中信建投：AI制药产业链投资机遇

2026-10-19 · 559529.com

AI加速重塑制药传统研发范式。 药物作用本质上是分子与体内靶点的相互作用，传统药物研发面临埃鲁姆定律的底层痛点。AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等核心环节，有效破解传统制药研发过程中面临的高通量物理盲筛的通量极限，大幅提升制药效率与成功率。 中信建投 证券医药首席袁清慧团队、计算机首席应瑛团队推出【AI制药产业链

AI加速重塑制药传统研发范式。 药物作用本质上是分子与体内靶点的相互作用，传统药物研发面临埃鲁姆定律的底层痛点。AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等核心环节，有效破解传统制药研发过程中面临的高通量物理盲筛的通量极限，大幅提升制药效率与成功率。

中信建投 证券医药首席袁清慧团队、计算机首席应瑛团队推出【AI制药产业链解读】：

01 AI4S系列报告2：干湿闭环构筑数据壁垒，大分子有望抬升产业天花板

AI4S 正由模型能力竞赛迈向产业化临界点，技术、产业、需求、政策四重共振，价值锚点由模型能力向科研生产力、数据资产与系统化生物设计升维。科研 Agent 由回答问题升级为拆解目标、调用专业模型并衔接实验，推动 AI 从单点工具跃迁为执行复杂研发任务的科研生产力，Science Token 等按量计费模式打开平台化变现空间；模型生成候选速度快于实验验证能力，实验产能与反馈周期成为研发效率的主要约束，掌握真实数据入口者借干湿闭环沉淀数据飞轮，焦点由模型性能转向实验吞吐量、数据质量与反馈效率；AI 能力由小分子向抗体、蛋白及核酸等大分子延伸，研发由生成单一候选升级为贯通成药性优化、递送与体内验证的系统化成药设计，有望打开产业价值空间。

四重共振驱动AI4S迈向产业化临界点。 技术端，生成式生物设计由单分子预测拓展至完整基因组；产业端，通用模型厂商延伸至湿实验，MNC横向结盟共建研发基础设施；需求端，候选供给放大合成与高通量验证需求，上游服务商率先兑现；政策端，AI制药、高质量数据集和科研基础设施纳入体系化布局，技术、资本、订单与政策形成合力。产业价值锚点正由单一模型能力向科研生产力、数据资产与系统化生物设计升维，主要体现在三方面：

（1）范式演进：Agent延伸研发链条，TaaS打开价值空间。 Agent正由回答问题升级为拆解科研目标、调用专业模型并衔接真实实验，使算法、数据和设备形成连续工作流。Science Token将模型、算力、任务编排与 机器人 实验封装为标准化服务，客户按调用量付费，平台则可将可复用的科研能力转化为持续、高频的平台收入。

（2）壁垒深化：干湿闭环构筑数据飞轮，湿实验室沉淀数据资产。 模型生成候选的速度已快于实验验证能力，实验产能、成本和反馈周期成为研发效率的主要约束。科技巨头通过自建湿实验室及连接CRO、自动化实验平台，掌握真实数据生产入口；实验结果持续回流训练，形成“设计—验证—反馈—迭代”的自强化飞轮，竞争重点也由模型性能转向实验吞吐量、数据质量和反馈效率。自动化湿实验室有望成为物理AI落地的重要场景。

（3）边界拓展：从“选分子”走向“造体系”，大分子有望抬升产业天花板。 小分子仍是数据基础、建模工具和临床验证最成熟的主战场；蛋白结构预测、蛋白语言模型与生成式生物学的发展，则推动抗体、蛋白及核酸药物迈向预测驱动和可编程设计。由于序列、结构、成药性、递送与体内效应高度耦合，大分子AI将从生成单一候选升级为多目标协同优化的系统化成药设计。

（1）AI4S技术能力与科学验证不及预期风险。 科学模型在公开基准上的性能提升，不必然转化为真实科研场景中的泛化能力。若模型在未知靶点、复杂生物体系及分布外任务中出现幻觉、结果不可复现或实验成功率偏低，可能削弱AI4S的实际研发价值及客户付费意愿。

（2）高质量数据供给与合规风险。 AI4S模型训练依赖高质量、标准化且带有实验标签的科学数据，但行业数据仍存在分散、标准不一及失败负样本稀缺等问题。若数据获取成本上升，或知识产权、患者隐私及跨境流动监管趋严，可能限制模型训练、数据闭环和商业化合作。

