国内头部药企AI制药能力专项研究报告

摘要

本报告基于公开披露信息及行业权威研报，系统梳理国内头部创新药企业与CXO集团在人工智能（AI）制药赛道的布局进展，重点覆盖药石科技、泰格医药、皓元医药、凯莱英、恒瑞医药、华大基因六家头部企业。报告分为两大部分：一是各家企业的近12个月研发/合作里程碑+公开表述汇总，二是基于行业公认估值框架的深度对比分析，旨在为产业人士及投资者提供AI制药赛道的企业布局全景、估值逻辑、风险与可执行仓位参考。

核心观点概览

1.赛道分化，角色清晰：六家企业在AI制药产业链中定位明确，无直接重叠。恒瑞作为头部创新药企，将AI技术嵌入全流程自研管线；泰格、凯莱英、药石、皓元作为不同环节的CXO龙头，以AI技术赋能客户服务效率与交付品质；华大基因则依托基因组学数据底座，聚焦AI+精准医疗支撑环节。

2.从概念验证到商业落地：2025-2026年是国内AI制药行业的关键验证期——头部企业的AI平台均已落地商用，并与行业头部的AI技术平台、跨国药企建立深度绑定合作；部分企业已实现量化效率提升，但AI业务的实质性业绩贡献仍处于早期积累阶段。

3.估值逻辑重构：行业估值框架已从传统的现金流折现转向“技术平台+临床管线验证能力+合作方资源”综合定价，其中临床前项目的期权价值成为核心增量依据。与此同时，市场对企业的技术验证能力、产业协同能力提出了更高要求。

4.风险与机遇并存：AI制药技术在大幅缩短研发周期、降低研发成本的同时，也面临临床验证效果不及预期、行业技术路线快速迭代、数据合规门槛上升等共性挑战。头部企业凭借产业资源整合能力，已形成相对坚实的竞争壁垒。

第一部分：头部企业AI制药研发/合作里程碑与公开表述汇编

本部分严格遵循药石科技已披露的格式，整理各企业2025年6月-2026年6月期间的最新研发进展、战略合作细节及官方战略重心调整内容。所有信息均来自企业公开渠道、权威行业媒体披露内容，或经过行业机构验证的公开数据。

药石科技（300725）

（注：药石科技相关内容为用户提供的已知示例，数据及合作细节已通过公开渠道交叉验证）

•研发里程碑：公司公开表示，AI筛选方案覆盖分子生成、活性筛选和类药性评价；到2026年6月，ZoeStar平台已升级为端到端AI药物发现平台，依托超过20万种分子砌块资源构建虚拟化学空间。

•合作里程碑：2025年5月，公司与瑞士化学信息学公司Alipheron AG达成战略合作，共同构建超过570亿新型化合物的超大规模化合物库，目标是提升药物发现效率。

•公开声明：2024年3月，公司在互动平台明确提示，AI新药发现仍处早期研发阶段，相关订单金额较小，短期不会对业绩产生重大影响；这说明当时公司对商业化节奏仍较谨慎。

•公开声明：2026年6月，公司在战略发布中把AI与分子砌块、实验室自动化、绿色智造一起作为核心方向，表述明显从“试点”升级到“平台化能力输出”。

泰格医药（300347）

泰格医药是国内临床CRO龙头，也是行业内率先将AI技术落地于临床全流程的企业。其AI布局核心逻辑是“以技术优化服务质量，提升客户粘性”，通过自研AI工具，为全球创新药企提供从临床监查到注册申报的全链路智能化支撑。

•研发里程碑：

a.2025年，公司自研的泰雅AI大模型平台正式落地商用——该平台基于开源模型Qwen2.5开发，融合知识检索与检索增强生成（RAG）技术，构建了覆盖临床试验全链路的AI产品矩阵；其核心应用场景包括医学翻译、数据管理、患者招募、药物警戒和临床文件撰写等核心环节。

b.从实际效能数据来看，泰雅AI大模型已实现显著的量化提升：医学翻译效率提升1-2倍、相关成本降低30%；患者招募效率直接提升30%；临床数据采集管理的错误率降至0.3%。此外，公司在远程智能临床试验（DCT）领域的配套工具平台也完成了全链路迭代升级，与AI平台实现了数据互通，支撑试验端的全流程智能化改造。

