人工智能技术与生物医药产业的深度融合正在重塑全球制药行业的创新格局。本报告系统分析了AI制药行业的发展现状、产业链结构、竞争格局及投资机会。研究表明，全球AI制药市场规模从2021年的7.92亿美元增长至2024年的17.58亿美元，预计2026年将达到29.94亿美元。中国AI制药市场规模从2021年的1.63亿元增长至2023年的4.14亿元，预计2024年将达到5.62亿元。
从关键变量分析来看，政策层面中美两国均出台利好政策支持AI制药发展；技术层面AlphaFold2、ChatGPT等创新产品推动行业进入高速发展期；需求层面老龄化社会和B端药企研发投入增加提供持续动力；人才层面全球AI制药人才竞争日趋激烈，中国93家企业已汇聚大量专业人才；资金层面2023年全球AI制药融资事件104起，金额达36亿美元。
产业链方面，上游以数据资源和算力基础设施为核心，中游以药物发现和研发平台为主，下游以传统药企和CXO企业为主。竞争格局呈现多元化特征，中国上市公司包括药明康德、恒瑞医药、晶泰科技，英矽智能等，未上市公司包括华深智药等，全球头部企业包括Exscientia、Recursion、BenevolentAI等。
投资建议方面，行业正处于从概念验证向商业化兑现转变的关键阶段，建议重点关注具有平台技术优势、临床管线进展积极、商业模式清晰的优质标的。最佳投资时机需结合市场环境和个股估值水平综合判断。
第一章 影响行业拐点出现的关键变量分析
1.1 政策环境（心）——中美政策变化
AI制药行业的发展受到各国政府的高度重视，中美两国均出台了系统性政策支持AI技术在药物研发领域的应用。
中国政策环境方面，国家发展改革委于2022年5月发布的《“十四五”生物经济发展规划》明确提出利用云计算、大数据、人工智能等信息技术，对治疗适应症与新靶点验证、临床前与临床试验、产品设计优化与产业化等新药研制过程进行全程监管，实现药物产业的精准化研制与规模化发展。工业和信息化部于2022年7月发布的《“十四五”医药工业发展规划》提出探索人工智能技术在研发领域的应用，通过对生物学数据挖掘分析、模拟计算，提升新靶点和新药物的发现效率。科技部于2022年8月发布的《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》推动人工智能技术成为解决数学、化学、地学、材料、生物和空间科学等领域的重大科学问题的新范式，重点围绕新药创制、基因研究、生物育种研发、新材料研发、深空深海等领域以需求为牵引谋划人工智能技术应用场景。国家药监局于2023年1月发布的《关于进一步加强中药科学监管促进中药传承创新发展的若干措施》推动医疗机构采用大数据、人工智能、真实世界研究等技术手段围绕临床进行应用探索。
美国政策环境方面，FDA于2023年3月发布《人工智能在药品生产中的应用》讨论文件，描述了AI可能对药品制造的影响，并列出相关法律法规和政策指导。2023年5月，FDA发布《AI与机器学习在药物开发中的应用》文件，讨论AI和机器学习的当前与潜在应用，强调数据的质量与透明性。FDA还成立了专门的委员会提供技术支持，推动AI的合规使用，包括数字健康卓越中心和AI指导委员会。欧盟方面，于2021年提出《人工智能法案》，2024年正式生效，通过建立风险等级监管体系平衡技术创新与公众安全。
从政策导向上看，中美两国呈现出不同的监管风格。美国FDA采取了更加灵活、适应性强的监管模式，通过试点计划和行业咨询机制不断修订和完善政策，从而促进技术创新。欧盟则坚持“强监管”理念，旨在通过严格的法律框架确保AI应用的可持续性与安全性。中国政策则呈现“鼓励尝试”向“标准构建”转型的特点，药监部门试点AI药物“附条件批准”机制，要求企业提供算法可解释性证明，既为创新药物开辟绿色通道，也倒逼技术规范化发展。
1.2 技术变革（事）——供给侧技术路线
AI制药行业的技术演进经历了多个阶段，目前正处于快速突破期。早期的AI制药主要依赖深度学习、强化学习等算法，通过分析公开数据库中的生物医学数据，挖掘潜在靶点与分子结构。随着行业需求升级，单一算法已难以满足复杂场景的需求，多模态融合成为技术突破的关键方向。
多模态融合的核心在于整合多源异构数据，包括基因组学、蛋白质组学、代谢组学等生物数据，以及电子病历、医学文献等临床数据，构建更全面的疾病模型。通过结合基因测序数据与影像数据，AI可更精准地预测药物疗效，优化临床试验设计；通过融合自然语言处理与知识图谱技术，AI可自动解析医学文献，提取关键信息，加速靶点发现与验证。
