AIDD行业专题报告：AIDD比肩Coding

2026年10月13日AIDD比肩Coding——AIDD行业专题报告行业评级：看好证券研究报告分析师童非张致远范笑男邮箱tongfei01@stocke.com.cnzhangzhiyuan@stocke.com.cnfanxiaonan01@stocke.com.cn证书编号S1230524050005S1230525080001S1230526080007添加标题95%核心观点2➢ AIDD比肩Coding：从“降本工具”到“需求引擎”。 AIDD有望成为继Coding之后AI大模型最重要的垂直应用之一，正从传统虚拟筛选的降本工具升级为需求引擎，产业瓶颈由“搜索效率”转向“可执行的物理验证通量”。生成式AI扩大可设计空间，湿实验从成本项转为数据引擎，实验通量与高质量数据成为模型迭代的核心约束。由此，瓶颈不再停留在模型端，而是向DNA合成、蛋白生产、实验验证、测序与自动化等物理环节外溢，临床前CRO或成下一受限环节。➢ 卖铲人先行：AI制药放量，工具、试剂与CRO订单向上。瓶颈外溢意味着需求将向物理实验端传导，上游“卖铲人”率先受益。前沿AI机构持续加码生命科学，推动DNA合成向多序列并行升级，蛋白与分子酶试剂需求增长，测序、单细胞/空间组学、蛋白组学及实验室自动化受益于湿实验数据采集扩张；临床前CRO则受益于实验动物价格回升与订单量价修复。上游工具、试剂与CRO共同承接AIDD放量带来的订单向上，产业链受益顺序清晰。➢ 投资建议：临床催化密集，三梯队配置正当时。全球AIDD管线仍以前期为主，III期资产稀缺，2026—2029年迎来密集临床读出与验证催化；一级市场已给出高额资产定价，二级上市平台仍存显著折价。建议按环节兑现节奏配置：➢ 第一梯队聚焦大分子合成、测试与类器官验证，建议海外关注赛默飞世尔、Twist Bioscience，国内关注金斯瑞生物科技、百普赛斯、义翘神州、近岸蛋白、诺唯赞；第二梯队聚焦自动化实验室与模式动物验证，建议海外关注丹纳赫，国内关注华大智造、晶泰控股、百奥赛图、药康生物、南模生物；第三梯队聚焦安全性验证与AIDD平台，建议海外关注Moderna、Charles River、Recursion、Schrödinger，国内关注英矽智能、昭衍新药、美迪西。➢ 风险提示：AIDD需求及临床读出不及预期；客户导入与产业化延迟；技术路线替代与国际竞争；数据合规、原材料供应及价格波动；扩产、客户集中及盈利能力波动。目录C O N T E N T SAIDD比肩Coding：从“降本工具”到“需求引擎”013卖铲人先行：AI制药放量，工具、试剂与CRO订单向上02投资建议：临床催化密集，三梯队配置正当时0304 风险提示天数智芯01PartoneAIDD比肩Coding：从“降本工具”到“需求引擎”4AIDD从“降本工具”逐渐成为“需求引擎”01AIDD有望比肩Coding：传统虚拟筛选以压缩合成和测试数量为核心；生成式AI扩大可设计空间，并把实验结果持续回流模型。我们判断，AIDD的产业瓶颈正由“搜索效率”转向“可执行的物理验证通量”。➢旧范式以筛选和淘汰为主：虚拟筛选从既有化合物库中排序，目标是用更少的合成、采购和生物测试验证少数高分候选，价值主要体现为降低单项目试错成本。➢新范式持续创造可验证假设：晶泰控股2026年披露，其平台先在数亿级商业化合物中进行虚拟筛选，再用生成式AI、自动化合成和DMTA循环扩展可成药空间。➢湿实验由成本项转为数据引擎：Recursion每周最高运行约200万次实验并形成50+PB专有数据；Generate以实验持续训练蛋白生成模型，因此实验通量成为模型持续更新的重要约束。两代AIDD的目标函数变化维度2020—2021：筛选范式2026：生成—验证闭环模型任务排序与过滤既有候选生成新结构并选择下一轮验证实验目标减少合成、采购与测试数量提高单位周期可验证假设数量实验产出确认少数Top hits是否有效成功/失败结果与过程数据回流模型产业约束计算与算法效率合成、蛋白表达、测定、测序与自动化通量Generate形成“生成—构建—测量—学习”连续闭环资料来源：PMC，Recursion，晶泰科技官网，Generate Biomedicines，浙商证券研究所5AIDD瓶颈向物理实验端迁移，临床前CRO或成下一受限环节01➢候选生成效率跃升，AIDD研发约束开始向物理实验端迁移。AI显著扩大候选分子与蛋白序列的可探索空间后，研发瓶颈正由“能否生成候选”转向“能否完成构建与高通量验证”。公开研究已显示，DNA合成、蛋白生产、实验验证及数据读取等环节开始限制研发吞吐量。随着更多候选进入后续开发，临床前CRO有望成为下一阶段受限环节。➢AIDD正复刻AI基础设施的“需求扩张—瓶颈外溢”路径。半导体领域中，模型与算力需求提升后，约束由GPU外溢至HBM、网络互连以及散热。而在AIDD中，候选生成成本快速下降后，约束亦向DNA合成、蛋白生产、实验验证与数据读取等物理能力迁移。瓶颈逐环外移，释放供需压力和机会。A | 半导体与AIDD：数字端需求扩张推动瓶颈向物理基础设施迁移B | 产业验证：AI需求向DNA合成加速传导A｜半导体AI基础设施AI模型需求提升GPUHBM / 网络互连电力 / 散热基础设施瓶颈由计算层持续向物理基础设施外溢B｜AIDD当前主要瓶颈区域下一个受限环节AI序列设计候选生成DNA合成蛋白生产实验验证测序/数据读取临床前CRO候选生成成本快速下降，研发约束向物理实验能力迁移17.1 17.7 17.1 19.3 21.2 19.6 20.5 22.7 23.726.9 27.130.036.9万条同比+56%01020304050Twist实体基因交付量（万条）Twist实体基因交付量持续提升，FY26Q3同比增长56%。公司表示，DNA合成与蛋白解决方案近期增长较大程度受到AI药物发现需求推动。共同规律：数字端需求快速扩张，约束向供给弹性更低的物理基础设施迁移资料来源：Nature Communications、Twist Bioscience、公司公告、公开资料、浙商证券研究所6候选扩容与迭代提速共振，AIDD持续放大湿实验室需求01➢相较传统制药，AIDD同步提升单轮实验规模与研发循环频次，湿实验室进一步向训练数据生产基础设施延伸。➢AI降低候选分子及蛋白序列生成成本，扩大单轮验证规模，数据反哺模型持续缩短设计周期。相较专家主导、小批量、低频次的传统研发，AIDD从量速两方面共同放大湿实验室需求。Amazon与纪念斯隆凯特琳癌症中心合作场景下，近30万个抗体候选中约10万个进入湿实验。Danaher自主实验室规划将从构想到经验证试剂的推进速度最高提升约8倍。➢湿实验室由“验证候选”向“验证候选+生产训练数据”延伸。阳性、阴性及边界实验结果均可帮助模型学习分子—功能映射，高质量、标准化数据成为下一轮优化的重要输入。随着结果复用价值提升，湿实验室进一步升级为AI训练数据生产基础设施，高质量实验数据开始呈现独立资产化趋势。A | 传统制药研发B | AIDD研发闭环C | 高质数据开始资产化专家经验 / 已有实验数据提出有限候选