子预测和分子优化失败管线：技术主要是分子预测和分子优化。2020年，全球第一个进入临床研究的AI生成药物出现。2020年1月30日，由英国Exscientia与日本住友制药(SumitomoDainipponPharma)合作开发的DSP-1181在日本启动I期临床试验，成为全球公司合作方主要机制失败1失败原因2020年1月5-HT1A受体完全激动剂(长效、强效)习(RL)+多参数优化(MPO))分子生成+(2022年)2020年底畸形(CCM)患者/医生报告结局(PROs)未改善；自主2021年2月轻中度特应性皮炎外用pan-Trk(原肌球蛋白相关激酶)抑制剂学知识图谱+图神经网络/ML推安全性达标，但ITT人群瘙痒(NRS)和统计学差异；康人群)2023年5月(IGNITE患者)晚期实体瘤(RCC/NSCLC等)疫检查点抑制剂，非CNS穿透)"CentaurChemist"平台：主动学分子生成+习+多参数优化(MPO)分子优化自主2021年11月ER+/HER2-局部晚期或转移性乳腺癌(PROTAC,口服)学模拟+自由能计算+深度学习分子生成+中国试验2023.9已终止；2022年6月型神经纤维瘤病口服CNS穿透性pan-内涵成像表型筛选+深度学习1靶点挖掘+计算机视觉分析细胞形态+Al靶重新定位点识别Phase2终止(40mg队列驱动);各剂量组整体肿终止”r自主2023年9月复发/难治性AML、受2024年1月脑渗透)CONVERGE®平台(All-in-习算法+端到端闭环学习系统)自主2024年10月复发性艰难梭菌(C.diff)感染择性抑制剂战略性终止图：目前处于或将要临床IⅢ期的Al制药管线梳理公司时间主要机制(2024.12授权)2020年9月排胆管癌(CCA)二线高选择性FGFR2不可逆抑制剂(Al+结构生物学设计)基于Phase1/2ReFocus数据，ORR为46.5%;无正式Phase3,但已进入注册审评阶段)(Schrodinger计算平台)2021年2月(计算化学+ML驱动设计)学习辅助PhaseI进行中，LATITUDE系数据(2025.12起),头对头优于deucravacitinib,预计本财年申请NDA自主2022年3月(生成式AI从头发现靶点+分子)PandaOmics(AI靶点发现引擎)+Chemistry42(生成式AI分子设计引擎)+InClinico (临床试验结果预测)PhaseⅢ启动(2026.7.7,NCT07687459)自主2021年12月HR+/HER2-晚期乳腺癌(Pl3Kα突变)(分子动力学+Al蛋白动态设计)Dynamo®平台(冷冻电镜(cryo-EM)+长时间尺度分子动力学模拟+DNA编码库(DEL)筛选+结构引导设计)PhaseⅢ进行中(ReDiscover-2,NCT06982521,2025年中启动；2026.2获自主2022年8月新型复方口崩片(ODT),活性成分AiTEM(Al小分子制剂优化平II期已完成(2025年10月达主要终点),处于自主康人);2023.4(患病人群)口服非肽类小分子GLP-1受体(GLP-1R)Gs信号偏向型激动剂；析平台+计算化学+AI辅助分Phase2b已完成(ACCESS系列试验);自主2023年6月糖尿病口服小分子GLP-1受体激动剂(偏MoleculeProTM、MolecI期进行中(MOBILE试验，2026年2月首例给药)自主2023年12月肉病(FAP)口服非ATP竞争性变构MEK1/2抑RecursionOS(表型组学+Al深度学习)1b/2期进行中(TUPELO试验);2026年Q1数据读出，正与FDA沟通注册路径自主2024年1月及青少年)皮下注射)Chroma(基于扩散模型的蛋白质生成式AI)大分子)Phase进行中(SOLAIRIA-1NCT07276724+SOLAIRIA-2NCT07352025.12启动)注：本文提到的AI制药管线主要是指AI在靶点发现与验证、苗头/先导化合物发现、分子生成、ADMET性质预测、晶型预测、化学合成路线规划等环节发挥作用的管线33二期管线：从验证管线价值到验证基模价值创业公司的第二条管线，从验证管线价值到验证基模价值。相较于早期的管线，目前在二期临床的研发管线中呈现出：1)AI含量：性——证明平台不是靠运气产出一个药，而是能持续稳定地产出临床阶段管线；4)但IsomorphicLabs、ChaiDiscovery、Xara等新兴公司暂无管线进入到临床二期。