关键技术突破方面，AlphaFold2解决了蛋白质结构预测难题，成为AI制药领域最具里程碑意义的技术突破之一。2020年，DeepMind宣布AlphaFold2在蛋白质结构预测方面取得了突破性进展，这一成果深刻影响了药物靶点发现和分子设计流程。生成式AI技术的进步，如生成对抗网络和变分自编码器，为药物分子生成与靶点预测提供了新的工具。英矽智能开发的Pharma.AI平台利用Transformer架构，能够在18个月内完成从靶点发现到候选药物确定，而传统流程通常需要4.5年。
从技术路线分类来看，当前AI制药企业主要采用三种模式：第一种是AI+CRO模式，以晶泰科技为代表，提供药物发现解决方案以及智能自动化解决方案；第二种是AI+Biotech模式，以英矽智能为代表，通过AI平台自研药物管线；第三种是AI+SaaS模式，以Schrödinger为代表，提供软件服务和解决方案。
根据波士顿咨询的数据，截止2023年12月，已分别有24个、10个AI分子发现项目完成I期临床、II期临床试验。其中，成功项目数量分别为21个、4个，成功率分别为88%、40%。AI分子发现项目的I期临床成功率高于制药行业历史平均水平，二期临床成功率达到了制药行业历史平均水平上限。这一数据表明，AI技术在药物研发中的应用已取得实质性进展，为行业商业化兑现奠定了基础。
1.3 需求侧（口）——人口结构和B端需求
从需求侧来看，AI制药行业的发展受到人口结构变化和B端药企研发需求的共同驱动。
人口结构变化方面，全球老龄化趋势加剧为创新药物研发提供了持续增长的市场需求。根据联合国数据，到2050年，全球60岁以上人口将达到21亿，占总人口比例的22%。中国第七次人口普查数据显示，60岁及以上人口占比达18.7%，65岁及以上人口占比达13.5%。老龄化社会带来的慢性病、肿瘤、心血管疾病等患病率上升，推动制药企业加大创新药物研发投入。AI技术能够加速药物研发周期，降低研发成本，提高成功率，正好契合药企的创新需求。
B端需求方面，全球制药行业正面临研发效率下降的严峻挑战。根据德勤《2019医药创新回报率评价》，过去十年中，由于日益增加的压力，生物制药研发的生产力下降，研发的投资回报率也持续下降。传统新药研发遵循“倒摩尔定律”，即大约每九年，药物研发的成本会翻倍。一款新药从研发到上市，平均需要10至15年时间，投入成本高达数十亿美元，而且成功率极低，平均成功率仅在10%至15%左右。
AI技术为解决上述困境提供了新途径。根据英伟达公开资料，使用AI技术可使药物早期发现所需时间缩短至三分之一倍，成本节省至二百分之一倍。具体而言，AI技术能将药物发现、临床前研究的时间缩短近40%，将临床新药研发的成功率从12%提高到约14%。这些效率提升对于面临“专利悬崖”压力的制药企业具有重要意义。根据Drug Patent Watch的数据，2025年至2030年间，全球制药行业将面临总计约2360亿美元的“专利悬崖”，近70款重磅药物将陆续失去专利保护。
从B端药企的具体需求来看，大型药企主要通过三种方式整合AI进入药物开发流程：与信息技术公司合作建立内部AI专业技术；通过并购AI驱动生物技术公司快速获得AI技术；与AI驱动生物技术公司合作以识别靶点、共同开发药物。截至2022年，全球已有超过66家大型药企参与AI辅助药物研发，其中含43家传统药企和23家CRO。
1.4 人才（人）——国际人才流动和国内分布
AI制药行业是典型的技术密集型行业，人才是决定企业竞争力的核心要素。
国际人才流动方面，全球AI制药人才呈现从学术机构向产业界流动的趋势。根据行业研究，AI制药公司的创始人主要来自高校/研究院背景，其次是互联网大厂入局、基金孵化、名校博士创业、资深药企专家创业等。当前，创始人具有高校/研究院背景占据半壁江山，多达39家公司。国际人才竞争方面，美国凭借其深厚的技术积累和良好的市场机制，形成了深厚的创新生态，吸引了大量全球顶尖AI制药人才。中国作为AI发展的后来者，通过研发合作和人才交流等方式最大限度地降低试错成本，政府从中央到地方积极引导和支持AI产业发展，设立专项资金，制定优惠政策，并鼓励企业参与研发。