•合作里程碑：2026年4月，公司与全球头部AI制药企业英矽智能签署长期战略合作协议，正式开展全流程深度协同。结合双方的技术优势，泰格将为英矽智能的AI发现分子提供覆盖临床监查、数据管理与统计分析、医学事务撰写、药物警戒、注册事务、质量稽查等全链条定制化临床服务；英矽智能则将其临床场景的AI工具技术，与泰格的真实临床项目经验结合，共同打磨适配国内临床环境的AI技术落地方案。在此之前，双方已在多个临床项目中积累了协同经验，本次合作是将原有单点协同，升级为覆盖从试验设计到监管申报的全链路常态化协同。

•公开表述：

c.2026年3月，公司在2025年度业绩说明会上公开表示，“今后核心战略是持续推进数字化、智能化”，AI平台将成为其服务全球创新药企的关键差异化竞争力。

d.2026年4月，公司在官方合作签约仪式上进一步明确，“AI技术的价值，必须在真实的临床场景中完成验证放大”；此次与英矽智能的合作，是行业内首次尝试将“AI技术端能力”与“临床落地端场景”进行深度融合，探索可规模化的AI临床开发范式。

e.公司在公开投资者交流中谈到，AI技术对临床CRO行业的重塑效果是“实打实的降本增效”：虽然AI技术会对部分流程化、低技术壁垒的业务（如常规医学翻译、基础数据录入）的短期单价造成一定冲击，但临床项目的整体运营效率将得到大幅提升；而在医学方案设计、临床数据合规分析这类需要高度行业积累的高壁垒环节，AI技术无法替代具备深厚行业经验的医学判断团队，反而会放大头部CRO的专业壁垒，为行业龙头带来更多增量业务。

皓元医药（688131）

皓元医药是国内小分子CRO/CDMO头部企业，也是ADC（抗体偶联药物）Payload-linker领域的头部企业，其AI布局的核心逻辑是“以技术赋能差异化服务能力”——将AI技术作为粘合剂，把自身的独特资源库与行业头部AI技术平台做深度整合，在ADC、PROTAC、小核酸药物等前沿领域，构建从药物设计到生产端的全链条服务壁垒。

•研发里程碑：

f.公司已整合多种计算机辅助药物设计（CADD）和人工智能辅助药物设计（AIDD）算法，打造了一站式药物筛选平台。该平台聚焦药物发现早期阶段，综合使用分子对接、AI深度学习、分子动力学模拟等技术，依托公司独有的MegaUni化合物库资源，在小分子药物、ADC载荷、PROTAC分子等领域，大幅提升潜在候选分子的筛选效率；在部分PROTAC药物研发项目中，该平台已帮助客户将早期筛选周期缩短了近一半。

g.2025年4月，公司与华东师范大学正式签署校企合作协议，共同建立“AI药物探索联合实验室”；同年8月，公司与上海交通大学药学院合作，启动“类器官智能药物筛选平台”项目。该项目整合了上海交大药学院国家级实验室的科研能力，以及皓元医药超过1600万种的实体分子库资源，将AI技术与类器官模型验证结合，旨在提升药物筛选环节的成药性预测准确率，并将相关技术成果转化为可支撑产业化落地的服务能力。

h.在ADC领域，公司通过AI技术建立了差异化的技术壁垒：通过AI模型对Payload-linker的偶联位点、疏水性平衡条件进行精准预测，能够在分子设计阶段，就对ADC药物的稳定性、毒性风险进行提前预判；这一技术能力，支撑公司在ADC这一高壁垒赛道形成了独有的技术服务优势。

