医药行业AI制药：技术及商业突破，湿实验产业链率先受益

AI制药：技术及商业突破，湿实验产业链率先受益证券研究报告·医药行业深度发布日期：2026年10月22日本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。袁清慧yuanqinghui@csc.com.cnSAC 编号：S1440520030001SFC 编号:BPW879成雨佳chengyujia@csc.com.cnSAC 编号:S1440525120003SFC 编号:BIQ365王云鹏wangyunpeng@csc.com.cnSAC 编号:S1440524070020核心观点核心观点：AI制药领域正经历着快速的迭代和变革，算法的更新迭代和算力的支持为AI在制药领域的应用打下了良好的技术基础。传统药物开发过程花费时间长、成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。目前AI在结构预测、靶点筛选、虚拟筛选、分子生成及多参数优化等早期环节已体现效率价值，有望缩小候选分子范围、减少低价值实验并降低单个合格Hit的发现成本。相关干实验投入增加以及湿实验需求的持续增长有望为下游产业链持续带来增量。AIDD首先重塑药物发现与临床前研发流程。小分子发现正向AI参与的DMTA（设计-合成-测试-分析）闭环演进，虚拟筛选、分子生成、多参数优化、ADMET（吸收、分布、代谢、排泄、毒性）药代动力学和安全性特征预测及合成路线设计等环节受益较为明显。大分子研发则逐步形成以序列和结构设计为起点，进一步走向涵盖功能预测、抗体生成及多参数优化后的DBTL闭环。高质量实验数据和高通量验证能力正在成为AI制药进一步发展的关键约束，产业链增量有望率先在早期实验环节兑现。模型对高质量实验数据的依赖进一步增强，需要持续进行基因合成、文库构建、蛋白/抗体表达、结合与功能检测以及多组学分析，并将实验结果反哺模型训练。因此，随着AI模型迭代速度加快、单次设计候选数量提升以及更多药企将AI嵌入早期研发流程，湿实验需求有望持续增长，基因合成、蛋白表达、科研试剂及CRO等产业链环节有望持续受益AI制药渗透率提升带来的增量市场。具备高通量、自动化、标准化实验及结构化数据交付能力的服务商更有望承接增量。行业正在由模型能力验证转向临床价值和商业价值验证，头部项目与合作已出现积极信号，但整体仍处于早期阶段。 Rentosertib、GB-0895等代表性管线已进入临床中后期，为观察AI辅助药物发现的临床转化能力提供了更高阶段样本；MNC对外合作、资产授权及平台部署持续增加。AI制药企业主要采用平台及软件授权、AI研发服务、自研管线及资产授权三类模式，三者现金流形成时间、临床风险和潜在价值空间存在明显差异。相关公司：AI制药行业长期成长空间广阔，产业链相关公司包括：1）湿实验服务商：金斯瑞生物、Twist Bioscience、药明生物、义翘神州、百普赛斯、近岸蛋白等；2）海外巨头：Anthropic、Isomorphic Labs、Chai Discovery；3）AI制药标的：英矽智能、剂泰科技、晶泰科技。风险提示：投融资不及预期风险，行业政策风险，研发不及预期风险，审批不及预期风险，销售不及预期风险，市场竞争加剧风险2目录3AI制药临床验证推进，合作与商业化路径逐步清晰2AI制药潜力释放，产业链有望持续受益4重点公司深度剖析解决传统药物研发痛点，AI制药的技术演进与应用边界15风险提示34传统药物开发过程成本较高且难度逐渐增加 传统药物研发具有“高淘汰率、高投入”的典型特征：早期通常需筛选5,000–10,000个化合物，约250个进入临床前，最终仅约1个药物获批上市。随着研发阶段推进，单个项目成本持续上升，III期至上市阶段可达约1.9亿美元。若将失败项目成本计入，一款新药成功上市的现金支出约8.7亿美元，资本化成本可接近18亿美元。传统药物研发方式的投资回报率（ROI）仅1%～3%，我们认为如果有更好、更高效的研发工具出现，有望带动多个环节的新增需求，市场增量潜力巨大。数据来源：Twist Bioscience 2026 Investor Day，中信建投证券5传统药物研发各阶段的存续分子数量发现与筛选5,000–10,000个化合物进入筛选临床前约250个进入临床前研究I期临床约5个进入首次人体试验II期临床约2个进入III期临床III期临床与获批1款药物获批各研发阶段的成本将失败项目成本计入后，单个获批药物的现金支出约8.73亿美元，资本化成本约17.78亿美元发现与筛选约350万美元每个分子靶点到Hit、Hit到Lead临床前约1,500万美元每个分子先导优化、临床前研究I期临床约1,500万美元每个分子II期临床约4,000万美元每个分子III期临床与获批约1.90亿美元每个分子III期、申报至上市AI在制药领域具备全流程渗透潜力数据来源：Nature Reviews Drug Discovery，中信建投证券图：AI在产业链中的应用潜力6靶点识别药物发现临床前研究（动物）临床试验（人体）获批与上市上市后监测药物研发流程主要任务新靶点活性化合物发现（Hit / Lead）候选药物先导优化CMC生物标志物发现DMPK评价安全性评价药效学评价给药方案新药疗效或安全性监测：• 治疗效果• 不良反应• 药物稳定性• 用药方案失败原因分析假药分析AI赋能应用• 多组学数据分析• 生物网络构建与分析• 文献与真实世界数据挖掘• 知识图谱构建• 靶点验证• 虚拟筛选• 配体-受体相互作用预测• 分子生成• ADMET预测• 先导化合物优化• 合成路线规划• 自动化合成• 诊断、预测和预后生物标志物• 药代动力学性质预测• 临床试验成功率预测• 药物不良反应预测• 数字孪生辅助临床试验设计• 老药新用• 监管审批支持• 个体化疗效评估• 个体化患者照护• 安全性信息预警• 不良事件自动报告• 持续安全监测• 药物获益-风险评估• 提高药物警戒合规性 近年来，AI技术飞速发展，在药物研发与市场化的全流程中广泛渗透，于药物发现和临床前阶段的应用成效尤为突出。药物发现及临床前研发阶段，是AI辅助药物发现的关键优化板块，也是AI制药企业发力研发与推进商业化的核心方向。 依托AI技术，企业在药物发现和临床前研发进程中，能够有效降低湿实验成本和时间成本，同时实现高通量筛选，为新靶点的探寻以及“老药新用”的适应症拓展提供有力支持，有机会更快地将更多的潜力分子推进到后续环节，从而提升新药研发整体ROI、为整个产业链带来更多的需求。目前AI应用较多的部分AI制药迎来快速发展阶段AI制药行业经历了多个发展阶段，包括基础研究期、初步拓展期、技术提升期和快速扩张期。 基础研究期（1990年-2012年）：在这一阶段，AI制药行业从理论探索到初步应用，取得了显著进展。深度学习、自然语言处理等AI技术的发展为药物研发提供了新的思路。 初步拓展期（2013年-2017年）：AI制药行业开始展现出更广泛的应用潜力。生成对抗网络等新型神经网络结构的出现，为药物分子生