国内人才分布方面，截至2023年底，中国已有93家AI制药企业，主要分布在京津冀、长三角和珠三角三大医药产业发达地区。其中，北京、上海、深圳三座城市集聚效应显著，94%的企业密集分布于这些地区。从人才结构来看，AI制药行业需要兼具AI技术和生物医药背景的复合型人才，这类人才在全球范围内都属于稀缺资源。根据行业调研，AI制药算法工程师、转化医学专家等稀缺人才的年薪可达200万元以上。
人才培养方面，中国正在加强AI制药领域的人才培养力度。多家高校和科研机构设立了AI药物研发相关课程和专业，培养兼具AI技术和生物医药知识的复合型人才。同时，企业也通过与高校合作、建立博士后工作站等方式加强人才培养和引进。
1.5 资金（财）——投融资周期和市场规模
AI制药行业的投融资活动反映了资本市场对行业发展前景的判断。
全球投融资方面，AI制药行业投融资经历了快速增长后有所回落。根据Deep Pharma Intelligence数据，截至2023年第一季度，AI制药领域累积投资额达60.2亿美元。2023年，全球AI+药物研发相关融资事件104件，金额为36亿美元。从国家分布来看，美国AI+药物研发融资事件为48起，占全球46%；中国32起，占全球31%；其他国家和地区为24起。
中国投融资方面，2021年至2024年中国AI药物研发投融资事件呈先降后增趋势。2021年，在疫情驱动、资本加持下，AI制药企业投产获取第一轮成效，融资事件和金额均创新高。2022年至2023年，融资热度有所下降。2024年融资热度回升，全年投融资事件为42起，投融资金额为37.33亿元。2025年1至7月，中国AI药物研发行业投融资事件为17起，投融资金额为21.16亿元。
市场规模方面，根据Research And Markets数据，全球AI制药市场规模从2021年的7.92亿美元提升至2024年的17.58亿美元，预计2026年将达到29.94亿美元，年平均复合增长率高达30%。中国市场规模方面，2021年中国AI制药市场规模为1.63亿元，2022年增长至约2.92亿元，2023年达到4.14亿元，预计2024年将达到5.62亿元，2026年规模将达到24.87亿元。
从市场结构来看，AI制药企业在药物发现阶段布局占绝对数量优势，研发管线主要聚焦在肿瘤和神经系统疾病领域。小分子药物占据AI+制药企业的主战场，大分子药物成为近两年研发新方向。全球AI制药企业主攻适应症分布为：肿瘤37%、免疫21%、神经14%、炎症12%、心血管6%、胃肠4%、罕见病4%。
第二章 产业链上下游分析
2.1 上游分析
AI制药产业链上游主要提供数据资源、数据科学处理工具及AI技术基础设施，是行业发展的基础支撑。
数据资源是AI制药的核心“燃料”。AI药物研发对数据有着极大依赖性，面临不同领域实验数据的采集差别大、质量参差不齐、部分领域数据不足等挑战。主要数据来源包括：药物化学数据库、蛋白质结构数据库、组学数据、临床数据等。当前数据平台主要依赖“联邦学习+隐私计算”而非传统商业协议下的数据买卖。高质量、多维度的数据是训练精准AI模型的前提，但行业面临数据稀缺与数据孤岛的双重挑战。
算力基础设施是AI制药的“引擎”。算力由云计算平台、专用芯片提供支持。算力供给已不构成瓶颈，但巨头垄断格局成型。英伟达通过BioNeMo平台、DGX Cloud服务深度绑定行业，同时投资超13家AI制药公司，成为算力赋能者。亚马逊AWS、谷歌GCP、华为云等云平台和工具为AI制药提供了强大的计算和分析能力。
上游竞争格局方面，主要参与者包括云计算巨头、芯片制造商、数据提供商等。由于AI制药对算力的高依赖性，云计算和芯片领域的头部企业具有较强的话语权。上游利润率相对较高，尤其是具有垄断地位的技术平台型企业。
关键趋势方面，联邦学习技术正在破解数据孤岛问题，无需共享原始数据即可联合训练模型。自动化湿实验成为构建数据优势的新途径，晶泰科技、Recursion等公司自建机器人实验室，通过“AI设计-机器人实验-数据反馈”闭环高效产生专有数据，构建“数据-模型”飞轮。
2.2 中游分析
AI制药产业链中游是药物研发的核心环节，主要包括基于分析、预测、筛选等功能的大数据和AI软件，以及医药科研辅助平台和自动化实验室。
中游市场覆盖靶点发现、分子设计、临床试验优化等全流程，产品类型包括小分子药物、大分子药物、细胞基因疗法等。根据DPI统计数据，全球700多家AI制药公司主要布局了6大环节：早期药物开发392家、数据处理235家、临床开发149家、端到端药物开发83家、临床前发展57家、药物再利用26家。