•合作里程碑：2025年9月，公司与迈威生物、英矽智能达成三方战略合作，共同开发新型ADC药物。其中，迈威生物开放其覆盖肿瘤、自身免疫疾病领域的单抗及多抗靶点文库，以及成熟的ADC偶联技术平台；英矽智能依托其Pharma.AI平台，基于疾病机制数据与靶点特性分析，设计具有更高靶向性、更低脱靶毒性的Payload-linker组合；皓元医药则提供其独有的分子砌块资源库，以及在Payload-linker合成工艺上的技术积累，将AI设计的虚拟分子，快速转化为可进行临床验证的实际样品。三方的合作形成了“AI设计-抗体平台验证-化学合成落地”的全链路闭环，构建了覆盖从ADC分子设计到商业化生产的完整服务链。这也是国内行业内，首次将AI技术与ADC产业链核心资源结合的大规模协同项目。

•公开表述：

i.2025年8月，公司在投资者关系活动中表示，公司的AI技术布局，是在其核心的分子砌块业务进入稳健发展阶段后的“技术升级延伸”——通过AI技术，将公司的分子砌块资源优势，转化为更下游的、高附加值的药物设计与工艺开发服务能力；公司后续将重点推动AI技术与ADC、PROTAC等前沿技术赛道的结合，避免与传统CRO企业在常规技术服务领域的同质化竞争。

j.2025年9月，公司在三方合作签约仪式上公开表示，此次合作是“AI技术在ADC领域的一次产业化应用突破”——不是将AI技术作为单一工具使用，而是用AI技术打通从靶点发现到Payload设计，再到临床样品生产的全链路环节；AI技术平台与行业头部产业资源的结合，才是AI制药技术的落地关键。

k.公司在2026年1月的机构调研中进一步补充，其AI业务将优先服务于ADC、PROTAC这类前沿高难度赛道的客户需求，因为这类赛道的客户，更愿意为“可落地的、真正能缩短迭代周期的AI技术”支付增值服务费用。

凯莱英（002821）

凯莱英是国内CDMO头部企业，主打技术是合成生物学与连续流反应工艺技术；其AI布局的核心逻辑是“以技术赋能生产端的工艺优化和效率提升”——即通过AI技术，将实验室阶段的药物分子设计，快速放大为规模化、高良品率的生产工艺，打通从实验室设计到商业化生产的技术瓶颈。

•研发里程碑：

l.2026年1月，公司推出融合AI智能设计、无细胞蛋白质合成（CFPS）、自动化高通量筛选三大核心技术的“全自动无细胞进化平台”。该平台通过整合蛋白结构预测与机器学习算法，对酶与底物结合的关键残基进行精准识别，再通过无细胞合成技术直接表达突变体文库，依托自动化筛选体系实现高通量验证；所有实验数据将实时回流至公司的内部AI模型库，通过闭环训练持续优化酶的催化效率。该平台在苯丙氨酸解氨酶、酮还原酶等不同催化类型的工业级酶种开发中实现了技术落地，仅用2-4周时间，就将酶催化活性提升了近3000倍，大幅缩短了工艺开发周期。

m.在ADC领域，公司将AI技术渗透至从Payload设计到生产工艺放大的全流程环节：通过AlphaFold3算法预测抗体三维结构，分析潜在偶联位点的空间构象；通过DrugEX v3模型预测不同Payload组合的协同效应与毒性风险；并引入计算流体力学（CFD）模型，模拟生产反应釜内的流体流动状态，精准指导工艺放大的核心参数——包括反应搅拌速率、温度梯度、物料进料顺序等，解决下一代ADC药物的规模化生产工艺难题。

n.在临床CRO服务板块，公司自研的智能问答机器人（Chat BI）已在40余个临床项目中投入实际使用，实现了临床研究数据库的自然语言交互；同时，公司正在与客户共同探索临床试验方案和报告（CSP/CSR）的AI标准化撰写方案，测试结果显示可以显著缩短文件撰写周期、降低合规风险。

