猜你想问
这份研报的核心内容是什么？
这份研报主要探讨了AI在医疗健康领域的应用现状，特别是AIDD（AI驱动的药物发现）赛道。报告指出AI目前主要应用于临床前阶段，如靶点优化和分子生成，但真正进入临床的小分子候选药物还较少。突破关键在于生化理解能力而非数据拟合。同时，开源模型普及降低了算力门槛，专有湿实验数据成为核心壁垒，AI原生公司通过自有管线持续产生高质量数据形成闭环优势。商业模式上，AI原生公司收入更稳定，而AI赋能型公司更接近项目制外包。投资建议关注管线资产进度、湿实验室自动化设备覆盖率、合作交易重复签署率等指标。
AIDD赛道未来发展趋势如何？
AIDD赛道未来竞争关键在于数据闭环与湿实验能力，而非模型参数优劣。AI原生公司因具备“干实验+湿实验”闭环，具备长期韧性。报告预测未来三年，拥有自有管线且具备规模化湿实验室的AI原生企业将表现更优。市场应警惕缺乏湿实验能力的纯AI实验室，这类企业难以跨越“死亡谷”。同时，AI赋能型公司更接近短期外包，收入稳定性较低。因此，具备持续数据产出和湿实验能力的公司将是市场主流。
研报重点分析了哪些方向？
研报重点分析了AI在药物发现领域的应用边界、竞争壁垒重构、商业模式差异以及投资启示。在应用边界上，AI目前主要在临床前阶段发挥作用，进入临床的小分子候选药物尚少。竞争壁垒方面，专有湿实验数据成为核心，AI原生公司通过自有管线形成闭环优势。商业模式上，AI原生公司收入更稳定，而AI赋能型公司面临客户需求波动和比价压力。投资建议关注管线资产进度、湿实验室自动化设备覆盖率、合作交易重复签署率等关键指标。
当前AIDD市场现状如何判断？
当前AIDD市场呈现AI原生公司与AI赋能型公司并存格局。AI原生公司通过自有管线持续产生高质量数据，具备长期竞争力；而AI赋能型公司更接近项目制外包，收入稳定性较低。市场普遍认为，数据闭环与湿实验能力是未来竞争关键，而非模型参数优劣。AI原生公司因具备“干实验+湿实验”闭环，具备长期韧性。同时，市场应警惕缺乏湿实验能力的纯AI实验室，这类企业难以跨越“死亡谷”。
研报提示哪些风险？
研报提示主要风险在于部分AI实验室缺乏湿实验能力，难以跨越“死亡谷”。此外，AI赋能型公司面临客户需求波动和比价压力，收入稳定性较低。对于投资者而言，需警惕过度依赖模型参数而忽视湿实验能力的公司。同时，商业模式不清晰的AI赋能型公司也存在一定风险。建议关注具备自有管线且具备规模化湿实验室的AI原生企业，审慎对待纯外包属性公司。