从中游市场规模来看，2022年全球AI制药市场规模为10.4亿美元，预计2026年将达到29.94亿美元。中国AI制药市场规模2023年达到4.14亿元，预计2026年将达到24.87亿元。
中游竞争格局呈现多元化特征。主要玩家包括三类：
第一类是科技巨头，如谷歌、英伟达、微软等，通过打造底层大模型定义技术标准。谷歌的AlphaFold2解决了蛋白质结构预测难题，英伟达的BioNeMo平台为AI制药提供端到端服务。
第二类是AI原生公司，又分为AI+Biotech模式和AI+CRO/平台模式。AI+Biotech模式以英矽智能为代表，专注自研管线；AI+CRO/平台模式以晶泰科技为代表，提供药物发现解决方案。
第三类是传统药企和CXO企业，通过合作、并购等方式切入AI制药领域。药明康德、康龙化成等CXO企业积极布局AI技术，提升研发效率。
根据Frost & Sullivan的数据，按2022年全球药物发现及开发服务收入计算，Schrödinger、Recursion、Exscientia、Insilico Medicine、BenevolentAI在AI制药领域的市占率分别为7.0%、6.5%、5.5%、5.0%、2.0%。从市占率角度看，目前AI制药行业龙头格局逐步显现，多家公司业务布局较为领先。
中游利润率方面，由于行业处于发展初期，技术投入较大，整体利润率偏低。以晶泰科技为例，2020年至2022年及2023年上半年亏损分别为-7.34亿元、-21.37亿元、-14.39亿元、-6.20亿元。英矽智能2021年至2022年年内亏损额从1.30亿美元扩大至2.21亿美元，累计亏损超3.51亿美元。随着技术成熟度提升和商业化应用落地，中游企业利润率有望逐步改善。
2.3 下游分析
AI制药产业链下游为药品的销售环节，包括传统药企销售和医药外包等渠道。
下游市场参与者主要包括三类：第一类是传统大型制药企业，如辉瑞、诺华、赛诺菲等跨国药企，以及恒瑞医药、石药集团、复星医药等国内龙头药企；第二类是Biotech公司，如百济神州、信达生物、君实生物等创新药企；第三类是CXO企业，如药明康德、康龙化成、美迪西等CRO/CDMO企业。
下游市场规模与整个制药行业密切相关。全球制药市场规模巨大，2024年全球制药市场规模超过1.4万亿美元。中国制药市场规模也持续增长，2024年中国医药制造业营业收入达到约2.8万亿元。
从竞争格局来看，下游集中度相对较高。全球前20大制药企业占据了市场的主要份额。在国内，恒瑞医药、复星医药、石药集团等龙头药企占据领先地位。同时，Biotech公司的崛起为AI制药企业提供了新的客户群体。
下游利润率方面，传统大型制药企业利润率相对较高，毛利率通常在60%至80%之间，净利率在15%至25%之间。CXO企业利润率较为稳定，药明康德2023年毛利率约40%，净利率约25%。Biotech公司由于处于研发投入期，多数尚未实现盈利。
下游需求变化方面，传统药企对AI制药技术的需求日益增长。主要驱动因素包括：研发效率提升需求、成本控制压力、专利悬崖应对等。大型药企正通过与AI制药公司建立战略合作、进行股权投资、收购等方式获取AI技术能力。
第三章 竞争对手横向分析
3.1 中国上市公司分析
3.1.1 晶泰科技
晶泰科技于2024年6月13日在港交所主板挂牌上市，成为港股首家18C特专科技公司，也是中国“AI制药第一股”。公司采用量子物理、人工智能等技术提供药物发现和智能自动化解决方案，客户涵盖全球前20大生物技术与制药公司中的16家。
公司定位更符合AI+CRO模式，提供横跨药物发现及研究全过程中不同模块的解决方案，以及智能自动化解决方案。截至2023年6月30日，就透过股权融资筹集的资金总额而言，晶泰科技在全球人工智能赋能的药物发现公司中排名第一。2021年7月完成上市前最后一轮融资，估值达到19.68亿美元。截至目前，公司市值约400亿港元。
3.1.2 药明康德
药明康德是全球领先的药物研发服务平台，AI技术在药物筛选和临床试验中的应用成效显著。公司利用AI加速药物发现及优化等环节，提升研发效率。2023年营收约400亿元，净利润约96亿元。
公司搭建了人工智能辅助药物研发平台，在内部和公开文献数据基础上建立了基于多维数据和底层结构信息的人工智能药物发现技术平台。药明康德还投资了多家AI制药初创公司，布局产业链。