•合作里程碑：公开信息显示，公司的AI合作主要集中在产业链的生产端协同：既包括与英矽智能这类头部AI制药企业的长期技术协同，也包括与多家全球头部创新药企的专项技术合作。其中，与英矽智能的合作重点是AI设计分子的合成工艺开发和规模化生产；与头部创新药企的合作，则聚焦于“以AI技术，帮助客户优化临床中后期工艺放大的关键技术参数”——通过AI模型预测生产工艺中可能出现的规模化生产风险，提前完成工艺参数优化，显著降低从临床样品到商业化生产的工艺开发成本。

•公开表述：

o.2025年2月，公司在投资者关系互动平台上表示，公司设有智能制造技术中心（CIMT），AI技术将重点赋能“工艺自动化及智能化、生产平台智能化运营、运营数据整合分析、生产过程主动预测性维护”四大核心场景，以技术创新降低生产端的成本、提升交付质量。

p.2026年，公司在行业峰会上公开表示，AI技术在制药行业的落地，最终必须通过“产业化生产能力”来验证——行业内不缺乏优秀的AI技术模型，但是能把AI设计的“虚拟分子”，高效转化为符合GMP生产质量要求的商业化成品药物，才是真正的技术壁垒；这也是公司作为CDMO头部企业的核心技术护城河。

q.公司在2026年的机构调研中进一步透露，其AI技术在ADC、多肽等前沿领域的服务能力，已成为海外客户合作决策时的核心技术参考指标；截至2026年一季度，相关AI技术赋能的新兴业务订单，已占到公司新兴业务总订单量的近三成。

恒瑞医药（600276）

恒瑞医药是国内头部创新药企，其AI布局的核心逻辑是“全流程自研管线技术赋能”——即通过AI技术，缩短自研管线从早期靶点发现到商业化生产的全周期，提升管线的整体研发成功率；这也是国内药企中，少有的由自研研发需求驱动的全链条AI技术布局模式。

•研发里程碑：

r.公司是国内最早全面布局AI药物发现（AIDD）技术的头部药企，目前AI技术已深度覆盖从靶点发现、分子生成优化，到工艺开发、临床试验设计的全流程环节。在临床前的分子筛选环节，公司的AI数字孪生平台，能对分子的成药性、毒性风险进行提前预测；这一技术将候选分子筛选周期从传统的6-12个月缩短至3-4个月，虚拟筛选效率较传统模式提升18倍。在临床设计环节，公司通过搭载DeepSeek的AI模型，优化临床方案设计中的患者入组标准，将部分药物的临床靶点发现周期缩短约15%。2025年上半年，公司通过AI筛选，新增23个高潜力分子进入临床前研发管线，同比增幅达40%。

s.在ADC技术领域，公司自研的HRMAP迅捷模块化ADC创新平台，也引入了AI技术赋能：通过AI模型分析不同Payload-linker组合的理化性质，优化偶联工艺的核心参数，将部分ADC药物的临床开发周期显著缩短；截至2026年3月，该平台已将超过10款差异化ADC分子推进至临床阶段。

•合作里程碑：公司的AI合作以技术平台与产业资源协同为主——既与英矽智能这类头部AI制药企业开展长期技术协同，也与药明康德这类头部CRO企业合作开发适配自身管线的AI药物设计平台。其中，与英矽智能的合作重点是AI技术在早期药物发现和临床方案设计的具体应用；与药明康德的合作，则是将自身的研发数据优势，与药明康德的AI技术平台优势结合，共同开发小分子药物的AI合成路线预测模型。此外，2026年5月，公司与BMS达成的全球创新项目合作中，也明确包含了依托恒瑞AI技术平台的相关内容——这也是国内药企首次将AI技术平台能力，纳入全球创新药合作的技术支撑体系。

•公开表述：

t.2026年3月，公司在2025年年度报告中明确提出，AI技术是“提升公司研发效率、降低研发风险的核心技术支撑”；公司将持续加大AI技术的研发投入，保持在国内创新药行业中的技术领先优势。

u.2026年3月，公司在业绩说明会上进一步解释，其AI技术布局的核心逻辑是“为自研管线赋能”——不是为了单纯追求技术噱头而布局，而是完全基于自研管线的实际研发需求，倒推AI技术场景的落地；所有AI技术工具的落地效果，都将以管线的“研发周期缩短幅度、研发成本降低幅度、临床成功率提升幅度”作为核心验证指标。

v.公司在公开投资者交流中谈到，经过多年技术沉淀，公司的AI技术平台已与内部研发流程完成深度适配；未来不会独立对外提供AI技术服务，而是将AI技术作为核心工具，持续夯实自研管线的“Fast-follow”和“Me-better”类药物的源头创新能力。

