| 我们认为，当前AI 制药的价值主要体现在早期研发效率的提升上。据弗若斯特沙利文，AI 可将早期药物发现时间压缩30%-40%。当前，监管框架持续完善，传统药企与AI 原生公司加速合作，AI 制药正处于从研发提效工具迈向创新药研发范式重构的转折期。我们认为，行业真正的分水岭不在于效率验证，而在于临床成功率验证，即AI 制药公司管线的临床数据读出能否证明AI 不仅能提升药物研发效率，更能提升临床成功率。此外，我们认为，AI 制药的核心壁垒正从算法转向数据资产，拥有高质量私域数据与闭环迭代能力的企业有望建立竞争优势。 AI 重构药物研发全链条，早期效率红利已率先显现。传统创新药研发长期受困于高成本、长周期和低成功率，AI 技术正在改变靶点发现、分子筛选与优化等关键环节的研发范式。小分子领域，生成式化学及多模态属性预测已显著压缩研发周期，如英矽智能（3696 HK，未评级）利用Pharma.AI**台将靶点发现到PCC（临床前候选化合物）提名的周期从行业**均4.5年压缩至18 个月。大分子领域，蛋白质结构预测与抗体从头设计正推动药物发现从传统筛选转向设计-预测-验证。与此同时，美国FDA 与欧洲药品管理局（EMA）联合发布AI 实践十项原则，为技术落地提供制度支撑。我们认为，AI 制药在早期研发提效方面的价值已初步得到验证，但从分子到药品上市的完整闭环尚未走通，后续关键在于临床数据读出能否支撑更深层的范式变革。 数据是AI 制药的重要护城河。我们认为，在公域数据对所有参与者均等可及，主流算法架构通过学术论文和开源代码快速扩散的情况下，真正决定AI **台性能上限的是高质量、标准化且可持续迭代的私域数据。公开数据虽构成行业共同起点，但其噪声、偏倚和阴性数据缺失等问题，制约了模型的泛化能力。相比之下，药企与CXO 积累的SAR 过程数据、ADMET 实验数据、临床数据，以及AI 原生公司通过自动化实验室产出的高通量标准化数据，对模型训练的价值更高。因此，以Recursion（RXRX US，未评级）为代表的AI 原生公司正通过自建湿实验室，构建“模型生成假设-实验验证-数据反哺模型”的闭环飞轮，形成数据壁垒。我们认为，未来AI 制药的核心竞争可能将是数据资产与闭环能力的竞争。 行业估值逻辑已从**台叙事切换至临床与BD 兑现。全球尚无AI 生成药物完成关键III 期临床验证，行业仍处概念验证阶段，市场关注焦点正由**台能力本身转向管线资产、数据读出和商业化兑现。尽管2025 年以来AI 相关医药交易总金额快速增长，传统药企合作热情显著提升，但首付款占比仍较低，反映出传统药企对AI **台仍持审慎态度。此外，多家海外AI 制药企业曾经历了管线的挫折，也说明临床结果仍是检验**台价值的金标准。 2026 年起，多家全球AI 制药公司的核心管线将迎来数据读出，若能够持续验证AI 在临床获益，AI 制药行业有望从概念验证迈向价值兑现。 |