3.1.3 恒瑞医药
恒瑞医药是国内创新药龙头企业，在AI辅助药物研发领域不断探索。公司近日发布通知要求在内部全面开展DeepSeek应用，加速抗肿瘤药物研发。2023年营收约228亿元，研发投入超过60亿元。
公司在药物设计环节使用AI深度学习算法挖掘疾病靶点与药物分子间潜在关系，辅助设计新结构活性药物分子；临床试验阶段，AI分析患者临床数据，精准招募受试者、优化试验分组。
3.1.4 成都先导
成都先导重视AI在化合物空间搜索方面的潜力，携手腾讯AI Lab共同开发新的分子骨架跃迁算法。公司依托DEL技术库与AI筛选，提升化合物筛选效率。2023年第三季度营收9007.66万元，毛利率45.27%，净利率13.87%。
公司与腾讯AILab合作开发的GraphGMVAE算法已发表于ACS Omega期刊。公司建立了DEL+AI+自动化的“设计-合成-测试-分析”分子优化能力平台。
3.1.5 泓博医药
泓博医药较早布局AI技术且已落地，自行搭建多模态大型语言模型。公司立足药物发现业务建立CADD、AIDD技术平台，累计服务众多新药项目和客户，还在研发PR-GPT大语言模型。2023年第三季度毛利率29.93%，净利率10.07%，营收1.3亿元。
3.1.6 药石科技
药石科技利用人工智能机器学习算法开发了独有的基于分子砌块和有效化学反应的动态化学空间及活性化合物AI筛选解决方案。公司提供化合物库构建、苗头化合物发现等服务，帮助客户提高创新结构化合物筛选的命中率，降低早期药物发现的成本。2023年第三季度毛利率41.37%，净利率8.98%，营收4.47亿元。
3.1.7 美迪西
美迪西作为CRO企业，积极拥抱AI技术，旨在加速新药研发流程。公司利用AI用于药物设计、临床前研究等环节，用AI技术加速药物发现和开发流程。2023年第三季度营收3.11亿元，同比增长-37.5%。
3.1.8 皓元医药
皓元医药与AI制药领军企业英矽智能达成深度合作，涉及创新药小分子化合物定制服务等多个层面。公司积极布局AI药物研发服务领域。
3.1.9 基石药业
基石药业作为国内AI技术驱动医药研发的先行者，率先运用大数据、人工智能等技术赋能药物开发。公司在CS5006研发中采用AI辅助靶点筛选等，还利用AI搭建自主知识产权ADC平台，开发出多款创新型ADC资产。
3.1.10 复星医药
复星医药联合英矽智能推进AI合成生物学生产线，首款AI设计抗癌药进入II期临床。公司通过合作和自主研发引入AI技术，持续提升创新能力。
3.1.11 英矽智能
英矽智能是全球首批基于自研AI平台成功将药物推向临床阶段的生物科技公司。公司成立于2014年，凭借生成式AI平台Pharma.AI提供端到端的高效解决方案。截至目前，公司已建立31个项目组成的多元化管线，涵盖29个药物靶点。
公司于2025年12月30日在港交所上市，成为2025年港股规模最大的Biotech IPO。上市前累计融资超过4亿美元，估值达到8.95亿美元。公司核心产品ISM001-055是TNIK的强效选择性抑制剂，作为特发性肺纤维化的潜在治疗方案，已进入临床二期阶段。
3.2 中国未上市公司分析
3.2.1 亿药科技
亿药科技是一家AI药物研发公司，专注于利用AI技术加速新药研发进程。
3.2.2 华深智药
华深智药是一家专注于AI新靶点发现及药物设计的公司，在大分子药物AI设计方面具有突出技术优势。公司由清华大学AI研究院孵化，技术实力较强。
3.2.3 新合生物
新合生物是一家专注于RNA药物研发的AI制药公司，在mRNA疫苗和药物设计方面积极布局。公司利用AI技术优化mRNA序列设计，提升疫苗效果。
3.2.4 锐格医药
锐格医药专注于AI驱动的药物研发，在小分子药物设计方面具有技术优势。公司已建立多个AI药物发现平台。
3.2.5 药物牧场
药物牧场成立于2015年，是一家专注于AI新药研发的Biotech公司，已获得C轮融资。公司利用AI技术进行靶点发现和药物设计。
3.2.6 深势科技
深势科技是一家专注于AI for Science的科技公司，在药物设计领域积极布局。公司已获得B轮及C轮融资。
3.2.7 智凌科技
智凌科技是一家专注于AI药物研发的技术公司，在分子生成和优化方面具有技术优势。
3.2.8 碳硅智慧
