AI制药专题：全流程赋能制药未来，成药验证未来可期

swsc.com.cn AI 制药专题 西南证券研究院 2026年9月 分析师：杜向阳 执业证号：S1250520030002 电话：021-68416017 邮箱：duxy@swsc.com.cn 联系人：张旭安 电话：021-68416017 邮箱：zhangxuan@swsc.com.cn 全流程赋能制药未来，成药验证未来可期 1 报告摘要  AI 制药行业发展现状与市场空间如何？AI 制药行业已历经萌芽期、发展期，自 2024 年起进入成熟深化的商业化验证阶段，竞争核心由模型算法转向高质量数据、实验闭环能力以及 AI 药物商业化兑现能力。  AI 如何赋能药物研发全流程？AI 应用已升级为覆盖 “药物发现 - 临床开发 - 商业化 - 制造供应” 的全链条生产力工具，核心价值体现为降本增效：药物发现阶段可节省 70%-90% 时长，临床前、临床阶段分别节省 50%-80%、50%-60% 时长，累计可降低约 50% 研发总成本。  AI 如何赋能药物研发细分环节/领域？细分环节上，靶点发现依托知识图谱与多组学融合突破 “不可成药” 瓶颈；虚拟筛选通过机器学习加速实现十亿级化合物库秒级预筛；分子生成进入 3D 扩散模型时代，直接在靶点空间生成适配分子；ADMET 预测实现早期成药性快速筛查；DMTA 自动化闭环打通虚拟设计与实体合成；临床端通过智能患者匹配、自适应试验设计破解入组难、成本高的痛点。目前 AI 已覆盖小分子、抗体、小核酸、mRNA、CAR-T 等全品类药物的研发优化。  AI 制药的核心竞争壁垒是什么？行业形成算力、数据、模型三大核心壁垒，数据与模型的重要性高于算力。干湿闭环是整合三大壁垒的终极高阶壁垒。  AI 制药的投资逻辑是什么？AI 制药处于商业化价值验证关键期，建议从研发、商业化、BD三大维度把握投资机会。一是研发端：关注核心技术突破与临床数据披露节点，尤其是 II/III 期成药性验证，以及行业学术大会的数据催化，具备干湿闭环能力的企业长期壁垒更突出；二是产业链端：关注因湿实验需求上升而获益的上游卖水/铲人，在AI制药验证期为核心受益者； 三是BD端：全球药企与 AI 平台的 BD 交易持续活跃，大额合作、License-out 是重要股价催化剂。  相关标的：围绕技术壁垒、落地进度与业绩弹性三条主线，建议重点关注以下方向及相关公司： 1）全栈平台型龙头，优先布局干湿闭环能力突出的标的：具备端到端 AI 研发能力、自有自动化湿实验体系的企业长期壁垒最深，英矽智能、晶泰控股； 2）AI 产业链受益标的，把握业绩兑现确定性：叠加 AI 技术升级的 CXO 企业有望率先享受行业需求红利，如CRO+AI 平台 成都先导、泓博医药、华兰股份；综合 CXO 企业药明康德、康龙化成，CDMO 凯莱英、药明生物、博腾股份，临床 CRO 泰格医药，同时上游测序、试剂耗材等产业链有望首先受益，基因合成金斯瑞生物科技、和元生物，试剂耗材诺唯赞等，血清培养基奥浦迈等，重组蛋白试剂百普赛斯等，模式动物百奥赛图、南模生物等； 3）差异化技术赛道龙头，细分领域稀缺性标的：聚焦 AI 制剂与纳米递送的差异化赛道，剂泰科技； 4）自建 AIDD 平台的本土 Pharma 龙头，AI 赋能内部新药管线迭代：恒瑞医药、中国生物制药、复星医药、石药集团等。  风险提示：AI 技术迭代不及预期风险、创新药研发失败风险、临床进展不及预期风险、行业监管政策变动风险、算力供给波动风险等。 目 录 2 AI 制药概述：发展史、市场规模、监管政策 中美AI制药相关公司对比 AI 可赋能从药物发现到商业化全流程 3 AI制药行业发展史 AI制药行业发展可分为三个时期 萌芽期（早期-2018）：立足优化具体研发环节，AI应用以靶点发现、药物分子筛选为主 发展期（2019-2023）：大模型浪潮推动AI制药极速扩张 成熟深化期（2024-未来）：AI制药商业化落地，等待能力验证 资料来源：各公司公告，西南证券整理 早期 •AI深度学习技术突破，利用GPU计算推动神经网络模型发展。通用AI研究企业DeepMind成立，后被谷歌收购。 •Atomwise成立，推出基于深度学习的虚拟筛选平台AtomNet，首创地利用AI预测小分子与靶点的结合能力。人工智能进入药物研发的早期环节。 2021 2016 2018 2018 2019 2015 2020 2014 •晶泰科技（XtalPi）成立，立足中国、布局“AI+机器人”技术路线，将计算模拟与自动化实验结合，打造智能化药物研发平台。 •英 矽 智 能 （ Insilico Medicine）发表 iPANDA 通路分析算法，奠定 Pharma.AI 底层技术基础。 •DeepMind发布致力于蛋白质结构的预测的模型AlphaFold。AI参与医药研发的能力由筛选逐步拓展至结构分析。AI与医药制造正在互相发现融合发展的广阔前景。 •AI逐步从单一计算预测工具拓展至覆盖靶点发现、分子筛选、药物设计等多个研发环节的平台化体系。 •英矽智能团队利用人工智能，在21天内发现针对纤维化相关靶点DDR1的抑制剂；完成化合物合成及体内外验证，整体研究周期约46天。验证了AI加速先导化合物发现的潜力。 •DeepMind发布AlphaFold2，实现原子级精度的蛋白质结构预测能力，效果已经接近接近实验。成为AI进入生命科学领域的重要里程碑。 •英矽智能利用AI发现和设计的抗纤维化药物ISM001-055进入Ⅰ期临床试验，AI设计药物开始进入人体试验阶段。 2023 •ChatGPT推动大模型产业热潮，资本加速布局AI制药领域；晶泰科技持续建设AI计算与自动化实验平台，与跨国药企礼来合作。 2024 •晶泰科技登陆港交所，成为国内AI制药代表企业上市案例，进入商业化验证阶段。DeepMind与Isomorphic Labs联合在《Nature》发表AlphaFold3，可预测蛋白质、DNA、RNA及配体等生命分子结构及相互作用 2025 •晶泰科技所研发的“自动驾驶实验室”成为AI制药重要方向，持续完善AI+机器人实验体系。 2026-未来 •AI制药进入价值验证阶段，竞争核心由模型能力转向高质量数据、实验闭环能力以及AI药物商业化兑现能力。 4 研发支出及AI赋能药物研发费用市场规模  全球及中国药物研发支出：根据弗若斯特沙利文测算，全球药物研发支出预计将由2023年的2,605亿美元增至2030年的3,943亿美元，CAGR为6.1%。中国的药物研发支出预计将由2023年的366亿美元进一步增至2030年的675亿美元，CAGR为9.1%。  AI赋能药物研发费用市场：根据弗若斯特沙利文，预计全球AI赋能药物研发费用市场规模由2023年的119亿美元增加至2032年的746亿美元，复合年增长率为22.6%。 资料来源：英矽智能招股书，晶泰控股招股书，弗若斯特沙利文，西南证券整理 2018-2030全球及中国药物研发支出 2019-2032（估计）AI赋能药物研发费用市场规模 5.4 5.4 8.6 10.0 11.9 13.