（3）干湿闭环建设与商业化进展不及预期风险。 自动化实验室涉及仪器集成、实验标准化和流程数字化，前期资本及研发投入较高。若实验设备兼容性、数据回流效率或实验室利用率低于预期，或客户订单未能从一次性项目转向持续采购，可能导致数据飞轮形成缓慢并拖累盈利兑现。

（4）研发转化及临床试验失败风险。 AI有望提升靶点发现、分子设计和临床前研发效率，但无法消除人体生物学复杂性及新药研发固有风险。若AI设计候选药物在临床阶段出现疗效、安全性或入组问题，可能导致管线终止、BD里程碑无法兑现，并对行业估值体系形成冲击。

（5）开源竞争、知识产权与生物安全监管风险。 开源模型快速迭代可能缩短算法领先窗口，压缩单一模型能力的商业溢价；同时，蛋白、基因组及生物系统设计能力增强，也可能引发知识产权归属、双重用途及生物安全风险。若相关监管明显收紧，可能提高模型开放、数据使用和实验验证的合规成本。

证券研究报告名称：《AI4S系列报告2：干湿闭环构筑数据壁垒，大分子有望抬升产业天花板 》

对外发布时间：2026年10月12日

报告发布机构：中信建投证券股份有限公司

应瑛 SAC 编号:S1440521100010

张敏 SAC 编号:S1440525070012

02 AI制药大有可为，产业链有望持续受益

AI制药领域正经历着快速的迭代和变革，算法的更新迭代和算力的支持为AI在制药领域的应用打下了良好的基础。传统药物开发过程花费时间长成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。近年来AI特别是深度学习的发展，促进了其在包括靶点筛选、分子生成及优化、ADMET预测、晶型预测以及合成路线筛选等的应用，AI用于大分子药物的开发投入也持续增长。AIDD有望重塑早期药物发现的流程，大大加速早期药物筛选的效率及成功率，相关干实验投入的增加以及对湿实验需求持续的增长，有望为下游产业链持续带来增量。

AIDD覆盖早期药物发现全流程。 传统药物开发过程花费时间长成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。近年来AI特别是深度学习的发展，促进了其在包括靶点筛选、小分子生成及优化、ADMET预测、晶型预测以及合成路线筛选等的应用，同时大分子药物研发环节AI布局也在逐渐深入，随着各类干湿实验验证和模型迭代，有望重塑早期药物发现的流程，大大加速早期药物筛选的效率及成功率。

AIDD企业总体处于早期阶段，行业有望进入加速成长期。 AI biotech主要包括三种商业模式，第一是仅提供软件服务的SAAS类企业，其次是结合AI平台为客户进行新药筛选或者评估的服务类CRO企业，最后还有通过AI平台自主设计新药并进行管线推进的AI创新药企。目前多数企业发展处于早期阶段，采用其中几种商业模式的结合，整体AI制药市场仍还比较小，但随着越来越多资本的参与、技术的更迭以及AI制药管线逐步上市得到验证，行业有望逐渐迎来收获期。

AIDD模型持续迭代，产业链有望持续受益。 AI制药并非单纯以算法替代实验，而是通过提升候选分子的设计效率和命中率，推动研发模式向“Design-Build-Test-Learn”闭环演进。尤其在大分子药物领域，模型从序列和结构预测进一步走向功能预测、抗体生成及多参数优化后，对高质量实验数据的依赖反而进一步增强，需要持续进行基因合成、文库构建、蛋白/抗体表达、结合与功能检测以及多组学分析，并将实验结果反哺模型训练。因此，随着AI模型迭代速度加快、单次设计候选数量提升以及更多药企将AI嵌入早期研发流程，高通量、自动化、标准化的湿实验需求有望持续增长，基因合成、蛋白表达、科研试剂及CRO等产业链环节有望持续受益AI制药渗透率提升带来的增量市场。

风险提示： 投融资不及预期风险，行业政策风险，研发不及预期风险，审批不及预期风险，销售不及预期风险，市场竞争加剧风险。

证券研究报告名称：《 AI制药大有可为，产业链有望持续受益 》

报告发布机构：中信建投证券股份有限公司

袁清慧 SAC 编号：S1440520030001

成雨佳 SAC 编号:S1440525120003

王云鹏 SAC 编号:S1440524070020

03 CXO：板块Beta稳中向好，AI制药大有可为

AI制药潜力释放，有望重塑医药未来图景。 AI制药领域正经历着快速的迭代和变革，算法的更新迭代和算力的支持为AI在制药领域的应用打下了良好的基础。传统药物开发过程花费时间长成本高，且成功率较低，随着已有靶点的新药陆续获批，新药开发难度逐渐上升。近年来AI特别是深度学习的发展，促进了其在包括靶点筛选、分子生成及优化、ADMET预测、晶型预测以及合成路线筛选等的应用，有望重塑早期药物发现的流程，大大加速早期药物筛选的效率及成功率。