碳硅智慧是一家AI药物研发公司，专注于小分子药物设计。
3.2.9 英飞智药
英飞智药是一家专注于AI药物研发的公司，在药物靶点发现和分子设计方面积极布局。
3.3 全球其他公司分析
3.3.1 Exscientia
Exscientia是全球最早的AI制药公司之一，成立于2012年，总部位于英国牛津。公司利用高精度数据进行药物筛选、设计与开发。2021年在纳斯达克上市。
2024年8月，Exscientia与Recursion宣布合并，交易金额6.88亿美元，成为AI制药领域最大并购。公司曾与赛诺菲签订总潜在价值12亿美元的合作协议。但近期经历困境，候选癌症药物的I/II期研究被宣告结束，CEO被罢免，并宣布裁员25%。
3.3.2 Recursion Pharmaceuticals
Recursion是英伟达力挺的AI制药公司，致力于构建大型生物分子生成式AI模型，以实现药物发现的工业化。公司成立于2013年，总部位于美国盐湖城，2021年在纳斯达克上市。
公司通过“AI设计-机器人实验”闭环产生专有数据，构建数据优势。与Exscientia合并后，将成为全球最大的专注于AI驱动药物开发的生物科技公司。预计合并后年度销售额峰值可能达10亿美元。
3.3.3 BenevolentAI
BenevolentAI是英国领先的AI制药公司，成立于2013年，在伦敦和阿姆斯特丹设有办事处。公司利用AI技术进行药物发现和研发。
近期公司主导药物在IIa期特应性皮炎研究中无法击败安慰剂，导致药物终止、股价暴跌和大规模裁员。公司宣布关闭美国办事处。
3.3.4 Schrödinger
Schrödinger是行业内第一家计算药物研发上市公司，2020年2月在纳斯达克上市。公司提供基于物理的计算软件和药物发现服务，2022年全球药物发现及开发服务收入市占率7.0%，位居行业第一。
3.3.5 Relay Therapeutics
Relay Therapeutics成立于2016年，2020年7月在纳斯达克上市。公司专注于利用AI和冷冻电镜技术进行药物发现。
3.3.6 Isomorphic Labs
Isomorphic Labs是Alphabet旗下的AI药物研发公司，成立于2021年。公司利用AlphaFold等技术进行药物设计。
3.3.7 Microsoft AI for Health
微软在AI制药领域布局深远，通过AI平台和工具赋能药物研发。微软与多家制药公司建立合作关系。
3.3.8 NVIDIA Clara
英伟达通过BioNeMo平台、DGX Cloud服务深度绑定AI制药行业，同时投资超过13家AI制药公司。英伟达是AI制药行业的重要赋能者。
3.3.9 Atomwise
Atomwise成立于2012年，是最早的AI制药公司之一。公司利用AI技术进行分子筛选和药物设计。
3.3.10 Healx
Healx是一家英国AI制药公司，专注于罕见病药物发现。公司利用AI技术加速罕见病药物研发。
3.3.11 Insitro
Insitro由斯坦福大学教授Daphne Koller创立，将机器学习与生物学结合进行药物发现。
3.3.12 Aqemia
Aqemia是一家法国AI制药公司，利用量子物理和AI技术进行药物设计。
3.3.13 HeartFlow
HeartFlow是一家利用AI进行心血管疾病诊断和治疗的美国公司。
3.3.14 TwoXAR
TwoXAR是一家美国AI制药公司，专注于代谢性疾病药物发现。
3.3.15 PathAI
PathAI是一家利用AI进行病理诊断和药物研发的美国公司。
3.3.16 Tempus
Tempus是一家利用AI进行精准医疗的美国公司，在肿瘤领域积极布局。
3.3.17 Xaira Therapeutics
Xaira Therapeutics被视为新一代AI制药公司的代表，由顶级科学家创立，获得大量融资支持。
3.3.18 Erasca
Erasca是一家专注于癌症药物研发的AI制药公司。
3.3.19 Healx
Healx利用AI进行罕见病药物发现。
3.3.20 Pepticom
Pepticom是一家利用AI进行多肽药物设计的公司。
第四章 投资结论
4.1 行业能否投资
AI制药行业正处于从概念验证向商业化兑现转变的关键阶段，具备长期投资价值。