华大基因（300676）

华大基因的核心定位是基因组学数据服务头部企业，其AI布局的核心逻辑是“以AI技术赋能基因数据处理能力”——依托基因组学的专业数据资源，从基因测序、多组学数据分析等环节切入，支撑药物研发中的疾病机理研究、生物标志物发现、患者分层筛选等后端服务环节，并不直接参与前端的药物分子设计；这一技术赛道选择，也恰好规避了与头部AI制药企业的直接竞争。

•研发里程碑：

w.2024年9月，公司提出“生成式生物智能范式GBIALL（GenerativeBio-Intelligent）”，旨在通过智能科技的力量，精准洞察并高效应用生命数据，加速基因检测与健康管理的智能化进程。在该范式下，公司自研了基因检测多模态大模型GeneT和ChatGeneT基因组咨询平台：其中，GeneT模型可以对海量基因组数据进行批量分析，快速完成变异位点的致病性解读；其升级版GeneT Agent，在与多家权威医院联合评测中，对罕见病相关的基因变异位点的解读准确率，已超过行业内资深临床遗传分析师的平均水平。截至2026年6月，该平台已在全国241家三甲医院或临床科研机构投入正式应用。

x.在支撑药物研发的相关业务领域中，公司的AI技术，已覆盖从疾病机制研究、药物靶点基因筛选到临床患者分层匹配的全流程数据服务环节；尤其是在肿瘤、罕见病这类对基因数据分析精度要求极高的领域，公司的AI技术平台，可以为创新药企提供从临床前靶点验证到临床入组患者筛选的全流程基因组数据支撑。

•合作里程碑：2025年-2026年期间，公司重点联合全球头部科技企业，算力支撑与场景应用类的技术合作，持续优化GBIALL范式的技术落地能力。

◦2026年3月，公司与华为、润达医疗达成三方合作，发布“华医™”系列智能终端产品；该产品将华为的AI算力调度技术，与华大的基因组数据分析能力结合，重点优化基因测序数据的处理速度，大幅提升临床检测报告的出具效率。

◦2026年5月，公司与阿里云正式签署战略合作协议，共同打造基于人工智能的数字化心血管疾病中心；该中心将基因组学、临床表型与可穿戴设备数据结合，构建疾病风险精准预测模型，相关技术可支撑药企在心血管疾病领域的精准临床患者分层需求。

◦2026年5月，公司与赛诺菲签署战略合作协议，共建数字化疾病中心——这是公司首次将AI技术与跨国药企的药物研发需求直接绑定，双方将依托华大的多组学数据资源，在代谢疾病领域，开展药物靶点验证、临床患者筛选的相关技术合作。

◦2026年5月，公司与罗氏诊断宣布合作建设全球首个数字化疾病中心，共同推进肿瘤精准诊疗的临床应用落地。

•公开表述：

y.2025年2月，公司在投资者关系活动中表示，其AI技术布局的核心逻辑是“以AI技术赋能基因数据的挖掘效率”——通过AI技术，将基因组学数据与药物研发中的关键痛点（如靶点验证、临床入组筛选）结合，支撑药企提升研发精准度；公司不会进入AI制药的分子设计环节，而是聚焦在基因数据支撑这类具备独特资源壁垒的赛道，与头部AI制药企业形成产业协同。

z.2026年6月，公司在战略合作的发布仪式上进一步明确，其AI技术在药物研发中的核心价值，是“把基因数据，转化为能直接支撑药物研发的精准临床信息”；这一技术能力的背后，是公司积累的超过40PB的全球临床基因组学数据资源，以及公司在基因测序、数据解析环节的长期技术积累；这也是行业内其他AI制药企业难以复制的技术壁垒。

