行业态度转变与投入模式
春节后以来,制药行业对AI制药的态度发生实质性转变,从早年因技术不成熟导致的预期过高或怀疑,转变为2025年下半年至2026年明显的实际动作。多家药企已建立真实预算投入,包括硬件(服务器、GPU显卡)、软件和内部AIDD/CADD团队,形成预算从0到1的边际变化。
药企AIDD投入模式选择
药企在自建团队、采购软件、委托端到端研发服务的选择上,取决于项目技术成熟度、难度和数据保密要求。成熟技术(如分子对接、AlphaFold预测、亲和力预测)倾向自建,高保密项目也倾向内部完成。重复度高或超出内部能力的工作(如动物实验)倾向外包。
大模型企业预期与制药行业观点差异
大模型企业对AI制药持激进预期,而制药行业相对保守,主要原因在于认知边界与敬畏之心差异、模型能力边界的体感差异,以及算法视角与科学约束的差异。制药行业更关注短期务实问题,而算法背景者更关注长期终局。
小分子AI研发全流程成本与耗时
小分子AI研发分为干实验(靶点发现→结构预测→分子生成→虚拟筛选)和湿实验(物质合成、细胞/动物/人体检测)。干实验成本可控,主要来自显卡算力。湿实验中,小分子合成成本最高(简单骨架5000~8000元,新骨架1.5万~3万,高难度4~5万),时间成本也较高(简单合成1~2个月,难合成2~3个月以上),且批量放大效应进一步放大成本。
大分子抗体湿实验成本结构
大分子湿实验可进行高通量合成,典型流程为:AI输出氨基酸序列→CRO基因合成→哺乳细胞表达纯化→亲和力检测。单序列成本明细:质粒合成约200元,表达纯化约200~300元,亲和力检测约100元。后续细胞层面检测单价可达数千元,但样本量大幅收窄。
大分子AI筛选命中率与迭代轮次
当前大分子AI模型亲和力活性命中率约20%(如2000个序列中约300~400条有活性),药企从中人工复核挑选约100~200条推进后续实验。迭代轮次常见2~5轮,合同通常设定上限(如5轮或10轮),以控制成本。
AI研发终止于亲和力环节的原因
理想AIGC平台应覆盖全链条,但目前多数止步于亲和力环节,原因包括:数据与模型边界限制、迭代周期约束(一轮循环几周至1个月)、成本与成功率约束(先提升命中率再推进后续实验)。
融资环境与投资人验证指标变化
投资人验证指标从“论文”转向“数据”,要求提供实际实验数据。初创企业融资时强调干湿结合及湿实验进展,融资两极分化显著:大型项目、头部公司及初创企业易融资,B轮、C轮、D轮公司面临较大挑战。
AI制药竞争格局与上下游价值分配
干实验(上游模型公司)壁垒趋弱,算法差异化难且成本高,AI平权化进一步压缩空间,数据成为核心差异化因素。湿实验(下游)具瓶颈价值,一体化并购趋势明显,上游公司倾向自建或并购实验室。
AI虚拟细胞技术现状与应用场景
AI虚拟细胞技术成熟度不足,尚不成熟,从分子到细胞体系复杂度放大无数倍。应用场景包括:靶点发现(计算验证)、有效性预测(模拟细胞实验)、临床试验替代(远期想象空间)。
大分子AIDD对上游供应链的拉动分析
大分子AIDD可明确拉动高通量移液工作站、培养基、Protein A亲和填料、亲和力检测探针和试剂盒等客单价较高的品类,测序仪暂未见显著拉动逻辑。
竞争格局演变下的受益/承压方向
具备数据闭环能力的AIGC公司、CRO公司(高通量合成平台)、头部大厂背书公司与Pre-IPO项目受益,B轮、C轮、D轮企业承压,上游干实验模型公司竞争格局边际变差,湿实验高壁垒环节(化合物合成、高通量表达纯化)仍具瓶颈价值。