从行业发展阶段来看，AI制药行业经历了“基础研究期”、“初步拓展期”、“技术提升期”、“快速扩张期”等多个发展阶段，目前行业持续快速扩张，随着相关商业化应用的陆续落地，有望迎来密集收获期。根据波士顿咨询数据，AI分子发现项目的I期临床成功率已达88%，二期临床成功率已达40%，显著高于制药行业历史平均水平。这表明AI技术在药物研发中的应用已取得实质性进展。
从市场前景来看，全球AI制药市场规模预计将从2024年的17.58亿美元增长至2026年的29.94亿美元，年平均复合增长率高达30%。中国市场规模预计将从2024年的5.62亿元增长至2026年的24.87亿元。行业增长空间广阔。
从政策支持来看，中美两国均出台利好政策支持AI制药发展。中国《“十四五”医药工业发展规划》明确提出推动人工智能在药物研发的应用。美国FDA积极推动AI在制药领域的合规应用。
从投资风险来看，行业仍面临技术风险、商业化风险、竞争风险等。部分AI制药公司尚未实现盈利，临床管线进展存在不确定性。行业第一波公司已出现合并趋势，Exscientia与Recursion的合并标志着行业进入整合期。
综合判断，AI制药行业具备长期投资价值，建议重点关注具有平台技术优势、临床管线进展积极、商业模式清晰的优质标的。但需注意行业仍处于发展初期，存在技术验证和商业化兑现的风险。
4.2 最佳投资标的
基于对行业竞争格局、技术实力、商业模式、临床管线等因素的综合分析，推荐以下最佳投资标的：
中国上市公司标的：
晶泰科技——首选标的
推荐理由：作为中国“AI制药第一股”，公司具有较强的技术平台优势和客户资源优势。客户涵盖全球前20大生物技术与制药公司中的16家，技术实力获得市场认可。公司采用AI+CRO商业模式，现金流相对稳定。2024年6月上市以来市值表现稳健，约400亿港元。
药明康德——稳健标的
推荐理由：作为CXO龙头，公司具有强大的客户资源和研发服务能力。AI技术应用持续提升研发效率，业绩增长稳健。2023年营收约400亿元，净利润约96亿元。估值合理，适合稳健型投资者。
恒瑞医药——成长标的
推荐理由：国内创新药龙头企业，积极拥抱AI技术。研发投入超过60亿元，AI应用持续深化。作为行业标杆企业，具有较强的创新能力和市场影响力。
成都先导——特色标的
推荐理由：具有DEL技术+AI的差异化竞争优势。与腾讯AILab合作开发分子骨架跃迁算法，技术实力较强。
4.3 全球排名前10
综合考虑技术实力、临床管线、商业模式、市场地位等因素，推荐以下全球AI制药公司排名前10：
第1名：Recursion Pharmaceuticals
全球最大的专注于AI驱动药物开发的生物科技公司。与Exscientia合并后，将拥有横跨多个治疗领域的庞大管线组合。英伟达投资支持，技术实力雄厚。拥有机器人实验室和大规模数据生成能力。
第2名：Insilico Medicine（英矽智能）
全球首批基于自研AI平台成功将药物推向临床阶段的生物科技公司。31个研发管线，核心产品已进入临床二期。与赛诺菲、复星等国际药企建立合作。2025年12月港交所上市。
第3名：晶泰科技
中国“AI制药第一股”，AI+CRO模式代表。客户涵盖全球前20大生物技术与制药公司中的16家。量子物理+AI+机器人的差异化技术路线。
第4名：Schrödinger
行业内第一家计算药物研发上市公司。2022年全球市占率7.0%，位居行业第一。软件+服务的商业模式较为成熟。
第5名：Relay Therapeutics
AI+冷冻电镜技术差异化优势。与基因泰克等大型药企建立合作。
第6名：Exscientia
最早布局AI制药的公司之一，与赛诺菲等大型药企建立合作。拥有高精度的药物设计平台。与Recursion合并后将发挥协同效应。
第7名：药明康德
CXO龙头，AI技术应用持续深化。客户资源丰富，业绩稳健增长。
第8名：BenevolentAI
英国领先的AI制药公司，技术实力较强。近期经历困境，但长期发展潜力仍存。
第9名：Isomorphic Labs
Alphabet旗下AI药物研发公司。依托AlphaFold技术，具有强大的技术背景支持。
第10名：恒瑞医药
国内创新药龙头企业，AI应用持续深化。研发投入大，创新能力强。
4.4 投资时机
AI制药行业的投资时机需要结合宏观经济环境、行业估值水平、个股基本面等因素综合判断。
当前时点分析：