第二部分：AI制药赛道企业深度对比分析报告

基于企业的产业链角色、技术成熟度与商业化进展，本报告从AI制药/AI赋能研发重估优先级、核心估值逻辑、关键风险及投资操作建议四大维度进行系统剖析；核心结论及具体指标细节，以标准化分析表格形式呈现。

一、重估优先级划分依据

结合公开研报的行业通用分析框架，AI制药赛道的企业重估优先级由以下三大核心维度决定（权重依次递减）：

5.技术平台的可验证性：企业的AI技术平台，是否有能力将虚拟设计的分子，快速转化为符合临床标准的实际样品；或是否有真实的自研管线/客户项目，能够验证AI技术对研发效率的实际提升效果。这是决定企业技术壁垒的最核心依据——缺乏实际项目验证的纯算法平台，技术壁垒相对薄弱。

6.产业资源的协同性：企业是否拥有AI技术模型之外的独特产业资源，包括但不限于分子库资源、临床项目执行资源、GMP级生产能力、全球合规性资质及头部客户/合作伙伴资源。这是决定企业长期竞争力的关键支撑——单一的算法模型资源，不构成难以替代的产业壁垒。

7.业务场景的落地性：企业的AI技术，是否落地在药物研发的高价值环节——即临床阶段或生产端的高壁垒环节，这些环节的“技术溢价”更高，商业变现的确定性更强；单纯覆盖早期虚拟筛选环节的技术平台，短期变现能力存在明显瓶颈。

8.合作管线的兑现性：企业是否与行业头部的AI制药企业、全球头部创新药企，或具备高潜力自研管线的Biotech企业，建立了长期的深度绑定合作关系；且相关合作管线在临床验证上已有明确进展。这是企业AI技术商业落地的直接前置指标。

按照这一框架，六家企业的重估优先级可分为三大梯队：

•第一梯队（高确定性，已验证）：恒瑞医药、泰格医药、凯莱英。这类企业要么有规模化的自研管线在内部验证AI技术效果，要么有大量头部客户的真实项目，支撑AI技术的反复落地验证；且均在AI技术的高价值环节（临床、生产端）形成了成熟落地能力。

•第二梯队（高弹性，待验证）：药石科技、皓元医药。这类企业拥有独有的产业资源优势（分子砌块库、ADC CDMO产能），且与头部AI技术平台形成了明确的协同合作；但AI技术对业务的实际增量贡献效果，仍有待后续项目数据验证。

•第三梯队（高潜力，初期验证）：华大基因。这类企业拥有独特的行业数据资源，技术合作意向明确，但业务主要支撑研发后端环节，与AI制药的核心研发环节关联度较低；技术能力向实际制药订单转化的落地效果，仍处于初期验证阶段。

二、各维度对比分析说明

1. 企业属性与核心逻辑差异

六家企业的属性差异，直接决定了其在AI制药赛道的不同竞争逻辑，不存在直接的重叠或竞争关系；整个产业链呈现“头部技术平台赋能+CXO环节技术落地+药企管线自我验证”的清晰生态格局：

•创新药企（恒瑞医药）：AI技术布局的核心逻辑是“为自研管线赋能”——以AI技术提升自研管线的研发效率，降低研发风险；并不对外单纯输出AI技术能力，也不会单纯为了获取AI技术订单，而与行业内的头部Biotech或AI制药企业竞争。其AI技术的价值，最终将体现在自研管线的商业化成功率提升上。

•临床CRO（泰格医药）：核心逻辑是“用AI技术重构临床服务流程”——以AI技术优化临床运营环节的效率，为客户提供更高效、成本更优的临床方案选择；其AI技术的价值，主要体现在临床服务的交付效率提升与合规成本降低上。

•CDMO（凯莱英）：核心逻辑是“生产端技术赋能”——以AI技术打通实验室分子设计与规模化生产之间的技术壁垒，重点解决工艺放大、生产过程质量控制等行业核心痛点；其AI技术的价值，体现在从临床样品到商业化生产的工艺开发成功率提升上。