时间主要机制自主2023年7月(新适应症)口服非ATP竞争性变构MEK1/2抑制剂，口服非ATP竞争性变构MEK1/2抑制剂，RecursionOS平台表型筛选+适应症Phase1b/2进行中(TUPELO,NCT05552755);自主2023年11月实体瘤晚期口服可逆CDK7抑制剂，阻断转录周期进ChemistTM平台分子生成+分子优化(选择性、PK、Phase1/2进行中(ELUCIDATE试验)成药性优化)自主2024年12月2023年11月素连接酶诱导RBM39降解，调控RNA剪接发挥抗肿瘤作用RecursionOS端到端Al发现平台Phase1/2进行中(DAHLIA试验);预计2026年下半年读出，Ⅱ期扩展随后启动炎症性肠病(溃疡性结肠炎UC)平台口服HIF-PH平台靶点发现+分子生Phase2a进行中(2026年1月首例给药，肥胖12型糖尿病(口服GLP-1RA)激活β-arrestin2信号通路，兼具减重与+PharmKGTM全用度代谢改善作用；Al优化实现高口服生物利链条Al药物发现用度平台分子生成+分子优Phase2b+Phase3进行化期MOBILE研究)现阶段管线成败反映的是垂类生物/化学基础模型的能力。目前进入到临床验证阶段的管线进入临床的时间主要在2023年及其以枢跃升至5000万-1.15亿美元，MNC采购标的从“单个分子”变为“整套AI研发体系(多Agent平台、干湿闭环系统、持续迭代能力)”,交易逻辑从“买项目”升级为“买研发效率底座”。公布时间合作性质康2025年6月否动药物发现平台引擎双轮驱动高效药物发现平台」完成从靶点分析到临床前候选化合物(PCC)的全流程研发晶泰科技×2025年8月是作首付款5100万美元，总交易金额最高59.9亿美元+销售分成一体化全流程研发平台能力2026年5月否作计数十亿美元合作基于IsoDDE药物设计引擎，跨多靶点开展Al药物发现合作，覆盖从靶点到临床前的全流程药否核心管线授权+多定亿美元+分级销售分成入英矽智能Pharma.Al全平台(靶点发现、分子生成、干湿闭环迭代)2026年5月否1.2亿美元(8000万现金+4000万美元股权投资)Space)分子Al基础模型平台，覆盖蛋白-配体2026年6月否费用赛诺菲采购KPro多Agent研发副驾驶系统5年使用权；Owkin为其定制药2026年7月是多治疗领域Al药物首付款+近期付款约6000万美元，总交覆盖多个治疗领域，基于Pharma.Al全平台开展靶点易金额最高6亿美元化时美施贵宝(BMS)2026年8月否全公司部署+协同未披露具体金额，战略级长期合作BMS全研究团队部署Bunsen智能体系统；深度集成Schrodinge工具链(FEP+、Glide、Prime等)MNC加速采购Agent化平台+定制开发。从2026年1月Moderna-Veeva上线，到2026年8月BMS-SchrodingerBunsen部署--8个月内8笔MNCAgent交易/部署，且集中在2026年4-6月爆发。早期AI制药合作聚焦研发环节，现阶段agent已经渗透到时间署(商业/MLR)将OpenAI前沿AI能力集成到药物发现、生产、供应链、商业运营全链条；试点即2026.04.14NovoNordiskOpenAl未披露时启动，2026年底前全面整合；OpenAI协助全员AI素养培训；严格数据治理与人工监督企业内部全职能Agent部署(多年期)企业内部全职能Agent2026.05.13AstraZenecaOwkin未披露三年KPro许可；Owkin主导端到端开发定制化biopharmaagen外部采购Agent化平台未披露将ClaudeEnterprise定位为全球统一智能平台，向30,000+员工部署agentic企业内部全职能Agent部署未披露企业内部多职能Agent基于SnowflakeCortexAl构建"ConciergeforField"Agent企业内部多职能AgentIT、HR、现场销售；Al直接在Sanofi数据上运行；目标成为“首家规模化由AI驱动的生物制药公司”IT、HR、现场销售；Al直接在Sanofi数据上运行；目标成为“首家规模化由AI驱动未披露(在合作基础上深五年KPro许可+多年合作；Owkin端到端开发新一代biopharmaagents,嵌入外部采购Agent化平台获取Chai-3早期访问权+基于Pfizer专有数据训练的定制模型，嵌入Pfizer药物发外部采购Agent/AI平台2026.06.05PfizerChaiDiscovery未披露现引擎能力(偏模型层)获取Chai-3早期访问权+基于Pfizer专有数据训练的定制模型，嵌入Pfizer药物发外部采购Agent/AI平台2019(IPO前)~0.5PB(推算)2.2M/周2022Q3~19PB2.2M/周2.2M周2.2M/周2.2M周2.2M/周2024Q3>50PB2.2M周2025Q250+PB2.2M/周2.2M周05上游：瓶颈从“想法生成”转移到“验证产能”AI驱动药物研发的流程：平台借助AI,通过计算生成数干至数百万条潜在DNA序列，并迭代优化这些设出针对特定疾病最具潜力的治疗候选分子。