从行业发展周期来看，AI制药行业正处于从概念验证向商业化兑现转变的关键阶段。波士顿咨询数据显示，AI分子发现项目的临床成功率已显著提升，24个I期项目、10个II期项目进入临床试验。这意味着未来1至3年将有大量临床数据读出，是验证AI制药技术商业价值的关键时期。
从市场情绪来看，2024年以来AI制药行业融资热度回升。2024年中国AI药物研发投融资事件为42起，投融资金额为37.33亿元。2025年行业持续受到资本关注，英矽智能等头部企业成功上市。
从估值水平来看，部分AI制药公司经过前期调整，估值已处于相对合理区间。港股生物医药板块整体估值处于历史低位。
投资时机建议：
对于长期投资者，建议在2026年逐步建仓，重点关注临床管线进展和商业化数据。行业正处于“价值验证年”，一旦有AI设计药物获批上市，将极大提振市场信心。
对于短期投资者，建议关注以下催化剂：临床数据读出、BD交易公告、药物获批进展等。这些事件往往能够带来显著的股价波动。
对于择时能力较强的投资者，可以考虑在市场调整时逢低布局，在利好消息出台时适当获利了结。
4.5 具体投资策略
策略一：长期价值投资
适用于：稳健型投资者
核心逻辑：AI制药行业具有长期成长性，选择具有技术平台优势、临床管线进展良好的龙头企业长期持有。
推荐标的：晶泰科技、药明康德、恒瑞医药、英矽智能
持仓周期：3至5年
预期收益：年化收益率15%至25%
策略二：成长股投资
适用于：进取型投资者
核心逻辑：选择高成长性、高弹性的AI制药标的，享受行业快速发展带来的估值提升。
推荐标的：英矽智能、成都先导、泓博医药
持仓周期：1至3年
预期收益：年化收益率20%至40%
风险提示：波动较大，需承受较高风险
策略三：事件驱动投资
适用于：交易型投资者
核心逻辑：关注临床数据读出、BD交易、药物获批等催化剂事件，进行短期交易。
推荐标的：所有AI制药概念股
持仓周期：1至6个月
预期收益：短期收益率10%至30%
风险提示：事件不确定性高，需要较强的择时能力
策略四：组合配置投资
适用于：平衡型投资者
核心逻辑：构建包含不同风险等级标的的投资组合，实现风险收益平衡。
配置建议：
40%仓位：龙头股（晶泰科技、药明康德）
30%仓位：成长股（英矽智能、成都先导）
20%仓位：概念股（皓元医药、美迪西）
10%仓位：现金储备
持仓周期：1至2年
预期收益：年化收益率15%至20%
4.6 不同策略的价格区间
基于当前市场环境和公司基本面分析，提供以下价格区间参考：
晶泰科技
当前价格：约5至6港元
保守策略买入区间：4至5港元（市值300至350亿港元）
合理策略买入区间：5至6港元（市值350至450亿港元）
激进策略买入区间：6至8港元（市值450至600亿港元）
卖出区间：8至10港元以上
药明康德
当前价格：约60至65元
保守策略买入区间：50至55元
合理策略买入区间：55至65元
激进策略买入区间：65至75元
卖出区间：75元以上
英矽智能
当前价格：约24港元
保守策略买入区间：18至22港元
合理策略买入区间：22至28港元
激进策略买入区间：28至35港元
卖出区间：35港元以上
成都先导
当前价格：约15至18元
保守策略买入区间：12至15元
合理策略买入区间：15至20元
激进策略买入区间：20至25元
卖出区间：25元以上
恒瑞医药
当前价格：约45至50元
保守策略买入区间：35至40元
合理策略买入区间：40至50元
激进策略买入区间：50至60元
卖出区间：60元以上
风险提示
以上价格区间仅供参考，实际投资决策需要结合市场环境、公司基本面变化、行业动态等因素综合判断。AI制药行业属于高风险高收益领域，投资者需要具备较强的风险承受能力。建议分散投资，控制单一标的仓位，避免过度集中风险。
结论
AI制药行业正处于从概念验证向商业化兑现转变的关键阶段，具备长期投资价值。中美两国政策支持、技术突破、需求增长、资本关注等多重因素共同推动行业发展。从产业链来看，上游数据与算力奠定基础，中游药物研发核心竞争，下游传统药企和CXO企业提供需求。从竞争格局来看，全球AI制药呈现多元化发展态势，中国企业正在快速崛起。
投资建议方面，建议重点关注具有平台技术优势、临床管线进展积极、商业模式清晰的优质标的。首选标的包括晶泰科技、药明康德、英矽智能等。投资时机上，2025至2026年行业正处于价值验证的关键时期，是长期布局的较好时点。投资者可根据自身风险偏好选择合适的投资策略。
