计算机行业深度报告：AI制药：从概念验证到商业化落地

证券研究报告·行业深度报告·计算机 东吴证券研究所 1 / 13 请务必阅读正文之后的免责声明部分 计算机行业深度报告 AI 制药：从概念验证到商业化落地 2026 年 11 月 15 日 证券分析师 王紫敬 执业证书：S0600521080005 021-60199781 wangzj@dwzq.com.cn 行业走势 相关研究 《AI+制造：国产替代与具身智能的共振时刻》 2026-11-11 《AI 安全深度报告：智能体拓展安全边界，传统网安有望迎来新一轮产品升级》 2026-10-21 增持（维持） [Table_Tag] [Table_Summary] 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 BCG 2024 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，CAGR 30.5%。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。 -29%-24%-19%-14%-9%-4%1%6%11%16%2025/11/172026/3/172026/7/152026/11/12计算机沪深300 请务必阅读正文之后的免责声明部分 行业深度报告 东吴证券研究所 2 / 13 内容目录 1. AI 制药突破传统制药“双十定律”困境 .......................................................................................... 4 1.1. 阶段一：靶点发现与验证......................................................................................................... 5 1.2. 阶段二：临床前研究................................................................................................................. 5 1.3. 阶段三：IND 申报 .................................................................................................................... 6 1.4. 阶段四-六：临床 I-III 期试验................................................................................................... 6 1.5. 阶段七-八：监管审批与上市后监测 ....................................................................................... 7 2. AI 制药主流技术路线与重构 .............................................................................................................. 8 2.1. 主流技术路线分析..................................................................................................................... 8 2.2. 技术突破的底层逻辑................................................................................................................. 9 2.3. 未来技术突破展望.....................