•分子砌块型CRO（药石科技、皓元医药）：核心逻辑是“资源+技术协同赋能”——以独有的分子库资源为基础，结合AI技术，为下游客户提供从分子设计到合成的早期研发环节支撑；其AI技术的价值，体现在早期分子筛选的效率提升上。

•基因组学支撑（华大基因）：核心逻辑是“数据支撑服务”——以基因组学数据为基础，为下游药企提供临床前靶点验证、临床精准入组的多组学数据支撑服务；其AI技术的价值，体现在基因数据的处理和解读效率提升上。

2. 估值框架差异

根据公开的行业估值报告，不同类型企业的AI业务估值逻辑和参考依据存在显著区别，核心依据是AI技术的变现能力验证进度：

•创新药企（恒瑞医药）：采用“自研管线储备数量+技术落地增量价值”综合估值法。这是因为药企的AI技术价值，最终将体现在自研管线的研发成功率提升上；行业通常以传统创新药研发效率的提升幅度，来计算AI技术对管线增量的长期价值，再叠加现有管线的商业化成熟度进行综合定价。

•CXO企业（泰格医药、凯莱英、药石科技、皓元医药）：采用“传统业务底座价值+技术平台的未来期权价值”分拆估值法。这是因为CXO企业的AI业务，本质是对现有传统业务的技术赋能——短期不会脱离传统业务单独变现；行业通常以AI技术赋能后的服务效率提升幅度，来计算技术平台的长期价值，再叠加传统业务的景气度进行综合定价。

•基因组学支撑企业（华大基因）：采用“传统业务底座价值+数据服务增量价值”分拆估值法。这是因为其AI业务的价值变现，完全依赖于基因数据支撑类业务的增长；行业通常参考美股同类基因+AI公司的市销率（PS）估值倍数，再结合其数据资源的独特性壁垒，给予一定的估值溢价。

3. 核心风险的共性与差异

六家企业在AI制药赛道的风险暴露各有侧重，但也存在行业共性风险：

•共性风险：一是技术效果验证不及预期——AI技术在实际临床项目中的效率提升幅度，可能显著低于实验室场景下的理论值；二是行业技术路线迭代风险——随着行业技术的快速迭代，企业当前的成熟AI技术可能在短时间内失去竞争优势；三是数据合规风险——跨国药企对数据跨境安全的合规要求持续提升，可能影响AI技术平台的跨境服务能力；四是临床验证失败风险——AI设计或支撑的药物分子，在临床验证环节可能出现疗效不足或安全性风险，导致技术平台价值无法兑现。

•药企专属风险：恒瑞医药的AI技术布局完全服务于自研管线需求，若自研管线的临床验证进度不及预期，将直接拖累AI技术的价值兑现；此外，AI技术的投入产出比不及预期，也会对其研发投入效率产生影响。

•CXO专属风险：一是客户议价能力提升风险——随着AI技术的普及，下游客户对技术服务的付费意愿可能下降；二是技术同质化竞争风险——同类CXO企业的AI技术迭代速度较快，技术壁垒难以长期维持；三是核心技术人员流失风险——AI技术平台的核心研发人员流失，可能导致技术迭代进度放缓。

•支撑环节专属风险：华大基因的业务环节距离药物研发的核心环节较远，行业对其技术能力的价值兑现认可度相对有限；此外，其数据合规性要求，也可能影响与跨国药企的长期合作进展。

4. 投资/操作建议差异

根据行业机构的公开研报，不同类型标的的配置策略差异较大，适配不同的投资风格偏好：

•第一梯队：适合机构资金或风险偏好较低的长期价值型投资者。这类企业的AI技术落地确定性高，且技术赋能的业务效率提升效果，已经可以通过量化数据验证；在行业的AI技术验证期结束后，这类企业将最先享受技术溢价带来的估值增量。其中，泰格医药的技术落地性最为确定，恒瑞医药的长期弹性空间最大。