风险提示： 行业政策风险，研发不及预期风险，审批不及预期风险，宏观环境波动风险

证券研究报告名称：《 CXO：板块Beta稳中向好，AI制药大有可为 》

报告发布机构：中信建投证券股份有限公司

袁清慧 SAC 编号:S1440520030001

成雨佳 SAC 编号:S1440525120003

王云鹏 SAC 编号:S1440524070020

04 AI4S系列报告：AI重塑制药底层逻辑，商业化验证期加速突破

AI重塑制药逻辑的底层变革与商业化加速突破。传统制药面临高投入、长周期、低成功率的“双十”定律困境，AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等制药核心环节，有效破解传统高通量物理盲筛的通量极限，大幅提升制药效率与成功率。当前，AI制药产业链已经演化为以平台和技术中台为核心，上中下游深度协同的网状赋能体系，并呈现出多种商业模式兼容并进的发展趋势。全球AI制药市场2025年规模约24.9亿美元，2035年有望突破460亿美元，CAGR有望超过33%。中国市场增速与全球同步，有望成为最具确定性的增量市场之一。

AI加速重塑制药传统研发范式。 药物作用本质上是分子与体内靶点的相互作用，传统药物研发面临埃鲁姆定律的底层痛点。AI技术已全面渗透至靶点识别、虚拟筛选、全新设计、ADMET预测以及自动化合成等核心环节，有效破解传统制药研发过程中面临的高通量物理盲筛的通量极限，大幅提升制药效率与成功率。

AI制药商业模式加速演变，全栈赋能图谱协同并进。 上游算力设施向技术方案升级，中游全栈服务商多线并举。科技巨头、BioTech、传统药企与CXO四大梯队积极布局，软件服务与自研管线融合成为主流商业模式。随着技术红利兑现，全球与中国AI制药市场迎来高速增长，中国凭借强劲产业韧性有望成为最具确定性的全球增量引擎。

全球AI制药已涌现出一批具备平台化能力与商业化验证的标杆企业。

AI制药公司普遍处于高研发投入、尚未盈利阶段，传统PE/PEG估值方法难以适用，推荐采用分部估值框架 ：1）自研管线采用DCF/FCFF法，按照“销售峰值测算—单管线现金流建模—概率加权贴现”三步推导企业公允价值；2）AI+CRO业务按首付款、各阶段里程碑奖励及远期销售分成分别建模后加总折现；3）软件授权/解决方案，参照价值数据驱动型平台公司，综合考虑AI制药平台的稀缺性、高成长性及横向拓展潜力，按照PS法给予估值。

风险提示： 1. 技术转化不及预期风险。AI制药尚处于从算法验证迈向临床兑现的关键窗口期，模型在复杂生物体系中的泛化能力仍有待验证。若AI驱动的候选分子在临床阶段未能展现出相较传统路径的显著优势，行业整体的价值重估节奏或将有所放缓。2. 商业闭环尚待验证风险。"软件+服务+管线"的融合模式虽为行业共识方向，但完整的盈利闭环仍在探索之中。部分企业对合作里程碑收入和授权付款的依赖度较高，若外部合作节奏出现阶段性波动，短期现金流或承受一定压力。3. 算力与数据要素制约风险。AI制药对优质生物医药数据及大规模算力资源存在较强依赖。在全球供应链格局调整背景下，上游算力资源的可获得性及高质量数据的合规获取成本均存在边际变化的可能，需关注其对企业研发效率的潜在影响。4. 赛道竞争格局演变风险。随着科技巨头、传统药企、CXO及新兴TechBio企业纷纷加大布局力度，行业参与者日趋多元。竞争加剧背景下，差异化定位与核心壁垒的构建难度有所上升，部分细分环节的定价空间或面临一定程度的收窄压力。5. 监管政策动态调整风险。全球范围内针对AI辅助药物研发的监管框架仍处于逐步完善阶段，在算法可解释性、数据跨境流通、审评标准等方面的政策导向存在持续演进的可能。相关规则的阶段性调整或对企业的研发规划与国际化节奏产生一定影响。

证券研究报告名称：《 AI4S系列报告：AI重塑制药底层逻辑，商业化验证期加速突破 》

报告发布机构：中信建投证券股份有限公司

应瑛 SAC 编号：S1440521100010

张敏 SAC 编号：S1440124040029