华源计算机医药AI For Science专题电话会议纪要

发布时间：2026-08-07 一、核心要点 1. 本次会议聚焦AI For Science（人工智能驱动科学研究）领域，明确该领域是大模型能力提升的关键验证场景，不仅能解决当前大模型除通用交互外缺乏核心落地场景的行业担忧，还能将AI对生产力的作用从数字世界延伸至真实世界，缩短物质研发周期。 2. AI For Science覆盖材料、生命科学、化学、物理、医药等领域，其中医药/制药领域是该方向的重要细分赛道，核心源于AlphaFold等技术的演进，已实现从蛋白结构预测向药物生成的突破。 3. 大模型厂商（如Anthropic）正加速布局AI For Science，推出Cloud Science等平台，核心定位是扮演“AI科学家”角色，可完成论文分析、数据处理、实验设计、分子序列生成等环节，覆盖科研前端工作。 二、医药细分领域AI应用核心逻辑 1. 医药AI制药核心聚焦新药研发的临床前研究/分子筛选环节，新药研发传统流程为：靶点确认→从海量分子库筛选先导化合物→逐步优化候选分子→推进临床，其中分子筛选环节曾依赖大量人力实验，效率低、对复杂蛋白靶点难以预测。 2. 现有AI制药落地场景为：大模型生成分子/抗体序列，企业（如港股金斯瑞生物科技）完成蛋白/抗体的高通量合成，再通过体外实验（如亲和力检测）获取数据反哺模型，形成优化闭环，该模式已实现实质落地并兑现业绩（如相关企业财报表现良好）。 3. AI制药的需求逻辑：当前核心需求为抗体生成，未来有望拓展至药物靶点的药效/药理分析，将放大新药早期研发的整体需求；同时大模型具备快速生成分子的能力，可解决传统“手搓”分子速度慢、难以应对难靶点的问题，理论上能扩容创新药研发产业链的市场空间。三、投资线索 1. 关注AI For Science相关标的，重点聚焦医药创新药研发上游、科研服务板块，这类板块本身具备业绩支撑（如国内CDMO企业受益于创新药研发投入增加，业绩向好、估值较低），叠加AI For Science的新叙事，有望提升估值空间。 2. 关注具备AI+医药落地案例、尤其是已实现业务/业绩落地的相关企业（如港股相关生物科技标的）。 四、风险与关注 1. AI For Science的商业化规模仍需观察，当前仅在分子筛选环节落地，后续拓展至全流程、更大场景的进度存在不确定性。2. 技术迭代速度可能不及预期，若大模型在科学研究中的能力提升放缓，将影响行业发展节奏。3. 相关企业的业绩兑现程度仍需跟踪，目前仅部分企业在局部环节实现落地，整体产业链的需求放大节奏存在变数。