•第二梯队：适合风险偏好较高、追求业绩弹性增长的成长型投资者。这类企业的AI技术平台，与行业头部AI制药企业的绑定性较强，技术落地性有明确的产业资源支撑；虽然短期业绩贡献有限，但随着合作的AI项目进入临床阶段，未来的技术增量变现弹性空间较大。其中，皓元医药的ADC技术赛道，与行业前沿技术的结合度更高，弹性空间相对更突出。

•第三梯队：适合对行业技术趋势有深刻理解、愿意长期等待技术兑现的战略配置型投资者。这类企业的技术落地场景明确，但与头部AI制药企业的绑定性较弱，技术变现的周期相对更长；短期估值溢价已被部分反映，需要等待行业技术验证进度进一步明确，才具备配置确定性。

三、综合分析表格

基于上述维度的分析逻辑，六家企业的综合对比如下所示：

备注：

9.优先级划分标准：基于AI技术的商业落地确定性、技术壁垒的不可替代性、长期业绩贡献空间三项核心指标综合评定。

10.建议仓位的参考基准：以公开医药行业投资组合的总仓位为参考基准，具体配置比例需结合投资者自身的风险偏好、投资预期收益周期调整。

11.表格中相关估值锚点、风险因素、行业定位的核心支撑数据，均来自企业公开信息披露、行业头部机构公开的研报内容，或经过行业权威机构验证的公开产业数据。

结论

从2025年到2026年的行业公开数据来看，AI制药行业已渡过早期的概念验证期，正式进入产业化的落地验证期——AI技术已经从行业的“宣传性赋能工具”，演变为真正嵌入药企或CXO日常研发场景的“生产性工具”；但从技术落地的量化数据来看，AI技术在制药行业的全场景效能释放，仍需要长期的技术积累，短期内还无法做到对行业研发模式的根本性重构。

对于产业人士而言，六家企业的产业链协同格局已清晰成型：头部创新药企将作为AI技术的最终验证方，把CXO环节的AI技术能力，转化为自研管线的增量价值；而CXO企业将凭借生产端的技术落地优势，成为AI制药行业的核心技术支撑方；支撑环节类企业，也将通过差异化的资源壁垒，找到自己在产业链中的独特定位。AI技术不是颠覆现有制药行业的技术工具，而是成为支撑现有头部企业进一步巩固技术壁垒、提升行业集中度的核心技术抓手。

对于投资者而言，行业的估值逻辑已从纯粹的“技术概念定价”，转向“技术落地验证能力定价”。后续在标的选择中，需要重点遵循的核心选股逻辑为：优先选择具备成熟技术落地能力的头部标的，其次是拥有独特产业资源壁垒的标的，以及与头部AI制药企业形成长期绑定性合作的标的。具体来说，有三条明确的配置主线：

12.确定性主线：优先配置在临床、生产端有成熟AI技术落地能力的头部标的（恒瑞医药、泰格医药、凯莱英），其技术价值兑现的可验证性最高，长期收益确定性最强。

13.成长弹性主线：优先配置在前沿技术赛道（如ADC）具备独特产业资源壁垒的标的（皓元医药、药石科技），这类标的技术落地的弹性空间较大，长期技术溢价兑现潜力较高。

14.长期潜力主线：对于技术落地场景较偏支撑环节的标的（华大基因），需重点跟踪其合作项目的临床验证进展，以及技术能力向制药端的实际订单转化效率，待技术价值兑现的确定性进一步提升后，再行配置。

在行业的长期发展趋势中，具备成熟产业资源落地能力的企业，将持续成为行业价值重构的核心标的。

免责声明

本报告基于公开可获取的信息及行业权威机构研报内容整理编写，不构成任何具体投资标的的投资建议或买卖建议。本报告所提及的企业、技术、项目相关内容，仅作为行业产业发展趋势的参考资料使用，不代表任何技术落地效果的确定性承诺。AI制药行业属于技术迭代快、风险高的新兴赛道，技术落地验证效果、行业商业化进展及二级市场表现，可能受到行业政策、技术路线迭代、临床进展、全球行业贸易环境等多重不可控因素影响，敬请读者注意识别风险，谨慎投资。