自己或第三方公司通过高通量DNA合成(包括单条DNA与混合池表征等多项检测，评估这些蛋白质是否符合成药候选物的核心特性，实现快速的“设计-构建-测试-学习”循环；downstreamcostLab(前沿AI实验室)、生物科技)、DryLab 对应来看，意味着Twist公司2025年AI相关订单额为2500万美元，即使按最低的100%增速(三位数增长下限)计算，2026财年将达到5000万美元；2027财年将从5000万美元再增长到1亿美元。——毛利率——毛利率20%00%44行业发展进入新一轮加速：如果行业发展阶段可以分为：模型能力推理能力大幅提升→可复现的复杂科研任务→筛选与验证闭环迭代提升速度和准确率→资本与大厂涌入明确商业化付费意图→A研发管线大量增加进入验证阶段→临床结果验证推动资本与大厂进一步提升付费意愿。那么从蛋白合成厂家的Al订单可以看出行业进入到DBTL闭环加速验证阶段，随着分子筛选量价的跨越，下游相关产业链或都将进入到新一轮加速阶段。参数筛选→候选序列转化为DNA构建并完成基因合成→细胞表达、纯化获得真实蛋白→体外结合/成药性/功能及细胞实验→体内模式动物药效、PK/PD验证→实验数据回灌AI模型→再进行分子优化和候选筛选、循环迭代。2)小分子药物：不经中期来看，CXO等板块AI在靶点发现、分子/抗体结构设计、临床数据整理等方面的应用已经进入验证阶段后，或受益于管线的快速增加，带来新的业务增量。长期来看，快速迭代将明显增厚AI驱动的药物研发平台的能力。我们认为随着DBTL闭环的加速循环，头部企业将会围绕着垂直类基础模型+智能体调用平台+干湿闭环持续迭代，或能明显提升AI驱动的药物研发平台的系统能力，从而成为药企研发的底层基础设施，部分企业或有机会成为制药板块的“Anthropic”。45我们认为Al制药加速，能全行业带来新的增量，驱动行业迎来新一轮大发展：获、去杂和纯化，获得可用于实验的高质量重组靶点蛋白/细胞因子：主要用于验证分子能否结合靶点以及评价通路、药效等，是体外细胞实验及部分体内实验的重要检测工具。关注：百普赛斯、近岸蛋白、义翘神州、皓元医药、诺唯赞、优宁维。>小分子合成：如果Al输出的是小分子结构，则在合成、测试等环节需要大量分子砌块、高端化学试剂、定制化学合成服务等，同样受益于候选数量及迭代次数提升。关注：毕得医药、皓元医药、昊帆生物、阿拉丁、泰坦科技。小鼠模型：进入体内后验证真实生物环境下的药效、PK/PD及作用机制；对于人源特异靶点、部分抗体和免疫药物，则对人源化小鼠有不可替代需求，作为PCC前的关键阶段，其真实数据对于反哺下一轮AI设计非常重要。关注：百奥赛图、药康生物>临床前CRO:Al制药带来合成、测试等需求提升，早研发现需求或已逐步受益，关注药明康德、康龙化成、药明生物、药明合联等。随着发现分子逐步向PCC后阶段传导，安评需求提升逻辑明确，关注：昭衍新药、益诺思、美迪西。替代可能性或较低，且随着早期分子向IND传导，临床端有望受益，关注：泰格医药普蕊斯、诺思格等。Al制药平台：随着DBTL闭环持续加强，Al制药平台的价值将从biotech转向行业基础设施，业绩和估值将会重估，建议关注：晶泰控股、英矽智能、剂泰科技、华兰股份等智能机器人智能机器人设计及筛选智能服务生物模拟平台科研智能体自动化模块高内涵成像起适应症靶点识别化合物师先导药物优化IND准备期合作伙伴中国(NMPA)中国IIa期已完成特发性肺纤维化(吸入型)中国(NMPA)中国(NMPA)美国(FDA)r美国(FDA)鸳MAT2AMTAP⁴癌症美国(FDA)&中国(NMPA)美国(FDA)&中国CNMPA)美国(FDA)美国(FDA)披露合作伙伴露合作伙伴动物健康海量候选分子、抗体或工程酶需要大量湿实验进行高通量验证与筛选，我们认为在这个产业趋势中，百普赛斯作为蛋白类试剂产品(尤其是靶点蛋白)种类最丰富、供应最稳定、全球品牌影响力(尤其是海外)最强的供应商之一或最受益。公司已通过Al赋能产品开发。试剂供应商SKU丰富度与迭代速度一定程度反应其竞争力，百普赛斯已建立并布局了AI驱动的6体外筛选及验证后，下一步需要动物体内药效验证，在药物复杂度持续提升、靶点人源化要求持续提高趋势下，具有全球稀缺的全人源小鼠平台的百奥赛图竞争优势明显。2025年以来公司模式动物、药理药效服务业务持续高增，看好Al制药新需求驱动下高序列数据，以及自建的高通量自动化验证体系，整合为一个可检索、可验证、可规模化的AI驱动抗体发现平台，构建了实全人抗体库、Al智能筛选一体化工作流、高通量自动化验证闭环。营业总收入(亿元，左轴)营业总收入(亿元，左轴)