AI制药：从降本增效到分子创新，数据生产构筑长期壁垒.pptxVIP

证券研究报告

AI制药：从降本增效到分子创新，数据生产构筑长期壁垒

前言：AI+制药行业的投资价值在于行业的现状分析和未来判断。投资思路上来看，我们认为在于理解当下AI在制药中的作用地位、商业模式和成长空间、行业成长的关键要素和竞争壁垒。

AI在制药中的作用是什么？增效和创新。

基于现有的技术和未来的发展状况，我们认为药物研发基于实验科学的本质不会因AI的迭代升级而发生颠覆。AI在制药端最成熟的落地应用在于提升了临床前的降本增效：AI虚拟筛选极大地降低了真实试验中所需要投入的化合物的数量，从而有效缩短了临床前研发周期、大幅减少研发成本。此外，AI分子生成摆脱认知偏见具有创新价值，目前的AI分子（如TNIK）进展进入临床2期阶段，有望逐步兑现其创新价值。

市场规模已超百亿美金，AI+CRO/AI+Biotech仍是企业造血盈利的大趋势

市场空间来看，全球AI赋能药物研发费用市场规模由2023年的119亿美元有望增长至2032年的746亿美元，CAGR达22.6%。行业投融资热度整体高昂，国内有所收缩。从长远的商业化来看，我们认为AI+CRO/AI+Biotech仍是企业造血盈利的大趋势：一方面利于快速创收，另一方面利用合作项目可以完成企业自身算法模型迭代升级，构筑自身长期竞争力。

算法+数据深度绑定，高质量数据的生产能力是核心竞争力。

算法+数据是行业核心技术迭代升级的关键生产要素。算法突破的关键因素在于研发人才团队，而数据的竞争在于高质量数据生产能力（而非传统试验数据的堆积），以实现数据积累和算法迭代之间的闭环和正向循环。大规模高质量的数据是行业稀缺资源，原因在于纳入训练集的数据要求苛刻+数据不共享（“数据孤岛”）。由于实验数据涉及核心利益，长期来看“数据孤岛”的行业特征不会改变，因而高质量数据生产能力是长期的核心竞争力。

相关标的：行业容易形成马太效应，建议关注领先布局者：英矽智能、晶泰控股、泓博医药、成都先导。

风险提示：研发失败风险、行业竞争加剧风险、地缘政治风险、政策变动风险

投资要点

2

AI在制药中的作用是什么？增效和创新

市场规模超百亿美金，分子实体是商业化重点

高质量数据的生产能力是核心竞争力

相关标的

风险提示

一二三四五

3

AI在制药中的作用是什么？增效和创新

4

1.1AI+药物研发：概述

AI制药是指将NLP、深度神经网络，生成模型等AI技术与传统制药环节相结合，提升新药研发效率，拓展药物创新空间的技术应用。AI医疗大模型基于深度学习、自然语言处理等技术，整合海量生物医学数据(如蛋白质结构、基因序列、临床试验数据)，赋能药物研发全流程，包括新药发现(靶点发现、虚拟筛选、蛋白质结构预测)、新药开发(ADMET预测、晶型预测、合成路径)、临床试验优化(患者分层与剂量预测)。

具体应用：基于物理化学原理的AI算法提升小分子药物研发效率；在细胞与基因治疗(CGT)领域，AI也可赋能抗原识别、载体设计、放大优化等关键环节。

资料来源：智药局5

图表1：药物研发大模型

1.1AI+药物研发：AI技术不会颠覆药物研发的逻辑

AI制药在谈论AI+新药研发的融合之前，首先需做出判断：AI技术是否会颠覆制药行业？我们认为，不能。基于以下因素考虑：

1、应用层面：AI计算的“虚拟”数据无法替代临床的“真实”数据。AI尚未能预测药物在人体系统中的反应，而临床试验中个体异质性还会使复杂程度几何倍增。

2、监管层面：我们认为药物的安全性是监管考虑的首要因素，而临床试验是安全性证明的唯一来源。长期来看不存在替代品，药物开发的审批流程长期不会改变。

因此，药物研发的基于实验科学的本质不会因AI的迭代升级而发生颠覆。

图表2：传统药物研发流程：临床试验难以被AI替代

资料来源：美国药品研究和制造商协会

6