AI制药行业深度报告：新时代，新跃迁

2026年8月26日新时代，新跃迁——AI制药行业深度报告分析师安柯邮箱anke@stocke.com.cn证书编号S1230525120003证券研究报告分析师郭双喜邮箱guoshuangxi@stocke.com.cn证书编号S1230521110002分析师胡隽扬邮箱hujunyang@stocke.com.cn证书编号S1230524090005观点：AI4S行业新时代，“Claude”时刻即将到来2“新”体现在：行业发展逻辑正在从科学家决策到智能化自主决策验证的新阶段，科学研究的范式可能被重塑，平台价值在提升。 产业阶段：AI制药经历了从计算化学到智能化的发展。从1960s至今，计算机科学对制药板块的影响分别经历了计算化学时代、通量自动化时代、机器学习时代最后到智能体时代。行业也从早期的计算化学、模拟、结构预测、分子生成到自动化的技术跨越。 落地节奏：AI制药技术发展是通用AI技术能力发展在制药板块的映射，我们关注到通用AI技术经历了大语言模型能力的快速提升，之后是Claude Code、Workbuddy等智能体产品真正改变了部分行业的工作流程和结果。我们发现药品研发行业正在经历类似的产业变革：生物化学大模型数量爆发式增长，以AlphaFold为代表的生物基础模型经过多次迭代，实现了能力的大幅提升，功能从特定任务的预测进化到同时预测蛋白质、核酸、小分子、离子、修饰残基等所有类型生物分子的复合物结构，精准度明显提升，且大部分基础模型是开源的。 范式变革：早期药物研发自动化平台进入落地验证阶段。多Agent + 干湿试验闭环形成AI制药平台，本质上是药物临床前研发和验证的自动化，通过全流程任务编排、自主实验设计，科学家主导和决定科研流程转换为智能体主导药物早期药物发现的全流程，将早期药物发现从低频验证的范式转向高频、高通量、多轮快速迭代的新范式。新的自动化平台开发的管线还未进入临床验证阶段，但通过MNC大笔的合作订单和美国Twist、金斯瑞等公司业绩的爆发，可以看到本轮范式变革已经从理论研究进入到落地验证阶段。 产业展望：平台迭代过程是产业链受益，结果是AI制药平台的能力迸发、壁垒的建立。我们认为从行业发展角度来看，高频迭代短期将会带来验证阶段需求的井喷，但长期来看，高速迭代可能会带来平台能力的提升和泛化，能够持续迭代的发现平台能力提升或是行业的核心，医药行业的Claude也许将要到来。 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、赛分科技；3）重组靶点蛋白/细胞因子环节：关注：百普赛斯、近岸蛋白、义翘神州、皓元医药、 诺唯赞、优宁维。4）小分子合成：关注：毕得医药、皓元医药、昊帆生物、阿拉丁、泰坦科技。5）小鼠模型：关注：百奥赛图、药康生物、南模生物。6）临床前CRO：关注药明康德、康龙化成、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。风险提示3➢ AI制药研发进展可能不及预期➢ 行业竞争有可能加剧➢ 临床试验结果有可能不及预期➢ 国际关系紧张有可能导致跨国合作进度不及预期目录C O N T E N T S01 AI制药：从计算到生成0203基模能力：从沉淀到跃迁4发现平台：从辅助到自动化 05早期线索：MNC买单与湿实验爆发06投资建议与风险提示04临床管线：验了基模没验平台AI制药：从计算到生成01Partone5范式更迭：四次浪潮，从计算到自主化6资料来源：From Executor to Orchestrator: The Pharmacology Scientist in the Age of Agentic AI》，浙商证券研究所➢ AI 制药（Artificial Intelligence for Drug Discovery and Development，简称 AIDD） 是人工智能与药物研发深度交叉的技术领域，指以机器学习、深度学习、大语言模型、多智能体等 AI 技术为核心工具，融合生物、化学、医学等多学科数据与物理先验知识，辅助或自主完成药物研发全流程中的发现、设计、预测、决策任务，最终实现研发周期缩短、研发成本降低、临床成功率提升的核心目标。➢ 四次进化：AI 制药并非一蹴而就的全新赛道，而是计算药物研发历经半个世纪演化，与 AI 技术范式迭代深度结合的产物，其发展可分为四个的关键阶段：计算化学、通量自动化、机器学习、Agent AI。计算化学时代CADD（1964-1985）• QSAR（Hansch-Fujita方程）• 基于结构的对接（DOCK）• 典型公司：Arris、Schrödinger、Accelrys通量自动化时代（1986-2009）• HTS（高通量筛选）• 前置ADME级检测• PB/PK建模• popPK模型• 多组学数据• 典型公司：Hamilton、Certara机器学习时代（2010-2022）• 深度学习（DL）• 生成式分子设计• 多任务ADME模型• 典型公司：BenevolentAI、Exscientia、智能体AI（2023-至今）• 全流程任务编排• 自主实验设计• 干湿迭代闭环• 典型公司：英矽智能、晶泰控股、Discovery Loop、Chai Discovery01技术回顾：通用AI四次迭代，AIDD走向自动化闭环7资料来源：各公司官网，关键模型对应论文内容，浙商证券研究所➢ 通用AI技术四次迭代，从机器学习到自主学习。2010 年至今，通用 AI 领域，以2-3年为一代，进行快速迭代。10年完成了从传统机器学习 → 深度学习 → 预训练大模型 → 智能体系统的四次技术迭代，claude code的成功说明通用AI从提升基座模型阶段进入到智能体。➢ AI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AI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AI制药板块也正在进入智能体与统一模型并进的阶段。阶段时间区间通用 AI 技术底座AI 制药技术变化AI制药核心里程碑事件传统机器学习2010–2015- 2012 年 AlexNet 开启深度学习序幕；- - 深度学习主要应用在图像识别、语音识别领域- 仍属计算化学体系，AI 替代统计回归优化单点预测精度；- 后期GNN逐步应用于分子性质预测-2013年，Recursion Pharmaceuticals 成立，开启细胞表型 + AI 药物重定位路线深度学习垂直落地2015–2018-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