AI制药与创新药出海现状策略会议纪要

发布时间：2026-08-16 一、核心要点 1. 本次会议为长城证券产业金融研究院举办的AI制药主题电话会议，嘉宾为行业资深专家，观点仅代表个人不构成投资建议。 2. AI目前主要应用于药物研发的虚拟筛选、分子生成、ADMET预测、化合物优化、质控数据分析等环节，临床前开发、临床设计等环节AI应用较少，全球仅24款AI研发药物进入临床试验，其中仅1款为创新靶点新机制的真正创新药，其余多为已上市药物的改造或旧靶点新适应症，AI难以独立开发全新创新药。 3. AI制药核心要素中，算法、算力行业差异较小，高质量标注数据为关键壁垒，中国约100家AI制药公司，多数集中于序列模型开发，头部公司多具备自研管线能力。 4. AI在小分子合成路径预测、大分子单链可开发性预测、质控数据分析上表现中等，在大分子免疫原性预测、毒性预测、工艺优化等环节表现较差，需依赖湿实验验证。 5. AI制药商业模式分为三类，AI+CDMO服务ROI低，纯软件工具盈利难，如Schrödinger转而自研管线，AI+自研管线为目前主流可行模式，另有科技大厂通过AI蛋白设计关联传统业务获益；同时，传统药企自建AI能力面临数据清洗难度大、跨团队管理复杂等挑战，数据闭环驱动的湿实验+干实验模式为最优路径，但仍需基础研究解决靶点、临床转化等科学问题。 6. 全球AI制药领域，微软亚洲研究院、阿里达摩院、谷歌、百度飞桨等机构的AI工具多已开源，多聚焦于AI工具对制药流程的降本增效，而非直接突破研发核心瓶颈，目前AI制药主要基于传统非大模型类工具，如分子相关软件，大模型在该领域应用仍处于早期阶段。 7. 国内大模型公司如智源、深度求索等尚未布局生物医药方向，字节跳动或有意布局，A股上市公司中以AI+管线布局的企业多采用传统AI工具，暂未出现基于大模型的明确成果；AI用于大分子蛋白相关优化多集中在改良而非创新，仅少数小分子药研发有成功案例，但多采用传统计算机辅助设计，而非当前热门的大模型技术；AlphaFold等AI蛋白结构预测工具可为药物研发提供初始结构参考，将不可行问题转化为有限空间搜索，推动了领域进步，但仍存在准确性不足的挑战。 8. AI擅长解决可明确真伪的数学类工程问题，但生物医药领域多为未知机制的科学问题，如靶点成药性未知，导致AI无法明确研发方向，目前AI在医疗领域未产生实质性改变，相关成果未达到外界预期，落地仍需时间。 二、创新药出海相关要点 1. 针对美国Twist、港股金斯瑞（提供蛋白服务）近期股价短期翻倍的情况，其蛋白生产业务营收去年约1.5亿美元，今年预计增80%，明年再增80%，需验证其需求爆发是真实市场还是炒作。 2. 相关需求属非传统药企的增量市场，传统CRO服务壁垒高，国内还有百奥泰等同业，短期难有竞品可与金斯瑞、Twist竞争；AWS等AI相关公司在蛋白表达上的需求（去年至今达四五万个，远高于传统药需1000-3000个）并非用于传统药物研发，或为平台建设、算法迭代，属于增量市场需求，为行业新机会，也仍需关注其技术进展。三、风险与关注 1. 需关注Twist、金斯瑞蛋白生产业务需求爆发的真实性，是否存在炒作情况。 2. 需关注AWS等AI公司蛋白表达需求的实际用途，以及相关技术进展，确认是否为可持续的行业机会。 3. 需关注AI在大分子免疫原性预测、毒性预测、工艺优化等环节的技术突破情况，以及在靶点、临 床转化等基础研究领域的进展，推动AI更深入地应用于药物研发。